Fecha de corte
El día en que terminan los datos de un modelo de IA: de ahí en adelante no sabe nada.
La fecha de corte (knowledge cutoff) de un modelo es el momento en que terminan sus datos de entrenamiento. Un LLM aprende de una foto gigante de textos juntados hasta cierto mes; lo que pasó después, sencillamente, no está en el modelo. Si le preguntás por una noticia de la semana pasada o por la última versión de una app, te dice que no sabe o, peor, inventa.
Ese hueco es inevitable. Juntar los datos, entrenar y probar un modelo lleva meses, así que el día que sale al público su fecha de corte ya quedó atrás, y sigue congelada mientras la gente lo usa durante un año o más. Los proveedores suelen publicarla en su documentación. Además es más difusa de lo que parece: los últimos meses antes del corte están poco representados, porque internet todavía no había terminado de escribir sobre ellos.
La solución habitual no es volver a entrenar, sino darle información fresca al modelo en el momento en que preguntás: una herramienta de búsqueda web, RAG sobre tus propios documentos o, simplemente, pegar el texto que importa en el prompt. Cuando un chatbot acierta un dato reciente, casi siempre es por eso. Cuando afirma muy seguro algo desactualizado, la fecha de corte es una sospechosa clara, así que conviene chequear todo lo que pueda haber cambiado.
Para quedarse
- Los datos de entrenamiento terminan en una fecha; después de eso, el modelo no sabe nada.
- La fecha de corte siempre es meses anterior al lanzamiento del modelo.
- La búsqueda web, RAG o un texto pegado le dan datos frescos.
- Una respuesta vieja dicha con total seguridad es un síntoma clásico.
Para seguir leyendo
- Knowledge cutoff en Wikipedia (en inglés)
- Ejemplo: la fecha de corte de cada modelo de Claude (documentación de Anthropic)
