Ewelina Podrez-Siama · narzędzia i listy
Cutoff modeli AI. Daty odcięcia wiedzy ChatGPT, Claude, Gemini i Grok
Klient pyta, dlaczego ChatGPT nadal opisuje jego firmę sprzed rebrandingu. I dlaczego model wymienia konkurenta, a jego produktu wydaje się nie znać. I zanim odpowiemy model ma „stare dane”, sprawdźmy jak jest w rzeczywistości.
modele w tabeli,
w 7 grupach
miesiące między najstarszą
a najświeższą pamięcią
ostatnia weryfikacja
w dokumentacji, 2026
Pojęcie
Czym jest data odcięcia wiedzy modelu AI (knowledge cutoff)?
Definicja
Data odcięcia wiedzy, po angielsku knowledge cutoff, to deklarowana przez dostawcę granica czasowa wiedzy konkretnej wersji modelu. Nie jest ona gwarancją – model nie zna wszystkiego, co powstało przed tą datą, a informacja późniejsza może trafić do odpowiedzi z wyszukiwania, z wklejonego pliku, z pamięci produktu albo z samej rozmowy.
W polskiej branży spotkasz określenia cutoff, data odcięcia i data odcięcia wiedzy. Anthropic odróżnia od niej drugą wartość – training data cutoff, czyli szerszą granicę danych użytych w treningu. To nie są synonimy i warto o tym pamiętać.
Data odcięcia pokazuje, co model ma w pamięci, w żaden sposób nie gwarantuje, co model o Tobie powie. Między jednym a drugim stoi grounding, czyli oparcie odpowiedzi na zewnętrznych źródłach i kontekście dostarczonym w momencie generowania, a ten działa inaczej w każdym systemie. Poniżej daty odcięcia zebrane z dokumentacji dostawców, z zaznaczeniem tych, których oficjalnie podane nie zostały.
Tabela · 52 modele
Daty odcięcia wiedzy modeli AI. Tabela cutoff dates
Kliknięcie nagłówka sortuje całą tabelę i tymczasowo rozbija grupy.
Tabelę można przewijać w bok →
| Anthropic · Claude | |||
|---|---|---|---|
| Claude Opus 5.5rekomendowany na start w dokumentacji Anthropic | czerwiec 2026premiera: 22.09.2026 | – | Obsługiwane, zależnie od produktu |
| Claude Fable 5.1 | czerwiec 2026premiera: wrzesień 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Mythos 5.1tylko w programach zaufanego dostępu i Claude Security | czerwiec 2026***premiera: wrzesień 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Opus 5model starszej generacji | maj 2026premiera: lipiec 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Sonnet 5 | styczeń 2026premiera: czerwiec 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Fable 5model starszej generacji | styczeń 2026premiera: czerwiec 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Mythos 5dostęp dla wybranych partnerów, Project Glasswing | styczeń 2026premiera: czerwiec 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Opus 4.8model legacy wg dokumentacji Anthropic | styczeń 2026premiera: maj 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Opus 4.7model legacy wg dokumentacji Anthropic | styczeń 2026premiera: kwiecień 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Sonnet 4.6model legacy wg dokumentacji Anthropic | sprzeczne źródła‡dokumentacja modeli: sierpień 2025 (dane treningowe: styczeń 2026); Transparency Hub: maj 2025 | – | Obsługiwane, zależnie od produktu |
| Claude Opus 4.6model legacy wg dokumentacji Anthropic | maj 2025dane treningowe: sierpień 2025 · premiera: luty 2026 | – | Obsługiwane, zależnie od produktu |
| Claude Opus 4.5model legacy wg dokumentacji Anthropic | maj 2025dane treningowe: sierpień 2025 · premiera: 24.11.2025 | – | Obsługiwane, zależnie od produktu |
| Claude Haiku 4.5 | luty 2025dane treningowe: lipiec 2025 · premiera: październik 2025 | – | Obsługiwane, zależnie od produktu |
| Claude Sonnet 4.5model legacy wg dokumentacji Anthropic | styczeń 2025dane treningowe: lipiec 2025 · premiera: 29.09.2025 | – | Obsługiwane, zależnie od produktu |
| OpenAI · GPT | |||
| GPT-6 Lunamodel najtańszy w rodzinie | 18 maja 2026katalog modeli API | – | Obsługiwane, zależnie od produktu |
| GPT-6 Astramodel flagowy | 30 kwietnia 2026katalog modeli API; AI Act: dane do treningu zbierane do 06.08.2026 | – | Obsługiwane, zależnie od produktu |
| GPT-6 Sol | 20 kwietnia 2026katalog modeli API | – | Obsługiwane, zależnie od produktu |
| GPT-5.6Sol, Terra, Luna; alias gpt-5.6 wskazuje na Sol | 16 lutego 2026strona modelu GPT-5.6 Sol | – | Obsługiwane, zależnie od produktu |
| GPT-5.5 | 1 grudnia 2025strona modelu | – | Obsługiwane, zależnie od produktu |
| GPT-5.4 | 31 sierpnia 2025strona modelu | – | Obsługiwane, zależnie od produktu |
| GPT-5.3 Codex | 31 sierpnia 2025strona modelu | – | Obsługiwane, zależnie od produktu |
| GPT-5.2 | 31 sierpnia 2025strona modelu | – | Obsługiwane, zależnie od produktu |
| GPT-5.1wycofany z ChatGPT 11.03.2026, dostępny przez API | 30 września 2024strona modelu | – | Zależy od wdrożenia |
| GPT-5wycofany z ChatGPT 13.02.2026, dostępny przez API | 30 września 2024strona modelu | – | Zależy od wdrożenia |
| GPT-4.1wycofany z ChatGPT 13.02.2026, dostępny przez API | 1 czerwca 2024strona modelu | – | Zależy od wdrożenia |
| o3dostępny przez API | 1 czerwca 2024strona modelu | – | Zależy od wdrożenia |
| o4-miniwycofany z ChatGPT 13.02.2026; deprecated w katalogu API | 1 czerwca 2024strona modelu | – | Zależy od wdrożenia |
| GPT-4owycofany z ChatGPT 13.02.2026, dostępny przez API | 1 października 2023strona modelu | – | Zależy od wdrożenia |
| GPT-4o minidostępny przez API | 1 października 2023strona modelu | – | Zależy od wdrożenia |
| SpaceXAI (xAI) · Grok | |||
