Il Lenovo Pro 9n 15 è il notebook Lenovo da 15.3 pollici con NVIDIA RTX Spark pensato per i creatori di contenuti, dotato di display OLED 2.5K a 165Hz, touchpad aptico compatibile con la penna e chassis in alluminio spesso 0.66 pollici. Il nostro esemplare monta la configurazione base: il processore N1X a 18 core con GPU Blackwell a 5,120 core, 32 GB di RAM LPDDR5X e un SSD Gen4 da 1 TB con Windows 11 Pro. Lenovo propone il Pro 9n a partire da 2,999.99 dollari per il modello a 18 core, 32 GB di RAM e SSD da 512 GB. Il prezzo della nostra configurazione con SSD da 1 TB e Windows 11 Pro non era disponibile al momento della recensione.
Questa recensione analizza la costruzione e il design del Pro 9n, per poi passare ai risultati ottenuti in termini di intelligenza artificiale locale, CPU, memoria, gaming, gestione termica e storage. Lo confrontiamo con l' HP OmniBook Ultra 16 da 32 GB, che utilizza la stessa GPU da 12 GB suddivisa sul chip a 20 core; il Lenovo Yoga 9n 2-in-1 16 , il suo "fratello" Lenovo con chip a 20 core e 64 GB; e il Razer Blade 16, la cui RTX 5090 è risultata la scheda grafica per notebook x64 più potente nella nostra recensione del Surface Laptop Ultra . I test sulla batteria sono ancora in corso e verranno aggiunti al termine.
Il Pro 9n mantiene la sua N1X a temperature inferiori rispetto all'OmniBook a 20 core alle stesse frequenze. Lenovo dichiara un consumo fino a 80 W e, in ogni test della CPU, ha mantenuto frequenze di clock di tutti i core entro circa l'1% da quelle dell'OmniBook da 32 GB, raggiungendo un picco di 93 °C. Questo posiziona i suoi 18 core dall'8 all'11% indietro rispetto all'OmniBook a 20 core nella maggior parte delle attività multi-thread, ma alla pari con esso in Stockfish e nel problema OpenBLAS N=20000. La GPU più piccola perde dal 2 al 5% nella generazione di token LLM.
In tutti i sistemi, la memoria rappresenta il fattore limitante e dovrebbe essere un elemento determinante nella scelta del dimensionamento al momento dell'acquisto. Ad esempio, non è possibile caricare il modello gpt-oss:20b da 12.8 GB. Sebbene gli utenti possano optare per forzarne l'installazione, l'app NVIDIA avverte che le allocazioni minime e massime potrebbero causare problemi. Inoltre, c'è un aspetto pratico da considerare quando si carica un modello che occupa tutta la VRAM disponibile, non lasciando nulla per la cache KV.
La suddivisione fissa è una limitazione di Windows, non di NVIDIA. Windows non supporta ancora la memoria unificata tra CPU e GPU come fa lo stack Linux su DGX Spark, motivo per cui l'allocazione deve essere impostata in anticipo; sappiamo che NVIDIA e Microsoft stanno lavorando per implementare questa funzionalità.
Punti chiave
- Intelligenza artificiale a basso consumo energetico alla massima velocità: MLPerf Llama 3.1 8B ha raggiunto una velocità di 55.1 token al secondo sulla GPU a 5,120 core, il 2% in meno rispetto all'OmniBook a 20 core, e le risposte RAG hanno richiesto 0.252 secondi. La suddivisione della GPU a 12 GB la esclude dai nostri test di carico del modello e di agente di codifica.
- Meno core, frequenze di clock più elevate: Il Pro 9n ha mantenuto una frequenza di 3,288 MHz durante il ciclo continuo di 30 minuti con una temperatura massima di 92 °C e ha ottenuto un punteggio di 6,394 in Cinebench 2026 multi-core, l'8% in meno rispetto all'OmniBook e il 23% in più rispetto al Razer Blade 16.
- Livello con 20 core in Stockfish e OpenBLAS: La risoluzione LU di OpenBLAS su tutti i core con N=20000 ha raggiunto 318.1 GFLOPS contro 322.4 sull'OmniBook, e Stockfish ha effettuato una ricerca di 15.20 Mnps contro 15.12.
- Un display e un sistema di input progettati per il lavoro a colori: Il display OLED da 15.3 pollici raggiunge una frequenza di aggiornamento fino a 165 Hz con un Delta E inferiore a 0.5, mentre il Force Pad aptico da 95 x 150 mm funge anche da superficie di disegno per la Yoga Pen Gen 2, il tutto racchiuso in uno chassis in alluminio di 0.66 pollici con una batteria da 92.5 Wh.
- Spazio di archiviazione per la Gen4, spazio per la Gen5: L'SSD Samsung Gen4 ha raggiunto una velocità di lettura di 7,024 MB/s e la temperatura più alta del gruppo, pari a 78 °C, e Lenovo specifica il supporto per una seconda unità M.2 2242 nel modello Gen5.
Costruire e disegnare
Il Pro 9n è un notebook tradizionale a conchiglia con coperchio e base in alluminio, in una colorazione che Lenovo chiama Thunder Grey. Misura 13.66 x 9.53 x 0.66 cm nel punto più sottile e pesa a partire da 3.64 kg, risultando il notebook più leggero di questo confronto. Lenovo afferma che ha superato i test MIL-STD-810H, possiede la certificazione Carbon Neutral e utilizza il 50% di alluminio riciclato nella parte inferiore del coperchio.
