Qwen3.5-122B-A10B-NVFP4

该模型归属 Qwen3.5 系列，由 Sehyo 于 2026 年 2 月 25 日发布，权重开源，命名中的 122B 对应参数规模，NVFP4 指向低比特浮点量化形态，输入覆盖 text 与 image，输出为 text。它要解决的核心问题，是把百亿级以上参数量的多模态理解能力放进可控的显存预算里：量化权重降低了单卡部署门槛，同时保留图像输入这条通路，使图文问答、文档与截图理解、图文内容生成等任务不必依赖闭源接口。需要说明的是，本站未记录其能力标注、官方价格与第三方跑分，收录平台数为 0 家，因此选型时应以权重卡与自行评测为准，不宜直接套用同系列其他规格的结论。对希望私有化、可审计、可微调的团队，它是值得纳入候选的开源选项；对要求开箱即用托管服务或需要权威榜单背书的场景，目前信息不足。

选型建议需要开源权重、图像输入能力且显存预算紧张的自建团队可以优先评估它；若要求现成托管服务、公开跑分背书或成熟价格体系，当前信息不足，建议观望。

• 私有化部署图文问答服务，处理产品截图、表单与说明图的识别与追问
• 搭建文档与票据理解流水线，将图像输入转为结构化文本结果
• 在受限显存的单机或小集群上做模型微调与业务侧指令对齐实验
• 为内容团队生成图文素材的配文、摘要与改写文本
• 作为内部视觉语言能力的基座模型，接入自有知识库做检索增强问答

公开技术细节有限，从命名与发布形态可做定性判断：大参数量骨干叠加低比特量化权重，并具备图像输入处理链路。

• 结构命名中的 122B 对应参数规模，A10B 标识通常指向稀疏激活式的参数划分，实际结构需以权重卡与配置说明为准。
• 量化NVFP4 属于面向新一代 NVIDIA 硬件的 4 位浮点量化格式，目的是压缩显存占用与带宽压力，代价是精度存在一定折损。
• 多模态输入支持 text 与 image、输出为 text，说明具备视觉编码与图文对齐链路，可处理图像理解类请求而非图像生成。
• 披露本站未收录架构文档、上下文长度与训练数据说明，能力标注为空，涉及结构细节的判断应回到官方权重页核实。

开源权重

是

参数规模

122B

本站未收录任何公开跑分，无法给出量化性能结论；以下仅基于参数规模、量化形态与模态配置做定性推断。

• 强项122B 级参数配合图像输入，在图文混合理解、长文档与截图问答类任务上具备较大潜力，适合知识密度高的输入。
• 短板NVFP4 量化在低比特下可能带来数值精度损失，对格式敏感、需要严格输出一致性的任务建议先做小样本回归。
• 适合更契合私有化部署中的图文理解与文本生成，而非追求最低延迟的高并发在线对话场景。
• 验证缺少第三方跑分与能力标注，落地前应自建与业务贴近的评测集，覆盖图像理解、长文本与指令遵循三类任务。

官方价格未公开，本站收录平台数为 0 家，暂无可比报价；成本判断只能围绕量化形态与自建部署展开。

• 定位权重开源、价格未公开，意味着成本主要落在自有算力、显存与运维上，而非按 token 计费的调用账单。
• 横向对比缺少同规格竞品的本站收录数据与跑分，无法做单价或性价比横评，选型宜与同系列其他规格做自建实测对比。
• 平台差价当前没有第三方平台报价可对照，若后续出现托管服务，需分别核对按量计费与自建折旧两条成本线。
• 省钱NVFP4 量化直接压低显存占用，同等硬件下可减少卡数与整机投入，是这条权重相对高精度版本的主要成本优势。

• 口径能力标注为空、第三方跑分为无、官方价格未公开，任何关于效果强弱与性价比的说法都缺乏本站数据支撑。
• 边界仅有 text 与 image 输入、text 输出，不含音频、视频输入与图像生成；量化版本在数值敏感任务上需额外验证。
• 生态收录平台数为 0 家，托管、推理框架适配与社区示例可能有限，部署侧需自备工程能力。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。