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.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.26 | US$2.08 | -- | 0.51s | 120 tok/s | ||
| US$0.26 | US$2.08 | -- | 2.29s | 87 tok/s | ||
| US$0.40 | US$3.20 | -- | 1.05s | 83 tok/s | ||
| US$0.30 | US$2.40 | US$0.30 | 4.10s | 34 tok/s |
- 输入 /百万
- US$0.26
- 输出 /百万
- US$2.08
- 缓存读取 /百万
- --
- 延迟
- 0.51s
- 吞吐量
- 120 tok/s
- 正常运行时间
- 99.92%
- 输入 /百万
- US$0.26
- 输出 /百万
- US$2.08
- 缓存读取 /百万
- --
- 延迟
- 2.29s
- 吞吐量
- 87 tok/s
- 正常运行时间
- 99.69%
- 输入 /百万
- US$0.40
- 输出 /百万
- US$3.20
- 缓存读取 /百万
- --
- 延迟
- 1.05s
- 吞吐量
- 83 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.30
- 输出 /百万
- US$2.40
- 缓存读取 /百万
- US$0.30
- 延迟
- 4.10s
- 吞吐量
- 34 tok/s
- 正常运行时间
- 85.27%
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
Qwen3.5-122B-A10B — 价格历史
| US$0.260 | US$2.08 | 0.0% | 11.6% | ||
| US$0.260 | US$2.08 | 0.0% | 52.2% | ||
| US$0.300 | US$2.40 | 0.0% | 14.8% | ||
| US$0.400 | US$3.20 | 0.0% | 21.5% |
- 有效输入价格 US$0.260 / 实际输出 US$2.08token 占比11.6%
- 有效输入价格 US$0.260 / 实际输出 US$2.08token 占比52.2%
- 有效输入价格 US$0.300 / 实际输出 US$2.40token 占比14.8%
- 有效输入价格 US$0.400 / 实际输出 US$3.20token 占比21.5%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) Openness Index | 38.9 |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) Multilingual Index | 85.9% |
| 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) τ³-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% |
| Artificial Analysis | Qwen3.5 122B A10B (Non-reasoning) MMMU-Pro | 70.3% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Openness Index | 38.9 |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) Multilingual Index | 89.1% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) AutomationBench-AA | 5.5% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) GDP.pdf | 3.4% |
| 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) τ³-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) HLE-Diamond | 7.3% |
| 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 (Reasoning) MLCR-AA | 7.8% |
| Artificial Analysis | Qwen3.5 122B A10B (Reasoning) MMMU-Pro | 75.0% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
常见问题
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 的费用为 US$0.26/百万输入 token 和 US$2.08/百万输出 token。
Qwen3.5-122B-A10B 的上下文窗口为 262,144 个 token。它最多支持 262,144 个补全 token。
支持。在提供 Qwen3.5-122B-A10B 的 4 家提供商中,有 3 家支持该模型通过 tools 和 tool_choice 进行函数调用,包含工具的请求会被路由到这些提供商。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
Qwen3.5-122B-A10B 接受 文本、图像和视频 作为输入,并返回 文本。
在 OpenRouter 上,Qwen3.5-122B-A10B 由 4 家提供商提供服务:SiliconFlow、Alibaba Cloud Int.、AtlasCloud和NovitaAI。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
Qwen3.5-122B-A10B 于 2026年2月25日 发布。