Al tatto, il Pro 9n condivide con lo Yoga 9n 2-in-1 i bordi arrotondati, la disposizione delle porte e la struttura, e il coperchio si chiude magneticamente. La tastiera è più stretta di quella dello Yoga, priva di tastierino numerico, e lo spazio ai lati è occupato dagli altoparlanti; offre una sensazione di solidità ed è retroilluminata. Il Force Pad in vetro è liscio e sufficientemente ampio da poter essere utilizzato quasi con entrambe le mani contemporaneamente, e lo chassis è leggermente più stretto di quello dello Yoga, che Lenovo ha progettato come convertibile da 16 pollici.
Lenovo ha riprogettato i componenti interni dell'N1X, con un nuovo sistema termico, prese d'aria più grandi e una sporgenza termica rialzata nella parte inferiore che, a detta dell'azienda, consente al Pro 9n di funzionare fino a 80 W. La parte inferiore mostra un'ampia griglia di aspirazione nella metà posteriore.
Una volta rimosso il coperchio, due ventole affiancano un dissipatore di calore con diverse heatpipe che attraversano il centro della scheda, mentre la batteria occupa la parte anteriore dello chassis. I nostri risultati confermano le affermazioni di Lenovo in materia di temperature: il Pro 9n si è mantenuto più fresco dell'OmniBook a frequenze di clock più elevate, come dettagliato nella sezione dedicata alle temperature. Una scelta di design unica rispetto ad altre piattaforme mobili NVIDIA, almeno finora, è la presenza di due alloggiamenti per unità M.2 2242 da parte di Lenovo. Gli altri produttori hanno optato per un singolo 2280. Lenovo offre quindi una seconda opzione di unità, ma gli SSD 2242 hanno una capacità inferiore e tendono a non offrire prestazioni pari a quelle dei 2280.
Il touchscreen OLED PureSight Pro da 15.3 pollici ha una risoluzione di 2560 x 1600 pixel con frequenza di aggiornamento variabile da 48 a 165 Hz. Lenovo lo calibra con X-Rite Pantone e lo valuta con un Delta E inferiore a 0.5, una luminosità di picco di 1,100 nit in HDR e una copertura del 100% di sRGB e P3, con certificazione Dolby Vision e VESA DisplayHDR True Black 1000. Quattro altoparlanti, due woofer da 2 W e due tweeter da 2 W ottimizzati per Dolby Atmos, affiancano la tastiera.
La tastiera ha una corsa dei tasti di 1.5 mm, retroilluminazione e un tasto Copilot. Al di sotto, il Force Pad aptico misura 95 x 150 mm e funziona come superficie di disegno con la Yoga Pen Gen 2, che supporta 8,192 livelli di pressione tramite AES 3.0. La fotocamera a infrarossi da 9.2 MP ha un otturatore elettronico con un interruttore fisico sul lato dello chassis e tre microfoni con cancellazione del rumore gestiscono le chiamate vocali.
Sul lato destro si trovano il pulsante di scatto della fotocamera, il pulsante di accensione, un lettore di schede SD UHS-II, una porta USB-C e una porta USB-A always-on a 10 Gbps; sul lato sinistro sono presenti una porta HDMI 2.1, una seconda porta USB-A, una seconda porta USB-C e un jack per le cuffie. Entrambe le porte USB-C funzionano a 40 Gbps con Power Delivery e DisplayPort 2.1, e Lenovo le elenca come Thunderbolt 4 e USB4. La connettività wireless è Wi-Fi 7 con Bluetooth 5.4 e la batteria da 92.5 Wh supporta la ricarica rapida Rapid Charge Express; i nostri risultati sulla batteria saranno disponibili al termine del nuovo test.
La piattaforma RTX Spark N1X
RTX Spark è il nome che NVIDIA dà alla famiglia di PC Windows basati sul superchip N1X, il fratello laptop del GB10 nella serie DGX Spark , e la nostra recensione del Surface Laptop Ultra analizza a fondo la piattaforma. Il Pro 9n nel nostro laboratorio monta la seconda configurazione, che abbina una CPU Grace a 18 core (nove core più veloci e nove core a basso consumo, senza SMT) a una GPU Blackwell RTX a 5,120 core. Lenovo dichiara una frequenza fino a 3.9 GHz per i core più veloci e fino a 2.8 GHz per quelli a basso consumo, e offre la configurazione con 20 core e 6,144 core GPU in altre configurazioni.
La memoria LPDDR5X dell'N1X è condivisa tra CPU e GPU, con un'impostazione nell'app NVIDIA che decide quanta memoria Windows assegna alla GPU; si tratta di una modifica lato Windows, non di un'opzione del BIOS. Abbiamo impostato il nostro Pro 9n da 32 GB con 12 GB per la GPU e 20 GB per la CPU, la stessa suddivisione dell'OmniBook da 32 GB, in modo che i due siano direttamente confrontabili. Con 12 GB, nessuno dei due soddisfa i requisiti per il nostro livello minimo di modello AI locale, che richiede 16 GB di memoria utilizzabile dalla GPU, e un'allocazione maggiore verrebbe prelevata dalla memoria utilizzabile da Windows. Windows 11 26H1 viene eseguito su Arm64; le applicazioni x64 passano attraverso l'emulazione Prism e la nostra suite utilizza build native Arm64 di ogni carico di lavoro open source.
