Qwen: Qwen3.5-122B-A10B

Qwen3.5-122B-A10B es un modelo de generación de texto de Qwen, lanzado por el proveedor el 2026-02-25. Se sitúa en la categoría de texto y su proveedor lo describe como un modelo nativo de visión-lenguaje construido sobre una arquitectura híbrida que combina un mecanismo de atención lineal con un diseño de mezcla de expertos dispersa, lo que, según el proveedor, logra una mayor eficiencia de inferencia. El nombre refleja esa arquitectura: 122B parámetros totales con 10B activos, por lo que estás llamando a un modelo grande que solo activa parte de sí mismo por token.

El modelo acepta texto, imagen y vídeo como entrada y devuelve únicamente texto. Su ventana de contexto es de 262,144 tokens, y la salida máxima es de 65,536 tokens. Dado que las modalidades de entrada incluyen imágenes y vídeo junto con texto, el mismo endpoint gestiona prompts simples, comprensión de documentos o capturas de pantalla, y preguntas basadas en vídeo sin cambiar a un modelo de visión separado. La salida de razonamiento también forma parte del panorama: los parámetros admitidos incluyen reasoning e include_reasoning, por lo que puedes solicitar o mostrar el contenido de razonamiento del modelo donde tu aplicación lo necesite.

Esas capacidades apuntan a un conjunto bastante amplio de usos prácticos. El contexto largo más la entrada de visión encajan en el análisis de bases de código y repositorios, donde pegas grandes cantidades de código fuente y pides explicaciones o cambios, y encajan en flujos de trabajo con documentos largos, como revisión de contratos, síntesis de investigación o generación de informes de muchas páginas. La entrada de vídeo e imagen abre flujos de trabajo multimedia: describir metraje, extraer datos estructurados de fotogramas o capturas de pantalla, y responder preguntas basadas en material visual. El llamamiento a herramientas y las salidas estructuradas lo hacen utilizable como núcleo de razonamiento de un agente o de un pipeline que debe devolver resultados legibles por máquina en lugar de texto libre.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3.5-122b-a10b". Los parámetros de solicitud admitidos son 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 y top_p. En la práctica, eso cubre el control de muestreo (temperature, top_p, top_k, min_p, los parámetros de penalización, seed), el control de salida (max_tokens, stop, response_format, structured_outputs), el uso de herramientas (tools, tool_choice), el control de razonamiento (reasoning, include_reasoning) y la inspección de probabilidades de tokens (logprobs, top_logprobs, logit_bias).

Merece la pena tener en cuenta dos restricciones prácticas al decidir. La salida está limitada a 65,536 tokens aunque la ventana de contexto sea de 262,144 tokens, por lo que las tareas que necesitan una única respuesta muy larga pueden requerir dividir el trabajo en varias llamadas. Y el modelo devuelve únicamente texto, así que si tu pipeline necesita imágenes generadas, audio o embeddings, este modelo no es el componente adecuado para ese paso.