Fechas de corte de conocimiento de la IA: cada LLM importante actualizado para 2026

Última actualización: noviembre de 2026. Esta página se revisa y actualiza mensualmente.

Un corte de conocimiento es la última fecha incluida en los datos de entrenamiento de un LLM. A noviembre de 2026, los cortes publicados más recientes son de junio de 2026: GPT-6.1 Terra (1 de junio de 2026) y toda la gama actual de Anthropic, Claude Fable 5.1, Opus 5.5, Sonnet 5.5 y Haiku 5.5. Modelos más antiguos como GPT-4o, todavía vivos en integraciones de API, tienen un corte de octubre de 2023.

Cualquier cosa publicada después del corte de un modelo es invisible para él a menos que busque en la web. Una entrada de blog de enero de 2025 no existe para GPT-4o, pero sí existe para GPT-5.5. Modelos distintos, conocimientos distintos. Por eso una herramienta de visibilidad en IA hace seguimiento de tu marca por modelo, no solo por plataforma.

A continuación tienes el desglose completo del corte de conocimiento y las capacidades de acceso a la web de cada LLM importante.

Comparación rápida: ¿qué modelo sabe más?

Todas las fechas de corte de conocimiento por proveedor

Las fechas de corte se basan en información disponible públicamente y pueden cambiar a medida que los proveedores actualizan los modelos. Los modelos con acceso a internet pueden recuperar información más allá de su corte, aunque el conocimiento del entrenamiento y el conocimiento recuperado difieren en fiabilidad.

OpenAI (GPT)

Fuente: documentación de modelos de OpenAI

Anthropic (Claude)

Anthropic distingue entre un corte de datos de entrenamiento (el rango completo de datos utilizados) y un corte de conocimiento fiable (la fecha hasta la cual el conocimiento es más preciso). A veces el corte fiable es unos meses anterior al corte de datos de entrenamiento.

Fuente: documentación de modelos de Anthropic

Las cuatro primeras filas son los modelos actuales de Anthropic, lanzados entre el 1 de septiembre y el 7 de octubre de 2026, y los cuatro comparten un corte de junio de 2026. Todo lo que hay debajo, de Claude Opus 5 hacia abajo, figura ahora como heredado (legacy) en la documentación de Anthropic: sigue disponible, pero ya está superado.

Google (Gemini)

Fuentes: documentación de modelos de Google, ficha del modelo Gemini 3.8 Flash, obsolescencias de la API de Gemini

Las fichas de modelo de Gemini 3.6, 3.7 y 3.8 Flash incluyen una advertencia que conviene conocer: el corte de marzo de 2026 no se aplica por igual. Google indica que en algunos ámbitos los usuarios pueden esperar información actualizada, mientras que en otros el conocimiento del modelo puede limitarse a enero de 2025, en línea con el resto de la familia Gemini 3. Una única fecha de corte es una simplificación para estos modelos.

Gemini 4 ya está aquí. Google presentó Gemini 4 Argon el 30 de septiembre de 2026 para un grupo reducido de especialistas en ciberdefensa y lo abrió a los desarrolladores en el nivel de pago de la API de Gemini el 13 de octubre. Gemini 4 Carbon llegó el 28 de octubre, por ahora solo para especialistas en ciberdefensa seleccionados. Google no ha publicado un corte de conocimiento para ninguno de los dos, así que la tabla indica "No publicado" en lugar de adivinar.

xAI (Grok)

Fuente: documentación de modelos de xAI

xAI publica cortes para Grok 4.6 y 4.7, pero nunca lo ha hecho para Grok 4.5 y anteriores, así que la columna indica "No publicado" en lugar de adivinar. En la práctica Grok se apoya en la recuperación en vivo desde X y la web, lo que hace que el corte de entrenamiento pese menos que en modelos sin búsqueda nativa.

