Qwen3.5 122B A10B：完整规格、价格、API 接入与应用场景（2026）

Qwen3.5 122B A10B 是阿里巴巴 Qwen 团队推出的一款大型开源专家混合（Mixture-of-Experts，MoE）模型，专为推理、编程、工具调用、多模态理解以及以智能体为核心的工作流程而设计。该模型于 2026年2月发布，定位介于更小型的 Qwen3.5 部署版本与更大规模的 397B-A17B 版本之间。其 1220 亿总参数、100 亿激活参数以及原生 26.2 万 token 上下文窗口，使其尤为适合希望自部署且兼具强大能力的团队进行评估和落地。

Qwen3.5 122B A10B 是什么？

Qwen3.5 122B A10B 是经过后训练的因果语言模型，配备视觉编码器。官方模型卡文档显示其总参数量为 1220 亿，其中约有 100 亿参数被激活，采用稀疏专家混合结构，包含 256 个专家、8 个路由专家和 1 个共享专家。Qwen 将该 MoE 架构与门控 Delta 网络和门控注意力机制相结合。

该模型于 2026年2月24日与 Qwen3.5-35B-A3B 和 Qwen3.5-27B 同步发布，而 Qwen3.5 系列最早在 2 月初便已推出更大规模的 397B-A17B 模型。

与传统仅支持文本的 LLM 不同，本模型属于 Qwen3.5 的统一视觉-语言架构，适用于包含截图、文档、图表、图片或视频帧等多模态输入的部署场景。这对于需要将文本和视觉内容同时纳入的应用尤为重要。该模型以 Apache 2.0 许可协议开源发布，允许团队按照该协议要求进行自主部署。

Qwen3.5 122B A10B 的主要规格与定价如何？

官方 Qwen 模型卡记录原生支持 262,144 token，并支持扩展到最多 1,010,000 token。阿里云则针对 API 调用实行分层价格：128K 以内输入按每百万 token $0.115、输出 $0.917 计费，128K-256K区间则为输入 $0.287/M，输出 $2.294/M。以上为直接由提供方发布的价格信息，不应直接视为 Gate.AI 的计费标准。

若简单按照 Gate.AI 公布价格计算，处理 100 万输入 tokens、产生 25 万输出 tokens 的工作量成本约为：

$0.115 + (0.25 × $0.917) = $0.34425

实际价格可能因账号、套餐或其它费用项有所变化。

Qwen3.5 122B A10B 在生产应用中有哪些突出价值？

该模型在智能体及多轮/多步工作流场景中尤为亮眼。Qwen 官方评测涵盖了工具调用、搜索智能体、规划、编程及通用智能体基准测试，该架构每次前向推理只激活部分参数池，实现高效资源利用。

实际部署示例中，模型可接收长篇技术文档、应用程序截图以及一组可调用工具，并可基于综合上下文进行推理，自动判断何时调用何种工具并产出结构化文本输出。生产系统建议对工具参数及生成输出的执行行为设置必要校验，不建议无约束地直接执行生成内容。

本地自部署是一大亮点。Qwen 公布了模型权重，并提供 Transformers、vLLM 与 SGLang 的部署文档，优于仅 API 形式提供的闭源大模型，让有能力的团队可以获得更细致的部署控制权。

如果你还在对比更大规模的开源模型选择，Qwen3 235B A22B 规格参考指南也可作为重要对照。

Qwen3.5 122B A10B 支持哪些模态类型？

Qwen 方面将 Qwen3.5 122B A10B 定义为图文到文本模型，并在模型卡中直接给出了图片加文本的用例，官方评测套件同样涵盖了视频理解基准。

需明确指出：多模态理解不等于多模态生成。官方已验证输出类型为文本，模型并不具备图片、视频或音频生成能力。

Qwen3.5 122B A10B 的不足之处有哪些？

最主要的运维限制来自于模型规模。虽然单次推理仅激活 100 亿参数，但完整模型总参数高达 1220 亿，自部署依然需要极高的内存与加速硬件资源。

其超长原生上下文窗口，并不意味着所有应用都应该填满 262K token。更大的 prompt 会增加计算开销，而阿里云托管价格机制也表明，长上下文请求可能进入更高的计费档位。

