
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.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 0,26 $US | 2,08 $US | -- | 0,93s | 137 tok/s | ||
| 0,26 $US | 2,08 $US | -- | 0,48s | 133 tok/s | ||
| 0,30 $US | 2,40 $US | 0,30 $US | 4,13s | 89 tok/s | ||
| 0,40 $US | 3,20 $US | -- | 1,08s | 92 tok/s |
- Entrée 0,26 $US / Sortie 2,08 $US137 tok/s98,12 % de disponibilité
- Entrée 0,26 $US / Sortie 2,08 $US133 tok/s99,97 % de disponibilité
- Entrée 0,30 $US / Sortie 2,40 $US89 tok/s83,93 % de disponibilité
- Entrée 0,40 $US / Sortie 3,20 $US92 tok/s99,60 % de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
Qwen3.5-122B-A10B — Historique des prix
| 0,260 $US | 2,08 $US | 0,0 % | 9,3 % | ||
| 0,260 $US | 2,08 $US | 0,0 % | 59,7 % | ||
| 0,300 $US | 2,40 $US | 0,0 % | 17,7 % | ||
| 0,400 $US | 3,20 $US | 0,0 % | 13,3 % |
- Prix effectif en entrée 0,260 $US / Sortie effective 2,08 $USPart des jetons9,3 %
- Prix effectif en entrée 0,260 $US / Sortie effective 2,08 $USPart des jetons59,7 %
- Prix effectif en entrée 0,300 $US / Sortie effective 2,40 $USPart des jetons17,7 %
- Prix effectif en entrée 0,400 $US / Sortie effective 3,20 $USPart des jetons13,3 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
P50, meilleur résultat tous fournisseurs confondus
P50, meilleur fournisseur
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Disponibilité au cours des 3 derniers jours
72 dernières heuresDisponibilité au cours des dernières 24 heures
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| 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% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Questions fréquentes
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 coûte 0,26 $US/M de jetons d’entrée et 2,08 $US/M de jetons de sortie.
Qwen3.5-122B-A10B dispose d’une fenêtre de contexte de 262 144 jetons. Il prend en charge jusqu’à 262 144 jetons de complétion.
Oui. Qwen3.5-122B-A10B accepte tools et tool_choice pour les appels de fonctions chez 3 des 4 fournisseurs qui le proposent, et les requêtes qui envoient des outils sont acheminées vers ces fournisseurs. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
Qwen3.5-122B-A10B accepte texte, images et vidéo en entrée et renvoie texte.
Qwen3.5-122B-A10B est servi par 4 fournisseurs sur OpenRouter : SiliconFlow, Alibaba Cloud Int., AtlasCloud et NovitaAI. Les requêtes sont acheminées vers le meilleur fournisseur disponible, avec un basculement automatique vers les autres, et vous pouvez épingler ou exclure des fournisseurs grâce au routage des fournisseurs.
Qwen3.5-122B-A10B est sorti le 25 février 2026.