今晚 三百多赞的一条小推给今晚 LLM 这一层加了一块新的认识：DeepSeek 知识库截止 2025 年，但不知道雅可比猜想已经被证伪——而这一数学结论在 2024 年就公布了。
今晚这件事单独看是 DeepSeek 的一个 bug，但放到 LLM 知识截止这一问题上，是今晚 LLM 知识截止从"训练数据新旧"变成"训练数据是否被学到"的一个新转折点。LLM 知道一个事实和训练数据里有这一事实，不是一回事——LLM 的"知识截止"问题，从今晚开始需要把"训练数据截止日期"和"模型是否学到"分开看。
把这条放到今晚模型这条线收口的位置上，意义会更清楚。今晚模型这条线讲了太多条——Anthropic+OpenAI 新模型发布节奏从每 10 周压到每 11 天（61740 那篇）、GLM 5.3 Flash 在 ARC-AGI 上 65.8%、Qwen-Image-Layered 把 AI 生图从一次性输出变成可编辑结构、Anthropic 公开研究 GLM 在网络安全方向的能力扩散（61576 那篇）、清华 OpenBMB 开源 VoxCPM2（61728 那篇）、Meta CLM 把 context 当可编辑文件（61795 那篇）、Google RRSI 让 agent 自改进 harness（61803 那篇）。
今晚这一串都在讲"模型能力提升"——但 Brosianes 这条今天给了完全另一面的观察：模型能力提升的同时，模型是否真的"知道"一个事实，可能和模型能力提升的方向不完全一致。今晚这事单一数据点不一定严重，但今晚这一观察的角度很新。
把这条放到今晚更大范围的"LLM 边界"这条线收口的位置上，意义还会再清楚一些。今晚 LLM 这条线讨论的边界有几条——Claude Code auto mode classifier 失效（61553 那篇）、AI 审 AI 失效（61556 那篇）、Avichawla 的四层框架里 Loop 层的"什么时候停止"问题、MCP Events 跨 agent 事件的信任问题。
今晚 Brosianes 这条加进去之后，今晚 LLM 这一层就多了一个具体可观测的边界——模型在应该知道的范围内说不知道。这件事比"训练数据截止日期"更难解决：截止日期问题是数据问题，可以靠更新数据解决；模型是否真正学到了训练数据里的事实，是模型能力问题，需要更长时间才能解决。
今晚这种"模型不知道训练数据里有"的边界，每一家 AI 公司今晚都在面对——OpenAI、Anthropic、DeepSeek 都不例外，只是今晚 Brosianes 给的 DeepSeek 这一个具体例子。
留一格清楚的边界：单条 122 字的小推，具体能"证伪"的程度需要更详细的实验——同一类问题（LLM 训练数据里应该有但实际不知道）今晚没有系统性研究，今晚 Brosianes 这一条只是一个具体案例。
今晚讨论这件事时把"一个具体例子"和"LLM 整体能力"分开读，更稳。今晚这事需要更多同类型的例子才能下结论，今晚 Brosianes 这一条本身已经足够让人重视。
给今天就在用 LLM 的你一句落地的：今天做一件事——你下周打算用 LLM 处理的某个问题里，挑一个里面涉及具体事实的部分，试着问 LLM 不联网模式，再自己去查证一下。今晚这件事做完，你会发现 LLM 知识截止比你想的更复杂——不是"训练数据旧"那种一刀切，而是"具体某个事实 LLM 没学到"那种零散。
今晚这件事的意义不在证明 LLM 没用——LLM 仍然是今天效率最高的工具——但今晚这件事让"用 LLM 之前先查证"变成 LLM 时代的基本功。今晚这件事落地的动作是：你下周用 LLM 写一段分析、写一段总结、写一段代码——写完之前先去查证关键事实、写完之后让另一个 LLM 检查一遍、自己再读一遍——三件事做完，LLM 输出的错误率会下降一个数量级。
今晚这件事落地的另一面是：你下周用 LLM 时对联网/不上网/开搜索的选择会更谨慎——有些任务不开联网是必要的，但开不开联网要看你对结论错误率的容忍度。今晚这件事如果你今晚看完，今晚动手时再也不会觉得"LLM 说的应该是对的"。
