发布日期不等于训练截止日：追踪 20 个 AI 模型的知识陈旧度

stale.jock.pl 为每个模型记录两个日期：实验室发布它的日子，以及它停止读取信息的日子。两个计数器都在实时递增。决定模型实际知晓内容的，是第二个日期。

以 OpenAI 于 2026 年 9 月 3 日发布的 GPT-6 Astra 为例，其训练数据截止于 2026 年 4 月 30 日。发布当天，对于该日期之后发生的事件，模型已经落后四个月。这种落后还会持续扩大，因为世界在变化，而权重中的内容不会随之改变。追踪页面上列出的其他模型也呈现相同模式：Meta 的 Llama 4 于 2025 年 4 月 5 日发布，截止日期为 2024 年 8 月；Anthropic 的 Claude Sonnet 5 于 2026 年 6 月 30 日发布，截止日期为 2026 年 1 月；GPT-6 Sol 于 2026 年 9 月 22 日发布，截止日期为 2026 年 4 月 20 日。据该网站称，页面上每个模型名称都链接到提供该日期的实验室文档。

名单中有一半是空白的。

20 个模型中，10 个拥有已公布的截止日期。另外 10 个没有，包括 Mistral Large 3、Qwen3.8-Max、DeepSeek V4-Pro 和 Muse Glimmer。页面指出，这是因为所核查的厂商来源未能确认截止日期。这并不能证明实验室从未公布过，只能证明追踪者未能找到。对于试图按新鲜度比较模型的人来说，这是一个更令人尴尬的事实。

搜索无法弥补这一差距

最明显的反驳意见是：模型现在可以搜索网络，因此截止日期的重要性降低了。追踪页面的作者拒绝了这一观点。页面认为，搜索只为回答一个问题读取几页内容，随后便遗忘，因此新的对话仍从四月开始。更糟糕的是，搜索必须由模型自行触发，而它使用的正是包含过时事实的那套权重。这意味着，模型遗漏信息的场景，恰恰是它听起来最自信的地方。页面引用了一项测试，涵盖 16 个模型，共超过 2 000 次调用，每次调用都配备网络搜索工具。前沿模型几乎每次都能正确判断；而较弱的模型在不查证的情况下陈述已改变的事实，甚至为水的沸点这类常识去搜索网络。在一个例子中，五个模型将一位已故人士称为挪威国王。

这里隐藏着一个令人不适的方法论问题。页面指出，被问及自身训练截止日期的模型并非可靠的证人，因为一个编造出自信日期的模型，实际上已经透露了关于自身的有用信息。推荐的检查方式是外部验证。

追踪页面以 models.json 格式提供相同数据，每个模型包含发布日期、已公布的截止日期及来源链接。页面建议将几行内容粘贴到智能体的 AGENTS.md 或 CLAUDE.md 中，以便智能体在将任何模型或版本称为“当前版本”之前先获取该文件。文件随页面更新而重新生成，因此智能体读取的是今日日期，而非固化在权重中的日期。这份包含 20 个模型的名单涵盖 8 家实验室，其中 5 家为页面上至少一个模型公布了截止日期：Anthropic、Google DeepMind、Meta、OpenAI 和 xAI。

对于关注基准测试的人来说，实际后果很简单。一个比较发布间隔数周的模型的排行榜，实际上也在比较训练间隔数月的模型，而这一差距并未体现在分数中。