| Grok 4.7najnowszy model SpaceXAI | maj 2026strona modelu; premiera: 21.09.2026 | – | Tak, po włączeniu narzędzi Web Search i X Search |
| Grok 4.6nadal dostępny w API | 1 lutego 2026†wcześniejsza wersja dokumentacji xAI; premiera: 12.08.2026 | – | Tak, po włączeniu narzędzi Web Search i X Search |
| Grok 4.5nadal dostępny w API | 1 lutego 2026†wcześniejsza wersja dokumentacji xAI; premiera: 08.07.2026 | – | Tak, po włączeniu narzędzi Web Search i X Search |
| Google · Gemini | |||
| Gemini 3.8 Flash | marzec 2026**karta modelu; premiera: 02.09.2026 | – | Tak, przez Search Grounding |
| Gemini 3.7 Flash | marzec 2026**karta modelu; premiera: 13.08.2026 | – | Tak, przez Search Grounding |
| Gemini 3.6 Flash | marzec 2026**karta modelu; premiera: 21.07.2026 | – | Tak, przez Search Grounding |
| Gemini 3.5 Flash-Lite | marzec 2026**karta modelu; premiera: 21.07.2026 | – | Tak, przez Search Grounding |
| Gemini 3.5 Flash | styczeń 2025premiera: 19.05.2026 | – | Tak, przez Search Grounding |
| Gemini 3.1 Pronadal w wersji preview, flagowy model tier Pro | styczeń 2025premiera: 19.02.2026 | – | Tak, przez Search Grounding |
| Gemini 3 FlashGemini 3 Pro w wersji preview wyłączony 09.03.2026 | styczeń 2025premiera: 17.12.2025 | – | Tak, przez Search Grounding |
| Gemini 2.5 Pro, 2.5 Flashw Gemini API niewycofane, bez daty wyłączenia; od 18.09.2026 tylko dla dotychczasowych użytkowników | styczeń 2025dokumentacja Gemini API i Firebase AI Logic | – | Tak, przez Search Grounding |
| Gemini 2.0 Flashwyłączony w Gemini API 01.06.2026; możliwy w starszych wdrożeniach | sprzeczne źródła‡Gemini API: sierpień 2024; Firebase AI Logic: czerwiec 2024 | – | Zależy od wdrożenia |
| Modele otwarte | |||
| Muse Glimmer 30BMeta · otwarte wagi, destylat Muse Spark | 4 stycznia 2026karta modelu Meta; premiera: 10.08.2026 | – | Nie w modelu bazowym, możliwe przez RAG |
| Llama 4Meta · Scout, Maverick | sierpień 2024karta modelu Meta; premiera: kwiecień 2025 | – | Nie w modelu bazowym, możliwe przez RAG |
| DeepSeek V4.1 FlashDeepSeek · obsługuje też zapytania kierowane do V4 Pro | nieopublikowanakarta modelu opisuje architekturę, nie datę; premiera: 10.09.2026 | – | Nie w modelu bazowym, możliwe przez RAG |
| DeepSeek V4DeepSeek · Pro, Flash; w API zastąpiony przez V4.1 Flash | nieopublikowanakarta modelu opisuje korpus 32T tokenów, nie datę | – | Nie w modelu bazowym, możliwe przez RAG |
| Qwen 3.6, Qwen 3.8Alibaba | nieopublikowanakarty modeli opisują architekturę, nie datę | – | Nie w modelu bazowym, możliwe przez RAG |
| Mistral Large 3Mistral AI | nieopublikowanakarta modelu podaje tylko datę wydania: 02.12.2025 | – | Nie w modelu bazowym, możliwe przez RAG |
| Mistral Medium 3.5Mistral AI | nieopublikowanakarta modelu podaje tylko datę wydania: 28.04.2026 | – | Nie w modelu bazowym, możliwe przez RAG |
| Modele polskie | |||
| Bielik 11B v3SpeakLeash i Cyfronet AGH | nieopublikowanaAI Act: pozyskanie danych do maja 2025, zbiory publiczne do listopada 2025 | – | Nie w modelu bazowym, możliwe przez RAG |
| PLLuMkonsorcjum HIVE AI | początek 2025karta modelu 12B-base-250801; modele z lipca 2025: jesień 2024 | – | Nie w modelu bazowym, możliwe przez RAG |
| Produkty bez jednej daty odcięcia | |||
| Perplexity | brak jednej datyzależy od użytego modelu pod spodem | – | Tak, wyszukiwanie domyślnie |
| Microsoft Copilot | brak jednej datyzależy od produktu i wybranego lub automatycznie dobranego modelu | – | Tak, zależnie od produktu i trybu |
† Poziom potwierdzenia. Daty bez krzyżyka pochodzą z bieżącej dokumentacji producenta. Krzyżyk oznacza wartość, której bieżąca dokumentacja już nie pokazuje – w tej tabeli to daty z wcześniejszej wersji dokumentacji xAI – i wymaga sprawdzenia przed powołaniem się na nią.
‡ Sprzeczne źródła producenta. Dwa oficjalne źródła tego samego dostawcy podają różne daty, więc nie wybieram jednej i nie liczę luki. Claude Sonnet 4.6: strona modelu w dokumentacji Anthropic podaje sierpień 2025 (dane treningowe: styczeń 2026), Transparency Hub – maj 2025. Gemini 2.0 Flash: strona modelu w dokumentacji Gemini API podaje sierpień 2024, dokumentacja Firebase AI Logic – czerwiec 2024.
Dwie daty u Anthropic. W tabeli podaję reliable knowledge cutoff, czyli datę, do której wiedza modelu jest według Anthropic najbardziej rozległa i wiarygodna. Anthropic publikuje w dokumentacji modeli także osobną granicę danych treningowych (training data cutoff), która może być późniejsza – dla Haiku 4.5 to luty i lipiec 2025, dla Sonnet 4.5 styczeń i lipiec 2025. Tam, gdzie obie wartości się różnią, drugą podaję w podpisie. Transparency Hub opisuje dane treningowe słownie i przy Sonnet 4.6 podaje inną datę odcięcia niż dokumentacja modeli.
*** Claude Mythos 5.1. Model nie występuje w publicznym katalogu modeli i nie ma własnej deklarowanej daty odcięcia. Transparency Hub stwierdza jednak wprost, że Mythos 5.1 i Fable 5.1 to ten sam model różniący się wyłącznie poziomem zabezpieczeń, więc przypisuję mu datę odcięcia Fable 5.1. To wniosek z dokumentacji, nie odczyt z karty modelu. Sama rodzina Mythos pokazuje przy okazji, że data odcięcia i dostępność to dwie różne rzeczy: 12 czerwca 2026 Fable 5 i Mythos 5 zostały wyłączone na skutek amerykańskich kontroli eksportowych; 30 czerwca kontrole zniesiono, a 1 lipca Fable 5 wrócił dla wszystkich użytkowników, Mythos 5 – dla wybranych organizacji z USA. Data odcięcia przez cały ten czas pozostawała ta sama – zmieniło się to, czy w ogóle można było modelu użyć.