Specifiche del Lenovo Pro 9n 15
| Specificazione | Lenovo Pro 9n 15 (83SS0003US) |
|---|---|
| Panoramica della piattaforma | |
| Processore | NVIDIA RTX Spark N1X, CPU a 18 core con GPU Blackwell RTX a 5,120 core (come testato) NVIDIA RTX Spark N1X, CPU a 20 core con GPU Blackwell RTX a 6,144 core |
| Memorie | 32 GB di memoria LPDDR5X-9400 saldata, 256 bit (come testato); espandibile fino a 128 GB Configurazione con 12 GB per la GPU e 20 GB per il sistema (come testato) |
| Archiviazione | Fino a due unità M.2 2242 (una PCIe Gen4, una PCIe Gen5) Samsung MZAL81T0HFLB 1TB, Gen4 x4 (come testato) |
| Sistema operativo | Windows 11 Home o Pro (Arm64); Windows 11 Pro come testato |
| Display e I/O | |
| Display | Schermo touchscreen OLED PureSight Pro da 15.3 pollici con risoluzione 2.5K (2560 x 1600), frequenza di aggiornamento variabile (VRR) da 48 a 165 Hz, formato 16:10. Picco di 1,100 nit (HDR), 100% sRGB e P3, Delta E <0.5, calibrazione Pantone X-Rite Dolby Vision, VESA DisplayHDR True Black 1000, vetro |
| porte | 2 porte USB-C da 40 Gbps (Thunderbolt 4 / USB4, USB PD, DisplayPort 2.1) 2 porte USB-A da 10 Gbps (una sempre attiva) 1x HDMI 2.1 (fino a 8K/60Hz) 1 lettore di schede SD (UHS-II) 1 jack combinato per cuffie/microfono |
| Wireless | Wi-Fi 7 (802.11be 2×2), Bluetooth 5.4 |
| Telecamere | 9.2 MP + IR con otturatore elettronico e interruttore |
| audio | Quattro altoparlanti: 2 woofer da 2 W, 2 tweeter da 2 W; Dolby Atmos 3x microfoni |
| Ingresso | Tastiera retroilluminata, corsa dei tasti di 1.5 mm, tasto Copilota Pad aptico da 95 x 150 mm con supporto per penna Yoga Pen Gen 2 (AES 3.0, 8,192 livelli di pressione) |
| Potenza e Fisico | |
| batteria | 92.5 Wh, Ricarica rapida Express |
| Design termico | Prese d'aria più ampie e maggiore dissipazione del calore; TDP fino a 80 W (valore nominale Lenovo) |
| Dimensioni | 13.66 x 9.53 x 0.66 pollici (347 x 242 x 16.7 mm) |
| Peso | A partire da 3.64 libbre (1.65 kg) |
| Colore e materiale | Grigio tuono, parte superiore e inferiore in alluminio; testato secondo lo standard MIL-STD-810H. |
| Prezzi | |
| Prezzo (Lenovo.com) | A partire da $ 2,999.99 (18 core, 32 GB, 512 GB); la configurazione testata non è elencata |
Test Setup e Metodologia
Il nostro Pro 9n 15 monta una RTX Spark N1X con CPU a 18 core e GPU Blackwell a 5,120 core, 32 GB di RAM LPDDR5X-9400 (12 GB per la GPU e 20 GB per il sistema) e un SSD Samsung Gen4 da 1 TB su Windows 11 Pro 26H1 (Arm64). I benchmark sono stati eseguiti in modalità Prestazioni di Lenovo. I test sulla durata della batteria verranno aggiunti al termine.
Ogni sistema in questo confronto ha eseguito sr-client 1.2, la nostra suite di benchmark per client Windows, con profilo completo e profilo Peak, utilizzando l'immagine di fabbrica di Windows con i driver e le utilità del produttore. La suite applica le stesse impostazioni di laboratorio ovunque: modalità di risparmio energetico di Windows su Prestazioni massime, alimentazione di rete, luminosità dello schermo al 50%, tutti i timer di sospensione e spegnimento dello schermo disabilitati e le richieste di Windows Firewall e UAC disattivate. Ogni risultato è la mediana di passaggi ripetuti e la suite ripete un test la cui dispersione supera il 2% prima di accettarlo.
| Sistema | CPU | Memorie | GPU utilizzata per i test GPU e AI | SSD | Sistema operativo e modalità prestazioni |
|---|---|---|---|---|---|
| Lenovo Pro 9n 15 | NVIDIA RTX Spark N1X, 18 core / 18 thread | 32 GB LPDDR5X-9400 (12 GB GPU / 20 GB di sistema) | Blackwell RTX a 5,120 core (integrata, 12 GB utilizzabili) | Samsung MZAL81T0HFLB 1TB, Gen4 x4 | Windows 11 Pro 26H1 (Arm64), modalità Prestazioni Lenovo |
| HP OmniBook Ultra 16 (32 GB) | NVIDIA RTX Spark N1X, 20 core / 20 thread | 32 GB LPDDR5X-9400 (12 GB GPU / 20 GB di sistema) | Blackwell RTX a 6,144 core (integrata, 12 GB utilizzabili) | KIOXIA KBG80ZNV 1TB, Gen5 x4 | Windows 11 Home 26H1 (Arm64), Prestazioni HP |
| Lenovo Yoga 9n 2-in-1 16 | NVIDIA RTX Spark N1X, 20 core / 20 thread | 64 GB LPDDR5X-9400 (32 GB GPU / 32 GB di sistema) | Blackwell RTX a 6,144 core (integrata, 32 GB utilizzabili) | PC Sandisk SN5100S 1 TB, Gen4 x4 | Windows 11 Home 26H1 (Arm64), modalità Prestazioni Lenovo |
| Razer Blade 16 | AMD Ryzen AI 9 HX 370, 12C / 24T | LPDDR32X-5 da 8000 GB | GPU per laptop NVIDIA GeForce RTX 5090, 24 GB | Samsung MZVL22T0 2TB, Gen4 x4 | Windows 11 Home 25H2 (x64), Razer Synapse Performance |
Nelle tabelle ricorrono due etichette, e la prima è la più importante per la sezione sull'IA. "Non eseguito" significa che la suite ha rifiutato di avviare un test perché l'hardware non è idoneo: il Pro 9n e l'OmniBook da 32 GB, con 12 GB utilizzabili dalla GPU, si trovano al di sotto di entrambe le nostre categorie di modelli, mentre lo Yoga da 32 GB e il Blade 16 da 24 GB li mantengono al di sotto della categoria M. La stessa etichetta indica la dimensione OpenBLAS N=40000, che richiede 11.9 GB e viene saltata laddove questo superi la metà della memoria rilevata da Windows.
