Qwen: Qwen3.5-122B-A10B qwen/qwen3.5-122b-a10b

Модель Qwen: Qwen3.5-122B-A10B от Qwen (Alibaba) (семейство qwen) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Открытые модели Alibaba. Лучшие в open-source для китайского и кода.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

262K

контекст, токенов

26 ₽

за 1 млн входных токенов

208 ₽

за 1 млн выходных токенов

возможностей

Что такое Qwen: Qwen3.5-122B-A10B

Мультимодальные задачи с длинным контекстом, где требуется аналитическое рассуждение над текстом, изображениями и видео при разумной вычислительной стоимости.

Qwen3.5-122B-A10B — мультимодальная модель от Alibaba/Qwen, построенная на гибридной архитектуре, сочетающей линейный механизм внимания и разреженную смесь экспертов (Sparse MoE). При общем числе параметров порядка 122B в каждом инференс-шаге активируется лишь около 10B параметров, что существенно снижает вычислительную нагрузку без заметной потери качества. Это делает модель практичным выбором там, где важна скорость генерации при работе с большими объёмами данных.

Модель нативно поддерживает текст, изображения и видео на входе, а также оснащена встроенным механизмом внутреннего рассуждения (reasoning). Контекстное окно в 262 144 токена позволяет обрабатывать длинные документы, многоходовые диалоги и сложные мультимодальные сценарии без потери контекста. Семейство Qwen3.5 ориентировано на задачи, требующие одновременно понимания визуального контента и глубокого аналитического мышления.

Когда брать эту модель

✓ Анализ видео и изображений в связке с текстовыми документами (мультимодальные пайплайны)
✓ Обработка длинных контекстов: юридические договоры, технические спецификации, исследовательские отчёты
✓ Задачи, требующие пошагового рассуждения: математика, логика, сложный code review
✓ RAG-системы с большим объёмом извлекаемых данных благодаря широкому контекстному окну
✓ Высоконагруженные сервисы, где нужен баланс между качеством и скоростью инференса за счёт MoE-архитектуры

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Проанализируй прикреплённую запись с камеры наблюдения и подробный технический отчёт (PDF, ~80 страниц): выяви все аномалии, сопоставь их с временными метками в документе и сформируй структурированный список инцидентов с рекомендациями.

Использование Qwen: Qwen3.5-122B-A10B через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3.5-122b-a10b",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="qwen/qwen3.5-122b-a10b",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "qwen/qwen3.5-122b-a10b",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);