Nazwy wariantów u OpenAI. Sol i Luna oznaczają dziś modele z rodziny GPT-6, ale te same człony pojawiały się wcześniej przy GPT-5.6. Sama nazwa wariantu nie wskazuje więc generacji ani daty odcięcia – rozstrzyga pełny identyfikator modelu, na przykład gpt-6-luna. Dodatkowo alias gpt-5.6 kieruje zapytania do GPT-5.6 Sol.
** Gemini i dwie daty w jednej karcie modelu. Karty modeli Google DeepMind dla 3.5 Flash-Lite, 3.6 Flash, 3.7 Flash i 3.8 Flash podają datę odcięcia na marzec 2026 i od razu zastrzegają, że w części dziedzin wiedza modelu sięga wyłącznie stycznia 2025, zgodnie z polityką rodziny Gemini 3. W kolumnie podaję wartość deklarowaną jako główną. To jedyny przypadek w tej tabeli, w którym producent sam opisuje swój cutoff jako nierównomierny – więcej o tym w sekcji o efektywnym cutoffie.
Dokumentacja Google w czterech miejscach. Daty odcięcia konkretnych modeli Gemini są w kartach modeli na deepmind.google, a nie w dokumentacji API na ai.google.dev, która deklaruje styczeń 2025 dla całej rodziny Gemini 3. Rozbieżność między tymi dwoma źródłami jest pozorna: karta modelu podaje obie wartości, dokumentacja API tylko tę starą. Trzecim miejscem jest dokumentacja Vertex AI w Google Cloud, która podaje jedną datę na model – na przykład styczeń 2025 dla Gemini 2.5 Flash-Lite i 3.1 Flash-Lite. Czwartym jest dokumentacja Firebase AI Logic, która zestawia daty starszych modeli: styczeń 2025 dla rodziny 2.5 i czerwiec 2024 dla Gemini 2.0 Flash, podczas gdy strona tego modelu w dokumentacji Gemini API podaje sierpień 2024 (patrz ‡).
SpaceXAI (xAI). Firma występuje obecnie pod marką SpaceXAI, a dokumentacja pozostaje pod adresem docs.x.ai. Grok 4.7 (premiera 21.09.2026) ma datę odcięcia na maj 2026 na bieżącej stronie modelu. Grok 4.6 i 4.5 są nadal dostępne w API, ale ich strony w dokumentacji przekierowują teraz na Groka 4.7; datę 1 lutego 2026 podawała dla nich wcześniejsza wersja dokumentacji, dlatego stoi przy nich krzyżyk. xAI zaznacza też wprost, że bez włączonych narzędzi wyszukiwania model nie ma dostępu do bieżących wydarzeń.
Microsoft Copilot. Nie ma jednej daty odcięcia, bo pod spodem pracuje kombinacja modeli różnych dostawców, a zapytanie bywa kierowane do nich automatycznie. Data zależy więc od produktu, trybu i tego, który model odpowiedział.
Kolumna „luka do dziś”. Liczona od miesiąca deklarowanej daty odcięcia do miesiąca bieżącego, w przeglądarce, przy każdym otwarciu strony. Przy pozycjach bez deklarowanej daty nie szacuję. Gdy producent podaje tylko przybliżony okres, jak PLLuM („początek 2025”), liczę od środka tego okresu i oznaczam wynik jako przybliżony.
Mistral. Karty modeli w dokumentacji Mistrala podają datę wydania, parametry, kontekst i cennik, ale nie datę odcięcia. Zestawienia, które przypisują Mistral Large 3 cutoff „grudzień 2025”, powielają jego datę premiery. Centrum pomocy Mistrala stwierdza wprost, że firma nie ujawnia zbiorów danych użytych do treningu, a strona compliance modeli podaje daty wydania bez daty odcięcia.
Modele polskie. PLLuM podaje w kartach modeli na Hugging Face przybliżony zasięg danych: „początek 2025” dla PLLuM-12B-base-250801 i „jesień 2024” dla modeli z lipca 2025. Bielik nie podaje daty odcięcia ani w kartach modeli, ani w raportach technicznych. Jego podsumowanie z AI Act, dotyczące wersji v3 11B Instruct, wpisuje w urzędowe pole maj 2025 jako najpóźniejszą datę pozyskania danych, a w opisie publicznych zbiorów podaje okres do listopada 2025. To daty zbierania danych, a nie deklaracja granicy wiedzy, dlatego w kolumnie zostaje „nieopublikowana”. Modele v3 zaczynały za to trening od cudzych modeli bazowych: mniejsze warianty od Qwen 2.5, a 11B v3 od Mistral 7B v0.2. Na wiedzę polskiego modelu składa się więc również to, czego nauczył się model bazowy.
Qwen. Karty modeli Qwen 3.6 i 3.8 opisują architekturę i długość kontekstu, bez daty odcięcia. W dyskusji pod oficjalnym repozytorium Qwen3.8 na pytanie o cutoff padła jedyna odpowiedź: zapytaj model. To dokładnie metoda, przed którą ostrzegam w sekcji o czytaniu dat odcięcia.
DeepSeek. Karty modeli V4 i V4.1 Flash opisują architekturę i korpus, bez daty odcięcia. Według komunikatu DeepSeek od 14 września 2026 zapytania kierowane do deepseek-v4-pro obsługuje V4.1 Flash, a nazwa deepseek-v4-flash również wskazuje na nowszy model. Nazwa w API nie przesądza więc, który model faktycznie odpowiada.
Rzecz kluczowa
Różnica między najświeższą a najstarszą pamięcią w tej tabeli wynosi 32 miesiące. Claude Opus 5.5 i Fable 5.1 pamiętają czerwiec 2026. GPT-4o, wycofany z ChatGPT, ale wciąż obecny w integracjach i wtyczkach, zatrzymał się w październiku 2023.
Data premiery nie jest wskaźnikiem świeżości pamięci i nie jest nim też pozycja modelu w cenniku. W rodzinie GPT-6 najtańsza Luna ma deklarowaną datę odcięcia 18 maja 2026, a flagowa Astra – 30 kwietnia. Model, za który płacisz sto razy mniej za token wejściowy, ma datę odcięcia o 18 dni późniejszą.
