GetInfoUs
Head-to-Head Model Comparison

Qwen3.5 397B-A17B vs Qwen3.5 122B-A10B

Benchmarks, API Token Pricing, Context Window & Speed Comparison

GetInfoUs araştırma ekibi tarafından incelendiSon inceleme: October 2026Yayın ilkeleri
Paylaş
Related topics (12)
AI CompareAI BenchmarkToken PricingModel CostModel SpecsSWE-bench CodingModel VersusWhich AI ModelLLM Speed & LatencyReasoning ModelsExtended ThinkingPrompt Caching ROI
Qwen3.5 397B-A17B vs Qwen3.5 122B-A10B: Benchmarks, Pricing & Speed Comparison

Alibaba tarafından geliştirilen Qwen3.5 397B-A17B ve Alibaba tarafından sunulan Qwen3.5 122B-A10B, kendi sınıflarının öne çıkan yapay zeka modelleridir. Qwen3.5 397B-A17B, 262.1K token bağlam penceresi ve 1M token başına $0.00/$0.00 fiyat sunarken; Qwen3.5 122B-A10B, 262.1K token bağlam penceresi ve $0.00/$0.00 fiyatla gelir. Aşağıda tüm benchmark, hız ve maliyet detaylarını inceleyebilirsiniz.

Birebir Karşılaştırma (VS)

İstediğiniz Modelleri Seçin ve Karşılaştırın

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

Profile
Profile
Multi-Model Arena Stack:
5-Model Matrix Workbench
Popular Matchups:
Alibaba

Qwen3.5 397B-A17B

Açık Ağırlıklı Temel Model

Alibaba tarafından geliştirilen Qwen3.5 397B-A17B; özel sunucuda kendi kendine barındırma (self-hosting), ince ayar ve tam veri egemenliği için tasarlanmış olup 262K bağlam penceresi, 64 token/sn hız, 86/100 zeka indeksi ve ücretsiz açık ağ

Intelligence Index86 / 100
Input Token:

$0.00 / 1M

Output Token:

$0.00 / 1M

Context Window:

262.1K tokens

SWE-bench Verified:

58%

Alibaba

Qwen3.5 122B-A10B

Yerel Çok Modlu Yapay Zeka

Alibaba tarafından geliştirilen Qwen3.5 122B-A10B; yerel çok modlu metin ve görsel anlama ile karmaşık belge analizi için tasarlanmış olup 262K bağlam penceresi, 78 token/sn hız, 82/100 zeka indeksi ve ücretsiz açık ağırlık erişimi sunar.

Intelligence Index82 / 100
Input Token:

$0.00 / 1M

Output Token:

$0.00 / 1M

Context Window:

262.1K tokens

SWE-bench Verified:

N/A

Bir Bakışta Temel Farklar

  • Both models cost the same under this workload — choose on capability, not price.
  • Qwen3.5 122B-A10B is faster at 78 tok/s vs 64 tok/s.
Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →
FeatureQwen3.5 397B-A17BQwen3.5 122B-A10B
Intelligence Index
Composite reasoning & knowledge score (0-100)
8682
Provider
AlibabaAlibaba
Input Price
Cost per million input tokens
$0.00 / 1M$0.00 / 1M
Output Price
Cost per million output tokens
$0.00 / 1M$0.00 / 1M
Blended Price
Weighted 7:2:1 cache:input:output per 1M
$0.00 / 1M$0.00 / 1M
Context Window
Maximum input + output tokens
262.1K tokens~393 A4 pages of text262.1K tokens~393 A4 pages of text
Max Output Tokens
Per single request
16K16K
Throughput Speed
Tokens generated per second
64 tok/s78 tok/s
SWE-bench Verified
Real-world software engineering
58%N/A
GPQA Diamond
Graduate-level reasoning
70%65.5%

Hangi Alanda Kim Kazanıyor?

At-a-glance decision framework
Coding

Evaluations ongoing

Cost
Tied
Identical monthly runtime cost
Speed
Qwen3.5 122B-A10B
+22% faster generation
Context
Tied
262.1K tokens window

Doğrulanmış Benchmark Puanları

Official evaluation metrics verified by independent third-party research labs.

