本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

知識カットオフ(Knowledge Cutoff)とは・意味、主なモデル・研究・補う方法

知識カットオフとは?

知識カットオフ(Knowledge Cutoff)とは、生成AIのモデルが学習に使ったデータの区切りの時点で、モデルが持つ知識の終わりを示す日付のこと。ナレッジカットオフとも呼ばれる。

OpenAI はヘルプセンターで、ChatGPT を動かす大規模言語モデル(LLM)の限界の1つに知識カットオフを挙げている。モデルはある時点までのデータで学習していると、同社は説明する。ツールを使わない限り、その後の出来事についての情報はモデルの回答に含まれないという。

Anthropic などの日本語の文書では「知識カットオフ」という表記が使われている。Anthropic は開発者向けの文書の日本語版で、モデルごとに「信頼できる知識カットオフ」を示している。同社は日本語のヘルプでも、Claude の各モデルに知識カットオフがあり、モデルはその日以降の出来事や情報を知らない可能性があると説明している。

日本ディープラーニング協会(JDLA)も、Generative AI Test の2025年第1回のシラバスで、大規模言語モデルの外部ツールやリソースの利用の項目に「知識カットオフ」を挙げた。

知識カットオフと学習データの時点の違い

Anthropic は、Claude のモデルごとに「信頼できる知識カットオフ(reliable knowledge cutoff)」と「学習データのカットオフ(training data cutoff)」の2つの時点を示している。日本語版の文書では、後者を「トレーニングデータのカットオフ」と表記している。

信頼できる知識カットオフは、モデルの知識が最も広く最も信頼できる情報や出来事の範囲の終わりを指すと、Anthropic は Transparency Hub(モデルの性能や安全性の要点をまとめた同社のページ)で説明している。Claude Opus 4 と Claude Sonnet 4 は、学習データのカットオフが2025年3月で、信頼できる知識カットオフは2025年1月だった。

Google DeepMind は Gemini 4 Argon のモデルカードで、Gemini 4 の知識カットオフを2026年3月とする一方、分野によってはモデルの知識がそれより古い場合があるとしている。同じ説明は、Google DeepMind が2026年11月10日に公開した Gemini 4 Carbon のモデルカードにもある。

主なモデルの知識カットオフ

主な開発会社は、モデルの一覧やモデルカードで知識カットオフを公表している。OpenAI は知識カットオフを日付まで示し、Google DeepMind と Anthropic は月まで示している。

開発元 モデル 知識カットオフ
OpenAI GPT-6 Astra、GPT-6.1 Sol 2026年4月30日
OpenAI GPT-6 Luna 2026年5月18日
OpenAI GPT-6.1 Terra 2026年6月1日
Google DeepMind Gemini 4 Carbon 2026年3月
Google DeepMind Gemini 4 Argon 2026年3月(Gemini 4 の時点として記載)
Anthropic Claude Fable 5.2、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5 信頼できる知識カットオフ、学習データのカットオフとも2026年6月

※2026年11月時点

OpenAI は2025年12月11日のリリースノートで、GPT-5.2 の3つのモデル(Instant・Thinking・Pro)の知識カットオフを2025年8月に新しくしたと案内した。同社は、これによって GPT-5.2 が Web検索を使う前の段階から、より新しい世の中の理解をもとに答えられると説明している。

知識カットオフが広まった経緯

英語の knowledge cutoff の語は、Jeffrey Cheng 氏らが2024年3月に arXiv で公開した論文「Dated Data」のように、研究の題にも使われている。著者らは、公開される LLM には開発者が示す知識カットオフの日付が添えられることが多いと指摘している。

デジタル庁は2026年10月、政府職員が使う生成AIの環境「ガバメントAI 源内」の基準として「源内基準」を公表した。この基準は、基盤モデルが抱える問題として、学習データの時点による「カットオフ問題」を挙げている。

基盤モデルは、カットオフより後に生じた制度改正や組織変更、最新の統計、社会情勢などを把握していない場合があるという。基準が源内の利用者に求めるのは、重要な情報を原典や法令、政府機関の公表資料などの一次資料で確かめることだ。

知識カットオフに関する事例・研究

実際の知識の境目は公表の時点より早いことがある

Piotr Pęzik 氏らは2025年11月に arXiv で公開した論文で、ベンチマーク(AIの性能を測る試験)の LLMLagBench を示した。LLMLagBench は、2021年から2025年の出来事についての質問にモデルを答えさせ、回答の正確さが落ちる時点から学習データの境目を推定する。

著者らの推定では、OpenAI が重みを公開したオープンウェイトのモデル GPT-OSS-120B の境目は2023年9月で、著者らが開発元の公表として挙げた2024年7月より1年近く早かった。著者らは、開発元が2024年半ばまでのデータを一部含めた可能性はあるものの、信頼できる知識は実質的に2023年9月で終わっているとみている。

GPT-OSS-120B は、推定した境目より後の出来事についての質問で答えを控える割合が Grok-4 や Claude Sonnet 4 より低く、答えようとし続けるという。そのため、GPT-OSS-120B では新しい出来事についてのハルシネーションが増えるおそれがあると、著者らは指摘する。

Anthropic の Claude Sonnet 4 では、2023年2月と2024年12月の2か所で回答の正確さが下がった。2つ目の時点は、Anthropic が公表した2025年1月に近い。著者らは、学習の段階ごとに知識の入り方が違った可能性があるとしている。

