TheDrummer: Cydonia 24B V4.1

TheDrummer: Cydonia 24B V4.1 to model tekstowy od TheDrummer, wydany przez dostawcę 2025-09-27. Jest opisywany jako nieocenzurowany model do twórczego pisania oparty na Mistral Small 3.2 24B, z dobrą pamięcią, trzymaniem się podpowiedzi i inteligencją. Należy do kategorii tekstowej, więc jest przeznaczony do zadań językowych, a nie do obrazów, dźwięku lub innych modalności.

Model przyjmuje tekst jako dane wejściowe i zwraca tekst jako dane wyjściowe. Ma okno kontekstu wynoszące 131072 tokeny, co jest wystarczająco duże, aby pomieścić długie dokumenty, rozbudowane rozmowy lub znaczny materiał referencyjny w jednym żądaniu. Maksymalne wyjście to 117964 tokenów, więc długie generacje są możliwe w tym oknie. Jego data odcięcia wiedzy to 2024-04-30, co oznacza, że jego wbudowana wiedza nie wykracza poza tę datę.

Ponieważ jest zbudowany do twórczego pisania i nieocenzurowanego wyjścia, praktyczne zastosowania wynikają z tego ukierunkowania. Nadaje się do szkicowania fikcji i narracji, dialogów postaci, budowania świata oraz innej otwartej prozy, gdzie przydatny jest permisywny model. Jego trzymanie się podpowiedzi i pamięć sprawiają również, że rozsądnie nadaje się do zadań wymagających przestrzegania szczegółowych instrukcji przy długich danych wejściowych, takich jak przepisywanie, dopasowywanie stylu lub praca z długim briefem. Duże okno kontekstu wspiera projekty wieloczęściowe, w których wcześniejszy materiał musi pozostać widoczny.

Możesz go wywołać przez API zgodne z OpenAI w api14, używając identyfikatora modelu "thedrummer/cydonia-24b-v4.1". Obsługiwane parametry żądania to frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k, top_logprobs i top_p. Obejmują one kontrolę próbkowania, kary, deterministyczne ziarno, sekwencje stop oraz wyjście strukturalne, więc możesz dostroić styl generowania i ograniczyć odpowiedzi tam, gdzie to potrzebne.

Pamiętaj o dacie odcięcia wiedzy: w przypadku pytań o zdarzenia po 2024-04-30 model nie będzie miał niezawodnej wbudowanej wiedzy i trzeba będzie dostarczyć te informacje w podpowiedzi. Jeśli twoje zadanie zależy od bardzo świeżych faktów lub od modalności innych niż tekst, inny model może pasować lepiej. Do generowania tekstu w ramach jego kontekstu i limitów wyjścia jest to prosta opcja do przetestowania na własnych podpowiedziach.