HP OmniBook Ultra 16은 HP의 16인치 NVIDIA RTX Spark 노트북으로, NVIDIA N1X 슈퍼칩과 3K OLED 디스플레이를 탑재한 0.62인치 두께의 노트북입니다. 저희는 두 대의 제품을 나란히 놓고 테스트했습니다. 하나는 20코어 N1X 칩, 128GB LPDDR5X RAM, 2TB Gen5 SSD를 탑재한 모델이고, 다른 하나는 동일한 칩에 32GB RAM, 1TB Gen5 SSD를 탑재한 모델입니다. 테스트에 사용된 32GB/1TB 모델은 베스트 바이에서 3,199.99달러에 판매되는 제품으로, HP 공식 웹사이트에서도 동일한 가격으로 제공됩니다. 64GB/2TB 모델은 HP.com에서 4,999.99달러에 판매되고 있으며, 테스트에 사용된 128GB/2TB 모델은 HP.com의 구성 도구를 통해서만 구매할 수 있으며, 10월 14일 기준 HP의 가격은 6,229.99달러입니다.
두 대의 HP 노트북과 함께, 저희가 테스트했던 또 다른 128GB RTX Spark 노트북인 마이크로소프트 서피스 랩탑 울트라 , 32GB HP 노트북과 동일한 12GB GPU를 탑재한 레노버 프로 9n 15 , 그리고 RTX 5090을 탑재하여 비교 대상 x64 노트북 중 가장 강력한 성능을 자랑하는 레이저 블레이드 16과 비교 테스트를 진행했습니다. 배터리 테스트 결과는 새로운 테스트 장비가 완성되는 대로 공개할 예정입니다.
먼저 분명히 말씀드리자면, 128GB OmniBook은 저희가 테스트한 RTX Spark 시스템 중 가장 완벽한 성능을 자랑합니다. 이 시스템은 멀티코어 Cinebench 2026에서 7,004점이라는 최고 점수를 기록했고, Tier M Qwen3.6 코딩 작업을 다른 어떤 시스템보다 빠르게 완료했으며, 두 대의 Surface 기기에서 전력을 소모하는 모든 코어 OpenBLAS 솔빙 작업을 98°C의 온도로 완벽하게 실행했습니다. 32GB 모델은 CPU, MLPerf, RAG 작업에서 128GB 모델의 약 2% 이내의 성능을 보여줍니다. 이러한 모든 시스템에서 메모리 용량은 제약 조건이므로 구매 시 용량 선택에 중요한 고려 사항이 되어야 합니다. GPU 용량이 작을수록 호환 및 원활한 실행이 가능한 모델이 제한됩니다.
주요 요점
- 128GB 장치는 저희가 테스트하는 모든 로컬 AI 계층을 실행합니다. 62.5GB의 GPU 가용 메모리를 갖춘 Blade 16은 gpt-oss:20b와 Qwen3.6-35B-A3B를 사용하여 초당 각각 58.0개와 89.5개의 토큰을 생성하며, Qwen3.6 코딩 작업은 3번의 실행 중 72.0초 만에 완료되어 그룹 내에서 가장 빠른 속도를 기록했습니다. Blade 16의 RTX 5090은 24GB 메모리를 탑재한 모델에서 2.3배 더 빠른 성능을 보여줍니다.
- 32GB 모델은 속도는 유지하지만 용량은 줄었습니다. MLPerf Llama 3.1 8B는 128GB 장치에서 초당 56.5개의 토큰을 처리한 것과 비교하여 56.4개의 토큰을 처리했지만, 12GB GPU 분할로 인해 모든 모델 로드 및 코딩 에이전트 테스트에 참여할 수 없었습니다.
- 그룹 내에서 가장 빠른 멀티코어 성능: 시네벤치 2026 멀티코어 테스트에서 7,004점을 기록하며 Razer Blade 16보다 35% 앞섰고, LLVM 빌드 시간은 Blade의 327.0초보다 빠른 206.6초를 기록했습니다.
- 극한에서 뜨겁고 안정적입니다. 두 HP 노트북 모두 모든 코어 테스트에서 성능 저하 없이 98°C를 유지했으며, 두 대의 Surface Laptop Ultra 기기에서 전원이 차단되는 테스트인 모든 코어 OpenBLAS 해결 테스트를 모두 완료했습니다.
- Windows on Arm 천장 뒤에 있는 Gen5 스토리지: 128GB 장치에 탑재된 Sandisk SN8050S는 순차 읽기 속도 13,833MB/s, 원시 장치에서의 IOPS 1.89M을 기록했지만, NTFS 및 BitLocker를 통한 4K 임의 읽기 속도는 최대 437.8 IOPS에 그쳤습니다.
빌드 및 디자인
HP는 곡선형 모서리와 오목한 측면을 가진 CNC 가공 알루미늄 3피스 섀시를 기반으로 OmniBook Ultra 16을 제작했으며, HP는 이를 이클립스 그레이라고 부르는 어두운 색상으로 마감했습니다. 크기는 14.01 x 10.1인치이며, 두께는 후면 15.7mm에서 전면 11.6mm로 얇아지고 무게는 4.89파운드입니다. HP는 이 제품을 현재까지 가장 얇은 RTX Spark PC라고 소개합니다. 커버는 50% 재활용 금속을, 키보드 부품은 85% 재활용 플라스틱을, 스피커 케이스는 해양 폐플라스틱을 사용하여 제작되었습니다. 저희가 테스트한 두 제품은 동일한 섀시를 사용하므로 이 섹션의 모든 내용은 두 구성 모두에 적용됩니다.
옴니북은 이번 초기 리뷰에서 테스트한 RTX Spark 노트북 중 가장 만족스러운 느낌을 주는 제품입니다. 질감이 있는 금속 표면과 슬림한 디자인은 두께를 뛰어넘는 고급스럽고 견고한 느낌을 주며, 이 크기의 노트북에서 흔히 나타나는 섀시의 휘어짐 현상이 전혀 없습니다(마치 제대로 된 ZBook 시스템처럼 느껴집니다). 노트북에서는 드물게 본체 뒷면 가장자리가 디스플레이 힌지보다 앞으로 튀어나와 있는데, 이 디자인 덕분에 열 배출 방식이 달라집니다. 덮개를 열거나 닫았을 때 모두 열이 본체 뒷면으로 바로 배출되어 힌지나 디스플레이 하단으로 향하지 않습니다.
HP는 이러한 확장 부분을 타워형 힌지 및 트렁크 디자인이라고 부르며, 이는 HP 소비자용 노트북 최초 적용 사례입니다. 기존의 클램셸형 노트북에서는 디스플레이와 힌지가 본체 후면을 가득 채우기 때문에, HP는 힌지 뒤쪽으로 섀시를 확장하여 공기가 후면으로 직선으로 빠져나갈 수 있도록 설계했습니다. HP는 옴니북의 성능 모드에서 최대 70W의 전력을 소비한다고 밝혔습니다.