モデル自身が答える時点は公表と違うことがある

同じ論文によると、モデルに自分の知識カットオフを尋ねた答えも、公表や推定の時点と食い違った。xAI の Grok-4 は2023年11月と答えたが、xAI が公表した時点は2024年11月で、著者らの推定も2024年後半だった。

また、GPT-OSS-120B は自分の時点を2021年9月と答え、著者らの推定より2年ほど早かった。著者らは理由として、知識について控えめに答えるよう調整された可能性などを挙げている。

GPT-4.1 の知識は公表されたカットオフのあたりで減る

Shrestha Ghosh 氏らは2025年10月に arXiv で公開した論文で、OpenAI の GPT-4.1 から引き出した1億件の知識を集めた知識ベース「GPTKB v1.5」を分析した。

日付を含む項目を年ごとに数えると、GPT-4.1 の公表の知識カットオフ(2024年6月1日)のあたりで件数がはっきり減っていた。死亡日が2024年の項目232件を月ごとに見ると、後半の月ほど大きく減り、6月以降は各月20件未満だった。

カットオフ後の脆弱性だけで作った GPT-6 Astra の評価

OpenAI は2026年9月に公開した GPT-6 Astra のシステムカード(モデルの性能や安全性の評価をまとめた文書)で、サイバーセキュリティの能力を測る社内の評価用データを作った。このデータには、モデルの知識カットオフより後に公表された新しい脆弱性だけを含めている。

学習で見ていない問題にどれだけ対応できるかをよりよく測るために、このデータを作ったと同社は説明している。

知識カットオフを補う方法

Web検索のツールで新しい情報を補う

ChatGPT は検索のツールが有効でないと Web を検索せず、その場合の回答はモデルが学習で身につけたことに基づくと、OpenAI は説明している。ただし、2026年10月時点のヘルプでは、検索のツールはすべてのモデルで既定で有効になっている。

Anthropic は、Claude の API で使えるWeb検索ツールについて、「知識のカットオフ以降の情報を、引用元付きでWeb検索します」と説明している。社内の資料や外部のデータを検索して回答に使う方法は、RAG(検索拡張生成)と呼ばれる。

システムプロンプトで日付とカットオフを伝える

Anthropic によると、claude.ai やモバイルアプリは、会話の初めにシステムプロンプト(会話の前にモデルへ渡す指示)で現在の日付などをモデルに渡している。同社は、これらのシステムプロンプトの更新は Claude の API には適用されないとしている。

Claude Opus 5.5 の2026年10月27日の版のシステムプロンプトは、信頼できる知識カットオフを2026年6月末としている。カットオフより後に起きた可能性のある出来事については、分からない場合が多いことを利用者に伝えるよう、モデルに指示している。最新のニュースについては、カットオフ前の最新の情報を示し、古い可能性があることに触れて Web検索を案内するよう指示している。

Google は Gemini API のプロンプトの手引きで、Gemini 3 Flash 向けに、システムの指示へ今年が何年かや知識カットオフの日付を書き添える例を示している。

知識カットオフの英語での言い方

英語表記 意味 使用主体
knowledge cutoff モデルが学習したデータの区切りの時点 OpenAI、Google DeepMind など
reliable knowledge cutoff モデルの知識が最も広く、最も信頼できる範囲の終わりの時点 Anthropic
training data cutoff 学習データの区切りの時点 Anthropic
reported cutoff 開発者が公表した時点 Cheng 氏ら、Ghosh 氏ら
effective cutoff 学習データの資料や話題ごとに測った実際の時点 Cheng 氏ら

知識カットオフに関連する用語

  • LLM(大規模言語モデル):大量の文章のデータで学習し、文章の生成や翻訳、要約といった言語にかかわる作業を行うAIモデル。
  • ハルシネーション:生成AIが事実と異なる内容や実在しない情報を、もっともらしく出力する現象。
  • RAG(検索拡張生成):生成AIが社内の資料やWebなどの外部の情報源を検索し、その結果をもとに回答を生成する仕組み。
  • 継続学習:前に学んだことを忘れずに、新しい知識や技能を順に身につけるAIのモデルの学び方。

知識カットオフに関する出典

OpenAI「Does ChatGPT tell the truth?」
Anthropic「モデルの概要」
Anthropic「Claudeのトレーニングデータはどの程度最新ですか?」(2026年9月28日)
日本ディープラーニング協会「Generative AI Test」
Anthropic「Models overview」
Anthropic「Anthropic’s Transparency Hub」(2026年10月2日)
Google DeepMind「Gemini 4 Argon – Model Card」(2026年10月13日)
Google DeepMind「Gemini 4 Carbon – Model Card」(2026年11月10日)
OpenAI「Models」
OpenAI「ChatGPT release notes」
Jeffrey Cheng ほか「Dated Data: Tracing Knowledge Cutoffs in Large Language Models」(2024年3月19日、arXiv)
デジタル庁「ガバメントAI 源内 ガバナンス・セキュリティ・セーフティに関する基準(「源内基準」)」(2026年10月)
Piotr Pęzik ほか「LLMLagBench: Identifying Temporal Training Boundaries in Large Language Models」(2025年11月15日、arXiv)
Shrestha Ghosh ほか「Auditing a KB Elicitation of Frontier LLM Knowledge: A Multi-dimensional Analysis of GPTKB v1.5」(2025年10月8日、arXiv)
OpenAI「GPT-6 Astra System Card」(2026年9月3日)
Anthropic「Claudeでのツール使用」
Anthropic「System prompts」
Anthropic「Claude Opus 5.5 system prompts」(2026年10月27日の版)
Google「Prompt design strategies」