此外，不同平台的参数设置和功能可能有差异。Qwen 公布的开源模型能力，并不自动等价于 Gate.AI 各端点完全支持同样的模态、参数或上下文扩展。

Qwen3.5 122B A10B 最适合哪些场景？

如果你的工作流需要长上下文推理、多模态文档理解、编程、函数调用、或复杂多步智能体规划，并希望保留开源自部署的灵活性，Qwen3.5 122B A10B 是非常契合的选择。

当 1220 亿量级的模型权重在基础设施层面可控且对能力提升有需求时，可优先考虑。若更看重部署效率，可选择更小的 Qwen3.5 27B，如无需自管推理基础设施，则选择托管模型更为便捷。

Qwen3.5 122B A10B 与 Qwen3.5 35B A3B、Qwen3.5 27B 有何区别？

三款模型均属 Qwen3.5 代际，均支持视觉-语言工作流，但在硬件资源和运维要求上有明显差异。Qwen 官方公开基准显示，没有单一版本能在所有场景内完全占优，因此模型选择需结合自身业务负载、硬件基础、延迟目标和成本权衡。

对于更专注托管体验的团队，Qwen3.5 Plus 指南也值得参考。

如何通过 Gate.AI 获取 Qwen3.5 122B A10B？

根据 Gate.AI 模型卡信息，模型唯一标识为：

alibaba/qwen3.5-122b-a10b

Gate.AI 支持用 OpenAI 兼容的基础 URL https://api.gate.ai/openai/v1，采用 Bearer-token 认证，标准 Chat Completions 流程。开发者应到模型目录、控制台或 /models 接口获取确切模型 ID 使用。

以下是结合 Gate.AI 官方文档提供的普遍聊天工作流与模型 ID 的教程示例，仅作文档说明，未实际执行验证。

Python

import os
from openai import OpenAI
client = OpenAI(
    api_key=os.environ["GATEAI_API_KEY"],
    base_url="https://api.gate.ai/openai/v1",
)
try:
    response = client.chat.completions.create(
        model="alibaba/qwen3.5-122b-a10b",
        messages=[
            {
                "role": "user",
                "content": "Create a concise deployment plan for a tool-using AI agent."
            }
        ],
    )
    print(response.choices[0].message.content)
except Exception as error:
    print(f"Gate.AI request failed: {error}")

cURL

curl https://api.gate.ai/openai/v1/chat/completions \
  -H "Authorization: Bearer $GATEAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "alibaba/qwen3.5-122b-a10b",
    "messages": [
      {
        "role": "user",
        "content": "Explain when a mixture-of-experts model is useful."
      }
    ]
  }'

在生产部署前，务必确认模型对账号依然可用，并查阅 Gate.AI 实时文档或控制台确认当前额度限制、多模态请求格式及定价信息。

如需横向对比相同接口下不同模型系列，推荐查阅 DeepSeek R1 API 指南 与 Llama 3.1 70B 指南。

常见问题

Qwen3.5 122B A10B 是开源权重吗？

是的。Qwen 以 Apache 2.0 许可证开源发布了模型权重，并公开了通过 Transformers、vLLM 和 SGLang 等主流框架部署的文档。

Qwen3.5 122B A10B 实际激活参数有多少？

官方模型卡显示总参数量 1220 亿，激活参数量约为 100 亿，体现为稀疏 MoE 架构。

Qwen3.5 122B A10B 支持图片输入吗？

支持。模型可接受图片与文本输入，输出为文本。Qwen 官方明确支持多模态 Transformer 及服务端示例。

上下文窗口多大？

原生上下文长度为 262,144 tokens，官方文档还支持针对自部署场景扩展至 1,010,000 tokens。

Qwen3.5 122B A10B 在 Gate.AI 上如何计费？

Gate.AI 官方价格为每百万输入 tokens $0.115，每百万输出 tokens $0.917，未公布缓存读写相关费用。平台价格可能变动，生产使用前请务必核查最新费率。