Knowledge cutoff: cosa significa in pratica

Il knowledge cutoff è la data oltre la quale un modello non ha conoscenza acquisita durante l'addestramento. È una specifica dichiarata nei listini, spesso ignorata, e che spiega una buona parte delle risposte sbagliate che le aziende incontrano.

Il punto delicato non è che il modello non sappia: è che può non sapere di non sapere, e rispondere con sicurezza su cose cambiate dopo.

Le date attuali

Dai listini ufficiali, alla data di questo articolo:

Fonti: platform.claude.com, developers.openai.com — consultate il 19 agosto 2026.

La riga che merita attenzione è Haiku 4.5: oltre un anno di distanza dal modello di punta della stessa famiglia. È il modello più economico e veloce, ed è una scelta eccellente per compiti che non dipendono da conoscenza del mondo — ma va saputo.

Quando il cutoff non conta

Nella maggior parte degli usi aziendali, molto meno di quanto si pensi.

Nella colonna di sinistra l'informazione la porti tu: il modello deve saperla usare, non conoscerla. È il motivo per cui un modello con cutoff vecchio può funzionare benissimo su un processo aziendale moderno.

Come si lavora oltre il cutoff

1. Fornisci l'informazione insieme alla domanda, invece di darla per scontata.
2. Per gli archivi, usa un sistema che seleziona e allega i documenti pertinenti.
3. Dove serve attualità, collega una fonte esterna aggiornata.
4. Chiedi al modello di citare da dove ha preso l'informazione.
5. Sui temi che cambiano, prevedi sempre una verifica umana.

Il punto 4 è quello che riduce di più il rischio: un sistema che dice «secondo il documento X» permette di controllare, uno che afferma e basta no. Il meccanismo è descritto in RAG: cos'è, e il fenomeno delle risposte sicure e sbagliate in allucinazioni AI: come evitarle.

Cutoff e scelta del modello

Il cutoff raramente è il criterio principale, ma diventa dirimente in un caso: quando il compito richiede conoscenza generale recente e non puoi fornirla tu.

In tutti gli altri casi conviene scegliere su costo, qualità sul compito e latenza, e risolvere l'aggiornamento fornendo le informazioni. Scegliere un modello più caro solo perché ha il cutoff più recente è quasi sempre una spesa evitabile.

Esempi pratici

Assistente sulle procedure interne. Le procedure gliele dai tu. Un modello economico con cutoff vecchio va benissimo, e costa una frazione.

Sistema che risponde su normative. Qui il cutoff conta, ma la soluzione non è il modello più recente: è collegare le fonti normative aggiornate. Nessun cutoff sarà mai abbastanza recente per una materia che cambia.

Estrazione dati da fatture. Cutoff irrilevante: il documento è davanti al modello. Conviene ottimizzare su costo e affidabilità.

Errori da evitare

• Scegliere il modello per il cutoff. Raramente è il criterio giusto.
• Aspettarsi che sappia cose recenti. Vanno fornite.
• Fidarsi di risposte sicure su temi che cambiano. La sicurezza non è aggiornamento.
• Ignorare il cutoff dei modelli economici. Può essere molto anteriore.
• Non chiedere le fonti. Rende impossibile verificare.
• Confondere cutoff e accesso al web. Sono cose diverse.

Come applicarlo in azienda

Guarda il tuo compito e chiediti: l'informazione necessaria gliela fornisco io, oppure me la aspetto da lui? Se la fornisci tu, togli il cutoff dai criteri di scelta e valuta su costo e qualità.

Se te la aspetti da lui, cambia impostazione: collega una fonte aggiornata invece di inseguire il modello con la data più recente. È l'unica soluzione che regge nel tempo.

Il quadro generale è in come si leggono i benchmark AI.

Cosa fare quando il cutoff è un problema

La data limite non è un ostacolo insormontabile: è un vincolo che si aggira dando al modello le informazioni che gli mancano. Il punto è farlo in modo sistematico anziché sperare che non serva.

• Fornisci tu i documenti aggiornati nel contesto della richiesta
• Collega il sistema a una fonte interna sempre attuale
• Chiedi esplicitamente di citare la fonte di ogni affermazione
• Istruisci il modello a dichiarare quando non sa
• Su normativa e prezzi, non fidarti mai della conoscenza interna

Il quarto punto è quello che fa la differenza in azienda. Un modello che risponde «questa informazione non è nei documenti che mi hai fornito» è enormemente più utile di uno che ricostruisce una risposta plausibile basandosi su come stavano le cose un anno fa.

I cutoff dichiarati oggi

Le documentazioni ufficiali riportano date diverse anche fra modelli della stessa famiglia. Dati verificati il 19 agosto 2026.

