지식 컷오프는 AI 모델이 학습한 정보의 기준 시점입니다. 검색이나 외부 자료 없이 답한다면, 이후에 생긴 사건을 모르거나 이미 바뀐 정보를 과거 상태로 설명할 수 있습니다.
모든 학습 자료가 그 날짜까지 갱신됐다는 뜻은 아닙니다. 컷오프 이전의 정보라도 학습에 포함되지 않았거나 모델이 정확히 답하지 못할 수 있습니다.
컷오프가 의미하는 것과 보장하지 않는 것
| 판단 | 맞는 설명 |
|---|---|
| 컷오프 이후 사건 | 모델이 모르거나 과거 정보로 답할 수 있음 |
| 컷오프 이전 사건 | 알고 있을 가능성은 있지만 정확성을 보장하지 않음 |
| 오늘 날짜 | 서비스가 시스템 정보로 따로 전달할 수 있음 |
| 웹 검색을 사용한 답변 | 컷오프 이후 정보도 찾을 수 있지만 검색과 해석 오류가 남음 |
| 업로드한 파일을 읽은 답변 | 모델 지식에 없던 자료도 현재 대화 안에서 사용할 수 있음 |
예를 들어 지식 컷오프가 2025년 1월인 모델은 2026년에 회사 대표가 바뀌어도, 검색 없이 답할 때 이전 대표를 말할 수 있습니다. 웹 검색으로 회사의 현재 소개 페이지를 읽으면 바뀐 정보를 답변에 반영할 수 있지만, 과거 보도자료를 잘못 골랐다면 여전히 이전 대표를 답할 수 있습니다.
지식 컷오프와 헷갈리는 용어
| 용어 | 뜻 |
|---|---|
| 지식 컷오프 | 모델의 내장 지식 범위를 설명하는 기준 시점 |
| 모델 출시일 | 모델이 공개되거나 서비스에 제공되기 시작한 날 |
| 현재 날짜 | 서비스가 시스템 정보로 모델에 알려줄 수 있는 오늘 날짜 |
| 컨텍스트 윈도우 | 한 번의 요청에서 모델이 처리할 수 있는 토큰 수의 한도 |
| 웹 검색 | 답변하는 시점에 외부 웹페이지를 찾는 기능 |
| 파일 검색 | 사용자가 올리거나 연결한 문서에서 정보를 찾는 기능 |
모델 출시일과 지식 컷오프는 서로 다른 날짜입니다. 컨텍스트 윈도우도 한 번에 읽는 정보량을 뜻하므로 크기가 커졌다고 학습 지식이 최신으로 바뀌지는 않습니다.
모델과 AI 서비스의 차이
GPT, Claude, Gemini 모델에는 각각 학습 지식의 범위가 있습니다. ChatGPT, Claude 앱, Gemini 앱은 모델에 웹 검색, 파일 업로드, 연결 앱 같은 기능을 더해 제공합니다.
같은 서비스에서도 선택한 모델에 따라 컷오프가 다르고, 웹 검색이나 파일을 사용하면 답변에 담을 수 있는 정보도 달라집니다. “ChatGPT의 컷오프”처럼 서비스 이름만으로 날짜를 정하기보다 사용한 모델과 외부 자료를 구별해야 합니다.
2026년 9월 9일 확인한 공식 문서에서도 모델별 기준 시점은 다릅니다.
- Claude Fable 5.1은 2026년 6월, Opus 5는 2026년 5월까지의 데이터로 학습했다고 안내합니다. Sonnet 5와 Fable 5의 기준은 2026년 1월입니다.
- Gemini 3 모델의 지식 컷오프는 2025년 1월입니다. Google은 이후 정보가 필요하면 Google Search 그라운딩을 사용하도록 안내합니다.
- OpenAI는 API 모델별 소개 페이지에 지식 컷오프를 표시합니다. ChatGPT에서 검색을 사용하면 해당 모델의 컷오프와 별개로 웹 정보를 가져올 수 있습니다.
모델이 바뀌면 기준 시점도 달라질 수 있습니다. 모델이 스스로 설명한 컷오프보다 제공사의 공식 모델 페이지를 우선 확인합니다.
컷오프 이후 정보를 보완하는 경로
웹 검색
서비스가 답변 시점에 웹페이지를 찾아 내용을 가져옵니다. 최신 뉴스와 가격, 현재 직책처럼 자주 바뀌는 정보를 확인할 때 쓰는 방법입니다. 검색결과에 오래된 페이지도 포함될 수 있으므로 출처의 날짜와 실제 내용을 대조해야 합니다.