HP는 이 디자인의 장점으로 지속적인 성능과 낮은 표면 온도를 내세웠는데, 테스트 결과 N1X는 30분 동안의 연속 테스트에서 클럭 속도를 일정하게 유지하며 절반 정도의 성능을 보여주었습니다. 하지만 모든 CPU 테스트에서 최고 온도인 98°C를 기록했는데, 이는 Pro 9n이나 Lenovo Yoga 9n 2-in-1 16 보다 높은 온도 입니다. 따라서 후면부는 배기구를 이동시키는 역할을 하지만 CPU 자체의 온도는 낮추지 못하는 것으로 보이며, 이번 리뷰에서는 표면 온도는 측정하지 않았습니다.
아래쪽에는 커다란 흡기구가 하단 패널 후면의 대부분을 덮고 있습니다. 패널을 제거하면 차폐된 중앙 부분을 중심으로 양쪽 후면 모서리에 팬 두 개가 위치하고 있으며, 그 사이에 히트 파이프가 지나갑니다. 99Wh 배터리는 섀시 전면부를 차지하고 있습니다. HP에 따르면 각 팬에는 두께 0.15mm의 날개가 79개 있으며, 프로세서에는 1~1.8mm 두께의 넓은 히트 파이프 두 개가, SSD에는 또 다른 히트 파이프 하나가 지나갑니다. 또한 내부 온도는 서미스터로, 표면 온도는 적외선 센서로 측정합니다.
메모리는 LPDDR5X로 납땜되어 있어 구매 시 구성이 고정됩니다. 이는 메모리 용량이 GPU가 사용할 수 있는 메모리 양을 결정하기 때문에 대부분의 노트북보다 RTX Spark 시스템에서 더 중요합니다.
키보드는 HP의 2세대 격자 없는 레이아웃으로, 풀사이즈 백라이트 키보드이며, 키 간격은 3mm이고 1세대보다 깊은 오목한 형태를 가지고 있습니다. 키보드 양쪽에는 쿼드 스피커(메인 드라이버 2개와 트위터 2개)가 내장되어 있으며, 각각 독립적인 스마트 앰프를 통해 DTS 공간 음향 및 Poly Studio 튜닝을 지원합니다. 키보드 아래에는 160 x 100mm 크기의 대형 햅틱 터치패드가 탑재되어 있어 표면 어디에서든 클릭이 가능하며, 클릭 강도 조절, 무음 클릭 옵션, 볼륨 및 밝기 조절을 위한 제스처 기능을 제공합니다. 5MP 적외선 카메라는 물리적 프라이버시 셔터를 갖추고 있으며, 마이크를 음소거하는 전용 키가 있습니다.
이 디스플레이는 코닝 고릴라 글래스 3으로 보호되는 16인치 3K(2880 x 1800) OLED 터치스크린으로, 최대 120Hz 주사율, 가변 주사율 지원, 0.2ms 응답 시간을 제공합니다. HP는 SDR 모드에서 500니트, HDR 모드에서 1,100니트의 밝기를 제공하며, DCI-P3 색재현율 100%, VESA DisplayHDR True Black 1000 인증, Delta E 1 미만의 값을 갖습니다. 패널은 덮개 면적의 91%를 차지합니다.
왼쪽 측면에는 HDMI 2.1 포트, USB Power Delivery 및 DisplayPort 2.1을 지원하는 40Gbps 속도의 USB-C 포트 2개, 헤드폰 잭이 있으며, 오른쪽 측면에는 microSD 카드 리더기와 10Gbps 속도의 USB-A 포트 2개가 있습니다. 무선 연결은 Wi-Fi 7 및 Bluetooth 6.0을 지원하는 MediaTek MT7925 칩셋을 사용합니다. HP는 99Wh 배터리의 사용 시간을 최대 17시간으로 명시하고 있으며, 접이식 플러그와 분리형 2m 케이블을 갖춘 140W USB-C GaN 어댑터를 함께 제공합니다. HP에 따르면 이 어댑터는 기존 140W 어댑터보다 크기가 43% 작고 무게가 28% 가벼우며, 30분 만에 약 50%까지 충전할 수 있습니다.
RTX Spark N1X 플랫폼
RTX Spark는 N1X 슈퍼칩을 기반으로 하는 Windows PC 제품군으로, DGX Spark 의 GB10 칩의 노트북 버전입니다 . Surface Laptop Ultra 리뷰 에서 해당 플랫폼을 자세히 다뤘으 므로, 이 부분에서는 OmniBook의 성능을 이해하는 데 중요한 내용만 다루겠습니다. 저희가 비교한 두 대의 HP 노트북은 모두 최상위 사양으로, 20코어 Grace CPU(고속 코어 10개와 효율 코어 10개, SMT 미지원)와 6,144코어 Blackwell RTX GPU가 탑재되어 있습니다. HP는 18코어, 5,120코어 GPU 버전도 판매하는데, 이는 이번 비교에 사용된 Lenovo Pro 9n과 동일한 사양입니다.
N1X의 LPDDR5X는 256비트 인터페이스에서 9,400 MT/s의 속도로 작동하며 CPU와 GPU가 공유합니다. NVIDIA 앱의 설정을 통해 Windows가 GPU에 할당하는 전용 메모리 용량을 결정할 수 있습니다. 이 설정은 BIOS 옵션이 아닌 Windows 설정에서 변경되므로 메모리 분배를 쉽게 변경할 수 있습니다.
저희가 테스트한 128GB 모델은 GPU 64GB, CPU 64GB로 작동하여 실제 사용 가능한 GPU 용량은 62.5GB였으며, 이는 저희의 두 가지 AI 모델 등급 테스트 기준을 모두 충족합니다. 32GB 모델은 Lenovo Pro 9n과 동일하게 GPU 12GB, CPU 20GB로 설정하여 두 시스템을 직접 비교했습니다. 12GB로 설정된 경우 두 시스템 모두 모델 등급 테스트 기준을 충족하지 못합니다.
고정된 메모리 분할은 NVIDIA의 문제가 아니라 Windows의 제한 사항입니다. Windows는 DGX Spark의 Linux 스택처럼 CPU와 GPU 간의 통합 메모리 사용을 아직 지원하지 않기 때문에 메모리 할당을 미리 설정해야 합니다. NVIDIA와 Microsoft는 현재 이 기능을 지원하기 위한 개발을 진행 중인 것으로 알고 있습니다.
OmniBook은 Arm64 기반 Windows 11 26H1을 실행하므로 x64 애플리케이션은 Prism 에뮬레이션을 통해 실행됩니다. 또한 저희 테스트 스위트는 모든 오픈 소스 워크로드의 네이티브 Arm64 빌드를 사용하여 CPU 성능을 비교합니다. Arm64 포트가 아직 완성도가 낮거나 x64 빌드만 가능한 경우, 아래 행 중 일부가 해당 포트에 의존하기 때문에 이를 명시합니다.