Jak czytać
Jak czytać daty odcięcia? Trzy rzeczy, które mogą Cię zmylić
Deklarowana data odcięcia jest granicą miękką. Dane w korpusie treningowym rzedną w miarę zbliżania się do końca zbierania, więc ostatnie miesiące przed cutoffem są reprezentowane słabiej niż wcześniejsze. Anthropic nazywa to wprost, odróżniając reliable knowledge cutoff od training data cutoff, a Google w kartach modeli Gemini zastrzega, że w części dziedzin obowiązuje starsza data. Pozostali dostawcy podają jedną datę, co nie oznacza, że u nich zjawisko nie występuje – po prostu go nie opisują.
Data odcięcia to nie data premiery
Model wydany w 2026 roku może mieć pamięć zatrzymaną w styczniu 2025. Odstęp między premierą a cutoffem sięga u części modeli kilkunastu miesięcy i nie ma stałej wartości, więc numer wersji nie mówi nic o świeżości danych.
Data odcięcia to nie data w nazwie modelu
Identyfikatory takie jak
claude-haiku-4-5-20251001czyBielik-11B-v3-Base-20250730oznaczają wersję albo checkpoint treningu. To nie jest granica danych.Odpowiedź modelu o samym sobie nie jest źródłem
W danych treningowych zostają setki artykułów o cutoffach poprzednich generacji, więc model bywa w stanie odtworzyć cudzą datę jako własną. Wiarygodne jest to, co producent podaje w dokumentacji dla konkretnego identyfikatora modelu. Sam Google w dokumentacji Vertex AI zaleca, by przy wyłączonym wyszukiwaniu wpisywać Gemini 3 Flash jego datę odcięcia do instrukcji systemowej.
Najlepszy przykład dwóch dat Anthropic to Claude Sonnet 4.5. Dane treningowe sięgają lipca 2025, a najbardziej rozległa i wiarygodna wiedza kończy się w styczniu 2025 – pół roku wcześniej. Porównanie po samej granicy danych treningowych oceniłoby ten model jako świeższy, niż zachowuje się w praktyce.
Badania
Efektywny cutoff. Wiedza nie urywa się równo we wszystkich tematach
Deklarowana data odcięcia nie obowiązuje jednakowo dla każdego źródła i każdego tematu w korpusie treningowym. Pokazał to zespół z Johns Hopkins University w pracy Dated Data: Tracing Knowledge Cutoffs in Large Language Models (Cheng i in., arXiv:2403.12958), nagrodzonej jako Outstanding Paper na konferencji COLM 2024.
Autorzy wprowadzili pojęcie efektywnego cutoffu – empirycznie szacowanej granicy wiedzy modelu, liczonej osobno dla poszczególnych źródeł i tematów, w odróżnieniu od jednej daty deklarowanej przez producenta. Zaproponowali metodę jej szacowania przez odpytywanie modelu na kolejnych wersjach tych samych danych, bez dostępu do korpusu treningowego. Wniosek: efektywne granice często wyraźnie odbiegają od daty deklarowanej.
Analiza otwartych korpusów wskazała dwie przyczyny:
- niespójność czasowa danych z Common Crawl – nowe zrzuty zawierają znaczące ilości starszych treści,
- schematy deduplikacji, które mają problem z duplikatami semantycznymi i bliskimi leksykalnie.
Co z tego wynika dla Ciebie. Twoja branża może być reprezentowana w modelu do innego momentu niż branża obok, przy tej samej deklarowanej dacie odcięcia. Test na jednym temacie nie uogólnia się na pozostałe, a jedna data z dokumentacji jest wskazówką, nie gwarancją.
Google również zastrzega nierówny zasięg wiedzy
Google zastrzega w kartach modeli, że deklarowana data odcięcia nie obowiązuje równo we wszystkich dziedzinach. Karty modeli Gemini 3.5 Flash-Lite, 3.6 Flash, 3.7 Flash i 3.8 Flash podają datę odcięcia na marzec 2026, po czym w tym samym zdaniu zastrzegają, że w części dziedzin wiedza modelu sięga wyłącznie stycznia 2025 – zgodnie z polityką całej rodziny Gemini 3.
To czternaście miesięcy różnicy wewnątrz jednego modelu, zależnie od tematu. Google nie mówi, których dziedzin dotyczy która data, więc z punktu widzenia osoby budującej markę jest to informacja o niepewności, nie o granicy. Jeśli Twoja branża trafiła do tej wolniejszej grupy, wiedza modelu o niej może kończyć się w styczniu 2025, mimo że w specyfikacji widnieje marzec 2026. To deklaracja producenta, a nie pomiar efektywnego cutoffu metodą z badania Johns Hopkins, ale obie obserwacje wskazują w tę samą stronę.
AI Act
Trzy daty jednego modelu: co ujawniają podsumowania danych z AI Act
Od 2 sierpnia 2025 dostawca modelu ogólnego przeznaczenia wprowadzanego na rynek UE musi opublikować podsumowanie danych treningowych według urzędowego szablonu Komisji Europejskiej (art. 53 ust. 1 lit. d AI Act). Szablon ma pole „najpóźniejsza data pozyskania danych do treningu”. To inna granica niż data odcięcia wiedzy: mówi, kiedy dostawca zebrał ostatnie dane, a nie do kiedy model zna świat.
Najlepiej widać różnicę w podsumowaniu, które OpenAI opublikowało dla GPT-6 Astra. Jeden model, a dat mamy aż trzy, nie licząc premiery:
| Co oznacza data | GPT-6 Astra | Gdzie ją podano |
|---|---|---|
| Data odcięcia wiedzy | 30 kwietnia 2026 | strona modelu w dokumentacji API |
| Okres zbierania danych z crawlowania | ok. marzec 2013 – maj 2026 | podsumowanie AI Act, sekcja o crawlerze GPTBot |
| Najpóźniejsze pozyskanie danych do treningu | nie później niż 6 sierpnia 2026 | podsumowanie AI Act |
| Wprowadzenie na rynek UE | 3 września 2026 | podsumowanie AI Act |
Między datą odcięcia wiedzy a ostatnimi danymi użytymi w treningu mijają ponad trzy miesiące. Podsumowanie nie wskazuje, co zebrano w tym czasie. Wymienia za to wszystkie kategorie źródeł:
- dane publiczne,
- dane od partnerów,
- dane z interakcji w ChatGPT i Codex (zgodnie z ustawieniami prywatności),
- dane syntetyczne generowane przez GPT-5.6, GPT-5.5 i GPT-5.4,
- dane przygotowane z ekspertami.
Bez zgadywania da się z tego wyciągnąć jeden wniosek: data odcięcia wiedzy nie oznacza końca treningu. OpenAI deklaruje wiarygodną wiedzę do 30 kwietnia, a dane do treningu zbierało jeszcze ponad trzy miesiące później.