Meta (Muse y Llama)

Fuentes: documentación de modelos de Meta, anuncio de Muse Wonder, anuncio de Muse Spark Open

Meta no ha lanzado un nuevo Llama desde abril de 2025, y el tan prometido Llama 4 Behemoth nunca se lanzó. En abril de 2026 Meta dio un giro hacia un modelo de pesos cerrados, Muse Spark, bajo su división Superintelligence Labs, y volvió a los pesos abiertos en agosto de 2026 con Muse Glimmer: unos 30B parámetros bajo licencia Apache 2.0, destilado de Muse Spark, lo bastante pequeño para ejecutarse en una sola GPU de consumo, con un corte de conocimiento del 4 de enero de 2026.

Octubre trajo tres más. Muse Wonder y Muse Wonder Full llegaron el 12 de octubre a través de la Meta Model API y Muse Code. Muse Spark Open llegó el 15 de octubre: una versión de pesos abiertos de Muse Spark con 816B parámetros en total (42B activos) y un contexto de 1M tokens, publicada bajo la Muse Model License, que incluye condiciones comerciales limitadas. Meta no ha publicado un corte de conocimiento para ninguno de los tres.

Para quien ejecuta modelos en local o ajustados, este es el cambio relevante de 2026: la opción de pesos abiertos pasó de conocimiento de mediados de 2024 a enero de 2026 en un solo lanzamiento. La línea Llama sigue congelada.

Perplexity

Fuente: documentación de modelos de Perplexity

Microsoft Copilot

Fuente: documentación de modelos de Microsoft

DeepSeek

Fuentes: documentación de modelos de DeepSeek, notas de versión de DeepSeek

DeepSeek no publica oficialmente las fechas de corte. Su tan rumoreado modelo de razonamiento R2 sigue sin lanzarse a noviembre de 2026.

Mistral

Fuentes: documentación de modelos de Mistral, página del modelo Mistral Large 4

La brecha de conocimiento (noviembre de 2026)

La brecha entre los modelos más frescos y los más desactualizados sigue ampliándose. Esto es lo que significa en la práctica:

GPT-4o tiene una brecha de 37 meses. Su corte de octubre de 2023 significa que todo lo de finales de 2023 en adelante falta en su entrenamiento. OpenAI lo retiró de ChatGPT en febrero de 2026, pero sigue funcionando dentro de muchas integraciones de API y herramientas de terceros que nunca se actualizaron.

Llama 4 tiene una brecha de más de dos años. Con un corte de agosto de 2024 y sin acceso a la web, cada herramienta construida todavía sobre el Llama de código abierto funciona con conocimiento congelado, y eso es una parte considerable de los despliegues locales y de ajuste fino. Muse Glimmer de Meta ofrece ahora a esos despliegues una vía de pesos abiertos hacia conocimiento de enero de 2026, pero solo para los equipos que migren.

En el otro extremo, los datos de entrenamiento están más frescos que nunca: GPT-6.1 Terra y los cuatro modelos actuales de Claude tienen datos hasta junio de 2026, Grok 4.7 hasta mayo de 2026, Gemini 3.8 Flash hasta marzo de 2026 y Muse Glimmer, el modelo de pesos abiertos de Meta, hasta enero de 2026. Los modelos de frontera ahora van meses, no años, por detrás del presente.

La conclusión: tu visibilidad en las respuestas de IA depende del modelo que use la persona. Podrías aparecer en GPT-6.1 Terra y Claude Opus 5.5 y estar completamente ausente en Llama o en una integración basada en GPT-4o.

Qué significa realmente "corte de conocimiento"

Un corte de conocimiento es la última fecha incluida en los datos de entrenamiento del modelo. Todo lo que el modelo "sabe" proviene del texto con el que se entrenó hasta ese punto. Después del corte, el modelo adivina, se apoya en patrones o busca en la web.

Tres cosas que la gente entiende mal sobre esto:

Los datos de entrenamiento no incluyen todo lo que se publicó. Incluso dentro del periodo de corte, es posible que el modelo no haya visto tu contenido. Que tu página se incluyera o no depende de la frecuencia de rastreo, la autoridad del dominio, cómo se curaron los datos y si tu sitio deja entrar siquiera a rastreadores de IA como GPTBot y ClaudeBot. Ejecuta una auditoría web para ver exactamente qué pueden y qué no pueden rastrear los rastreadores de IA en tu sitio. Haber publicado antes del corte no garantiza la inclusión.