HP OmniBook Ultra 16 사양
| 스펙 | HP OmniBook 울트라 16(16-bk0xxx) |
|---|---|
| 플랫폼 개요 | |
| 프로세서 | NVIDIA RTX Spark N1X, 20코어 CPU 및 6,144코어 Blackwell RTX GPU (테스트에 사용된 두 모델 모두) NVIDIA RTX Spark N1X, 18코어 CPU 및 5,120코어 Blackwell RTX GPU |
| 메모리 | 32GB, 64GB 또는 128GB LPDDR5X-9400 (온보드) 128GB, GPU 64GB / 시스템 64GB 분할 (테스트 대상 유닛 1) 32GB, GPU 12GB / 시스템 20GB 분할 (테스트 대상 유닛 2) |
| 스토리지 | 1TB PCIe Gen5 NVMe M.2 SSD 또는 2TB PCIe Gen5 NVMe 퍼포먼스 M.2 SSD 2TB Sandisk PC SN8050S (테스트 대상 제품 1호) 1TB KIOXIA KBG80ZNV (테스트 대상 제품 2번) |
| 운영체제 | Windows 11 Home 또는 Windows 11 Pro(Arm64) 테스트 환경: Windows 11 Pro (1번 기기), Windows 11 Home (2번 기기) |
| 디스플레이 및 입출력 | |
| 디스플레이 | 16인치 3K(2880 x 1800) OLED 터치스크린, 최대 120Hz, VRR, 0.2ms 응답 속도 500니트 SDR, 1,100니트 HDR, 100% DCI-P3, Delta E <1 VESA DisplayHDR True Black 1000, 코닝 고릴라 글래스 3 |
| 포트 | USB-C 40Gbps 포트 2개 (USB 전원 공급, DisplayPort 2.1 지원) 2x USB-A 10Gbps HDMI 1 2.1 개 1x microSD 카드 리더 헤드폰/마이크 콤보 잭 1개 |
| Wireless | 미디어텍 Wi-Fi 7 MT7925(2×2), 블루투스 6.0 |
| 카메라 | 프라이버시 셔터가 있는 5MP 적외선 카메라 |
| 오디오 | 쿼드 스피커(메인 스피커 2개, 트위터 2개)와 개별 스마트 앰프, DTS 공간 오디오, 폴리 스튜디오 튜닝 |
| 입력 | 2세대 격자 없는 백라이트 키보드 160 x 100mm 제스처 제어 기능이 있는 햅틱 터치패드 |
| 힘과 신체 | |
| 배터리 | 6셀, 99Wh 리튬 이온 폴리머 배터리; 최대 17시간 (HP 기준) |
| 충전 | 140W USB-C GaN 어댑터; 30분 만에 약 50% 충전 (HP 발표) |
| 열 설계 | 타워형 경첩 및 본체; 팬 2개, 히트 파이프 3개, 서미스터 및 적외선 센서; 최대 70W TDP(마력 등급) |
| 크기 | 14.01 x 10.1 x 0.62인치 (후면 15.7mm, 전면 11.6mm) |
| 중량(평량) | 4.89 파운드 |
| 색상 | 이클립스 그레이 |
| 보안 및 가격 책정 | |
| 보안 | 마이크 음소거 키, 카메라 프라이버시 셔터, TPM; 두 기기 모두 BitLocker XTS-AES-128 지원 |
| 가격 | 3,199.99달러(32GB, 1TB, 베스트바이 및 HP.com, 테스트 기준); 4,999.99달러(64GB, 2TB, HP.com) 6,229.99달러(128GB, 2TB, HP.com 구성 도구 기준, 테스트 사양; HP 가격은 2026년 10월 14일 기준) |
테스트 설정 및 방법론
저희가 테스트한 두 대의 OmniBook Ultra 16에는 6,144코어 Blackwell GPU가 탑재된 RTX Spark N1X가 장착되어 있습니다. 한 대는 128GB의 LPDDR5X-9400 메모리(64/64비트 분할)와 2TB Sandisk SN8050S Gen5 SSD를 Windows 11 Pro 26H1에 설치했고, 다른 한 대는 32GB 메모리(12/20비트 분할)와 1TB KIOXIA Gen5 SSD를 Windows 11 Home 26H1에 설치했습니다. 두 대 모두 Arm64 기반입니다. 벤치마크는 HP 성능 모드에서 Windows 설정을 '최고 성능'으로 설정하고 전원에 연결된 상태로 실행했습니다.
모든 시스템에서 자체 개발한 Windows 클라이언트 벤치마크 도구인 sr-client 1.2를 실행했습니다. 이 도구는 모든 시스템에 동일한 실험실 설정을 적용합니다. 즉, Windows 전원 모드는 최적 성능으로, 디스플레이 밝기는 50%로, 모든 절전 및 화면 꺼짐 타이머는 비활성화하고, Windows 방화벽 및 UAC 프롬프트는 끕니다. 각 결과는 반복 실행의 중앙값이며, 결과값의 편차가 2%를 초과하는 경우 재실행 후 유효한 결과로 간주합니다.
| 시스템 | CPU | 메모리 | GPU는 GPU 및 AI 테스트에 사용됩니다. | SSD | 운영 체제 및 성능 모드 |
|---|---|---|---|---|---|
| HP 옴니북 울트라 16 (128GB) | NVIDIA RTX Spark N1X, 20C / 20T | 128GB LPDDR5X-9400 (64GB GPU / 64GB 시스템 분할) | 6,144코어 블랙웰 RTX (통합형, 62.5GB 사용 가능 메모리) | 샌디스크 PC SN8050S 2TB, Gen5 x4 | Windows 11 Pro 26H1 (Arm64), HP 퍼포먼스 |
| HP 옴니북 울트라 16 (32GB) | NVIDIA RTX Spark N1X, 20C / 20T | 32GB LPDDR5X-9400 (12GB GPU / 20GB 시스템 분할) | 6,144코어 블랙웰 RTX (통합형, 12GB 사용 가능 메모리) | KIOXIA KBG80ZNV 1TB, Gen5 x4 | Windows 11 Home 26H1 (Arm64), HP 성능 |
| 마이크로소프트 서피스 랩탑 울트라 | NVIDIA RTX Spark N1X, 20C / 20T | 128GB LPDDR5X-9400 (64GB GPU / 64GB 시스템 분할) | 6,144코어 블랙웰 RTX (통합형, 62.5GB 사용 가능 메모리) | SK하이닉스 HFS001TFM9X 1TB, Gen5 x4 | Windows 11 Pro 26H1 (Arm64), 최상의 성능 |
| 레노버 프로 9n 15 | NVIDIA RTX Spark N1X, 18C / 18T | 32GB LPDDR5X-9400 (12GB GPU / 20GB 시스템 분할) | 5,120코어 블랙웰 RTX (통합형, 12GB 사용 가능 메모리) | 삼성 MZAL81T0HFLB 1TB, Gen4 x4 | Windows 11 Pro 26H1 (Arm64), Lenovo 성능 모드 |
| Razer의 블레이드 16 | AMD 라이젠 AI 9 HX 370, 12코어/24스레드 | 32GB LPDDR5X-8000 | NVIDIA GeForce RTX 5090 노트북 GPU, 24GB | 삼성 MZVL22T0 2TB, 4세대 x4 | Windows 11 Home 25H2 (x64), Razer Synapse 성능 |
아래 데이터를 살펴보면 완료된 테스트 수 외에도 이해해야 할 두 가지 중요한 표시가 있습니다. DNF는 테스트가 시작되었지만 완료되지 않았거나 오류 발생 후 건너뛰어진 경우를 의미합니다. 여기서는 Surface의 OpenBLAS 테스트에만 해당하며, 테스트 도중 노트북 전원이 차단되어 건너뛰어졌습니다. Not run은 하드웨어가 테스트 기준을 충족하지 못하여 테스트 시작을 거부한 경우를 의미하며, 대부분 모델의 GPU 메모리 용량이 부족하기 때문입니다. 32GB OmniBook과 12GB GPU 메모리를 사용하는 Pro 9n은 가장 작은 모델 등급 아래에 있으며, 24GB GPU 메모리를 사용하는 Blade 16은 M 등급 아래에 있습니다.
