
Qwen: Qwen3.5-122B-A10B
qwen/qwen3.5-122b-a10b
The Qwen3.5 122B-A10B native vision-language model is built on a hybrid architecture that integrates a linear attention mechanism with a sparse mixture-of-experts model, achieving higher inference efficiency. In terms of overall performance, this model is second only to Qwen3.5-397B-A17B. Its text capabilities significantly outperform those of Qwen3-235B-2507, and its visual capabilities surpass those of Qwen3-VL-235B.
Proveedores
Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).
| 0,26 US$ | 2,08 US$ | -- | 0,48s | 132 tok/s | ||
| 0,26 US$ | 2,08 US$ | -- | 1,02s | 139 tok/s | ||
| 0,40 US$ | 3,20 US$ | -- | 1,12s | 92 tok/s | ||
| 0,30 US$ | 2,40 US$ | 0,30 US$ | 1,02s | 42 tok/s |
- Entrada 0,26 US$ / Salida 2,08 US$132 tok/s99,97 % de tiempo de actividad
- Entrada 0,26 US$ / Salida 2,08 US$139 tok/s98,12 % de tiempo de actividad
- Entrada 0,40 US$ / Salida 3,20 US$92 tok/s99,60 % de tiempo de actividad
- Entrada 0,30 US$ / Salida 2,40 US$42 tok/s83,93 % de tiempo de actividad
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Media ponderada
Qwen3.5-122B-A10B — Historial de precios
| 0,260 US$ | 2,08 US$ | 0,0 % | 9,1 % | ||
| 0,260 US$ | 2,08 US$ | 0,0 % | 59,9 % | ||
| 0,300 US$ | 2,40 US$ | 0,0 % | 17,7 % | ||
| 0,400 US$ | 3,20 US$ | 0,0 % | 13,3 % |
- En vigor en 0,260 US$ / Salida efectiva 2,08 US$Proporción de tókenes9,1 %
- En vigor en 0,260 US$ / Salida efectiva 2,08 US$Proporción de tókenes59,9 %
- En vigor en 0,300 US$ / Salida efectiva 2,40 US$Proporción de tókenes17,7 %
- En vigor en 0,400 US$ / Salida efectiva 3,20 US$Proporción de tókenes13,3 %
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
P50, el mejor entre los proveedores
P50, mejor proveedor
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Disponibilidad durante los últimos 3 días
Últimas 72 horasDisponibilidad en las últimas 24 horas
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Coding Index | 45,7 |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Agentic Index | 7,6 |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) GPQA Diamond | 85.7% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) HLE | 25.2% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) IFBench | 75.7% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) τ²-Bench Telecom | 93.6% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) AA-LCR | 76.3% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) τ-Bench Banking | 15.3% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) GDPval-AA | 16.1% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) CritPt | 0.6% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) SciCode | 39.7% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Terminal-Bench Hard | 31.1% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Terminal-Bench 2.1 | 47.6% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) Coding Index | 43,3 |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) GPQA Diamond | 82.7% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) HLE | 15.9% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) IFBench | 50.8% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) τ²-Bench Telecom | 84.5% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) AA-LCR | 61.3% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) τ-Bench Banking | 10.3% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) GDPval-AA | 10.8% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) CritPt | 0.9% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) Terminal-Bench Hard | 29.5% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) Terminal-Bench 2.1 | 47.2% |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Preguntas frecuentes
The Qwen3.5 122B-A10B native vision-language model is built on a hybrid architecture that integrates a linear attention mechanism with a sparse mixture-of-experts model, achieving higher inference efficiency. In terms of overall performance, this model is second only to Qwen3.5-397B-A17B.
Qwen3.5-122B-A10B cuesta 0,26 US$/M de tokens de entrada y 2,08 US$/M de tókenes de salida.
Qwen3.5-122B-A10B tiene una ventana de contexto de 262.144 tókenes. Admite hasta 262.144 tókenes de respuesta.
Sí. Qwen3.5-122B-A10B acepta tools y tool_choice para llamadas a funciones en 3 de los 4 proveedores que lo ofrecen, y las solicitudes que envían herramientas se enrutan a esos proveedores. También admite salidas estructuradas mediante un esquema JSON en response_format.
Qwen3.5-122B-A10B acepta texto, imágenes y vídeo como entrada y devuelve texto.
Qwen3.5-122B-A10B está disponible a través de 4 proveedores en OpenRouter: SiliconFlow, Alibaba Cloud Int., AtlasCloud y NovitaAI. Las solicitudes se enrutan al mejor proveedor disponible, con conmutación automática a los demás en caso de fallo, y puede fijar o excluir proveedores mediante el enrutamiento de proveedores.
Qwen3.5-122B-A10B se lanzó el 25 de febrero de 2026.