Knowledge cut-off
Data limite dell’addestramento
Il knowledge cut-off è la data oltre la quale un modello linguistico non ha dati di addestramento: nella GEO segna il confine tra ciò che il modello sa di un brand e ciò che può conoscere solo recuperandolo con la ricerca.
10 mesi
Tra il cut-off di GPT-5 (30 settembre 2024) e lo snapshot gpt-5-2025-08-07, secondo la documentazione OpenAI.
5 mesi
Tra il cut-off di Gemini 2.5 Pro (gennaio 2025) e il suo ultimo aggiornamento (giugno 2025), secondo la documentazione Google.
3 mesi
Tra il cut-off affidabile di Claude Opus 5.5 (giugno 2026) e il rilascio (settembre 2026), secondo la documentazione Anthropic.
Sei cose da sapere
- Tutto ciò che un LLM sa senza cercare viene dai dati raccolti fino al cut-off; dopo quella data, per il modello, non è successo niente.
- Il cut-off non coincide con il rilascio: nei modelli documentati da OpenAI, Google e Anthropic il ritardo va da circa due a dieci mesi.
- La data dichiarata è un’approssimazione: Cheng et al. (2024) mostrano che il cut-off effettivo spesso differisce da quello riportato, anche per singole fonti o argomenti.
- Un’azienda nata o un prodotto lanciato dopo il cut-off può comparire in una risposta solo se il sistema lo recupera con la ricerca, attraverso la generazione aumentata dal recupero.
- Per le informazioni recenti contano le pagine indicizzate e raggiungibili oggi, non la storia del brand sul web.
- Un modello senza ricerca attiva può dare per attuali prezzi, sedi o gamme superati: non è un’allucinazione, ma per chi legge l’effetto è simile.
Come si verifica che cosa sa un modello del proprio brand
Il primo passo è separare la conoscenza interna del modello da quella che recupera. Il resto segue in quattro passi.
Leggere la data
Annotare il cut-off dichiarato di ogni modello monitorato nella documentazione ufficiale, sapendo che è un’indicazione e non un confine netto.
Interrogare senza ricerca
Porre gli stessi prompt con la ricerca disattivata, dove possibile: la risposta mostra che cosa il modello ha assimilato in addestramento.
Interrogare con ricerca
Ripetere i prompt con la ricerca attiva e annotare le fonti: qui contano indicizzazione, freschezza delle pagine e probabilità di ottenere una citazione.
Colmare il divario
Rendere recuperabile ciò che manca alla memoria del modello: pagine dedicate, date di aggiornamento visibili, coerenza dell’entità sulle fonti terze.
Che cosa dicono i dati sul knowledge cut-off
Set 2024
Data limite di GPT-5: ciò che è successo dopo, il modello lo conosce solo tramite ricerca.
OpenAI, documentazione API
Gen 2026
Cut-off di Claude Opus 4.7, rilasciato ad aprile 2026: tre mesi di distanza.
Anthropic Transparency Hub, 2026
2 mesi
Distanza tra cut-off (maggio 2026) e rilascio (luglio 2026) di Claude Opus 5, il ritardo più breve tra i modelli verificati.
Anthropic Transparency Hub, 2026
2 cause
Dati vecchi nei dump recenti di CommonCrawl e deduplicazione imperfetta spiegano perché il cut-off effettivo differisce da quello dichiarato.
Cheng et al., 2024
- Le date sono quelle dichiarate dai produttori, con granularità diverse (giorno o mese): i ritardi calcolati sono indicativi, e la data dello snapshot di GPT-5 si ricava dal suo nome.
- Un cut-off dichiarato non garantisce copertura uniforme: secondo Cheng et al. (2024) quello effettivo varia per fonte e argomento, quindi anche un fatto precedente alla data limite può mancare.
Conoscenza del modello e conoscenza recuperata
| Aspetto | Conoscenza da addestramento | Conoscenza recuperata |
|---|---|---|
| Origine | Dati raccolti fino al cut-off | Pagine trovate con la ricerca al momento della domanda |
| Aggiornamento | Cambia solo con un nuovo modello | Cambia appena cambia la fonte indicizzata |
| Fonti visibili | Nessuna, la risposta non cita | Spesso indicate con link |
| Rischio tipico | Informazioni superate, prodotti recenti assenti | Fonte scelta male o letta male |
| Leva per il brand | Presenza storica e coerente sul web | Pagine indicizzabili, chiare, aggiornate |
Un caso concreto
Una software house bolognese lancia in primavera un gestionale per studi dentistici e chiede a un assistente AI quali gestionali per dentisti siano disponibili in Italia.
