01Ce qu'il sait faire
Points forts
- Qualité frontier pour 10B actifs
- 262k contexte
- Apache 2.0
- Très efficace en inférence
Limites à connaître
- —73 Go VRAM Q4 — multi-GPU requis
Architecture
MoE · 122B total / 10B actifs · Qwen 3.5 flagship · 262k contexte
Entraînement
Qwen 3.5 flagship accessible — 10B actifs sur 122B, 262k ctx natif.
Idéal pour
MoE workstationRaisonnement
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
73 Go
Q5_K_M
Bon compromis qualité/taille
88 Go
Q8_0
Quasi-indistinguable de FP16
131 Go
FP16
Pleine précision — usage serveur
244 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 110 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run qwen3.5:122b-a10b
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.