← Toutes les pages modèles on-premise
Exécuter Qwen3.5-122B on-premise
● Mesuré sur notre parc — nous exploitons ce modèle en production
Qwen3.5-122B-A10B est un modèle à mélange d'experts de 122 milliards de paramètres qui n'en active qu'environ 10 milliards par token — un raisonnement de classe fleuron au coût de service d'un modèle intermédiaire. C'est l'un des deux modèles de ce site que nous n'avons pas besoin d'estimer : nous l'exploitons en production, sur la classe exacte de matériel que nous vendons.
Sur notre parc, il sert de cerveau interne de planification et de relecture derrière nos propres produits, sur une seule unité classe GB10.
Capacité mémoire sur une unité de 128 Go — mesurée
| Paramètres | 122 Md au total, ~10 Md actifs par token (mélange d'experts) |
|---|---|
| Poids sur l'appareil (4 bits NVFP4) — mesuré | 78 Go |
| Mémoire de l'appareil | 128 Go unifiés (une unité) |
| Reste pour cache de contexte + système | ~40 Go |
| Unités nécessaires | 1 |
Les 78 Go ne sont pas une estimation de fiche technique : c'est l'empreinte sur l'appareil du checkpoint que nous servons, tirée des registres de notre parc. Comme seuls ~10 Md de paramètres sont actifs par token, le modèle reste réactif sur une seule unité.
Ce qu'il sert bien
- Planification et raisonnement multi-étapes pour des flux agentiques — le rôle qu'il tient dans notre propre parc.
- Relecture et jugement de qualité : évaluation de brouillons, de plans et de modifications de code.
- Analyse et synthèse documentaire longue, on-premise.
- Assistant d'entreprise généraliste de classe fleuron, entièrement sur votre matériel.
Notre déploiement en production
Ce modèle tourne quotidiennement dans le parc BrainOutput comme planificateur et relecteur interne, sur la même classe de machine que nous provisionnons pour nos clients. Les faits de déploiement de cette page — empreinte, tenue sur une seule unité — viennent des registres de notre propre parc, pas d'une fiche constructeur.
Limites honnêtes
- Nous publions les faits mémoire que nous avons mesurés ; nous ne publions pas de scores de benchmark inventés. La liste « ce qu'il sert bien » vient de l'usage quotidien en production.
- Le débit en tokens par seconde dépend de vos longueurs de contexte et de la concurrence — nous le dimensionnons dans l'évaluation, sur votre charge réelle, pas sur un chiffre synthétique.
Questions fréquentes
- Qwen3.5-122B tient-il vraiment sur une unité ?
- Oui — mesuré, pas estimé : 78 Go de poids quantifiés sur une unité à 128 Go de mémoire unifiée, avec environ 40 Go restants pour le cache de contexte et le système. C'est l'un des modèles que notre propre parc sert quotidiennement.
- À quoi vous sert-il en interne ?
- À la planification et à la relecture dans nos propres flux agentiques : il rédige et évalue des plans, et joue le juge de qualité pour la production de nos autres modèles. Ce que nous vendons est la configuration que nous exploitons.
- Peut-il être affiné sur nos données ?
- Les modèles open-weight de cette classe peuvent être affinés. Notre LLM Factory prépare les jeux de données, exécute l'affinage, compare le résultat au modèle de base sur vos tâches, et le livre sur le même appareil.