TheDrummer: Cydonia 24B V4.1

TheDrummer: Cydonia 24B V4.1 är en textmodell från TheDrummer, släppt av leverantören 2025-09-27. Den beskrivs som en ocensurerad och kreativ skrivmodell baserad på Mistral Small 3.2 24B, med bra minne, promptföljsamhet och intelligens. Den tillhör kategorin text, så den är inriktad på språkuppgifter snarare än bilder, ljud eller andra modaliteter.

Modellen tar text som indata och returnerar text som utdata. Den har ett kontextfönster på 131072 tokens, vilket är tillräckligt stort för att rymma långa dokument, utökade konversationer eller omfattande referensmaterial i en enda förfrågan. Den maximala utdatan är 117964 tokens, så långformiga genereringar är möjliga inom det fönstret. Dess kunskapsgräns är 2024-04-30, vilket innebär att dess inbyggda kunskap inte sträcker sig förbi det datumet.

Eftersom den är byggd för kreativt skrivande och ocensurerad utdata följer de praktiska användningsområdena av det fokuset. Den passar för skönlitterärt och narrativt utkastarbete, karaktärsdialog, världsbyggande och annan öppen prosa där en tillåtande modell är användbar. Dess promptföljsamhet och minne gör den också rimligt lämplig för uppgifter som kräver att detaljerade instruktioner följs över långa indata, såsom omskrivning, stilmatchnings eller att arbeta igenom en lång brief. Det stora kontextfönstret stödjer projekt i flera delar där tidigare material behöver finnas kvar i sikte.

Du kan anropa den via api14's OpenAI-kompatibla API med modell-id:t "thedrummer/cydonia-24b-v4.1". De stödda förfrågningsparametrarna är frequency_penalty, logit_bias, logprobs, max_tokens, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_k, top_logprobs och top_p. Dessa täcker samplingkontroller, straff, deterministisk seedning, stoppsekvenser och strukturerad utdata, så du kan finjustera genereringsstilen och begränsa svaren där det behövs.

Ha kunskapsgränsen i åtanke: för frågor om händelser efter 2024-04-30 kommer modellen inte att ha tillförlitlig inbyggd kunskap, och du skulle behöva tillhandahålla den informationen i prompten. Om din uppgift är beroende av mycket färska fakta eller av andra modaliteter än text kan en annan modell passa bättre. För textgenerering inom dess kontext- och utdatagränser är den ett enkelt alternativ att testa mot dina egna prompter.