N/A significa che un test non si applica a quell'hardware, come ad esempio il single-core SMT su un chip senza SMT, o una riga di emulazione su un sistema x64 che esegue la sua build nativa. Se un sistema RTX Spark eseguiva software x64 tramite Prism, la riga lo indica.
Prestazioni locali dell'IA
Le capacità di intelligenza artificiale locale del Pro 9n sono limitate perché la suddivisione della GPU da 12 GB ne limita le potenzialità. Sui modelli compatibili, la GPU a 5,120 core raggiunge prestazioni paragonabili a quelle delle parti a 6,144 core, poiché la generazione di token a queste dimensioni è limitata più dalla larghezza di banda della memoria che dal numero di core della GPU. Sui modelli non compatibili, non è possibile eseguire questi test, lasciando quindi i test di carico del modello e di codifica degli agenti ai modelli Yoga e Blade 16.
Client MLPerf v2.0
MLPerf Client esegue Llama 3.1 8B e Phi-4-mini attraverso cinque categorie di prompt e riporta il tempo al primo token e la frequenza dei token successivi, come media geometrica. Ogni sistema qui utilizza llama.cpp con CUDA, quindi le righe confrontano l'hardware. Gli scenari agentici eseguono Llama 3.1 8B come agente di ingegneria del software e agente di analisi dei dati che richiamano strumenti in più turni.
| Client MLPerf v2.0 | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Llama 3.1 8B, tempo al primo token, media geometrica (s, minore è meglio) | 0.303 | 0.275 | 0.353 | 0.149 |
| Llama 3.1 8B, tasso di cambio token, media geometrica (tok/s) | 55.1 | 56.4 | 54.4 | 128.8 |
| Phi-4-mini, tempo al primo token, media geometrica (s, minore è meglio) | 0.135 | 0.123 | 0.158 | 0.074 |
| Phi-4-mini, tasso di token, media geometrica (tok/s) | 95.2 | 96.8 | 91.8 | 222.7 |
| Agente di analisi dati, end-to-end (s, minore è meglio) | 56.2 | 52.4 | 59.7 | 27.8 |
| Agente di analisi dati, tariffa in token (tok/s) | 46.9 | 49.0 | 45.3 | 108.3 |
| Agente SWE, end-to-end (s, minore è meglio) | 48.0 | 46.2 | 51.6 | 24.6 |
| Agente SWE, tasso di cambio token (tok/s) | 44.5 | 46.6 | 43.0 | 102.5 |
Il Pro 9n ha generato Llama 3.1 8B a 55.1 token al secondo e Phi-4-mini a 95.2, entrambi circa il 2% in meno rispetto all'OmniBook da 32 GB, nonostante il 17% in meno di core GPU. Il tempo per il primo token, che si basa maggiormente sulla potenza di calcolo, ha mostrato un divario maggiore di circa il 10%, e i due scenari agentici hanno richiesto rispettivamente il 7% e il 4% in più. Il Pro 9n ha superato lo Yoga in ogni riga di MLPerf perché il budget energetico inferiore dello Yoga gli costa di più rispetto ai core mancanti del Pro 9n.
Agente di caricamento e codifica del modello
I nostri test di carico del modello e dell'agente di codifica richiedono almeno 16 GB di memoria utilizzabile dalla GPU per il modello più piccolo che eseguiamo, il gpt-oss:20b da 12.8 GB, quindi la suddivisione a 12 GB del Pro 9n lo esclude da entrambi i test e abbiamo omesso i relativi grafici da questa recensione. La nostra recensione dello Yoga 9n 2-in-1 16 mostra i vantaggi di una suddivisione GPU da 32 GB sulla stessa piattaforma, e un Pro 9n configurato con più memoria sarebbe idoneo per gli stessi test.
Generazione aumentata di recupero
Il nostro test RAG incorpora 20,963 brani SQuAD v1.1 con nomic-embed-text, recupera i cinque brani migliori per ciascuna delle 2,000 domande e risponde a 400 di esse con Phi-4-mini, valutando la corrispondenza esatta e il punteggio F1. Entrambi i modelli supportano 12 GB, quindi il Pro 9n esegue il test completo.
| RAG | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Tempo di ingestione, 20,963 passaggi (s, minore è meglio) | 191.8 | 195.2 | 188.8 | 131.0 |
| Tempo di recupero della query, p50 (ms, un valore inferiore è migliore) | 24.2 | 22.5 | 22.6 | 20.9 |
| Risposta, tempo Phi-4-mini al primo token, p50 (s, minore è meglio) | 0.171 | 0.156 | 0.181 | 0.109 |
| Risposta, elaborazione rapida (tok/s) | 6,268 | 7,139 | 5,837 | 11,560 |
| Risposta, velocità di generazione (tok/s) | 96.6 | 102.0 | 91.1 | 209.2 |
| Domanda a cui rispondere, p50 (s, più basso è meglio) | 0.252 | 0.231 | 0.262 | 0.159 |
| Risposta F1 (%) | 74.27 | 73.97 | 73.97 | 74.47 |
Il Pro 9n ha elaborato il corpus in 191.8 secondi, più velocemente dei 195.2 secondi dell'OmniBook da 32 GB, e ha generato risposte a 96.6 token al secondo contro i 102.0 dell'HP. Una domanda tipica ha richiesto 0.252 secondi dalla domanda alla risposta, un valore intermedio tra gli 0.231 dell'HP e gli 0.262 dello Yoga, mentre il Blade 16 ha risposto in 0.159 secondi. Il tempo di risposta F1 è risultato entro mezzo punto su ogni sistema.