N/A는 해당 하드웨어에 테스트가 적용되지 않음을 의미합니다. 예를 들어 SMT 기능이 없는 칩의 SMT 싱글 코어 테스트나 네이티브 빌드를 실행하는 x64 시스템의 에뮬레이션 행 등이 이에 해당합니다. RTX Spark 시스템에서 Prism을 통해 x64 소프트웨어를 실행한 경우 해당 행에 그렇게 표시됩니다.
로컬 AI 성능
이러한 노트북에서 로컬 AI 성능은 GPU가 모델을 실행하는 속도와 모델이 노트북에 적합한지에 달려 있습니다. 128GB OmniBook과 Surface는 62.5GB의 GPU 사용 가능 메모리를 통해 M 등급 모델을 실행할 수 있으므로 용량 문제를 해결합니다. 반면 32GB OmniBook과 Pro 9n은 작은 모델에서는 비슷한 속도를 내지만 그 이상은 지원하지 않습니다.
MLPerf 클라이언트 v2.0
MLPerf 클라이언트는 Llama 3.1 8B 및 Phi-4-mini를 사용하여 5개의 프롬프트 범주에서 실행하고 첫 번째 토큰까지의 시간과 그 이후의 토큰 생성률을 범주 전체에 걸쳐 기하 평균으로 보고합니다. 이 리뷰에 사용된 모든 시스템은 CUDA를 사용하는 llama.cpp를 사용하므로 엔진은 동일하며, 각 행은 하드웨어 성능을 비교합니다. 에이전트 시나리오에서는 Llama 3.1 8B가 소프트웨어 엔지니어링 에이전트와 데이터 분석가 에이전트로 실행되어 여러 턴에 걸쳐 도구를 호출합니다.
| MLPerf 클라이언트 v2.0 | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| Llama 3.1 8B, 첫 번째 토큰까지의 시간, 기하평균(초, 낮을수록 좋음) | 0.274 | 0.275 | 0.284 | 0.303 | 0.149 |
| Llama 3.1 8B, 토큰 비율, 기하평균(tok/s) | 56.5 | 56.4 | 56.4 | 55.1 | 128.8 |
| Phi-4-mini, 첫 번째 토큰 생성 시간, 기하평균(s, 낮을수록 좋음) | 0.130 | 0.123 | 0.127 | 0.135 | 0.074 |
| Phi-4-mini, 토큰 비율, 기하평균(토크/초) | 96.8 | 96.8 | 97.5 | 95.2 | 222.7 |
| 데이터 분석 에이전트, 엔드 투 엔드 (s, 낮을수록 좋음) | 53.0 | 52.4 | 52.6 | 56.2 | 27.8 |
| 데이터 분석 에이전트, 토큰 비율(tok/s) | 48.5 | 49.0 | 48.9 | 46.9 | 108.3 |
| SWE 에이전트, 엔드 투 엔드(s, 낮을수록 좋음) | 45.3 | 46.2 | 46.0 | 48.0 | 24.6 |
| SWE 에이전트, 토큰 비율(tok/s) | 46.6 | 46.6 | 46.4 | 44.5 | 102.5 |
두 대의 OmniBook은 Llama 3.1 8B에서 초당 56.5개와 56.4개의 토큰을 생성했고, Phi-4-mini는 초당 96.8개와 96.8개의 토큰을 생성하여 두 모델 모두 거의 동일한 성능을 보였으며, Surface와도 유사한 결과를 나타냈습니다. 이는 메모리 용량이 N1X GPU의 속도에 영향을 미치지 않는다는 것을 확인시켜 줍니다. Pro 9n의 5,120코어 GPU는 두 모델 모두에서 3% 이내의 차이를 보였는데, 이는 이 크기의 토큰 생성은 GPU 코어 수보다는 메모리 대역폭에 의해 제한되기 때문입니다. Blade 16은 초당 128.8개와 222.7개의 토큰을 생성하며 가장 빠른 속도를 기록했습니다.
에이전트 기반 시나리오도 동일한 패턴을 보였는데, 모든 RTX Spark 시스템은 데이터 분석가 시나리오를 52.4~56.2초 만에, 소프트웨어 엔지니어링 시나리오를 45.3~48.0초 만에 완료한 반면, Blade 16은 두 시나리오 모두에서 약 절반의 시간이 걸렸습니다.
모델 로딩
이 테스트는 Ollama에서 로컬 모델을 SSD에서 첫 번째 토큰을 생성할 때까지 걸리는 시간을 콜드 로드(파일 캐시가 비워진 상태)와 웜 로드(파일이 이미 메모리에 있는 상태) 모두에서 측정하고, 콜드 로드 시 SSD 읽기 속도를 보고합니다. S 등급은 GPU 사용 가능 메모리가 16GB 이상인 시스템에서 gpt-oss:20b(12.8GB)를 사용하고, M 등급은 약 40GB 이상의 시스템에서 Qwen3.6-35B-A3B(21.1GB)를 추가합니다.
