qwen
Qwen: Qwen3.5-122B-A10B
qwen/qwen3.5-122b-a10b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Qwen3.5-122B-A10B es un modelo Qwen nativamente multimodal que acepta texto, imagen y video como entrada y produce texto, construido sobre una arquitectura híbrida de atención lineal y mezcla de expertos dispersa con unos diez mil millones de parámetros activados por token. Ofrece un contexto nativo muy amplio, pesos abiertos bajo Apache 2.0 y compatibilidad con Hugging Face Transformers, vLLM y otros entornos similares. Los benchmarks publicados por el proveedor lo sitúan de forma competitiva en conocimiento, código y contexto largo, mientras que los agregados de OpenRouter sugieren resultados agénticos más débiles; la evidencia de validación independiente es escasa.[1][2]
Puntos fuertes
- Nativamente multimodal: acepta entradas de texto, imagen y video con salida de texto; el proveedor describe un entrenamiento de fusión temprana orientado a capacidad unificada de visión-lenguaje.[1][2]
- Arquitectura híbrida orientada a la eficiencia que combina atención lineal Gated DeltaNet con un MoE disperso de 256 expertos, activando solo unos 10B de 122B parámetros por token.[2]
- Contexto largo de 262.144 tokens de forma nativa (extensible según el proveedor hasta unos 1.010.000), además de soporte listado en OpenRouter para llamadas a herramientas, salidas estructuradas y controles de muestreo.[1][2]
Limitaciones
- Las afirmaciones de rendimiento se basan principalmente en tablas de benchmarks publicadas por el proveedor; los agregados medidos de OpenRouter reportan un índice agéntico comparativamente bajo, por lo que conviene validar los resultados en cargas de trabajo reales antes de adoptarlo.[1][2]
- La salida es solo texto, el razonamiento es opcional y no obligatorio, y no se indica una fecha de corte de conocimiento en la evidencia suministrada.[1]
- La evidencia se limita a la ficha del proveedor y a una entrada del catálogo de OpenRouter; este paquete de fuentes no incluye una evaluación independiente ni una ficha de terceros.[1][2]
Dónde utilizarlo
- Análisis de documentos largos o de contenido mixto donde entradas de texto, imagen y video deban procesarse en una sola solicitud, sujeto a pruebas de carga de trabajo.[1][2]
- Despliegues autoalojados que requieran pesos abiertos, una ventana de contexto amplia, llamadas a herramientas y salida estructurada, donde el proveedor reporta una amplia cobertura lingüística.[1][2]
- Asistencia de programación y tareas orientadas al razonamiento, dada la solidez reportada por el proveedor en benchmarks, aunque los equipos deberían confirmar la calidad en sus propios repositorios.[1][2]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen3.5-122B-A10BFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen3.5-122B-A10BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
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...
Especificaciones
- ID del modelo
- qwen/qwen3.5-122b-a10b
- ID canónico
- qwen/qwen3.5-122b-a10b-20260224
- Creador
- qwen
- Añadido a OpenRouter
- 25.02.2026
- Longitud de contexto
- 262,144
- Modalidad
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.260 / salida $2.08
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | CC — por debajo de la franja B | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | entrada: video |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 45.7 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 7.6 | CC — por debajo de la franja B | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| SiliconFlowfp8 | 262,144 | $0.260 | $2.08 | — | — | 100% |
| Alibaba | 262,144 | $0.260 | $2.08 | — | — | 100% |
| AtlasCloudfp8 | 262,144 | $0.300 | $2.4 | — | — | 100% |
| Novitabf16 | 262,144 | $0.400 | $3.2 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.