La riga di Haiku 4.5 merita attenzione: è di oltre un anno più vecchia delle altre. Su un compito di estrazione dati non cambia nulla, perché l'informazione sta nel documento. Su una domanda che richiede conoscenza del mondo, la differenza è sostanziale.

È un buon esempio del principio generale: il cutoff conta solo per i compiti che dipendono dalla conoscenza interna del modello. Per tutto ciò che si basa sui documenti che fornisci tu, è irrilevante.

Come progettare intorno al vincolo

Nei sistemi ben fatti la conoscenza interna del modello non viene usata come fonte. Viene usata la sua capacità di leggere, collegare e riformulare — che non ha data di scadenza — mentre i fatti arrivano da una base documentale controllata e aggiornata.

Questa impostazione ha un effetto collaterale prezioso: rende il sistema verificabile. Se ogni risposta cita il documento da cui proviene, chi legge può controllare. E il problema del cutoff, insieme a buona parte del problema delle risposte inventate, smette di esistere.

Tre casi dove il cutoff decide

Assistente sulle procedure interne. Il cutoff è irrilevante. Le procedure sono tue, gliele fornisci tu, e il modello non deve sapere nulla del mondo esterno per rispondere bene.

Risposte a domande su normativa fiscale. Qui il cutoff è critico. Una risposta basata sulla conoscenza interna può riferirsi a regole cambiate nel frattempo, e nessuno se ne accorge perché la forma della risposta è impeccabile. L'unica impostazione accettabile è quella che obbliga il modello a citare il testo che sta usando.

Analisi di documenti aziendali. Cutoff irrilevante per i contenuti, rilevante solo se il documento presuppone conoscenze esterne recenti. Nella maggior parte dei casi non è un problema.

Il criterio che separa i tre casi è sempre lo stesso: da dove viene l'informazione. Se viene dal documento, la data non conta; se viene dal modello, conta moltissimo.

Perché i cutoff sono diversi anche nella stessa famiglia

Può sembrare incoerente che modelli dello stesso fornitore, disponibili contemporaneamente, dichiarino date limite distanti anche più di un anno. La spiegazione è che ogni modello ha il proprio ciclo di addestramento: un modello leggero rimasto in catalogo perché continua a fare bene il suo mestiere conserva il cutoff dell'epoca in cui è stato costruito.

Non significa che sia peggiore. Significa che il criterio per sceglierlo non deve essere la conoscenza del mondo. Su compiti di classificazione o estrazione, dove tutto ciò che serve sta nel documento fornito, un modello con cutoff più vecchio può essere la scelta migliore proprio perché costa meno e risponde prima.

Come applicarlo in azienda

La regola operativa che risolve il problema alla radice è una: non usare la conoscenza interna del modello come fonte dei fatti.

Nei sistemi ben progettati il modello mette la capacità di leggere, collegare e riformulare — che non ha data di scadenza — mentre i fatti arrivano da una base documentale che controlli tu e che tieni aggiornata. Con questa impostazione il cutoff diventa quasi irrilevante e sparisce buona parte del problema delle risposte inventate.

In pratica significa quattro cose: fornire i documenti aggiornati nel contesto della richiesta, chiedere di citare la fonte di ogni affermazione, istruire il modello a dichiarare quando l'informazione non è presente, ed escludere dalla risposta automatica le categorie in cui un errore avrebbe conseguenze — normativa, scadenze, importi, impegni verso clienti.

Il beneficio collaterale di questa impostazione è che rende il sistema verificabile: se ogni risposta cita il documento da cui proviene, chiunque in azienda può controllare in dieci secondi. È la stessa disciplina descritta in finestra di contesto: quanto conta davvero, applicata all'attualità invece che alla lunghezza.

Se vuoi un assistente che risponda dai tuoi documenti aggiornati invece che dalla memoria di un modello, Giallo Studio progetta agenti e automazioni su misura.

Tre letture per chiudere il quadro. Se stai ancora scegliendo la fascia, il criterio operativo è in quando basta un modello economico. Per il calcolo della spesa reale — quella che comprende contesto ripetuto, tentativi falliti e revisione umana — il riferimento è costo per task o prezzo per token. E quando il traffico è disomogeneo, l’impostazione che dà il miglior rapporto fra qualità e costo è descritta in strategia a modello misto: leggero e potente.

Conclusione

Il knowledge cutoff è una specifica onesta che i vendor dichiarano e che quasi nessuno guarda. Conta poco quando il modello lavora sui tuoi dati, e conta molto quando ti aspetti che conosca il mondo di oggi.

La regola pratica: non scegliere il modello per la data, progetta il sistema perché l'informazione arrivi da te. È più economico e invecchia meglio.

Se vuoi capire quali processi della tua azienda possono essere automatizzati con l'AI, Giallo Studio può aiutarti a trasformare il problema in un workflow reale.

Schema consigliato: Article + FAQPage + BreadcrumbList