| 모델 로딩(메모리 매핑 켜짐) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| gpt-oss:20b, 첫 번째 토큰에 콜드 로드(s, 낮을수록 좋음) | 6.23 | 실행되지 않음 (12GB GPU 메모리) | 6.57 | 실행되지 않음 (12GB GPU 메모리) | 8.71 |
| gpt-oss:20b, 첫 번째 토큰에 대한 웜 로딩(s, 낮을수록 좋음) | 3.59 | 실행되지 않음 (12GB GPU 메모리) | 3.57 | 실행되지 않음 (12GB GPU 메모리) | 6.93 |
| gpt-oss:20b, 콜드로드 시 읽기 처리량(MB/s) | 3,044 | 실행되지 않음 (12GB GPU 메모리) | 3,080 | 실행되지 않음 (12GB GPU 메모리) | 3,874 |
| Qwen3.6-35B-A3B, 첫 번째 토큰에 콜드 로드(s, 낮을수록 좋음) | 9.04 | 실행되지 않음 (12GB GPU 메모리) | 8.77 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
| Qwen3.6-35B-A3B, 첫 번째 토큰에 웜 로드(s, 낮을수록 좋음) | 4.23 | 실행되지 않음 (12GB GPU 메모리) | 4.47 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
128GB OmniBook은 GPT-OSS:20B 파일을 콜드 상태에서 6.23초 만에 첫 번째 토큰에 도달하여 그룹에서 가장 빠른 속도를 기록했습니다. Surface는 6.57초, Blade 16은 8.71초가 걸렸습니다. 웜 상태에서는 3.59초가 걸렸습니다. Blade는 3,874MB/s의 속도로 파일을 가장 빠르게 읽었지만, 첫 번째 토큰에 도달하는 데는 가장 오래 걸렸습니다. 이는 Blade의 경우 데이터가 PCIe를 통해 VRAM으로 이동해야 하는 반면, 통합 메모리는 데이터를 읽은 후 바로 VRAM에 저장하기 때문입니다. 하지만 HP 드라이브 자체의 성능만이 한계는 아닙니다. 부하 시 3,044MB/s의 속도는 동일 모델 파일을 1MB 블록 단위로 읽을 때 DiskSpd 테스트에서 기록한 12,866MB/s에 비하면 극히 일부에 불과합니다.
M 등급에서 OmniBook과 Surface는 0.3초 차이로 승부를 가렸는데, 콜드 상태에서는 각각 9.04초와 8.77초, 웜 상태에서는 4.23초와 4.47초를 기록했습니다. 32GB OmniBook과 Pro 9n은 GPU 가용 용량이 12GB에 불과하여 두 등급 모두에 포함되지 않았으며, Blade 16은 24GB VRAM에도 불구하고 M 등급에 들지 못했습니다.
코딩 에이전트
Codex CLI는 고정된 저장소에 있는 코딩 작업을 통해 Ollama에서 제공하는 로컬 모델을 실행합니다. 저장소의 11개 테스트가 모두 통과하면 실행이 성공합니다. 세 번의 실행에 대한 평균 소요 시간, 성공 횟수 및 생성률을 보고합니다. 에이전트-사용자 동시 실행 테스트에서는 에이전트와 Speedometer를 함께 실행하고 각각 단독으로 실행할 때와 비교하여 속도가 얼마나 저하되는지 보고합니다.
| Codex CLI 코딩 에이전트 | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 티어 S, gpt-oss:20b 64K: 실제 소요 시간(초, 낮을수록 좋음) | 115.3 | 실행되지 않음 (12GB GPU 메모리) | 191.8 | 실행되지 않음 (12GB GPU 메모리) | 64.4 |
| S등급: 성공 (3건 중) | 3 | 실행되지 않음 (12GB GPU 메모리) | 3 | 실행되지 않음 (12GB GPU 메모리) | 2 |
| S등급: 생성률(tok/s) | 58.0 | 실행되지 않음 (12GB GPU 메모리) | 58.0 | 실행되지 않음 (12GB GPU 메모리) | 137.9 |
| 티어 M, gpt-oss:20b 128K: 실제 소요 시간(초, 낮을수록 좋음) | 152.1 | 실행되지 않음 (12GB GPU 메모리) | 87.5 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
| 티어 M, gpt-oss:20b 128K: 성공 횟수(3회 중) | 3 | 실행되지 않음 (12GB GPU 메모리) | 2 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
| 티어 M, Qwen3.6-35B-A3B 64K: 실제 소요 시간(초, 낮을수록 좋음) | 72.0 | 실행되지 않음 (12GB GPU 메모리) | 88.6 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
| 티어 M, Qwen3.6-35B-A3B 64K: 성공 횟수(3회 중) | 3 | 실행되지 않음 (12GB GPU 메모리) | 3 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
| 티어 M, Qwen3.6-35B-A3B 64K: 생성 속도(tok/s) | 89.5 | 실행되지 않음 (12GB GPU 메모리) | 89.2 | 실행되지 않음 (12GB GPU 메모리) | 실행 불가 (24GB VRAM, M 등급 미만) |
| 에이전트 옆에 있는 속도계 (점수) | 21.2 | 실행되지 않음 (12GB GPU 메모리) | 18.1 | 실행되지 않음 (12GB GPU 메모리) | 36.3 |
| 에이전트 옆의 속도계 감속(x, 낮을수록 좋음) | 1.73 | 실행되지 않음 (12GB GPU 메모리) | 1.92 | 실행되지 않음 (12GB GPU 메모리) | 1.06 |
| 에이전트 속도계 옆의 속도 저하(x, 낮을수록 좋음) | 1.04 | 실행되지 않음 (12GB GPU 메모리) | 1.10 | 실행되지 않음 (12GB GPU 메모리) | 1.05 |
128GB OmniBook은 9개의 코딩 테스트를 모두 통과했습니다. Qwen3.6-35B-A3B 작업은 초당 89.5개의 토큰을 처리하며 72.0초 만에 완료했는데, 이는 동일한 처리 속도에서 88.6초가 걸린 Surface보다 빠른 기록입니다. Tier S 작업은 115.3초 만에 완료하여 Surface의 191.8초보다 빨랐습니다. Tier M gpt-oss:20b 작업은 Surface보다 오래 걸렸는데, 152.1초가 걸린 반면 OmniBook은 87.5초가 걸렸습니다. 이는 OmniBook이 더 많은 툴 호출을 하고 더 많은 토큰을 생성했기 때문입니다. 초당 57.7개와 59.2개의 토큰 생성 속도가 하드웨어 성능을 비교하는 데 더 중요한 지표입니다.
Blade 16은 티어 S 작업을 초당 137.9 토큰 처리 속도로 64.4초 만에 완료했으며, 세 번의 실행 중 두 번을 통과했습니다. 동시성 테스트는 외장 GPU의 진가가 발휘되는 부분입니다. Blade의 브라우저 점수는 에이전트가 실행될 때 5% 감소했는데, 이는 모델이 RTX 5090에서 실행되기 때문입니다. 에이전트가 내장 GPU와 메모리 버스를 다른 모든 장치와 공유하는 OmniBook에서는 Speedometer의 속도가 36.7에서 21.2로 떨어져 1.73배 느려졌지만, Surface의 1.92배보다는 여전히 완만한 수준입니다.