Środkowa data jest dla marki najbardziej praktyczna, ale ma granice. Dotyczy treści, które OpenAI zebrało własnym crawlowaniem; osobno dokument wymienia Common Crawl i inne publiczne zbiory danych. Nie wyznacza więc ostatniej daty wszystkich stron, które mogły trafić do treningu, i nie potwierdza obecności żadnej konkretnej strony. OpenAI deklaruje w tym samym dokumencie, że jego crawler respektuje blokadę GPTBot w robots.txt, w tym zakaz używania treści do treningu, a sygnały dla GPTBot stosuje – tam, gdzie to możliwe – także do domen w publicznych zbiorach danych. Które boty odwiedzają Twoją stronę i jak je blokować, pokazuję na liście crawlerów i botów AI.
Ten sam dokument potrafi podać kilka różnych dat. Podsumowanie Bielika v3 11B Instruct, opublikowane przez fundację SpeakLeash, wpisuje w urzędowe pole maj 2025 jako najpóźniejszą datę pozyskania danych. Własny crawler SpeakLeash zbierał dane od listopada 2022 do maja 2025, a publiczne zbiory danych – według dalszej części dokumentu – pozyskiwano do listopada 2025. Żadna z tych dat nie jest deklaracją granicy wiedzy, dlatego w tabeli przy Bieliku zostaje „nieopublikowana”, a daty pozyskania danych są w podpisie.
Dostawcy wypełniają szablon różnie. Według zestawień niezależnych analityków pola wypełniły między innymi Google, Meta, Microsoft i OpenAI, a Anthropic, Mistral i xAI opisały dane treningowe prozą. Modele wprowadzone na rynek przed 2 sierpnia 2025 mają czas na publikację podsumowania do 2 sierpnia 2027, a od 2 sierpnia 2026 Urząd ds. AI może ten obowiązek egzekwować.
Co z tego wynika dla Ciebie. Data odcięcia wiedzy mówi, do kiedy model zna świat. Podsumowanie z AI Act mówi, kiedy dostawca zbierał dane, w tym strony takie jak Twoja. Przy audycie widoczności w AI warto mieć obie: pierwsza wyjaśnia, dlaczego model nie zna Twojej ostatniej zmiany, druga pomaga ocenić, czy Twoja treść w ogóle mogła trafić do treningu.
Pamięć modelu
Dlaczego ChatGPT nie zna Twojej nowej strony?
Odpowiedź powstaje z wiedzy zapisanej w parametrach modelu, a zależnie od produktu i ustawień także z treści dołożonej w trakcie: wyników wyszukiwania, wklejonego pliku, pamięci produktu, konektora albo samej rozmowy. Data odcięcia rządzi wyłącznie pierwszą warstwą. Jeśli Twoja strona powstała po deklarowanym cutoffie, nie zakładaj, że jej treść jest w wiedzy parametrycznej modelu.
Problem w tym, że pobieranie uruchamia się warunkowo. Przy pytaniach ogólnych, porównaniach kategorii i rekomendacjach model często odpowiada z pamięci, bo nie widzi powodu, żeby szukać. Wtedy wymienia to, co zna – czyli konkurencję sprzed odcięcia. A nawet gdy szuka, to czym się kieruje przy ocenie znalezionych źródeł, ukształtowały dane sprzed cutoffu. Dlatego bycie w pamięci modelu i bycie w indeksie to dwie osobne sprawy.
Praktyczny wniosek. Zmiana, którą wprowadziłeś/aś w tym miesiącu – nowa nazwa, nowa oferta, nowa domena – trafi najpierw do systemów pobierających treść na żywo, a do pamięci modeli dopiero w wersji, której trening ją objął. To dwie różne prędkości i warto planować komunikację w obu.
Propagacja
Trzy prędkości propagacji
Systemy generatywne dowiadują się o zmianach na Twojej stronie w różnym tempie i to tempo zależy od architektury, nie od jakości treści.
| Warstwa | Jak działa | Kiedy zobaczy zmianę |
|---|---|---|
| Indeks wyszukiwarki AI Overviews, AI Mode, Gemini z Search Grounding | Odpowiedź budowana na bieżącym indeksie wyszukiwarki | Najwcześniej po zaindeksowaniu; wykorzystanie strony w odpowiedzi nie jest gwarantowane |
| Warstwa wyszukiwania dostawcy Perplexity, ChatGPT Search, Claude z wyszukiwaniem | Własne pobieranie, źródła partnerskie, cache albo kilka z tych warstw naraz – zależnie od operatora | Najwcześniej po odświeżeniu źródeł, z których korzysta dany operator; bez gwarancji użycia |
| Wiedza parametryczna modelu odpowiedzi bez sięgania do sieci | Informacje utrwalone w wagach konkretnej wersji modelu | Po wdrożeniu wersji, której trening lub dostrajanie objęło tę informację |
Ta różnica prędkości ma konsekwencję, o której łatwo zapomnieć przy audycie: bazowy model bez dostępu do sieci ani dodatkowego kontekstu nie zobaczy Twojej strony, chyba że jej treść została utrwalona podczas treningu. Dotyczy to modeli otwartych uruchamianych lokalnie – Llamy, Muse Glimmer, Qwena, Bielika i Mistrala. SEO nie wpływa bezpośrednio na model bazowy, bo sam model nie odwiedza sieci. Dwie drogi to obecność treści w korpusie treningowym albo dostarczenie jej przez system RAG, wyszukiwarkę bądź inne narzędzie wdrożone wokół modelu. Które boty w ogóle sięgają po Twoją treść, sprawdzisz na liście crawlerów i botów AI.
Test
Jak sprawdzić, czy model zna Twoją markę?
Zapytanie modelu o jego datę odcięcia nie da wiarygodnej odpowiedzi, ale zapytanie o konkretne fakty już tak. Zamiast pytać „jaka jest twoja data odcięcia wiedzy”, sprawdź, gdzie przebiega granica jego wiedzy o Tobie.
- Wyłącz wyszukiwanie w interfejsie, jeśli da się je wyłączyć. Bez tego testujesz grounding, a nie pamięć modelu.
- Zapytaj o kilka dobrze udokumentowanych faktów sprzed deklarowanej daty odcięcia. Brak poprawnej odpowiedzi wskazuje, że wiedza o marce jest słaba albo trudna do przywołania – nie dowodzi, że marki nie było w korpusie.
- Zapytaj o zmianę wprowadzoną po cutoffie i sprawdź, skąd model ją wziął. Poprawna odpowiedź może pochodzić z wyszukiwania, pliku, konektora, pamięci produktu albo wcześniejszej części rozmowy, a nie z pamięci parametrycznej.