Qwen3.5 397B-A17BQwen3.5 122B-A10B
SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

58%vsN/A
GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

70%vs65.5%
MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

83.5%vs80.5%
LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1385ptsvs1350pts
Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

64 tok/s vs78 tok/s

Gecikme Süresi ve Yanıt Hızı

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better
Qwen3.5 397B-A17B0.65s
Qwen3.5 122B-A10B0.51s
Est. End-to-End Response (500 tokens)TTFT + generation time
Qwen3.5 397B-A17B8.46s
Qwen3.5 122B-A10B6.92s

Gerçek Zamanlı Token Maliyet Simülatörü

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

100K / day
10K500K1M
30K / day
5K150K300K
50% cached
0% (Cold)50%90% (Warm)
Qwen3.5 397B-A17B Monthly API Bill
$0.00 / month
$0/1M in · $0/1M out
Qwen3.5 122B-A10B Monthly API Bill
$0.00 / month
$0/1M in · $0/1M out
These models cost the same under this workload — no savings either way.Break-even

Qwen3.5 397B-A17B · Strengths & Key Advantages

  • 262K bağlam penceresi ve yanıt başına maksimum 16K çıktı tokenı kapasitesi (SWE-bench Verified 58% · GPQA Diamond 70%)
  • Sadece 650 ms ilk token gecikmesi (TTFT) ile saniyede 64 token yüksek üretim hızı
  • vLLM, SGLang veya Ollama üzerinden yerel GPU sunucularında barındırılabilen açık ağırlıklı mimari (397B total (17B MoE))
Considerations & Trade-offs
  • Tam hassasiyette yerel GPU çıkarımı için yeterli VRAM kapasitesine sahip donanım altyapısı gerektirir
  • Çok karmaşık akademik ve bilimsel çıkarımlarda üst düzey ağır akıl yürütme modelleri daha derin sonuçlar verebilir

Qwen3.5 122B-A10B · Strengths & Key Advantages

  • 262K bağlam penceresi ve yanıt başına maksimum 16K çıktı tokenı kapasitesi (GPQA Diamond 65.5% · MMLU-Pro 80.5%)
  • Sadece 510 ms ilk token gecikmesi (TTFT) ile saniyede 78 token yüksek üretim hızı
  • vLLM, SGLang veya Ollama üzerinden yerel GPU sunucularında barındırılabilen açık ağırlıklı mimari (122B total (10B MoE))
Considerations & Trade-offs
  • Tam hassasiyette yerel GPU çıkarımı için yeterli VRAM kapasitesine sahip donanım altyapısı gerektirir
  • Çok karmaşık akademik ve bilimsel çıkarımlarda üst düzey ağır akıl yürütme modelleri daha derin sonuçlar verebilir

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

MetricQwen3.5 397B-A17BQwen3.5 122B-A10B
Cost per Task
Estimated USD to finish one task
$0.00$0.00
Output Tokens / Task
Tokens generated per task
22K18K
Reasoning Tokens / Task
Thinking tokens burned per task
8K5K

Teknik Özellikler

Architecture, release timeline, capabilities, and modalities.