검색 증강 생성
저희 RAG 테스트는 20,963개의 SQuAD v1.1 지문을 nomic-embed-text를 사용하여 임베딩하고, 2,000개의 질문 각각에 대해 상위 5개의 지문을 추출한 다음, 그중 400개에 대해 Phi-4-mini를 사용하여 참조 답변과 비교하여 정확한 일치도와 F1 점수를 계산합니다. 모델은 모든 시스템에서 실행될 수 있을 만큼 작으므로, 이는 속도 비교를 위한 것입니다.
| RAG | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 섭취 시간, 20,963회 통과 (초, 낮을수록 좋음) | 187.0 | 195.2 | 189.8 | 191.8 | 131.0 |
| 검색 쿼리 시간, p50 (밀리초, 낮을수록 좋음) | 23.3 | 22.5 | 23.4 | 24.2 | 20.9 |
| 답변, Phi-4-mini 첫 번째 토큰까지의 시간, p50(s, 낮을수록 좋음) | 0.155 | 0.156 | 0.161 | 0.171 | 0.109 |
| 답변, 신속 처리(tok/s) | 7,142 | 7,139 | 6,955 | 6,268 | 11,560 |
| 답변, 생성률(tok/s) | 104.4 | 102.0 | 102.7 | 96.6 | 209.2 |
| 답변해야 할 질문, 50페이지 (s, 낮을수록 좋음) | 0.227 | 0.231 | 0.235 | 0.252 | 0.159 |
| 답변 F1 (%) | 73.97 | 73.97 | 73.97 | 74.27 | 74.47 |
네 대의 RTX Spark 시스템은 서로 8초 이내의 간격으로 데이터 수집을 완료했으며, 128GB OmniBook이 187.0초로 가장 빨랐습니다. 일반적인 질문에 대한 답변 생성 시간은 0.227초에서 0.252초 사이였습니다. Blade 16은 131.0초 만에 데이터를 수집했고, 초당 209.2개의 토큰을 생성하여 OmniBook의 104.4개보다 두 배 빠른 속도를 보였습니다. 정확도는 세 대의 20코어 시스템에서 동일했으며, Pro 9n과 Blade는 F1 점수에서 0.5점 이내의 차이를 보였습니다. 이는 동일 모델이 0℃ 온도에서 비교했을 때 예상되는 결과입니다.
CPU 성능
20코어 RTX Spark 노트북 세 모델은 CPU 작업에서 하나의 플랫폼처럼 작동하며, 두 대의 OmniBook과 Surface는 대부분의 멀티스레드 테스트에서 1~2% 이내의 성능 차이를 보였고, 18코어 Pro 9n은 그보다 7~11% 정도 뒤처졌습니다. Razer Blade 16의 Ryzen AI 9 HX 370과 비교했을 때, N1X는 렌더링, 압축, 컴파일에서 약 18~50% 정도 우위를 점했지만, Zen 5의 코어당 속도나 x64 소프트웨어 완성도가 승패를 좌우하는 GROMACS, OpenBLAS, 단일 스레드 Python, Primesieve 테스트에서는 뒤처졌습니다.
Cinebench 2026 및 지속 부하
Cinebench 2026은 CPU에서 Maxon의 Redshift 엔진을 사용하여 장면을 렌더링하고 싱글 코어, SMT 싱글 코어(하나의 물리적 코어에서 두 개의 스레드), 멀티 코어 처리량을 측정합니다. 그런 다음 약 30분 동안 멀티 코어 실행을 반복하는 지속적인 루프를 실행하고 안정 상태와 첫 번째 실행 결과를 비교하여 노트북이 열 축적 후 얼마나 성능을 회복하는지 보여줍니다.
| 시네벤치 2026 (점수, 높을수록 좋음) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 단일 코어 | 558.6 | 564.7 | 558.5 | 518.2 | 480.0 |
| SMT 싱글 코어 | N/A | N/A | N/A | N/A | 661.3 |
| 멀티 코어 | 7,004 | 6,934 | 6,963 | 6,394 | 5,179 |
| 지속 루프, 첫 번째 패스 | 6,954 | 6,943 | 6,938 | 6,346 | 5,162 |
| 지속 루프, 정상 상태 | 6,942 | 6,929 | 7,016 | 6,416 | 5,206 |
| 정상 상태 / 첫 번째 통과 | 0.998 | 0.998 | 1.011 | 1.011 | 1.009 |
128GB 옴니북은 멀티코어 테스트에서 7,004점을 기록하며 최고 점수를 달성했고, 블레이드 16보다 35% 높은 점수를 보였습니다. 32GB 모델은 6,934점, 서피스는 6,963점을 기록했습니다. 싱글코어 테스트에서는 32GB 옴니북이 564.7점으로 선두를 차지했습니다. 두 HP 노트북 모두 장시간 테스트 동안 높은 점수를 유지하며 첫 번째 테스트에서 99.8%의 점수를 기록했고, CPU 온도는 98°C, 클럭 속도는 약 3.23GHz를 유지했습니다. 서피스와 프로 9n은 같은 시간 동안 약 1%의 점수 상승을 보였습니다.
7 - 우편 번호
7-Zip에 내장된 벤치마크는 LZMA 압축 및 압축 해제 처리량을 초당 기가 명령어(Gbps) 단위로 보고합니다. 각 스레드에서 한 번, 그리고 단일 코어에 고정하여 한 번 측정합니다. LZMA는 정수 처리량, 분기 예측, 캐시 및 메모리 지연 시간에 의존하므로 벡터 폭보다는 코어 수가 많고 메모리 경로가 빠를수록 성능이 향상되는 경향이 있습니다.
32GB 및 128GB OmniBook은 모든 스레드 테스트에서 각각 152.9 GIPS와 151.2 GIPS를 기록하며 Blade 16보다 20% 앞섰고, 압축률 또한 Blade보다 약 37% 높았습니다. 단일 스레드 테스트에서는 Blade가 9.24 GIPS로 선두를 차지했고, HP 제품들은 9.09 GIPS와 9.10 GIPS로 그 뒤를 이었습니다. OmniBook은 Surface에서 단일 스레드 테스트 시 7.16 GIPS를 기록하게 했던 저속 코어 현상을 보이지 않으므로, 여기 표시된 단일 스레드 성능은 N1X 칩셋 자체의 성능을 반영합니다.
| 7-Zip, 단일 스레드(GIPS, 수치가 높을수록 좋음) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 금액 | 9.09 | 9.10 | 7.16 | 8.93 | 9.24 |
| 압축하다 | 7.31 | 7.33 | 4.62 | 7.26 | 7.28 |
| 압축 해제 | 10.87 | 10.87 | 9.70 | 10.59 | 11.20 |
블렌더, 핸드브레이크, LLVM
Blender 4.5는 CPU의 Cycles 렌더링 엔진을 사용하여 Monster, Junkshop, Classroom 장면을 렌더링합니다. HandBrake는 4K60 클립 60초 분량을 x265(HEVC, 중간 프리셋, 품질 22) 및 SVT-AV1(프리셋 8, 품질 30) 코덱으로 소프트웨어 인코딩합니다. LLVM 테스트는 Clang과 Ninja를 사용하여 LLVM 21.1.4 전체 트리를 컴파일하는 것으로, 테스트 스위트에서 가장 긴 모든 코어 부하를 수행합니다.