- Powtórz test na kilku modelach i w kilku nowych rozmowach. Rozbieżności pokazują różnice w wiedzy i w sposobie pobierania informacji, ale pojedyncze pytanie nie wyznaczy granicy.
- Sprawdź kilka tematów, nie tylko własną markę. Efektywne granice różnią się między dziedzinami, więc wynik z jednego obszaru nie mówi nic o pozostałych.
- Zapisz warunki testu: pełny identyfikator modelu, produkt lub API, stan wyszukiwania, stan pamięci i konektorów, dokładny prompt oraz datę. Bez tego wyniku nie da się porównać z kolejnym pomiarem.
Pojedynczy test mówi mało, bo modele odpowiadają niedeterministycznie. Powtarzalny pomiar w czasie mówi więcej. Jak podchodzę do tego u klientów, opisuję na stronie o widoczności w AI.
Jeśli chcesz to sprawdzić systematycznie, na serii pytań i w kilku systemach, zobacz badania widoczności w AI. Zbieram odpowiedzi z publicznych wersji usług i porównuję je z pomiarem przez API.
Narzędzia i listy
Inne moje narzędzia i listy
Lista z wyszukiwarką
Co to za bot?
Lista botów i user-agentów: wklej nazwę z logów i sprawdź, kto za botem stoi, do czego służy i jak go zablokować.
Darmowe narzędzie
Obserwatorium encji
Zobacz dane strukturalne strony jako mapę relacji: kto jest autorem, kto założył firmę i dokąd prowadzi sameAs.
Darmowe narzędzie
Czy jesteś w Grafie Wiedzy Google?
Wpisz nazwę i sprawdź, czy Google zna Cię jako encję i czy zgadza się to z Wikidatą.
Darmowe narzędzie
Boty AI w logach
Wrzuć log serwera i zobacz, które boty AI przychodzą, które mają potwierdzone adresy IP i komu serwer odmawia. Plik zostaje na Twoim komputerze.
Darmowe narzędzie
Czy strona jest w Common Crawl?
Wpisz domenę i zobacz, ile stron CCBot zapisał w 6 ostatnich crawlach i czy coś go blokuje.
Lista
Narzędzia SEO
40 narzędzi do Google i AI, których naprawdę używam: do czego się nadają i gdzie mają limit.
Pytania
Często zadawane pytania
Co to jest cutoff modelu AI?
Cutoff, czyli data odcięcia wiedzy, to deklarowana przez dostawcę granica czasowa wiedzy konkretnej wersji modelu. Treści późniejsze znajdują się poza tą granicą, ale mogą pojawić się w odpowiedzi, jeśli model pobierze je z sieci albo dostanie w kontekście rozmowy, w pliku bądź przez konektor.
Cutoff, data odcięcia czy data graniczna – jak to nazywać po polsku?
Po angielsku producenci używają terminu knowledge cutoff, po polsku spotkasz „cutoff”, „datę odcięcia” i „datę odcięcia wiedzy”. Osobną wartością jest training data cutoff, którą Anthropic odróżnia od pierwszej – to szersza granica danych użytych w treningu, a nie synonim.
Do kiedy ChatGPT, Claude i Gemini mają dane?
Zależy od modelu, nie od produktu. W rodzinie GPT-6 najświeższa jest Luna z 18 maja 2026, Astra ma 30 kwietnia, a Sol 20 kwietnia 2026. W Claude najświeższe są Opus 5.5 i Fable 5.1 z czerwcem 2026, Sonnet 5 ma styczeń 2026. Gemini 3.5 Flash-Lite oraz 3.6, 3.7 i 3.8 Flash deklarują marzec 2026, z zastrzeżeniem, że w części dziedzin wiedza kończy się w styczniu 2025; pozostałe modele rodziny 3, w tym 3.5 Flash i 3.1 Pro, mają styczeń 2025. Wszystkie sięgają po świeże informacje przez Search Grounding. Pełne zestawienie znajdziesz w tabeli powyżej.
Czym różni się data odcięcia wiedzy od daty pozyskania danych w AI Act?
Data odcięcia wiedzy to deklarowana granica wiedzy modelu o świecie. Data z podsumowania danych treningowych wymaganego przez AI Act to moment, w którym dostawca pozyskał ostatnie dane użyte do treningu, niekoniecznie dane o bieżących wydarzeniach. Druga bywa wyraźnie późniejsza: GPT-6 Astra ma datę odcięcia na 30 kwietnia 2026, a najpóźniejsze dane do jego treningu zebrano do 6 sierpnia 2026.
Jaki cutoff ma Microsoft Copilot?
Nie ma jednego. Pod Copilotem pracuje kombinacja modeli różnych dostawców, a zapytanie bywa kierowane do nich automatycznie, więc granica wiedzy zależy od produktu, trybu i tego, który model odpowiedział. Copilot korzysta przy tym z indeksu Bing, co pozwala mu sięgać po bieżące informacje.
Który model ma dziś najświeższą wiedzę?
Spośród modeli z opublikowaną datą odcięcia najświeższe są Claude Opus 5.5 i Claude Fable 5.1 z cutoffem na czerwiec 2026. Dalej GPT-6 Luna z 18 maja 2026 oraz Claude Opus 5 i Grok 4.7 z majem 2026. To stan na 26 września 2026 – daty zmieniają się przy każdej premierze modelu.
Czy nowszy model zawsze ma świeższą wiedzę?
Nie. Data premiery i data odcięcia to dwie niezależne wielkości. Gemini 3.5 Flash wyszedł w maju 2026 z cutoffem na styczeń 2025, czyli z pamięcią zamkniętą szesnaście miesięcy przed premierą. GPT-5.1 miał odstęp czternastu miesięcy. Numer wersji nie jest wskaźnikiem świeżości danych.
Czy droższy model ma świeższą wiedzę niż tańszy?
Też nie. W rodzinie GPT-6 najtańsza Luna ma cutoff na 18 maja 2026, a flagowa Astra na 30 kwietnia 2026, mimo że kosztuje sto razy więcej za token wejściowy. Pozycja modelu w cenniku mówi o jego możliwościach, nie o tym, do kiedy sięga jego pamięć.
Czy model poda mi swoją datę odcięcia, jeśli o nią zapytam?
Odpowiedź modelu o jego własnej specyfikacji nie jest wiarygodnym źródłem. W danych treningowych znajdują się artykuły o cutoffach wcześniejszych generacji, więc model bywa w stanie odtworzyć cudzą datę jako własną. Sprawdzaj dokumentację dostawcy dla konkretnego identyfikatora modelu. Google zaleca wręcz podawanie tej daty modelowi Gemini 3 Flash w instrukcji systemowej.