FeatureQwen3.5 397B-A17BQwen3.5 122B-A10B
Official API Model ID (SDK)qwen3-5-397b-a17b-instructqwen3-5-122b-a10b-instruct
API ProtocolOpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGIOpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
Release Date2026-022026-02
Knowledge CutoffDecember 2025December 2025
ArchitectureNext-Gen Multimodal Sparse Mixture-of-ExpertsEfficient Open Multimodal MoE Transformer
Parameters397B total (17B active MoE)122B total (10B active MoE)
Enterprise Rate Limits (RPM / TPM)Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed CloudUnlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
Long-Context Tier (>128K/200K)Free across full context window (only KV-cache VRAM scales)Free across full context window (only KV-cache VRAM scales)
Prompt Cache Policy & TTLAutomatic prefix KV-caching in vLLM / SGLang (0 cost)Automatic prefix KV-caching in vLLM / SGLang (0 cost)
Computer Use / GUI AgentSupported (Screen coordinate grounding, browser & desktop GUI action loops)Supported (Screen coordinate grounding, browser & desktop GUI action loops)
MCP & Parallel Tool CallingNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON SchemaNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & SandboxSupported via external Tavily/Exa Search & E2B/Docker Sandbox toolsSupported via external Tavily/Exa Search & E2B/Docker Sandbox tools
Official Fine-Tuning SupportFull Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
Multimodal Token BillingText BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)
Quantization & Min GPU VRAMBF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 246 GB VRAM (4-bit Quantized) · 854 GB VRAM (Native BF16)BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 76 GB VRAM (4-bit Quantized) · 262 GB VRAM (Native BF16)
Safety & Frontier ClassificationOpen-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
Enterprise Compliance (ZDR/HIPAA/SOC2)100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Input Modalitiestext, visiontext, vision
Output Modalitiestexttext

Qwen3.5 397B-A17B vs Qwen3.5 122B-A10B: Hızlı Yanıtlar (SSS)

Which is more intelligent, Qwen3.5 397B-A17B or Qwen3.5 122B-A10B?

Qwen3.5 397B-A17B is more intelligent. It scores 86 compared with 82 on the composite Intelligence Index.

Which model is faster?

Qwen3.5 122B-A10B is faster, generating 78 tokens per second compared with 64 tokens per second.

Which model has lower latency?

Qwen3.5 122B-A10B has lower latency, with a time to first token of 0.51s compared with 0.65s.

Sonuç

Hem Qwen3.5 397B-A17B (özel sunucuda kendi kendine barındırma (self-hosting), ince ayar ve tam veri egemenliği, kurumsal RAG mimarileri ve ölçeklenebilir üretim API entegrasyonları için idealdir.) hem de Qwen3.5 122B-A10B (yerel çok modlu metin ve görsel anlama ile karmaşık belge analizi, kurumsal RAG mimarileri ve ölçeklenebilir üretim API entegrasyonları için idealdir.) güçlü üretim seçenekleridir: Qwen3.5 397B-A17B karmaşık akıl yürütme ve kodlama testlerinde öne çıkarken, Qwen3.5 122B-A10B daha yüksek üretim hızı sağlar; Qwen3.5 397B-A17B ise yüksek hacimli API kullanımlarında daha ekonomiktir.

Sıkça Sorulan Sorular (SSS)

Kodlama ve akıl yürütme için Qwen3.5 397B-A17B mi yoksa Qwen3.5 122B-A10B mi daha iyi?+

Bileşik zeka endeksi ve yazılım testlerinde Qwen3.5 397B-A17B önde yer alıyor. Detaylı karşılaştırma için yukarıdaki SWE-bench ve GPQA tablolarına göz atabilirsiniz.

Qwen3.5 397B-A17B ve Qwen3.5 122B-A10B API fiyatları nasıl karşılaştırılır?+

Qwen3.5 397B-A17B 1M giriş/çıkış tokeni başına $0.00 / $0.00 ücretlendirilirken, Qwen3.5 122B-A10B $0.00 / $0.00 seviyesindedir. Karma maliyette Qwen3.5 397B-A17B daha avantajlıdır.

Hangi modelin bağlam penceresi daha geniş ve hızı daha yüksek?+

Qwen3.5 397B-A17B 262.1K token bağlam penceresi sunarken Qwen3.5 122B-A10B 262.1K token kapasiteye sahiptir. Saniyedeki token üretim hızında ise Qwen3.5 122B-A10B öndedir.

AI Terminology & Guide
Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & PricingContext WindowAI BenchmarksReasoning ModelsTool CallingModel Context Protocol (MCP)

Related reading

Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.

Resmi kaynaklar: Alibaba ve Alibaba resmi API dokümantasyonu, sistem kartları ve bağımsız benchmark testleri (2026).