업로드한 파일과 연결 데이터
컷오프 이후 작성한 PDF나 사내 문서를 제공하면 모델이 그 내용을 참고해 답할 수 있습니다. 연결한 자료에서 질문과 관련된 구간을 찾아 생성에 제공하는 방식은 RAG에 해당합니다. 이때 자료를 입력으로 읽는 것과 모델 자체를 다시 학습시키는 것은 다른 작업입니다.
모델 업데이트
새 모델은 더 최근 자료를 학습했을 수 있습니다. 다만 특정 웹페이지나 회사 정보가 포함됐는지는 외부에서 확인하기 어렵습니다. 모델 출시만으로 원하는 사실을 학습했다고 판단할 수는 없습니다.
최신 정보가 필요한 질문의 확인 순서
- 서비스 화면에 표시된 모델 이름을 공식 모델 문서와 대조해 지식 컷오프를 찾습니다.
- 웹 검색이나 리서치가 실행됐는지, 파일이나 연결 앱의 자료를 읽었는지 확인합니다. 검색 기능이 켜져 있어도 모든 답변에서 검색하는 것은 아닙니다.
- 인용한 페이지를 열어 답변의 수치와 조건이 원문에 있는지 대조하고, 발행일과 수정일을 확인합니다.
- 가격과 직책, 정책처럼 바뀌는 정보라면 해당 기관의 현재 안내와도 비교합니다. 최근 날짜의 문서라도 오래된 사실을 인용했을 수 있습니다.
브랜드의 옛 정보가 계속 나올 때
AI가 이전 대표나 폐업한 지점, 과거 가격을 답했다면 어떤 자료를 참고했는지부터 찾습니다.
- 출처 페이지에 과거 정보가 남아 있다면 직접 관리하는 문서는 고치고, 외부 사이트에는 정정을 요청합니다.
- 검색 없이 답했다면 웹 검색을 사용한 답변과 비교합니다. 최신 원문을 제공했을 때 답이 바뀌는지도 살펴봅니다.
- 최신 공식 페이지를 검색에서 찾지 못한다면 해당 페이지의 크롤링과 색인 상태를 확인하고, 현재 정보가 본문에 분명하게 적혀 있는지 점검합니다.
공식 페이지를 고쳐도 모델의 내장 지식이 즉시 바뀌지는 않습니다. 수정 전후를 비교할 때는 모델과 질문, 검색 사용 여부와 인용된 URL을 기록해야 어느 조건에서 답이 달라졌는지 알 수 있습니다.
자주 묻는 질문
컷오프 이후 정보는 AI가 전혀 답할 수 없나요?
웹 검색과 파일, 연결된 데이터가 있다면 답할 수 있습니다. 이런 외부 정보가 없으면 모델의 내장 지식에 의존하므로 최신 정보에서 오류 가능성이 커집니다.
웹 검색이 붙으면 지식 컷오프는 의미가 없나요?
아니요. 모든 질문에서 검색이 실행되는 것은 아니고, 검색한 문서를 잘못 선택하거나 해석할 수도 있습니다. 검색 사용 여부와 출처를 함께 확인해야 합니다.
컷오프 날짜가 같으면 모델의 지식도 같은가요?
같지 않습니다. 학습 자료와 학습 방법, 모델의 크기가 다르기 때문에 같은 기간을 다뤄도 알고 있는 내용과 답변 정확도는 달라질 수 있습니다.
모델에게 컷오프 날짜를 직접 물어봐도 되나요?
모델이 말한 날짜가 공식 사양과 일치하는지 대조해야 합니다. 모델의 답변이 제공사의 최신 문서를 조회한 결과라고 보장할 수는 없습니다. 서비스에 표시된 모델 이름으로 공식 모델 페이지를 찾는 편이 정확합니다.
함께 알아두면 좋은 용어
- LLM: 대규모 데이터로 학습해 언어를 처리하고 텍스트를 생성하는 모델
- 할루시네이션: 근거에 없는 내용을 사실처럼 만들어내는 오류
- 컨텍스트 윈도우: 한 번의 요청에서 모델이 처리할 수 있는 토큰 수의 한도
- 그라운딩: 외부 근거를 답변에 연결하는 방식