Qwen3.5-122B-A10B-GGUF-MTP
Publié par wimmmm en 2026, Qwen3.5-122B-A10B-GGUF-MTP est un modèle chat à 122 milliards de paramètres . Qwen3.5-122B-A10B-GGUF-MTP is an open-weights chat model with roughly 122 billion parameters.
by wimmmm · 122 milliards de paramètres
Idéal pour
- raisonnement complexe multi-étapes
- orchestration d'agents avec utilisation d'outils
- analyse et synthèse de documents longs
Comment utiliser Qwen3.5-122B-A10B-GGUF-MTP dans osFoundry
Connectez-vous avec votre propre clé (BYOK)
Ouvrez la fenêtre de clés et collez votre clé API wimmmm. osFoundry détecte automatiquement Qwen3.5-122B-A10B-GGUF-MTP — assignez-le à un rôle Maestro (router, direct, orchestrator ou fallback) dans l'onglet Pipeline et il est actif dans chaque conversation. Votre clé, votre compte fournisseur — sans majoration sur les tokens.
Déployez un endpoint dédié
Qwen3.5-122B-A10B-GGUF-MTP est en open-weights — exécutez-le localement gratuitement, ou déployez un endpoint GPU dédié dans votre espace de travail pour disposer d'une capacité réservée sans limite de débit.
Utilisez-le dans une Room App
Les Room Apps déclarent leurs fonctionnalités IA dans leur manifeste, puis les appellent via invokeAI :
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Appelez-le depuis vos propres applications
Une fois un modèle intégré à votre espace de travail, vous pouvez l'héberger en tant qu'API et l'appeler depuis vos propres services, scripts ou CI — en dehors d'osFoundry.
Quel matériel peut faire tourner Qwen3.5-122B-A10B-GGUF-MTP
Qwen3.5-122B-A10B-GGUF-MTP fonctionne sur un seul A100 80GB ou H100 80GB en quantification Q4 (~74 GB de VRAM avec marge pour le cache KV). L'inférence en pleine précision nécessite plusieurs GPU H100/H200 en FP16 (~293 GB).
Qwen3.5-122B-A10B-GGUF-MTP face aux modèles similaires
Licence
Non spécifiée — Conditions de licence non spécifiées — vérifiez la fiche du modèle en amont avant tout usage commercial.
Consultez la documentation en amont.
Questions fréquentes sur Qwen3.5-122B-A10B-GGUF-MTP
Qwen3.5-122B-A10B-GGUF-MTP est-il gratuit à utiliser ?
Qwen3.5-122B-A10B-GGUF-MTP est gratuit à exécuter localement sur votre propre matériel. L'accès hébergé via osFoundry est facturé à l'usage (entrée Free (local), sortie Free (local)). Vous pouvez basculer entre local et hébergé à tout moment.
Puis-je utiliser Qwen3.5-122B-A10B-GGUF-MTP à des fins commerciales ?
L'usage commercial est autorisé sous conditions. Conditions de licence non spécifiées — vérifiez la fiche du modèle en amont avant tout usage commercial. Consultez la documentation en amont.
Combien de VRAM faut-il pour Qwen3.5-122B-A10B-GGUF-MTP ?
Environ 74 GB en quantification Q4, ou 293 GB en pleine précision FP16. Tient sur un seul A100/H100 80GB.
Puis-je exécuter Qwen3.5-122B-A10B-GGUF-MTP localement ?
Oui. Qwen3.5-122B-A10B-GGUF-MTP est en open-weights et s'exécute localement sur un GPU station de travail. Le runtime local d'osFoundry gère le chargement du modèle, la quantification et le routage.
À quoi Qwen3.5-122B-A10B-GGUF-MTP excelle-t-il ?
Qwen3.5-122B-A10B-GGUF-MTP convient particulièrement bien à raisonnement complexe multi-étapes, orchestration d'agents avec utilisation d'outils, analyse et synthèse de documents longs.
Comment utiliser Qwen3.5-122B-A10B-GGUF-MTP dans osFoundry ?
Collez votre clé API wimmmm dans la fenêtre de clés (ou déployez les open weights pour les modèles auto-hébergeables), assignez Qwen3.5-122B-A10B-GGUF-MTP à un rôle Maestro dans l'onglet Pipeline, puis utilisez-le en chat, dans les Room Apps via invokeAI, ou dans vos propres applications.
Publié par wimmmm le 6 mai 2026. Source : https://huggingface.co/wimmmm/Qwen3.5-122B-A10B-GGUF-MTP