Qwen: Qwen3.5-122B-A10B

Qwen3.5-122B-A10B est un modèle de génération de texte de Qwen, publié par le fournisseur le 2026-02-25. Il appartient à la catégorie texte et est décrit par son fournisseur comme un modèle vision-langage natif construit sur une architecture hybride qui combine un mécanisme d'attention linéaire avec une conception mixture-of-experts creuse, ce qui, selon le fournisseur, permet d'obtenir une efficacité d'inférence supérieure. Le nom reflète cette architecture : 122B paramètres au total avec 10B actifs, donc vous appelez un grand modèle qui n'active qu'une partie de lui-même par token.

Le modèle accepte le texte, l'image et la vidéo en entrée et ne renvoie que du texte. Sa fenêtre de contexte est de 262 144 tokens, et la sortie maximale est de 65 536 tokens. Comme les modalités d'entrée incluent les images et la vidéo en plus du texte, le même endpoint gère le prompt simple, la compréhension de documents ou de captures d'écran, et les questions basées sur la vidéo sans passer à un modèle de vision distinct. La sortie de raisonnement fait aussi partie du tableau : les paramètres pris en charge incluent reasoning et include_reasoning, vous pouvez donc demander ou exposer le contenu de raisonnement du modèle là où votre application en a besoin.

Ces capacités ouvrent sur un ensemble assez large d'usages pratiques. Un long contexte plus une entrée vision convient à l'analyse de bases de code et de dépôts où vous collez de grandes quantités de source et demandez des explications ou des modifications, et convient aux flux de travail sur documents longs tels que la revue de contrats, la synthèse de recherche ou la génération de rapports sur de nombreuses pages. L'entrée vidéo et image ouvre des flux de travail médias : décrire des séquences, extraire des données structurées à partir d'images ou de captures d'écran, et répondre à des questions fondées sur du matériel visuel. L'appel d'outils et les sorties structurées le rendent utilisable comme cœur de raisonnement d'un agent ou d'un pipeline qui doit renvoyer des résultats lisibles par machine plutôt que du texte libre.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'id de modèle "qwen/qwen3.5-122b-a10b". Les paramètres de requête pris en charge sont 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 et top_p. En pratique, cela couvre le contrôle de l'échantillonnage (temperature, top_p, top_k, min_p, les paramètres de pénalité, seed), le contrôle de la sortie (max_tokens, stop, response_format, structured_outputs), l'utilisation d'outils (tools, tool_choice), le contrôle du raisonnement (reasoning, include_reasoning) et l'inspection des probabilités des tokens (logprobs, top_logprobs, logit_bias).

Deux contraintes pratiques méritent d'être gardées à l'esprit au moment de décider. La sortie est plafonnée à 65 536 tokens même si la fenêtre de contexte est de 262 144 tokens, donc les tâches qui nécessitent une réponse unique très longue peuvent exiger de répartir le travail sur plusieurs appels. Et le modèle ne renvoie que du texte, donc si votre pipeline a besoin d'images, d'audio ou d'embeddings générés, ce modèle n'est pas le bon composant pour cette étape.