Qwen3.5 122B：本地部署 vs 云端成本决策（2026）

核心结论先给

qwen3.5:122b 在本地 RTX 3090 上可以启动并跑通，但吞吐和时延边界决定了它更适合“验证”和“小流量场景”。

如果你追求稳定并发或长上下文生产负载，通常应优先考虑云端回退。

当前实测锚点（RTX 3090）

来自当前基准快照（src/data/benchmark-results.json）：

• qwen3.5:122b：4.931 tok/s，延迟 11915 ms，测试时间 2026-02-26T19:19:16Z
• 对照项 qwen3.5:35b：34.516 tok/s，延迟 3586 ms

同家族对照已经说明了关键问题：122B 能跑，不代表性价比高。

成本决策框架（实用版）

把“本地 vs 云端”拆成三个维度：

1. 吞吐目标：你要的是验证可用，还是持续服务？
2. 时延目标：能否接受秒级到十秒级延迟波动？
3. 运维目标：你是否愿意长期维护本地稳定性、排障和资源调度？

当这三项里有两项偏“生产级”，云端通常是更稳妥的主路。

什么时候本地更划算

本地仍然有价值，但适合这些场景：

• 团队内部验证新提示词、工作流或插件链路。
• 对并发要求低，主要是单人或小团队使用。
• 希望先低成本打样，再决定是否上云扩容。

建议先用 显存计算器 估算，再用短时间压测验证真实体验。

什么时候应直接走云端

出现以下任意一条，直接启用云端回退更省时间：

• 需要稳定并发服务，而非单机试验。
• 对响应时间有明确 SLA。
• 上下文长度和请求峰值经常波动。

可用回退入口：/go/runpod、/go/vast。
本地侧可先看 硬件升级建议 做下一步规划。

推荐执行路径

1. 在 模型目录 确认 qwen3.5:122b 与 qwen3.5:35b 的定位差异。
2. 先本地做可用性验证，再决定是否长期承载。
3. 将高峰流量与长上下文请求分流到云端。
4. 对外展示时明确标注 Measured（实测） 与 Estimated（估算）。

合规披露

本文可能包含联盟链接。若通过链接购买服务，LocalVRAM 可能获得佣金，但不增加你的额外成本。
披露文案应放在 CTA 附近，并保持“数据来源可追溯”。