20코어 노트북 세 대는 블렌더의 세 가지 장면 모두에서 2% 이내의 성능 차이를 보였습니다. 32GB 옴니북은 몬스터(Monster) 장면에서 분당 211.7개의 샘플을 처리하며 앞섰고, 서피스는 클래스룸(Classroom) 장면에서 분당 93.2개의 샘플을 처리하며 앞섰습니다. 128GB 옴니북은 몬스터 장면에서 블레이드 16보다 49%, 클래스룸 장면에서 18% 높은 성능을 보였습니다. LLVM 빌드는 128GB 옴니북에서 206.6초가 소요되어 서피스와 동일한 시간이었으며, 블레이드 16의 327.0초보다 37% 빠른 속도를 기록했습니다.
HandBrake 테스트 결과는 소프트웨어별로 나뉘었는데, 32GB OmniBook이 x265에서 42.3fps를 기록하며 Blade 16보다 27% 앞섰습니다. 반면 모든 N1X 시스템은 SVT-AV1에서 Blade의 77.3fps에 비해 약 15fps밖에 기록하지 못했습니다. x265에서 우위를 점하는 코어들이 실리콘 성능에서 5배나 느릴 수는 없으므로, 성능 차이는 SVT-AV1의 Arm64 코드 경로에 있는 것으로 보입니다.
Stockfish, primesieve, Python 및 브라우저
Stockfish의 내장 벤치마크는 체스 검색 속도를 초당 수백만 개의 노드 단위로 보고합니다. primesieve는 모든 스레드에서 10^12 미만의 소수를, 하나의 스레드에서는 10^11 미만의 소수를 계산합니다. PyPerformance는 하나의 빠른 코어에 고정하여 세 가지 CPython 벤치마크(go, nbody, regex_compile)를 실행하고, Speedometer 3.1은 Microsoft Edge에서 웹 애플리케이션의 응답성을 측정합니다. 마지막 두 행은 Prism 에뮬레이션을 사용하여 7-Zip의 x64 빌드를 실행한 결과로, 이러한 시스템에서 x64 전용 애플리케이션의 성능을 보여줍니다.
| Test | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 스톡피쉬 벤치, 모든 스레드(Mnps, 높을수록 좋음) | 16.28 | 15.12 | 15.51 | 15.20 | 17.96 |
| 스톡피쉬 벤치, 스레드 1개 (Mnps, 높을수록 좋음) | 1.73 | 1.73 | 1.33 | 1.70 | 2.04 |
| 소수체 1e12, 모든 스레드 (s, 값이 낮을수록 좋음) | 9.57 | 9.54 | 9.82 | 10.56 | 10.60 |
| 소수체 1e11, 스레드 1개 (s 값이 낮을수록 좋음) | 12.03 | 12.02 | 12.03 | 12.34 | 6.67 |
| PyPerformance go (ms, 낮을수록 좋음) | 111.2 | 111.2 | 123.9 | 114.1 | 75.2 |
| PyPerformance nbody (ms, 낮을수록 좋음) | 80.4 | 80.6 | 89.8 | 82.5 | 60.8 |
| PyPerformance regex_compile (ms, 낮을수록 좋음) | 84.6 | 84.5 | 94.1 | 86.7 | 69.7 |
| Speedometer 3.1, Edge (점수, 높을수록 좋음) | 36.7 | 35.4 | 34.7 | 33.9 | 38.4 |
| 에뮬레이션 환경에서 x64 7-Zip 실행, 모든 스레드 사용 (GIPS) | 127.0 | 127.8 | 127.2 | 117.6 | 해당 없음(네이티브 x64) |
| 에뮬레이션 환경에서 x64 7-Zip 실행, 단일 스레드(GIPS) | 8.26 | 8.36 | 8.27 | 7.94 | 해당 없음(네이티브 x64) |
Blade 16은 Stockfish 테스트에서 모든 스레드를 합쳐 17.96 Mnps를 기록하며 128GB OmniBook보다 10% 앞섰고, 모든 단일 스레드 테스트에서도 우위를 점했습니다. 단일 스레드 Primesieve 테스트에서는 6.67초 만에 완료되어 N1X 시스템의 약 12초보다 빨랐고, PyPerformance Go 테스트에서는 75.2ms로 HP 시스템의 111.2ms보다 빨랐습니다. OmniBook은 모든 스레드를 합친 Primesieve 테스트에서 9.54초와 9.57초로 가장 빠른 속도를 보였으며, Speedometer 점수는 36.7점으로 Blade의 38.4점과 5% 이내의 차이를 보였습니다.
이 플랫폼에서 에뮬레이션 비용은 예전보다 저렴해졌으며, 7-Zip의 x64 빌드는 128GB OmniBook에서 모든 스레드에서 127.0 GIPS를 기록했는데, 이는 네이티브 Arm64 결과의 84%에 해당하며, 자체 네이티브 x64 빌드를 실행하는 Blade 16보다 약간 앞선 수치입니다. Cinebench 2026의 x64 빌드는 테스트한 모든 N1X 시스템에서 에뮬레이션 중에 충돌이 발생했으므로 해당 행은 제외했습니다.
GROMACS, OpenBLAS 및 메모리
GROMACS는 benchMEM 분자 동역학 사례를 16개 코어에서 4가지 랭크-스레드 레이아웃으로 실행하고 최적의 레이아웃에 대한 하루 시뮬레이션 시간을 나노초 단위로 보고합니다. OpenBLAS 테스트는 모든 코어와 최상위 코어에서만 HPL 스타일의 배정밀도 LU 분해를 세 가지 문제 크기로 실행하고 DGEMM 행렬 곱셈을 수행하며, 이는 테스트 스위트에서 가장 높은 지속적인 부동 소수점 부하를 발생시킵니다. STREAM은 지속적인 메모리 대역폭을 측정하고, 지연 시간 행은 단일 메모리 접근 및 코어 간 접근 시간을 측정합니다.
| 테스트 결과 (높을수록 좋음) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| GROMACS benchMEM, 최적 레이아웃(ns/day) | 17.47 | 17.43 | 17.29 | 16.88 | 26.41 |
| OpenBLAS LU N=10000, 모든 코어(GFLOPS) | 324.0 | 326.9 | DNF | 303.4 | 400.9 |
| OpenBLAS LU N=20000, 모든 코어(GFLOPS) | 329.6 | 322.4 | DNF | 318.1 | 454.4 |
| OpenBLAS LU N=40000, 모든 코어(GFLOPS) | 348.8 | 실행되지 않음 (11.9GB 필요) | DNF | 실행되지 않음 (11.9GB 필요) | 498.5 |
| OpenBLAS LU N=20000, 최상위 코어 클래스(GFLOPS) | 380.5 | 432.2 | DNF | 403.8 | 240.4 |
| OpenBLAS DGEMM M=8000, 모든 코어(GFLOPS) | 398.5 | 368.9 | DNF | 357.6 | 455.4 |
| OpenBLAS DGEMM M=8000, 최상위 코어 클래스(GFLOPS) | 488.7 | 488.7 | DNF | 448.3 | 252.4 |
Blade 16은 GROMACS 테스트에서 26.41ns/일로 OmniBook의 약 17.4ns/일보다 앞섰고, 모든 코어를 사용하는 OpenBLAS 테스트에서도 Surface와 마찬가지로 약 14~43%의 성능 차이를 보였습니다. 더 중요한 결과는 두 OmniBook 모두 OpenBLAS 테스트를 완료했다는 점입니다. 128GB 모델은 N=40000을 포함한 모든 크기의 테스트를 348.8GFLOPS의 성능으로 완료했고, 32GB 모델은 N=40000을 제외한 모든 테스트를 완료했습니다. N=40000은 11.9GB의 메모리가 필요하지만, 시스템 메모리 용량이 Windows 전체 메모리의 절반을 초과하는 경우 건너뛰어집니다. Surface는 N=20000 테스트 도중 세 번 전원이 꺼졌지만, 두 HP 노트북 모두 98°C에서 테스트를 완료했습니다.
