发布日期不等于训练截止日期:如何读懂一个新 AI 模型
2026 年 9 月 16 日发布的一份追踪表列出了 20 个在役 AI 模型,其中 10 个带有实验室实际公布的训练截止日期。这个日期与发布日期之间的差距,正是发布报道通常会跳过的部分。

这份追踪表放在 stale.jock.pl,2026 年 9 月 16 日被贴到 Hacker News。表里列了 8 家实验室的 20 个模型。每个模型旁边有两个日期:发布日期,以及训练截止日期,也就是模型停止阅读的那个时间点。两个计数器都从各自的日期起实时往上走。
20 行里有 11 行写着「未确定」。这和「从未公布」不是一回事。页面说明,空白表示所核查的厂商资料没能确定该模型的截止日期。所以别把这张表读成对实验室公布或不公布什么的断言。
两个日期各自衡量什么
发布日期是实验室把模型交付出去的日期。标题里写的是它,基准测试帖开头写的也是它。训练截止日期是模型停止阅读的时间点。两者之间的距离,就是模型在上线那天、还没有任何一个用户输入任何内容之前,已经落后了多久。页面给了一个清楚的例子。GPT-6 Astra 于 2026 年 9 月 3 日发布,训练数据止于 2026 年 4 月 30 日。也就是说,上线时就已内置了大约四个月的空白。表里的日期来自实验室文件,每个模型名都链接到日期所依据的那份文件。
有些行的差距更大。Google DeepMind 的 Gemini 3.1 Pro 标注发布日期为 2026 年 2 月 19 日,截止日期为 2025 年 1 月,超过一年。Meta 的 Llama 4 标注发布日期为 2025 年 4 月 5 日,截止日期为 2024 年 8 月。Anthropic 的 Claude Sonnet 5 是 2026 年 6 月 30 日对 2026 年 1 月。并非每个差距都大:xAI 的 Grok 4.7 于 2026 年 9 月 21 日发布,截止日期为 2026 年 5 月;Claude Opus 5.5 于 2026 年 9 月 22 日发布,截止日期为 2026 年 6 月。
五家实验室、十个模型,还有一大堆空白
按照页面的说法,8 家实验室中有 5 家至少有一个列出的模型公布了截止日期:Anthropic、Google DeepMind、Meta、OpenAI 和 xAI。另外三家,Alibaba、DeepSeek 和 Mistral AI,在页面上没有任何模型确立了截止日期。Alibaba 的 Qwen3.8-Max 和 Qwen3.8-Flash,DeepSeek 的 V4-Pro 和 V4.1-Flash,以及 Mistral 的 Large 3、Small 4 和 Medium 3.5,全部标为未确定。这是公布上的缺口,不是性能上的判断。追踪表并没有说这些模型更差或更旧,它说的是所核查的资料没有给出截止日期。
这一点在读基准测试时很要紧。一次基准测试是模型在一套任务上表现的快照,而任务集是由知道某个日期之前发生了什么的人写的。如果模型的截止日期早于基准测试,那么看起来像推理的部分,有些可能是回忆。如果截止日期更晚,基准测试测的可能是模型处理其训练数据中已有材料的能力。
追踪表没有直接提出这个论点。它提的是一个更窄的论点:不知道截止日期,就无法评估模型的时效性,而页面上有一半模型没有公布截止日期。
搜索按钮解决不了这个问题
面对过时的模型,通常的答案是网页搜索。页面反驳了这一点,而且给出了数字。在 16 个模型上进行的超过 2000 次调用中,每次都给模型一个网页搜索工具。前沿模型几乎每次都能正确判断是否需要搜索;较弱的模型不去核查,直接陈述已经改变的既定事实,还会上网去查水的沸点这类东西。
搜索还必须由模型自己触发,用的是那套存着过时事实的权重,所以失误恰好落在模型最笃定的地方。
这就是追踪表所指的机制。搜索工具只有在模型意识到自己需要它时才有用,而这种意识跑的是存着过时信念的同一套权重。页面还指出,搜索不会更新任何东西:模型读几页,在这次回答里用掉,然后忘掉。开一个新对话,又回到 4 月了。
页面自己的例证是一个关于挪威国王的问题,交给 16 个配有搜索按钮的模型。页面说,有五个模型说出了死人的名字。这只是更大规模运行中的一个轶事,不是带有方法学章节的正式基准测试,应当按轶事来读。
这份追踪表到底干什么用
网站提供一份 models.json 导出文件,包含全部 20 个模型的发布日期、已公布的截止日期和来源链接。它还提供一段文本,供粘贴进智能体的指令文件,也就是编程智能体本来就会读的 AGENTS.md 或 CLAUDE.md,让智能体在把任何模型、版本或日期说成当前信息之前,先去取那份 JSON。理由很直白,页面也这么写:模型是谈模型的糟糕来源。问一个模型它自己的训练截止日期,表现好的会回答,或者说自己不确定。一个凭空编出笃定日期的模型,已经向你透露了关于它自己的一些东西。
对本周读发布帖的人来说,实用的做法很短。查一查实验室有没有公布截止日期。查一查它比发布日期旧多少。把缺失的截止日期当作缺失的信息,而不是一份健康证明,也别以为搜索工具能填上模型必须自己决定去打开的那个缺口。
追踪表本身就是一个固定列表的单页,货架变动时更新。它不是基准测试,不给模型打分。它是一张带计数器的日期表,而那些日期才是重点。
资料来源
1本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。