Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

O wieku modelu AI decydują dwie daty. Tylko 10 z 20 laboratoriów podaje obie

Strona śledząca opublikowana 16 września podaje daty wydania i granice danych treningowych dla 20 obecnych modeli z 8 laboratoriów i liczy na bieżąco od każdej daty. Tylko 10 z 20 modeli ma granicę, którą laboratorium faktycznie publikuje.

AI i modeleNewsMarta ZielińskaOpublikowano: 27 września 20263 min czytaniaŹródła 1
O wieku modelu AI decydują dwie daty. Tylko 10 z 20 laboratoriów podaje obie

Strona stale.jock.pl pojawiła się jako zgłoszenie na Show HN 16 września. Jej założenie jest wąskie: model może wyjść we wrześniu, a mimo to przestać czytać w kwietniu, więc luka liczona od dnia premiery jest wbudowana, zanim ktokolwiek wpisze prompt. Te same dane są udostępnione jako models.json, żeby agenci mogli je pobrać.

Pięć z ośmiu laboratoriów ma opublikowaną granicę dla co najmniej jednego wymienionego modelu: Anthropic, Google DeepMind, Meta, OpenAI i xAI. Puste pole w tabeli oznacza, że sprawdzone źródła dostawcy nie ustaliły granicy, a nie dowód, że laboratorium nigdy jej nie podało, czytamy na stronie. Mistral, Alibaba i DeepSeek są w tabeli bez ustalonej granicy dla pokazanych modeli.

Luka, model po modelu

GPT-6 Astra od OpenAI wydano 3 września 2026 roku, a dane treningowe kończą się 30 kwietnia 2026 roku, czyli cztery miesiące wcześniej. GPT-6 Sol, wydany 22 września, kończy się 20 kwietnia. GPT-6 Luna, z tą samą datą wydania, kończy się 18 maja. Claude Opus 5.5 od Anthropic trafił na rynek 22 września z granicą czerwca 2026 roku; Claude Fable 5.1 wyszedł 1 września, też z czerwcem 2026 roku. Llama 4 od Meta, wydana 5 kwietnia 2025 roku, ma granicę sierpnia 2024 roku.

Najdłuższe opóźnienie w tabeli należy do Gemini 3.1 Pro: wydany 19 lutego 2026 roku, granica stycznia 2025 roku, trzynaście miesięcy. 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 i DeepSeek V4.1-Flash są wymienione bez opublikowanej granicy, więc z tego źródła nie da się dla nich policzyć żadnej luki.

Strona przekonuje, że wyszukiwarki nie rozwiązują problemu. Gdy model szuka, czyta kilka stron, używa ich w jednej odpowiedzi i zapomina; po otwarciu nowego czatu znów jest kwiecień. Wyszukiwanie musi też uruchomić sam model, tymi samymi wagami, w których siedzi nieaktualny fakt. Serwis twierdzi, że zmierzył ponad 2 000 wywołań na 16 modelach, z których każdy dostał narzędzie do przeszukiwania sieci: modele z czołówki odpowiadały poprawnie niemal za każdym razem, a słabsze odpowiadały z pamięci na pytania o sprawy, które zdążyły się zmienić, i szukały w sieci temperatury wrzenia wody. Strona podaje też, że gdy 16 modeli zapytano, kto jest królem Norwegii, pięć wskazało zmarłego człowieka.

Dlaczego brakuje drugiej liczby

Za milczeniem stoi logika handlowa. Data wydania to wydarzenie marketingowe i dostaje wpis premierowy. Granica danych to przyznanie się do tego, czego model nie wie, a laboratorium, które ją publikuje, daje konkurentom i klientom narzędzie do zmierzenia luki już pierwszego dnia. Wynik to dziesięć na dwadzieścia.

Strona proponuje obejście dla osób budujących agentów: wpisać kilka linijek do pliku AGENTS.md albo CLAUDE.md, który agent już czyta, każąc mu pobrać JSON, zanim poda jakikolwiek model, wersję lub datę jako bieżącą, i traktować wszystko z datą jako niezweryfikowane do sprawdzenia. Eksport zawiera datę wydania, opublikowaną granicę i link do źródła dla każdego modelu, a odświeża się razem ze stroną, więc agent czyta dzisiejsze daty, a nie te zapisane w jego wagach. Gotowy tekst jest na stronie, do skopiowania.

Oczywiste ograniczenie polega na tym, że strona jest relacją modelu o modelach i sama to przyznaje. Jej rada na sprawdzenie jednego modelu to zapytać go wprost, gdzie kończy się jego trening. Model, który zachowuje się dobrze, odpowie albo przyzna, że nie jest pewien. Ten, który wymyśli pewną siebie datę, powiedział o sobie coś użytecznego. Zanim zaufasz odpowiedzi, porównaj ją z tabelą.

Strona nie oferuje niezależnego audytu tych 20 dat poza podlinkowanymi dokumentami laboratoriów, po jednym na model. Kto opiera na tych liczbach decyzję o wdrożeniu, powinien przejść tymi linkami, bo puste komórki najpewniej zmienią się pierwsze.

Komentarze 0

Źródła

1
  1. 01Show HN: How Stale Is Your AI? Release age and training cutoff for 20 modelsEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.