Prestazioni della CPU
Due core in meno costano al Pro 9n meno di quanto il numero di core potrebbe suggerire, perché mantiene frequenze di clock più elevate rispetto ai sistemi a 20 core sotto carico multi-core. È in svantaggio rispetto all'OmniBook da 32 GB dell'8-11% in rendering, compressione e compilazione, lo eguaglia in Stockfish e nel test OpenBLAS N=20000, e si contende il primato con lo Yoga a 20 core, primeggiando in Cinebench, Stockfish, primesieve e OpenBLAS. Su un singolo thread, perde circa l'8% rispetto ai modelli a 20 core in Cinebench e dal 2 al 6% negli altri test. Contro il Razer Blade 16, il Pro 9n vince in rendering, compressione e compilazione, ma perde in GROMACS, Stockfish, OpenBLAS multi-core, SVT-AV1 e nella maggior parte dei test single-thread.
Cinebench 2026 e carico sostenuto
Cinebench 2026 renderizza una scena con il motore Redshift di Maxon sulla CPU e valuta le prestazioni single-core, SMT single-core (due thread su un singolo core fisico) e multi-core. Successivamente, eseguiamo un ciclo continuo che ripete l'esecuzione multi-core per circa 30 minuti e confrontiamo il risultato a regime con quello della prima passata.
| Cinebench 2026 (punti, più alto è il punteggio, meglio è) | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Single core | 518.2 | 564.7 | 557.0 | 480.0 |
| singolo nucleo SMT | N/A | N/A | N/A | 661.3 |
| Multi-core | 6,394 | 6,934 | 6,292 | 5,179 |
| Ciclo sostenuto, primo passaggio | 6,346 | 6,943 | 6,248 | 5,162 |
| Ciclo sostenuto, stato stazionario | 6,416 | 6,929 | 6,256 | 5,206 |
| Stato stazionario / primo passaggio | 1.011 | 0.998 | 1.001 | 1.009 |
Il Pro 9n ha totalizzato 6,394 punti multi-core, l'8% in meno rispetto ai 6,934 dell'OmniBook da 32 GB, il 2% in più dello Yoga e il 23% in più del Blade 16. Il suo punteggio single-core di 518.2 è risultato inferiore di circa il 7-8% rispetto ai sistemi a 20 core. Il ciclo di test sostenuto è aumentato nel corso della mezz'ora, terminando a 6,416 punti, il 101.1% del primo passaggio, con la CPU a una temperatura massima di 92 °C e una frequenza di 3,288 MHz.
7-Zip, Blender, HandBrake e LLVM
Il benchmark integrato di 7-Zip riporta il throughput di compressione e decompressione LZMA su ogni thread e su un singolo core. Blender 4.5 renderizza le scene Monster, Junkshop e Classroom con Cycles sulla CPU. HandBrake codifica 60 secondi di una clip 4K60 via software con x265 e SVT-AV1, e il test LLVM compila l'intero albero LLVM 21.1.4 con Clang e Ninja.
| 7-Zip, un thread (GIPS, valore più alto è migliore) | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Totale | 8.93 | 9.10 | 9.12 | 9.24 |
| Comprimere | 7.26 | 7.33 | 7.35 | 7.28 |
| Decomprimere | 10.59 | 10.87 | 10.88 | 11.20 |
Questi sono i test in cui il numero di core si fa sentire. Il Pro 9n ha raggiunto 138.1 GIPS in 7-Zip su tutti i thread, il 10% in meno rispetto all'OmniBook e il 10% in più rispetto al Blade 16, ed è risultato inferiore all'HP del 9% nella scena Monster di Blender e dell'8% in Classroom. La compilazione LLVM ha richiesto 229.8 secondi contro i 211.1 dell'HP e i 327.0 del Blade, e la codifica x265 è stata eseguita a 37.7 fps, l'11% in meno rispetto all'OmniBook.
SVT-AV1 girava a circa 15 fps su ogni sistema RTX Spark contro i 77.3 del Blade 16, il che indica che il percorso del codice Arm64 di SVT-AV1 è corretto, dato che tutte e quattro le configurazioni N1X si trovano entro un frame l'una dall'altra, ed è il caso più chiaro nella nostra suite di software che determina il risultato.
Stockfish, primesieve, Python e il browser
Stockfish riporta la velocità di ricerca degli scacchi in milioni di nodi al secondo. Primesieve conta i numeri primi inferiori a 10^12 su tutti i thread e inferiori a 10^11 su un singolo thread. PyPerformance esegue tre benchmark CPython con un singolo core veloce, e Speedometer 3.1 misura la reattività delle applicazioni web in Microsoft Edge. Le ultime due righe mostrano l'esecuzione della versione x64 di 7-Zip tramite emulazione Prism.
