# Qwen3.5-122B-A10B 的 GPU 需求

Qwen3.5-122B-A10B 有 125B 參數。部署推理時，16 位約需 300 GB 視訊記憶體，8 位約 150 GB，4 位約 75 GB，其中包含約 20% 用於 KV 快取和啟用值。

它是混合專家模型：共 256 個專家，每個 token 啟用其中 8 個。所有專家都常駐視訊記憶體，因此視訊記憶體要按全部 125B 參數來規劃。

[在 Arrakis 上部署](/console/#/models?model=Qwen/Qwen3.5-122B-A10B)。

## 部署推理需要什麼

| 精度 | 視訊記憶體與最小配置 |
|---|---|
| 16 位 | 300 GB：4 × [H100](/zh-tw/gpus/h100.html.md)，4 塊合計每小時 $9.00 起 |
| 8 位 | 150 GB：一張 [B200](/zh-tw/gpus/b200.html.md)，每 GPU 小時 $6.79 起 |
| 4 位 | 75 GB：一張 [H100](/zh-tw/gpus/h100.html.md) 或 [A100](/zh-tw/gpus/a100.html.md)，H100 每 GPU 小時 $2.25 起 |

## 微調需要什麼

| 方法 | 視訊記憶體與最小配置 |
|---|---|
| QLoRA | 88 GB：一張 [RTX PRO 6000](/zh-tw/gpus/rtx-pro-6000.html.md)，每 GPU 小時 $1.90 起 |
| LoRA | 300 GB：4 × [H100](/zh-tw/gpus/h100.html.md)，4 塊合計每小時 $9.00 起 |
| 全量微調 | 2,001 GB：8 × [B300](/zh-tw/gpus/b300.html.md)，8 塊合計每小時 $36.80 起 |

## 關於這個模型

| | |
|---|---|
| 引數量 | `125B` |
| 每個 token 啟用的引數 | `10B` |
| 專家數 | `256` |
| 每個 token 的專家數 | `8` |
| 上下文視窗（token） | `262,144` |
| 釋出精度 | `BF16` |
| 許可證 | `apache-2.0` |
| 釋出日期 | `2026-02-24` |
| 權重 | [Qwen/Qwen3.5-122B-A10B](https://huggingface.co/Qwen/Qwen3.5-122B-A10B) |

## 自己部署

```
vllm serve Qwen/Qwen3.5-122B-A10B --tensor-parallel-size 4
```

## 常見問題

**Qwen3.5-122B-A10B 需要多少視訊記憶體？** 推理部署時，16 位約需 300 GB，8 位約 150 GB，4 位約 75 GB，其中包含約 20% 用於 KV 快取和啟用值。微調時，QLoRA 約需 88 GB，LoRA 約需 300 GB，使用 Adam 全量微調約需 2,001 GB，均未計入啟用值。

**Qwen3.5-122B-A10B 能在單張 GPU 上執行嗎？** 可以，但需要量化。8 位下約需 150 GB，一張 B200 就能放下。16 位下需要 4 張 H100。

**執行 Qwen3.5-122B-A10B 要多少錢？** 16 位下需要 4 張 H100；4 位下需要一張 H100 或 A100。本頁每種配置都顯示 Arrakis 目前每 GPU 小時的最低價格，從預付餘額中按小時扣費。

**如何在 Arrakis 上部署 Qwen3.5-122B-A10B？** 在 Arrakis 控制台中開啟 Models，貼上 Qwen/Qwen3.5-122B-A10B，選擇 vLLM、SGLang 或 llama.cpp，然後租用一張能放下它的 GPU。你會得到一個相容 OpenAI 的端點，帶有專屬 API 金鑰，並可透過 root SSH 登入機器。


更多模型：[/models](/zh-tw/models.html.md)。