El acceso a internet no es lo mismo que el conocimiento. Cuando GPT-5.5 o Gemini buscan en la web, recuperan información en tiempo real. Pero la procesan de forma distinta a su entrenamiento principal. Las respuestas recuperadas de la web tienden a ser más literales y a veces menos precisas que las respuestas de los datos de entrenamiento. El modelo conoce sus datos de entrenamiento; lee la web.

Las fechas de corte son aproximadas. Los proveedores dan un mes, no un día específico. A menudo hay un intervalo entre el momento en que termina la recopilación de datos y el momento en que se lanza el modelo. Distintos tipos de datos (noticias, artículos académicos, redes sociales) pueden tener cortes efectivos diferentes dentro del mismo modelo.

Cómo afectan los cortes de conocimiento a la visibilidad en la búsqueda con IA

Si te importa cómo aparece tu marca en ChatGPT, Perplexity, Gemini o Copilot, las fechas de corte afectan directamente a si eres visible siquiera.

Tu contenido podría no existir todavía

Una entrada de blog publicada en noviembre de 2025 es invisible para cualquier modelo con un corte anterior. Los modelos sin navegación web no pueden verla en absoluto. Los modelos con navegación pueden encontrarla, pero solo cuando deciden buscar, lo cual no ocurre en cada consulta.

La frescura del contenido por sí sola no es una estrategia de GEO. Necesitas contenido lo bastante fresco como para que los modelos con navegación lo encuentren, y lo bastante autoritativo como para incluirse en futuros datos de entrenamiento.

Cada plataforma ve un internet diferente

Perplexity y Gemini siempre buscan en la web. La navegación de ChatGPT se activa de forma selectiva. Claude usa herramientas para el acceso a la web, pero no navega de forma predeterminada.

La misma pregunta hecha en distintas plataformas de IA puede producir respuestas tremendamente diferentes sobre tu marca. Una podría extraer de los datos de entrenamiento, otra de la búsqueda en vivo. Tu share of voice puede variar drásticamente entre plataformas por esta razón.

Los datos de entrenamiento son el juego a largo plazo

Cuando un modelo responde de memoria (sin búsqueda web), tu visibilidad depende por completo de lo que había en los datos de entrenamiento. Si tu contenido se publicó, era autoritativo y estaba bien citado antes del corte, apareces. Si no, eres invisible.

Este es el juego a largo plazo: producir contenido lo bastante sólido como para incluirse en el próximo ciclo de entrenamiento. Herramientas como Temso te ayudan a hacer seguimiento de cómo aparece tu marca en cada plataforma de IA para que puedas ver dónde eres visible y dónde no.

Cómo comprobar la fecha de corte de cualquier LLM

Dos métodos funcionan con cualquier modelo:

Pregunta directamente. Escribe "¿Cuál es tu fecha de corte de conocimiento?" La mayoría de los modelos responden esto con precisión.

Prueba con un evento conocido. Pregunta por algo con una fecha específica, como una adquisición importante o el resultado de unas elecciones. Si el modelo no lo sabe, su corte es anterior al evento.

¿Qué modelos de IA pueden buscar en la web?

El acceso a internet varía mucho. No todos los modelos con "acceso a la web" lo usan de la misma manera.

Búsqueda permanente (tiempo real): Perplexity busca en la web en cada consulta y cita sus fuentes. Gemini está integrado de forma nativa con Google Search. Grok extrae continuamente de X y de la web en general.

Navegación a demanda: ChatGPT activa su búsqueda incorporada cuando el modelo o el usuario deciden que es necesaria. Copilot tiene la integración de Bing incorporada.

Acceso basado en herramientas: Claude puede usar herramientas web cuando están disponibles, pero no navega de forma predeterminada en el modo de chat estándar.

Sin acceso a la web: Llama, DeepSeek, Mistral y otros modelos de código abierto suelen funcionar sin acceso a internet. Los despliegues pueden añadirlo, pero los modelos base no lo tienen.

¿Con qué frecuencia cambian los cortes de conocimiento?

OpenAI ahora lanza nuevos modelos cada uno a tres meses. GPT-5.2 a GPT-6.1 Terra llegaron todos entre diciembre de 2025 y octubre de 2026, moviendo el corte publicado más reciente de OpenAI de septiembre de 2024 al 1 de junio de 2026.