| Test | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Banco da pesca Stockfish, tutte le filettature (Mnps, maggiore è il valore, migliore è la filettatura) | 15.20 | 15.12 | 13.42 | 17.96 |
| Banco da pesca Stockfish, una filettatura (Mnps, più alto è meglio) | 1.70 | 1.73 | 1.72 | 2.04 |
| primesieve 1e12, tutti i fili (s, più basso è meglio) | 10.56 | 9.54 | 10.77 | 10.60 |
| primesieve 1e11, un filo (s, più basso è meglio) | 12.34 | 12.02 | 12.01 | 6.67 |
| PyPerformance go (ms, un valore inferiore è migliore) | 114.1 | 111.2 | 110.6 | 75.2 |
| PyPerformance nbody (ms, un valore inferiore è migliore) | 82.5 | 80.6 | 80.5 | 60.8 |
| PyPerformance regex_compile (ms, un valore inferiore è migliore) | 86.7 | 84.5 | 84.3 | 69.7 |
| Speedometer 3.1, Edge (punteggio, più alto è, meglio è) | 33.9 | 35.4 | 36.1 | 38.4 |
| 7-Zip x64 in emulazione, tutti i thread (GIPS) | 117.6 | 127.8 | 124.3 | N/D (nativo x64) |
| x64 7-Zip in emulazione, un thread (GIPS) | 7.94 | 8.36 | 8.25 | N/D (nativo x64) |
Stockfish è il test in cui le frequenze del Pro 9n danno il meglio di sé. Su tutti i 18 core, ha raggiunto 15.20 Mnps, leggermente superiore ai 15.12 dell'OmniBook a 20 core e del 13% superiore allo Yoga, con una frequenza di 3,292 MHz, la più alta registrata in Stockfish da qualsiasi sistema RTX Spark che abbiamo testato. Primesieve su tutti i thread ha impiegato 10.56 secondi contro i 9.54 dell'HP.
Le righe single-thread hanno posizionato il Pro 9n qualche punto percentuale dietro le parti a 20 core, con PyPerformance a 114.1 ms contro 111.2 e un punteggio Speedometer di 33.9, il più basso qui, e il Blade 16 ha superato tutti tranne Cinebench single-core, dove il Pro 9n ha ottenuto 518.2 contro i suoi 480.0. La build x64 di 7-Zip ha raggiunto 117.6 GIPS in emulazione, l'85% del risultato nativo.
GROMACS, OpenBLAS e Memoria
GROMACS esegue il caso di dinamica molecolare benchMEM su 16 core e riporta i nanosecondi di tempo simulato al giorno per la configurazione migliore. Il nostro test OpenBLAS esegue una risoluzione LU a doppia precisione in stile HPL con tre dimensioni del problema e una moltiplicazione di matrici DGEMM, su tutti i core e solo sulla classe di core più performante, ed è il carico in virgola mobile più pesante sostenuto della suite. STREAM misura la larghezza di banda della memoria sostenuta e le righe di latenza misurano un singolo accesso alla memoria e tra i core.
| Test (punteggio più alto è migliore) | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| GROMACS benchMEM, miglior layout (ns/giorno) | 16.88 | 17.43 | 17.15 | 26.41 |
| OpenBLAS LU N=10000, tutti i core (GFLOPS) | 303.4 | 326.9 | 281.3 | 400.9 |
| OpenBLAS LU N=20000, tutti i core (GFLOPS) | 318.1 | 322.4 | 298.6 | 454.4 |
| OpenBLAS LU N=40000, tutti i core (GFLOPS) | Non eseguibile (richiede 11.9 GB) | Non eseguibile (richiede 11.9 GB) | 282.5 | 498.5 |
| OpenBLAS LU N=20000, classe core principale (GFLOPS) | 403.8 | 432.2 | 273.2 | 240.4 |
| OpenBLAS DGEMM M=8000, tutti i core (GFLOPS) | 357.6 | 368.9 | 312.7 | 455.4 |
| OpenBLAS DGEMM M=8000, classe core principale (GFLOPS) | 448.3 | 488.7 | 346.7 | 252.4 |
OpenBLAS ha separato a malapena il Pro 9n dall'OmniBook da 32 GB. La sua risoluzione LU su tutti i core a N=20000 ha raggiunto 318.1 GFLOPS contro 322.4, la sua DGEMM su tutti i core 357.6 contro 368.9, e i suoi nove core veloci da soli hanno risolto N=20000 a 403.8 GFLOPS, che batte il suo stesso risultato su tutti i core come fa sull'HP. Il Pro 9n ha superato lo Yoga in ogni riga di OpenBLAS eseguita e il Blade 16 ha superato tutti su tutti i core. GROMACS ha posizionato il Pro 9n indietro del 3% rispetto all'HP a 16.88 ns/giorno, contro 26.41 sul Blade.
| Test | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Copia STREAM (MB/s, valore più alto è migliore) | 127,682 | 128,814 | 118,738 | 43,731 |
| Triade STREAM (MB/s, valore più alto è migliore) | 120,272 | 121,662 | 112,067 | 48,298 |
| Latenza della memoria, buffer da 1 GiB, pagine da 4 KiB (ns, un valore inferiore è migliore) | 143.4 | 143.5 | 141.8 | 129.6 |
| Latenza tra i core, media di tutte le coppie (ns, valore inferiore è migliore) | 160.6 | 160.9 | 162.8 | 57.0 |
Le prestazioni della memoria sono le stesse dei sistemi a 20 core. STREAM Triad ha raggiunto 120,272 MB/s, circa l'1% in meno rispetto all'OmniBook e 2.5 volte il valore del Blade 16, con una latenza della memoria di 143.4 ns e una latenza core-to-core di 160.6 ns, entrambe in linea con HP.
