Zwei Daten entscheiden, wie veraltet ein KI-Modell ist, und nur 10 von 20 Labors veröffentlichen beide

Die Seite stale.jock.pl erschien am 16. September als Show-HN-Einreichung. Ihr Ansatz ist eng umrissen: Ein Modell kann im September erscheinen und trotzdem schon im April aufgehört haben zu lesen. Die Lücke zum Starttag steckt also schon drin, bevor jemand einen Prompt tippt. Dieselben Daten gibt es als models.json, die Agenten abrufen können.

Fünf der acht Labors haben für mindestens ein gelistetes Modell einen veröffentlichten Cutoff: Anthropic, Google DeepMind, Meta, OpenAI und xAI. Eine leere Zelle in der Tabelle bedeutet, dass die geprüften Herstellerquellen keinen Cutoff belegen, so die Seite. Sie bedeutet nicht, dass das Labor nie einen veröffentlicht hat. Mistral, Alibaba und DeepSeek stehen in der Tabelle ohne belegten Cutoff für die gezeigten Modelle.

Die Lücke, Modell für Modell

OpenAIs GPT-6 Astra wurde am 3. September 2026 veröffentlicht, die Trainingsdaten enden am 30. April 2026. Das ist eine Lücke von vier Monaten. GPT-6 Sol erschien am 22. September und endet am 20. April. GPT-6 Luna hat dasselbe Veröffentlichungsdatum und endet am 18. Mai. Anthropics Claude Opus 5.5 erschien am 22. September mit Cutoff Juni 2026, Claude Fable 5.1 am 1. September, ebenfalls Juni 2026. Metas Llama 4 erschien am 5. April 2025 und hat einen Cutoff von August 2024.

Die längste Verzögerung in der Tabelle hat Gemini 3.1 Pro: veröffentlicht am 19. Februar 2026, Cutoff Januar 2025, dreizehn Monate. Mistral Large 3, Mistral Small 4, Mistral Medium 3.5, Qwen3.8-Max, Qwen3.8-Flash, Muse Glimmer, Muse Spark 1.3, DeepSeek V4-Pro und DeepSeek V4.1-Flash sind alle ohne veröffentlichten Cutoff gelistet. Für sie lässt sich aus dieser Quelle keine Lücke berechnen.

Die Seite argumentiert, dass Suchwerkzeuge das Problem nicht lösen. Wenn ein Modell sucht, liest es ein paar Seiten, nutzt sie in einer Antwort und vergisst sie wieder. Öffnet man einen neuen Chat, ist es wieder April. Die Suche muss zudem das Modell selbst auslösen, mit denselben Gewichten, die die veraltete Tatsache tragen. Die Seite nennt eine Messung von über 2.000 Aufrufen über 16 Modelle, jedes mit einem Websuche-Werkzeug ausgestattet. Frontier-Modelle entschieden fast jedes Mal richtig. Schwächere antworteten auf geklärte Fragen aus dem Gedächtnis, nachdem die Antwort sich geändert hatte, und suchten im Web nach dem Siedepunkt von Wasser. Die Seite schreibt außerdem, dass fünf von 16 Modellen auf die Frage nach dem König von Norwegen einen Toten nannten.

Warum die zweite Zahl fehlt

Hinter dem Schweigen steht eine kommerzielle Logik. Ein Veröffentlichungsdatum ist ein Marketingereignis und bekommt einen Launch-Post. Ein Cutoff ist ein Eingeständnis darüber, was das Modell nicht weiß. Ein Labor, das ihn veröffentlicht, liefert Wettbewerbern und Kunden am ersten Tag ein Maß für die Lücke. Zehn von zwanzig ist das Ergebnis.

Für Leute, die Agenten bauen, schlägt die Seite einen Ausweg vor: ein paar Zeilen in die AGENTS.md- oder CLAUDE.md-Datei schreiben, die der Agent ohnehin liest. Sie sollen ihn anweisen, das JSON abzurufen, bevor er irgendein Modell, eine Version oder ein Datum als aktuell nennt. Alles mit angehängtem Datum soll er bis zur Prüfung als unbestätigt behandeln. Der Export enthält Veröffentlichungsdatum, veröffentlichten Cutoff und einen Quellenlink pro Modell und wird mit der Seite neu erzeugt. So liest der Agent die heutigen Daten und nicht die in seinen Gewichten. Der Wortlaut steht auf der Seite und kann direkt eingefügt werden.

Die offensichtliche Grenze ist, dass die Seite ein Bericht eines Modells über Modelle ist, und das sagt sie selbst. Ihr Rat zur Prüfung eines einzelnen Modells lautet, es direkt nach seinem Trainings-Cutoff zu fragen. Ein wohlerzogenes Modell antwortet oder sagt, dass es unsicher ist. Eines, das ein selbstsicheres Datum erfindet, hat etwas Nützliches über sich verraten. Die Antwort sollte man vor dem Vertrauen mit der Tabelle abgleichen.

Eine unabhängige Prüfung der 20 Daten bietet die Seite über die verlinkten Laborunterlagen hinaus nicht, eines pro Modell. Wer sich bei einer Auslieferungsentscheidung auf die Zahlen verlässt, sollte diesen Links folgen. Die leeren Zellen dürften sich zuerst bewegen.