Senza ricerca attiva il modello elenca i concorrenti noti e non nomina il nuovo prodotto: il lancio è successivo al suo cut-off. Non è un giudizio sul prodotto, è un limite di calendario.
Con la ricerca attiva il prodotto compare solo se il sistema trova una pagina che lo descrive con chiarezza. Il sito ha una sola landing con un video e poco testo, e le risposte citano invece due comparatori di settore che non lo includono.
La soluzione è testuale: una pagina prodotto completa, una scheda nei comparatori già citati e comunicati che nominino il prodotto insieme alla sua categoria.
Che cosa ne ricava chi pubblica
Per tutto ciò che è recente, la visibilità nelle risposte AI dipende dal recupero, non dalla memoria del modello.
- Trattare ogni lancio come un contenuto da rendere recuperabile: pagina dedicata, testo esplicito, collegamenti interni dalle pagine già forti del sito.
- Mostrare date di pubblicazione e di aggiornamento: aiutano i sistemi di ricerca a distinguere la versione corrente da quella superata.
- Non aspettarsi che un nuovo modello conosca subito un prodotto: con ritardi tra cut-off e rilascio da due a dieci mesi, la memoria del modello arriva sempre dopo il mercato.
- Monitorare separatamente le risposte con e senza ricerca: le prime dipendono dal grounding sulle fonti di oggi, le seconde da ciò che il web diceva prima del cut-off.
frequenti
Domande frequenti sul knowledge cut-off
Che cos’è il knowledge cut-off di un modello?
È la data oltre la quale il modello non ha dati di addestramento. Per GPT-5 OpenAI indica il 30 settembre 2024, per Gemini 2.5 Pro Google indica gennaio 2025: ciò che è successo dopo, il modello lo conosce solo se lo recupera con la ricerca.
Quanto tempo passa tra cut-off e rilascio di un modello?
Nei casi verificati nella documentazione ufficiale, da circa due a dieci mesi: due per Claude Opus 5, tre per Claude Opus 5.5, circa dieci per GPT-5. Al momento del rilascio, il modello è già indietro rispetto al mercato.
Un prodotto lanciato dopo il cut-off può comparire nelle risposte AI?
Sì, ma solo tramite il recupero: il sistema deve cercare, trovare e scegliere una pagina che ne parli. Per questo un lancio recente richiede pagine chiare e indicizzabili più di quanto richieda una reputazione storica.
La data di cut-off dichiarata è precisa?
Non del tutto. Cheng et al. (2024) mostrano che il cut-off effettivo spesso differisce da quello dichiarato, anche per singole fonti o argomenti, per via dei dati vecchi presenti nei dump recenti di CommonCrawl e di una deduplicazione imperfetta.
Come si capisce se una risposta viene dall’addestramento o dalla ricerca?
Il segnale più chiaro sono le fonti: le risposte con ricerca di solito indicano dei link, quelle dall’addestramento no. Ripetere lo stesso prompt con e senza ricerca, dove l’interfaccia lo consente, rende visibile la differenza.
Il cut-off di un assistente AI cambia nel tempo?
Cambia con ogni nuovo modello, non con l’uso. Anthropic, ad esempio, indica giugno 2026 come cut-off affidabile per Claude Opus 5.5, rilasciato a settembre 2026, contro gennaio 2026 per Claude Opus 4.7, rilasciato ad aprile.
Riferimenti
OpenAI — GPT-5 (API documentation)
Cut-off 30 settembre 2024, snapshot gpt-5-2025-08-07; consultato ottobre 2026. developers.openai.com
Google AI for Developers — Gemini 2.5 Pro
Cut-off gennaio 2025, ultimo aggiornamento giugno 2025; consultato ottobre 2026. ai.google.dev
Anthropic — Transparency Hub
Date di rilascio e di cut-off dei modelli Claude; consultato ottobre 2026. anthropic.com
Anthropic — Models overview
Reliable knowledge cutoff dei modelli Claude 5.5; consultato ottobre 2026. platform.claude.com
Cheng et al. — Dated Data: Tracing Knowledge Cutoffs in Large Language Models
arXiv, marzo 2024 (revisione settembre 2024), analisi di dataset di pre-addestramento aperti. arxiv.org
Consulente GEO · Kraków / Milano
Aiuta le aziende italiane a farsi menzionare e citare da ChatGPT, Gemini, Perplexity e AI Overviews. Vent’anni tra imprenditoria e consulenza digitale in Italia: ha guidato la strategia SEO di Bakeca.it, co-fondato e diretto Seolab, e dal 2022 è Evangelist in Digital360, prima SEO e oggi GEO. Laurea in Linguistica all’Università di Torino.