Giochi e codifica GPU
SuperTuxKart 1.5 esegue il suo benchmark integrato a 1080p a schermo intero con le impostazioni grafiche più elevate e vsync disattivato, una volta con la build nativa Arm64 del gioco e una volta con la build x64 in emulazione. FFmpeg codifica la stessa clip 4K60 con NVENC HEVC a 8 Mbps e con il codificatore HEVC di Media Foundation laddove disponibile.
| Test (punteggio più alto è migliore) | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| SuperTuxKart 1080p Ultra, nativo, media (fps) | 218.4 | 236.1 | 216.4 | 200.0 |
| SuperTuxKart 1080p Ultra, nativo, stabile (fps) | 140 | 147 | 131 | 115 |
| SuperTuxKart 1080p Ultra, x64 in emulazione, media (fps) | 248.6 | 265.4 | 186.8 | N/D (nativo x64) |
| SuperTuxKart 1080p Ultra, x64 in emulazione, stabile (fps) | 94 | 143 | 93 | N/D (nativo x64) |
| FFmpeg NVENC HEVC, 4K60 a 8Mbps (fps) | 139 | 137 | 139 | 132 |
| FFmpeg Media Foundation HEVC (fps) | 55 | 55 | 65 | N/A |
Il Pro 9n ha raggiunto una media di 218.4 fps con la build nativa, il 7% in meno rispetto all'OmniBook da 32 GB e allo stesso livello dello Yoga, ma superiore ai 200.0 del Blade 16, il che suggerisce che la RTX 5090 non sia il fattore limitante del gioco a 1080p. La build x64 in emulazione ha raggiunto una media di 248.6 fps, più veloce della build nativa, sebbene il suo frame rate costante di 94 fps mostri un ritmo peggiore. NVENC è a funzione fissa e i 139 fps del Pro 9n in HEVC eguagliano i sistemi a 20 core.
termiche
I risultati termici del Pro 9n rappresentano la prova più convincente a favore del design del sistema Lenovo. Ha raggiunto un picco di 93 °C in HandBrake e di 92 °C in Cinebench e nel ciclo di test continuo, i più intensi, e tra 83 e 92 °C nel resto della suite di test della CPU, mentre l'OmniBook da 32 GB ha raggiunto picchi di 97-98 °C in ogni test della CPU. La sua media nel ciclo di test continuo è stata di 87 °C contro i 98 °C dell'HP. I sistemi RTX Spark segnalano la temperatura della CPU solo tramite le zone termiche di Windows e la zona del Pro 9n ha generato brevi letture errate di 100-130 °C a frequenze inattive, che abbiamo escluso.
| Temperatura della CPU, massima / media (°C) | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Cinebench 2026 | 92 / 70 | 98 / 83 | 72 / 65 | 96 / 78 |
| 7-Zip | 83 / 63 | 98 / 77 | 76 / 62 | 99 / 84 |
| Stoccafisso | 88 / 83 | 98 / 96 | 71 / 69 | 92 / 90 |
| Frullatore | 91 / 80 | 98 / 97 | 80 / 75 | 95 / 87 |
| HandBrake | 93 / 74 | 98 / 87 | 86 / 71 | 92 / 86 |
| LLVM build | 87 / 79 | 98 / 92 | 81 / 75 | 98 / 93 |
| GROMACS | 89 / 85 | 98 / 96 | 84 / 81 | 97 / 94 |
| ApriBLAS | 92 / 83 | 97 / 93 | 85 / 74 | 91 / 87 |
| STREAM | 78 / 66 | 95 / 89 | 64 / 59 | 75 / 71 |
| SuperTuxKart | 74 / 68 | 94 / 86 | 68 / 62 | 89 / 82 |
| Client MLPerf | 76 / 66 | 93 / 85 | 72 / 60 | 97 / 76 |
| Agente di codifica | Non correre | Non correre | 71 / 67 | 91 / 84 |
| RAG | 76 / 71 | 94 / 90 | 84 / 75 | 88 / 83 |
| Ciclo sostenuto | 92 / 87 | 98 / 98 | 72 / 70 | 94 / 90 |
Il funzionamento a temperature più basse non ha comportato una perdita di velocità di clock per il Pro 9n: sotto carico su tutti i core, ha mantenuto frequenze entro circa l'1% rispetto all'OmniBook in ogni test della CPU e superiori in Stockfish, GROMACS, OpenBLAS e nel ciclo di test sostenuto, inclusi 3,288 MHz nel ciclo di test sostenuto contro i 3,232 MHz dell'HP e i 3,015 MHz dello Yoga. Lenovo dichiara un consumo energetico fino a 80 W per il Pro 9n e fino a 70 W per lo Yoga, e con due core in meno che condividono questo budget, il Pro 9n può far funzionare ogni core più velocemente a una temperatura inferiore. Come ogni sistema RTX Spark che abbiamo testato, ha mantenuto la frequenza di clock costante per l'intero ciclo di test.
| Frequenza media della CPU (MHz) | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Cinebench 2026 | 2,951 | 2,964 | 2,799 | 4,158 |
| 7-Zip | 2,849 | 2,862 | 2,722 | 4,014 |
| Stoccafisso | 3,292 | 3,269 | 3,057 | 3,645 |
| Frullatore | 3,216 | 3,241 | 3,111 | 3,729 |
| HandBrake | 2,834 | 2,865 | 2,687 | 3,814 |
| LLVM build | 3,197 | 3,193 | 3,083 | 3,697 |
| GROMACS | 3,367 | 3,315 | 3,226 | 3,874 |
| ApriBLAS | 3,192 | 3,057 | 2,890 | 4,274 |
| STREAM | 3,101 | 3,251 | 3,077 | 3,684 |
| SuperTuxKart | 2,017 | 2,008 | 2,002 | 4,349 |
| Client MLPerf | 2,027 | 2,241 | 1,935 | 3,593 |
| Agente di codifica | Non correre | Non correre | 1,945 | 3,789 |
| RAG | 2,760 | 2,724 | 2,707 | 3,764 |
| Ciclo sostenuto | 3,288 | 3,232 | 3,015 | 3,726 |
L'SSD è stato l'unico componente a scaldarsi, con l'unità Samsung che ha raggiunto un picco di 78 °C durante il test di archiviazione, la temperatura più alta di tutti i sistemi in questo confronto e 14 °C superiore a quella del KIOXIA Gen5 da 32 GB dell'OmniBook.
