Qué es una ventana de contexto
Una ventana de contexto es el espacio acotado disponible para un modelo mientras procesa una solicitud y genera una respuesta. Puede contener instrucciones, tu mensaje, turnos anteriores de la conversación, documentos adjuntos o recuperados, resultados de herramientas y texto generado.
Los proveedores miden esta capacidad en tokens. La forma exacta de contabilizarla varía. Una API puede describir un límite total de contexto, mientras que otra puede indicar un límite de entrada y un máximo de salida independiente. En cualquier caso, la ventana se refiere a la información disponible ahora, durante la inferencia. No es un almacén de hechos que el modelo conserve permanentemente.
Qué es una fecha de corte del conocimiento
Una fecha de corte del conocimiento de la IA es una fecha comunicada por el proveedor que resume cuán actual es el conocimiento incorporado mediante el entrenamiento del modelo. Se refiere a los patrones y hechos codificados en los pesos del modelo antes de su implementación.
Considera la fecha una guía, no una frontera nítida. Los datos de entrenamiento combinan fuentes recopiladas en distintos momentos. La cobertura también varía según el tema. Algunos proveedores distinguen entre la fecha hasta la cual el conocimiento se considera fiable y una fecha de corte más amplia de los datos de entrenamiento.
La distinción real
La ventana de contexto responde: ¿Cuánta información puede proporcionar esta solicitud al modelo?
La fecha de corte del conocimiento responde: ¿Cuán reciente es la información que el modelo puede conocer sin que se le proporcione una fuente?
Son propiedades independientes. Un modelo puede tener una ventana de contexto grande y una fecha de corte antigua. También puede tener una ventana más pequeña y una fecha de corte más reciente. Aumentar una no cambia la otra.
| Dimension | Context window | Knowledge cutoff |
|---|---|---|
| What it limits | Information available in one request | Recency of trained-in knowledge |
| Usually expressed as | A number of tokens | A date |
| Set mainly by | Model and API design | Training data and provider reporting |
| Changes when you paste a document | Available space is consumed | Does not change |
| Can include current information | Yes, if current material is supplied | Not by itself |
| Persists after the request | No; applications must save and resend needed material | Yes, as part of the deployed model's weights |
| Main practical question | Will the needed material fit and remain usable? | Should the model be trusted to know this without a current source? |
Un ejemplo práctico
Supongamos que un modelo hipotético tiene una ventana de contexto de 20 000 tokens y una fecha de corte del conocimiento declarada de diciembre de 2025.
Preguntas sobre una política publicada en marzo de 2026, pero no proporcionas ninguna fuente. La solicitud cabe fácilmente en la ventana de contexto. El problema probable es la fecha de corte del conocimiento: es posible que el modelo no tenga conocimiento incorporado de esa política.
Luego pegas una copia de 2 000 tokens de la política. Ahora el modelo puede analizar información posterior a la fecha de corte porque el texto está dentro de la ventana de contexto actual. Su fecha de corte del conocimiento no ha cambiado. El modelo ha recibido evidencia temporal para esta solicitud.
Ahora supongamos que los documentos relevantes suman 25 000 tokens. Su fecha de publicación ya no es la restricción inmediata. La restricción es la ventana de contexto. Debes seleccionar, dividir, comprimir, resumir o recuperar el material más relevante.
Esto produce un diagnóstico sencillo:
- Al modelo le falta un hecho reciente, pero puedes proporcionárselo: usa la ventana de contexto.
- El material necesario no cabe: administra el presupuesto de la ventana de contexto.
- El modelo debe responder usando hechos actuales y un conjunto amplio de evidencias: importan ambos límites.
Cuándo importa cada uno
La ventana de contexto importa cuando trabajas con documentos largos, conversaciones extensas, bases de código grandes, muchos resultados de herramientas o evidencias recuperadas. Determina cuánto se puede presentar de una vez y cuánto espacio queda para la respuesta.
La fecha de corte del conocimiento importa cuando una pregunta depende de eventos, normas, precios, personas, investigaciones, software u otros hechos que cambian con el tiempo. Una fecha de corte debería impulsarte a buscar una fuente actual. No debe interpretarse como una garantía de que todos los hechos anteriores estén presentes o sean correctos.
Ambas importan en los sistemas que usan búsqueda o recuperación. La búsqueda puede obtener material actual, pero ese material todavía debe entrar en la ventana de contexto. Después, el modelo debe identificarlo y utilizarlo correctamente. La recuperación sortea el conocimiento incorporado desactualizado; no vuelve a entrenar el modelo ni hace ilimitada la ventana.
Lo que la gente confunde
"Una ventana más grande proporciona más conocimiento al modelo." Una ventana más grande te da más espacio para proporcionar información. No añade hechos a los pesos del modelo.
"Un modelo nuevo conoce los eventos más recientes." La fecha de lanzamiento y la fecha de corte del conocimiento son independientes. Consulta la documentación del modelo y verifica después las afirmaciones sensibles al tiempo con fuentes actuales.
"La búsqueda web elimina la fecha de corte." La búsqueda proporciona al modelo texto reciente con el que trabajar. El conocimiento incorporado subyacente sigue teniendo una fecha de corte, y el modelo aún puede interpretar mal o ignorar la evidencia recuperada.
"Si el texto cabe, el modelo lo utilizará." La capacidad no equivale a la calidad de la atención. Las investigaciones sobre contextos largos han descubierto que los modelos pueden pasar por alto información relevante, especialmente cuando está enterrada en el centro de una entrada extensa.
"Todo lo anterior a la fecha de corte es conocido." Una sola fecha comprime un corpus de entrenamiento complejo en una única etiqueta. El conocimiento puede ser incompleto, desigual o erróneo a cualquiera de los lados de esa fecha.
Qué leer a continuación
Lee ¿Qué es una ventana de contexto? para conocer la mecánica de los presupuestos de tokens y las entradas largas. Lee ¿Qué es una fecha de corte del conocimiento de la IA? para saber cómo interpretar las fechas de corte y las respuestas sensibles al tiempo.