Czy dostęp do sieci znosi problem daty odcięcia?
Nie w całości. Wyszukiwanie jest w większości systemów osobnym narzędziem, które musi być dostępne w danym produkcie i uruchamia się przy części zapytań. Przy pozostałych model odpowiada z pamięci, a ocena wiarygodności znalezionych źródeł również opiera się na tym, czego nauczył się przed odcięciem.
Dlaczego różne modele odpowiadają inaczej na to samo pytanie o moją firmę?
Jedną z przyczyn są różne daty odcięcia. Model z cutoffem na styczeń 2025 i model z cutoffem na czerwiec 2026 mają w pamięci dwa różne stany Twojej marki. Do tego dochodzą różnice w tym, czy i kiedy każdy z nich sięga do sieci, oraz z jakich źródeł korzysta.
Ile trwa, zanim moja treść trafi do pamięci modelu?
Nie da się tego przewidzieć, bo dostawcy nie publikują harmonogramów zbierania danych ani kryteriów doboru treści do korpusu. Wiadomo tylko, że próg to kolejna wersja modelu, której trening objął tę informację, a odstępy między premierami w 2026 roku wynoszą od kilku tygodni do kilku miesięcy. Obecność w indeksach systemów pobierających treść na żywo działa szybciej i jest jedyną warstwą, na którą masz realny wpływ w krótkim terminie.
Dlaczego przy części modeli w tabeli nie ma daty odcięcia?
Bo ich dostawcy jej nie publikują. Mistral, DeepSeek, Alibaba i twórcy Bielika opisują korpusy treningowe albo architekturę, ale nie podają granicznej daty. W takich przypadkach wpisuję „nieopublikowana” zamiast szacować na podstawie daty premiery – i dopiero po sprawdzeniu wszystkich miejsc, w których producent publikuje dokumentację. Bielik podaje w podsumowaniu wymaganym przez AI Act daty pozyskania danych, ale nie granicę wiedzy. Wśród modeli otwartych Meta podaje datę wprost w kartach modeli: sierpień 2024 dla Llamy 4 i 4 stycznia 2026 dla Muse Glimmer. PLLuM podaje przybliżony okres, a Google publikuje daty w kartach modeli na deepmind.google, a nie w dokumentacji API.
Źródła: dokumentacja dostawców i badaniaDokumenty, w których sprawdzałam daty odcięcia. Sprawdź sama, jeśli coś budzi wątpliwość.
OpenAI
Models – katalog modeli API – cutoffy GPT-6 Astra, Sol i Luna · All models – pełny katalog wraz z oznaczeniami modeli deprecated
Strony modeli z datami odcięcia: GPT-6 Astra, GPT-6 Sol, GPT-6 Luna, GPT-5.6 Sol, GPT-5.5, GPT-5.4, GPT-5.3-Codex, GPT-5.2, GPT-5.1, GPT-5, GPT-4.1, o3, o4-mini, GPT-4o, GPT-4o mini
Changelog OpenAI – daty premier GPT-6 Astra (3 września) oraz Sol i Luna (22 września 2026)
GPT-5.1: A smarter, more conversational ChatGPT – data premiery, 12 listopada 2025
Retiring GPT-4o and other ChatGPT models – daty wycofania z ChatGPT i utrzymanie dostępu przez API
Anthropic
Models overview – reliable knowledge cutoff bieżących modeli
Strony modeli: Sonnet 4.6, Opus 4.6, Opus 4.5, Sonnet 4.5 oraz przewodnik po modelach legacy – reliable knowledge cutoff, training data cutoff i daty premier
Transparency Hub – Model Report – daty premier i deklaracja, że Mythos 5.1 i Fable 5.1 to ten sam model; przy Sonnet 4.6 inna data odcięcia niż w dokumentacji modeli
Claude Opus 5.5 – data premiery, 22 września 2026
Redeploying Fable 5 – zawieszenie dostępu do Fable 5 i Mythos 5 (12 czerwca 2026), zniesienie kontroli eksportowych (30 czerwca) i przywrócenie dostępu (1 lipca)
Google
Karty modeli Google DeepMind – daty odcięcia poszczególnych modeli; 3.8 Flash, 3.6 Flash, 3.7 Flash i 3.5 Flash-Lite deklarują marzec 2026 z zastrzeżeniem o styczniu 2025 dla części dziedzin
Gemini 3 Developer Guide – deklaracja stycznia 2025 dla całej rodziny 3, bez rozbicia na modele
Release notes – premiery modeli 3.8 i ograniczenie dostępu do rodziny 2.5
Gemini deprecations – wyłączenie gemini-2.0-flash 1 czerwca 2026, status modeli 2.5 (niewycofane, bez daty wyłączenia) i daty premier rodziny 3
Vertex AI – Gemini 2.5 Flash-Lite – przykład trzeciego miejsca, w którym Google podaje daty odcięcia
Firebase AI Logic – supported models – daty odcięcia rodziny 2.5 i Gemini 2.0 Flash
Gemini API – Gemini 2.0 Flash – data odcięcia sierpień 2024, sprzeczna z Firebase AI Logic
Vertex AI – Get started with Gemini 3 – zalecenie podawania daty odcięcia w instrukcji systemowej
SpaceXAI (xAI)
Grok 4.7 – cutoff maj 2026 na bieżącej stronie modelu
Models – zastrzeżenie o braku dostępu do bieżących wydarzeń bez włączonych narzędzi wyszukiwania
SpaceXAI API – modele dostępne w API: Grok 4.7, 4.6 i 4.5
Release notes – premiera Groka 4.5 (8 lipca 2026)
Introducing Grok 4.7 – data premiery, 21 września 2026
Microsoft
Microsoft Copilot – overview – kombinacja modeli różnych dostawców i automatyczne kierowanie zapytań
Meta
Llama 4 – karta modelu – cutoff sierpień 2024
MODEL_CARD.md w repozytorium meta-llama – ta sama data w opisie świeżości danych
Muse Glimmer 30B – karta modelu – cutoff 4 stycznia 2026
Mistral
Karta modelu Mistral Large 3 – data wydania i parametry, bez daty odcięcia
Karta modelu Mistral Medium 3.5 – data wydania, bez daty odcięcia
Legal Center – Mistral Medium 3 – daty wydania wersji, bez daty odcięcia
Does Mistral disclose its training datasets? – deklaracja o nieujawnianiu danych treningowych
Models Overview – przegląd rodziny