Prestazioni di archiviazione
Il nostro test di archiviazione esegue i quattro angoli di fio sull'unità di avvio con ingombri da 5 GB e 25 GB, attraverso il file system e sul dispositivo raw, e riporta qui i risultati da 25 GB. Le righe del dispositivo raw bypassano NTFS e BitLocker, quindi la differenza tra i due mostra quanta parte delle capacità di un'unità sopravvive al percorso I/O di Windows. La protezione BitLocker era disattivata su Pro 9n e Yoga, e attivata su OmniBook.
| fio, ingombro 25 GB, QD32 | Pro 9n 15 | OmniBook Ultra 16 (32 GB) | Yoga 9n 2-in-1 16 | Razer Blade 16 |
|---|---|---|---|---|
| Lettura sequenziale 128K, file system (MB/s) | 7,024 | 10,509 | 6,874 | 7,125 |
| Lettura sequenziale 128K, dispositivo raw (MB/s) | 7,165 | 10,047 | 6,975 | 7,134 |
| Scrittura sequenziale 128K (MB/s) | 5,699 | 9,464 | 5,905 | 5,250 |
| Lettura casuale 4K, file system, picco (IOPS) | 338,936 | 289,024 | 394,468 | 694,597 |
| Lettura casuale 4K, dispositivo raw, picco (IOPS) | 973,106 | 1,412,982 | 765,766 | 993,050 |
| Scrittura casuale 4K, picco (IOPS) | 192,000 | 226,661 | 68,923 | 648,446 |
| Lettura casuale raw/del file system | 2.87x | 4.89x | 1.94x | 1.43x |
| Lettura casuale 4K, 4 processi, latenza p99 (US, minore è meglio) | 578 | 494 | 522 | 444 |
| Scrittura casuale 4K, 4 processi, latenza p99 (US, minore è meglio) | 758 | 602 | 12,255 | 371 |
| Temperatura massima del motore (°C) | 78 | 64 | 67 | 60 |
L'unità Samsung Gen4 da 1 TB del Pro 9n ha raggiunto velocità di lettura di 7,024 MB/s e di scrittura sequenziale di 5,699 MB/s, pari a quelle delle unità Gen4 presenti nello Yoga e nel Blade 16 e circa due terzi di quelle del KIOXIA Gen5 dell'OmniBook. Le letture casuali del file system hanno raggiunto 338.9 IOPS, superando i 289.0 dell'HP, partendo da un limite massimo di 973.1 IOPS. Questo divario di 2.9 volte è inferiore al divario di 4.9 volte dell'OmniBook, il che è coerente con il fatto che la crittografia software di BitLocker ha un costo maggiore per l'HP.
Le scritture casuali hanno raggiunto 192.0 IOPS, al di sotto dei 226.7 dell'HP ma quasi il triplo dell'unità QLC dello Yoga. Sei delle configurazioni fio del Pro 9n hanno mostrato variazioni superiori al nostro limite del 2% dopo una nuova esecuzione e sono contrassegnate come parziali, distribuite tra letture casuali, scritture casuali e una lettura sequenziale con un'impronta di 5 GB. Lenovo specifica la possibilità di installare una seconda unità M.2 2242 nella Gen5, che rappresenterebbe la soluzione di aggiornamento per gli acquirenti che desiderano la velocità sequenziale dei sistemi a 20 core.
Conclusione
Il Lenovo Pro 9n 15 rappresenta un valido argomento a favore del processore RTX Spark a 18 core. Il design termico di Lenovo e l'alimentatore da 80 W gli consentono di raggiungere frequenze di clock su tutti i core superiori rispetto ai notebook a 20 core, con un picco di temperatura di 92 °C. Di conseguenza, si avvicina all'OmniBook Ultra 16 da 32 GB nelle prestazioni di rendering e le eguaglia in Stockfish e OpenBLAS. La GPU più piccola incide per il 2-5% sulla generazione di token LLM, e il sistema è il più leggero del gruppo con un peso di soli 165 kg, dotato di un display OLED a 165 Hz calibrato con un Delta E inferiore a 0.5 e di un Force Pad compatibile con la penna.
La memoria è in realtà l'unico limite di questa configurazione, poiché una GPU da 12 GB suddivisa da 32 GB non può contenere i 12.8 GB di gpt-oss:20b, quindi il Pro 9n non può partecipare ai nostri test di carico modello e agente di codifica, e il suo SSD Gen4 legge a circa due terzi della velocità sequenziale dell'unità Gen5 dell'OmniBook, sebbene Lenovo offra un'opzione per una seconda unità. Valgono anche le limitazioni della piattaforma: il percorso I/O di Windows su Arm, le porte Arm64 come SVT-AV1 che sono in ritardo rispetto alle build x64 e il lavoro single-thread dove il Razer Blade 16 è all'avanguardia. Come sempre, ci aspettiamo che l'ecosistema software si evolva rapidamente ora che queste unità sono in commercio.
Per i creatori e gli sviluppatori che desiderano la CPU RTX Spark e un display OLED con calibrazione del colore nel case più leggero del gruppo, e il cui lavoro locale di intelligenza artificiale si adatta a modelli compatti, il Pro 9n 15 non ha quasi nulla da invidiare ai sistemi a 20 core, anzi, funziona a temperature più basse. Chi desidera eseguire localmente modelli a 20 bit o superiori dovrebbe configurarlo con più memoria o optare per un sistema da 64 GB o 128 GB.
Classifica: Il Lenovo Pro 9n 15 compare nella sezione RTX Spark della nostra classifica dei migliori laptop per l'IA locale , insieme agli altri sistemi N1X che abbiamo testato sulla nostra nuova suite di client.
Amazon