WAIC 2026会期为7月17日至20日，场地分布在上海浦东世博、张江、徐汇西岸三地四馆。据《每日经济新闻》7月7日报道，1100余家企业将带来3000余项展品，超过300款产品计划全球首发。发布会还披露，57个核心场景已经落地，累计达成162亿元意向合作。
这些数字能说明大会有多大，却说明不了一个模型跑起来有多贵。
虎嗅的会前文章把问题落在一句话上：烧掉的每一分算力，到底换回了什么？通专融合到了采购环节，能力表旁边必须放一张成本表。
问题在于，截至上述报道发布，公开信息没有给出Qwen3-Max、书生·万象3.0和MiCo在同一任务、同一硬件、同一延迟目标下的横向测试。没有原始测试页的精确单价和节省比例，不适合拿来排座次。
Qwen3-Max：显存、吞吐和成本别连成一条等号
围绕Qwen3-Max，最容易被混在一起的是显存占用、峰值吞吐和总拥有成本。显存更省，可能提高部署密度；但量化方式、上下文长度、batch、KV Cache和GPU利用率一变，最终账单也会跟着变。
单张4090跑Demo，与多卡A100承载生产服务，原本就是两套成本口径。前者关注能否启动，后者还要计算持续并发、排队、故障切换和空闲时段。若要拿Qwen2-72B做基线，也得保证任务、精度和服务参数一致。
一份可核验的Qwen3-Max测试，至少应写清模型版本、权重精度、GPU型号与卡数、输入输出长度、持续吞吐和延迟分位。只报峰值，无法换算采购账单。
书生·万象3.0：MoE省的是哪一段
书生·万象3.0走MoE路线。每个token只调用部分专家，可以减少当次计算量；完整权重如何加载、专家如何分布、跨卡通信是否堵塞，仍会影响显存和吞吐。激活参数少，只回答了计算环节的一部分问题。
场景差异也不能省略。金融合同审查和多模态票据识别的输入结构、输出长度、图像预处理负担并不相同。峰值状态下测出的token单价，换到真实业务后未必还能保持。发布方若只给激活参数量，没有完整模型驻留、KV Cache和稳定并发数据，MoE的成本优势就很难核算。
MiCo要单独拆账
MiCo处在框架层，账单会跟着底层模型变化。接Qwen3-Max或书生·万象3.0，主要token费用仍由模型产生；MiCo需要单列预处理、缓存、任务编排和重试带来的开销。
接入LangGraph、Dify，或者复用embedding，确实可能减少重复处理。但工程兼容性不能直接写成成本降幅。上述公开来源没有提供复用前后的统一对照测试，也就无法得出具体节省比例。
做多模态Agent时，比较表里最好分成两栏：一栏记录底层模型的token账单，另一栏记录框架延迟、预处理耗时和失败重试。混在一起，只会让MiCo看起来既像模型，又像免费的中间层。
一张能用的成本表，应该长这样
| 字段 | 要记录的内容 |
|---|---|
| 任务 | 文本问答、金融合同审查、多模态票据识别等，不能混测 |
| 模型 | 产品名、具体版本、权重精度、量化方式 |
| 硬件 | GPU型号、卡数、显存、云端或本地部署 |
| 负载 | 上下文长度、输入输出比例、batch、并发与QPS |
| 结果 | 持续吞吐、P95/P99延迟、显存峰值、失败与重试 |
| 成本 | API账单，或硬件折旧、电费、运维和空闲资源摊销 |
这张表看起来比一行token报价麻烦，却更接近企业真正支付的费用。会场可以报峰值，采购最终要付整月账单。
162亿元属于项目账，token账要另算
57个核心场景和162亿元意向合作，反映的是项目需求与交易规模。《科创板日报》6月17日的报道还提到，大会策划近140场论坛，汇聚超过1400位嘉宾，展览面积超过10万平方米。这些数字勾勒了WAIC 2026的体量，无法直接证明哪款模型的推理更便宜。
《每日经济新闻》的大会预告将华为Atlas 950超节点真机列为亮点，说明硬件基础设施同样被摆到台前。但超节点解决的是算力承载问题，具体模型能否降本，仍要看它在真实负载下的利用率和整机费用。
眼下能下的判断很窄：现有材料无法证明Qwen3-Max、书生·万象3.0或MiCo已经同时拿下低显存、低单价和高通用性。
小团队可以先拿同一批请求，对比云API账单与本地GPU的实际利用率；企业应把峰值并发、排队、重试和运维写进压测；做Agent的团队，则要把框架开销与底层模型分开记录。
谁先把推理成本打下来，答案不在展板上的单个数字里，而在稳定并发跑起来后的整张账单里。
资料来源
- 在WAIC，当所有人都在为技术欢呼，我们决定先看看AI的账本
- WAIC｜三地四馆、9位诺奖图灵得主！亮点抢先看
- 告别“闲聊”迈向“生产力”，2026 WAIC前瞻
- 倒计时30天！2026世界人工智能大会即将启幕
