Qwen: Qwen3.5-122B-A10B

Qwen3.5-122B-A10B ist ein Textgenerierungsmodell von Qwen, das vom Anbieter am 2026-02-25 veröffentlicht wurde. Es liegt in der Kategorie Text und wird von seinem Anbieter als natives Vision-Sprachmodell beschrieben, das auf einer hybriden Architektur basiert, die einen linearen Attention-Mechanismus mit einem sparse Mixture-of-Experts-Design kombiniert, was laut Anbieter eine höhere Inferenzeffizienz erreicht. Der Name spiegelt diese Architektur wider: 122B Gesamtparameter bei 10B aktiven Parametern, sodass Sie ein großes Modell aufrufen, das pro Token nur einen Teil von sich selbst aktiviert.

Das Modell akzeptiert Text, Bilder und Videos als Eingabe und gibt ausschließlich Text zurück. Sein Kontextfenster beträgt 262.144 Token, und die maximale Ausgabe beträgt 65.536 Token. Da die Eingabemodalitäten neben Text auch Bilder und Videos umfassen, verarbeitet derselbe Endpunkt einfaches Prompting, das Verstehen von Dokumenten oder Screenshots und videobasierte Fragen, ohne zu einem separaten Vision-Modell wechseln zu müssen. Auch die Reasoning-Ausgabe gehört zum Bild: Zu den unterstützten Parametern gehören reasoning und include_reasoning, sodass Sie den Reasoning-Inhalt des Modells anfordern oder anzeigen können, wo Ihre Anwendung ihn benötigt.

Diese Fähigkeiten deuten auf eine ziemlich breite Palette praktischer Einsatzmöglichkeiten hin. Langer Kontext plus Vision-Eingabe eignet sich für Codebasis- und Repository-Analysen, bei denen Sie große Mengen Quellcode einfügen und um Erklärungen oder Änderungen bitten, und es eignet sich für Workflows mit langen Dokumenten wie Vertragsprüfung, Forschungssynthese oder Berichterstellung über viele Seiten. Video- und Bildeingabe eröffnen Medien-Workflows: Beschreiben von Filmmaterial, Extrahieren strukturierter Daten aus Frames oder Screenshots und Beantworten von Fragen, die auf visuellem Material basieren. Tool Calling und strukturierte Ausgaben machen es nutzbar als Reasoning-Kern eines Agenten oder einer Pipeline, die maschinenlesbare Ergebnisse statt Freitext zurückgeben muss.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "qwen/qwen3.5-122b-a10b" auf. Die unterstützten Anforderungsparameter sind frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs und top_p. In der Praxis deckt das die Sampling-Steuerung ab (temperature, top_p, top_k, min_p, die Penalty-Parameter, seed), die Ausgabesteuerung (max_tokens, stop, response_format, structured_outputs), die Tool-Nutzung (tools, tool_choice), die Reasoning-Steuerung (reasoning, include_reasoning) und die Einsicht in Token-Wahrscheinlichkeiten (logprobs, top_logprobs, logit_bias).

Zwei praktische Einschränkungen sollten Sie bei Ihrer Entscheidung im Hinterkopf behalten. Die Ausgabe ist auf 65.536 Token begrenzt, obwohl das Kontextfenster 262.144 Token beträgt, sodass Aufgaben, die eine sehr lange einzelne Antwort erfordern, möglicherweise eine Aufteilung der Arbeit auf mehrere Aufrufe benötigen. Und das Modell gibt ausschließlich Text zurück. Wenn Ihre Pipeline also generierte Bilder, Audio oder Embeddings benötigt, ist dieses Modell nicht die richtige Komponente für diesen Schritt.