Anthropic actualiza con cada generación de modelos. Su gama actual, lanzada entre septiembre y octubre de 2026, tiene datos de entrenamiento hasta junio de 2026, a la par con GPT-6.1 Terra como el corte más reciente de cualquier modelo importante.

Google actualiza Gemini con frecuencia y mantiene acceso casi en tiempo real mediante la integración con Search. Gemini 3.8 Flash, lanzado en septiembre de 2026, tiene un corte de marzo de 2026, aunque Google advierte que algunos ámbitos se quedan en enero de 2025. Google no ha publicado un corte para Gemini 4 Argon ni para Gemini 4 Carbon.

xAI lanzó Grok 4.7 en septiembre de 2026 con un corte de mayo de 2026, después de Grok 4.6 en agosto y Grok 4.5 en julio. En cualquier caso, Grok se apoya en datos en tiempo real de X y la web.

Meta se reactivó. Ningún Llama nuevo se ha lanzado desde abril de 2025, lo que deja esa línea en un corte de agosto de 2024, pero el modelo de pesos abiertos Muse Glimmer llegó en agosto de 2026 con un corte del 4 de enero de 2026, y Muse Spark Open lo siguió en octubre sin un corte publicado.

Preguntas frecuentes

¿Cuál es el corte de conocimiento de ChatGPT?

GPT-5.5, que pasó a ser el modelo predeterminado de ChatGPT en mayo de 2026, tiene un corte de diciembre de 2025. El corte publicado más reciente de OpenAI es el de GPT-6.1 Terra, el 1 de junio de 2026. GPT-4o, todavía usado en muchas integraciones de API, tiene un corte de octubre de 2023. ChatGPT puede buscar en la web para cubrir la brecha.

¿Qué LLM tiene el conocimiento más reciente?

Para información en tiempo real, Perplexity y Gemini buscan en la web de forma nativa. Para conocimiento basado en entrenamiento, lideran GPT-6.1 Terra (1 de junio de 2026) y los modelos actuales de Claude de Anthropic (junio de 2026), seguidos de Grok 4.7 (mayo de 2026) y Gemini 3.8 Flash (marzo de 2026).

¿La navegación web hace irrelevante el corte?

No. Los modelos recurren por defecto al conocimiento del entrenamiento y solo buscan en la web cuando se activa. Los datos de entrenamiento son más profundos y fiables que la información recuperada de la web.

¿Cuál es la diferencia entre "corte de conocimiento" y "corte de datos de entrenamiento"?

La mayoría de los proveedores los usan indistintamente. Anthropic es la excepción: su corte de datos de entrenamiento es el rango completo de datos, mientras que su corte de conocimiento fiable es la fecha hasta la cual el conocimiento es más preciso (a veces unos meses antes).

¿Qué pasa si mi contenido se publicó después del corte de un modelo?

Los modelos con navegación (ChatGPT, Gemini, Perplexity) pueden encontrarlo mediante la búsqueda web. Los modelos sin navegación no pueden verlo en absoluto. Tu visibilidad depende tanto de la frescura del contenido como de las capacidades del modelo.

¿Por qué la misma pregunta obtiene respuestas distintas en modelos de IA distintos?

Cada modelo tiene datos de entrenamiento distintos, cortes distintos y capacidades de navegación distintas. Una pregunta sobre las "últimas herramientas de IA" obtiene una respuesta de 2023 de GPT-4o y una respuesta de 2026 de GPT-5.5.

¿Con qué frecuencia actualizan las empresas los cortes de sus modelos?

OpenAI ahora lanza nuevos modelos cada uno a tres meses. Anthropic actualiza con cada generación. Google lanza actualizaciones de Gemini varias veces al año. Meta no ha actualizado Llama desde abril de 2025.

¿Qué modelos de IA tienen acceso a la web?

Perplexity, Gemini y Grok siempre buscan en la web. ChatGPT y Copilot buscan a demanda. Claude usa herramientas para el acceso a la web cuando están disponibles. Llama y otros modelos de código abierto normalmente no tienen acceso a la web a menos que tú lo añadas.