DeepSeek i Qwen
DeepSeek-V4-Pro – karta modelu – korpus i architektura, bez daty odcięcia
DeepSeek-V4.1-Flash – karta modelu – architektura, bez daty odcięcia
Qwen3.8-27B – karta modelu – architektura i kontekst, bez daty odcięcia
Dyskusja o dacie odcięcia pod repozytorium Qwen3.8 – brak odpowiedzi producenta
Modele polskie
Bielik-11B-v3-Base – karta modelu – opis korpusu i model bazowy Mistral 7B v0.2, bez daty granicznej
Bielik 11B v3 – raport techniczny – źródła korpusu, bez daty
Bielik-11B-v3.0-Instruct – karta modelu – zbiór instrukcji, również bez daty
Bielik-4.5B-v3 – karta modelu – korpus i model bazowy Qwen 2.5, bez daty
PLLuM-12B-base-250801 – karta modelu – dane do początku 2025
pllum-12b-nc-instruct-250715 – karta modelu – dane do jesieni 2024
PLLuM – strona projektu – opis źródeł danych
AI Act – podsumowania danych treningowych
Komisja Europejska – Explanatory Notice and Template for the Public Summary of Training Content – urzędowy szablon podsumowania, z polem najpóźniejszej daty pozyskania danych
OpenAI – Public Summary of Training Content for GPT-6 Astra – okres zbierania danych z crawlowania (sekcja o GPTBot), data pozyskania danych i data wprowadzenia na rynek UE
SpeakLeash – Bielik 11B v3 EU Public Summary – model Bielik v3 11B Instruct; pozyskanie danych do maja 2025, zbiory publiczne do listopada 2025
What the EU AI Act's Training-Data Summaries Do and Don't Reveal i EU AI Act Article 53 Training-Data Summaries: Who Filled the Template – zestawienia, kto wypełnił szablon
Badania
Cheng J., Marone M., Weller O., Lawrie D., Khashabi D., Van Durme B., Dated Data: Tracing Knowledge Cutoffs in Large Language Models, arXiv:2403.12958 – definicja efektywnego cutoffu, metoda szacowania i analiza przyczyn rozbieżności; Outstanding Paper na COLM 2024
Repozytorium do pracy – kod i dane
Informacja o nagrodzie – Johns Hopkins University
Zestawienia porównawcze
llm-knowledge-cutoff-dates – otwarte repozytorium z odnośnikami do źródeł pierwotnych, użyte wyłącznie jako punkt startowy do weryfikacji
Wszystkie odnośniki sprawdzone 26 września 2026. Pozycje oznaczone jako „nieopublikowana” nie mają deklaracji u producenta i nie zgaduję ich na podstawie daty premiery. Przy modelach Gemini daty pochodzą z kart modeli Google DeepMind, które są osobnym źródłem niż dokumentacja API. Status „nieopublikowana” wpisuję dopiero po sprawdzeniu wszystkich miejsc, w których producent publikuje dokumentację.
Historia tej strony 26.09.2026 – dodane: rodzina GPT-6, Grok 4.7 i 4.6, Claude Opus 5.5, Fable 5.1, Mythos 5.1 i Mythos 5, Gemini 3.6, 3.7 i 3.8 Flash, Muse Glimmer 30B, Qwen 3.8 oraz DeepSeek V4.1 Flash. Korekty wartości z poprzedniej wersji: Gemini 3.6 Flash i 3.5 Flash-Lite mają w kartach modeli marzec 2026 (wcześniej odpowiednio „nieopublikowana” i styczeń 2025); PLLuM podaje przybliżony zasięg danych w kartach modeli. Nowe oznaczenie sprzecznych źródeł producenta: Claude Sonnet 4.6 i Gemini 2.0 Flash. Dodana sekcja o podsumowaniach danych treningowych z AI Act.
06.08.2026 – pierwsza wersja.
Kalendarium zmian u dostawców 22.09.2026 – premiera GPT-6 Sol i GPT-6 Luna; tego samego dnia premiera Claude Opus 5.5. Google udostępnił modele Gemini 3.8 Flash TTS i 3.8 Flash-Lite TTS.
21.09.2026 – premiera Grok 4.7.
18.09.2026 – Google ograniczył dostęp do modeli Gemini 2.5 w Gemini API do dotychczasowych użytkowników; modele nie są wycofane i nie mają daty wyłączenia.
15.09.2026 – premiera Gemini 3.8 Live.
10.09.2026 – premiera DeepSeek V4.1 Flash; od 14.09.2026 obsługuje też zapytania kierowane do V4 Pro.
03.09.2026 – premiera GPT-6 Astra, początkowo w ograniczonym dostępie; wraz z nią podsumowanie danych treningowych wymagane przez AI Act.
02.09.2026 – premiera Gemini 3.8 Flash.
wrzesień 2026 – premiera Claude Fable 5.1 i Claude Mythos 5.1.
14.08.2026 – premiera Qwen3.8-27B, dwa dni po Qwen3.8-2.4T-A95B.
13.08.2026 – premiera Gemini 3.7 Flash.
12.08.2026 – premiera Grok 4.6.
10.08.2026 – premiera Muse Glimmer 30B, otwartego modelu Mety z datą odcięcia na 4 stycznia 2026.
02.08.2026 – Urząd ds. AI zyskał uprawnienia do egzekwowania obowiązku publikacji podsumowań danych treningowych.
21.07.2026 – premiera Gemini 3.6 Flash i 3.5 Flash-Lite, których karty modeli podają datę odcięcia na marzec 2026.
01.07.2026 – Fable 5 wraca dla wszystkich użytkowników, Mythos 5 dla wybranych organizacji z USA; kontrole eksportowe zniesiono 30 czerwca.
12.06.2026 – wyłączenie Claude Fable 5 i Mythos 5 na skutek amerykańskich kontroli eksportowych.
01.06.2026 – Google wyłączył
gemini-2.0-flash i gemini-2.0-flash-001 w Gemini API.19.05.2026 – premiera Gemini 3.5 Flash z datą odcięcia na styczeń 2025.
11.03.2026 – OpenAI wycofał modele GPT-5.1 z ChatGPT, zostawiając dostęp przez API.
13.02.2026 – OpenAI wycofał z ChatGPT GPT-4o, GPT-4.1, GPT-4.1 mini, o4-mini i GPT-5.
Co dalej
Nie wiesz, co modele AI mówią dziś o Twojej marce?
Sprawdzenie, które systemy Cię znają, z jakich źródeł Cię cytują i gdzie przebiega granica ich wiedzy o Tobie, robię w ramach audytu widoczności w AI. Jeśli wolisz zacząć od rozmowy, umów krótkie spotkanie.