N1X의 최상위 코어 클래스는 OpenBLAS에서 20개 코어를 모두 사용할 때보다 단일 코어로 사용할 때 더 나은 성능을 보였습니다. 32GB OmniBook의 경우 10개의 고속 코어만으로 N=20000 문제를 432.2 GFLOPS의 성능으로 해결한 반면, 20개 코어를 모두 사용할 때는 322.4 GFLOPS에 그쳤습니다. 또한 128GB 모델은 10개 코어로 DGEMM 문제를 488.7 GFLOPS의 성능으로 해결했습니다. 이는 이 테스트에서 효율성 코어가 공유 작업의 성능을 향상시키는 것보다 오히려 저하시키는 요인으로 작용함을 시사합니다.
| Test | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 스트림 복사 속도(MB/s, 높을수록 좋음) | 130,790 | 128,814 | 130,516 | 127,682 | 43,731 |
| 스트림 트라이어드(MB/s, 높을수록 좋음) | 122,260 | 121,662 | 122,114 | 120,272 | 48,298 |
| 메모리 지연 시간, 1GiB 버퍼, 4KiB 페이지 (ns, 낮을수록 좋음) | 143.1 | 143.5 | 251.1 | 143.4 | 129.6 |
| 코어 간 지연 시간, 모든 쌍의 평균값(ns, 낮을수록 좋음) | 156.8 | 160.9 | 171.6 | 160.6 | 57.0 |
메모리 대역폭은 RTX Spark 플랫폼의 가장 확실한 하드웨어적 장점입니다. 모든 N1X 시스템은 STREAM Triad에서 120~122GB/s의 읽기 속도를 기록했는데, 이는 Blade 16의 48,298MB/s보다 2.5배 높은 수치입니다. OmniBook의 메모리 지연 시간은 약 143ns로, 플랫폼의 일반적인 수준이며 Surface의 251.1ns보다 훨씬 낮지만 Blade의 129.6ns보다는 느립니다. 또한 코어 간 지연 시간은 156.8~160.9ns로 Blade의 57.0ns보다 약 3배 높으며, 이는 N1X가 단일 스레드 작업에서 x64에 비해 뒤처지는 이유를 설명해 줍니다.
게임 및 GPU 인코딩
SuperTuxKart 1.5는 내장 벤치마크를 1080p 전체 화면, 최고 설정, Vsync 끄기 조건에서 실행합니다. 한 번은 게임의 네이티브 Arm64 빌드에서, 다른 한 번은 에뮬레이션을 통해 실행되는 x64 빌드에서 실행합니다. 평균 프레임률과 안정적인 프레임률을 보고합니다. FFmpeg는 NVIDIA 시스템에서는 NVENC HEVC 코덱을 사용하여 8Mbps로, Media Foundation HEVC 코덱을 사용할 수 있는 시스템에서는 Media Foundation HEVC 코덱을 사용하여 동일한 4K60 클립을 인코딩합니다.
| 테스트 결과 (높을수록 좋음) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| SuperTuxKart 1080p 울트라 설정, 네이티브, 평균 (fps) | 225.9 | 236.1 | 235.9 | 218.4 | 200.0 |
| SuperTuxKart 1080p 울트라, 네이티브, 안정적인 (fps) | 143 | 147 | 146 | 140 | 115 |
| SuperTuxKart 1080p 울트라 설정, 64비트 에뮬레이션, 평균 프레임 속도(fps) | 266.5 | 265.4 | 264.6 | 248.6 | 해당 없음(네이티브 x64) |
| SuperTuxKart 1080p 울트라 설정, 에뮬레이션 모드(x64), 안정적인 프레임 속도(fps) | 141 | 143 | 129 | 94 | 해당 없음(네이티브 x64) |
| FFmpeg NVENC HEVC, 4K60, 8Mbps(fps) | 138 | 137 | 135 | 139 | 132 |
| FFmpeg 미디어 파운데이션 HEVC(fps) | 66 | 55 | 55 | 55 | N/A |
32GB 옴니북과 서피스는 네이티브 해상도에서 약 236fps로 동률을 기록했고, 128GB 옴니북은 225.9fps, 블레이드 16은 200.0fps를 기록했습니다. 이 해상도에서는 CPU가 프레임률을 결정하는데, RTX 5090은 여유 성능이 있음에도 불구하고 이를 활용하지 못하고 있습니다. 따라서 이 결과는 GPU보다는 각 시스템의 CPU 코어 성능을 더 잘 보여줍니다. 에뮬레이션을 사용한 x64 빌드는 두 HP 기기 모두에서 평균 약 266fps를 기록했는데, 이는 네이티브 Arm64 빌드보다 높은 수치입니다. 이는 게임의 Windows on Arm 포트가 두 버전 중 더 느리다는 것을 시사합니다.
NVENC는 고정 기능 방식이기 때문에 하드웨어 인코딩 성능은 거의 동일합니다. OmniBook은 HEVC 인코딩에서 138fps 및 137fps를 기록한 반면 Blade 16은 132fps를 기록했으며, 128GB 모델의 Media Foundation 인코더는 66fps로 작동했습니다.
열전달
두 OmniBook 모두 설계상 N1X를 최대 성능으로 구동했습니다. 모든 코어 부하 테스트에서 98°C를 유지했으며, Stockfish, Blender, GROMACS 및 30분 연속 반복 테스트에서 평균 96~98°C를 기록했지만 성능 저하는 전혀 없었습니다. 두 기기는 거의 모든 테스트에서 1°C 이내의 온도 차이를 보였는데, 이는 동일한 섀시에서 예상되는 결과입니다. RTX Spark 시스템은 Windows 열 관리 영역을 통해 CPU 온도만 표시하고 GPU 온도는 표시하지 않으므로 아래 표는 CPU 온도만 나타냅니다.
| CPU 온도, 최대/평균 (섭씨) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| Cinebench 2026 | 98 / 83 | 98 / 83 | 98 / 88 | 92 / 70 | 96 / 78 |
| 7 - 우편 번호 | 98 / 78 | 98 / 77 | 98 / 65 | 83 / 63 | 99 / 84 |
| 건어 | 98 / 97 | 98 / 96 | 98 / 96 | 88 / 83 | 92 / 90 |
| 믹서기 | 98 / 96 | 98 / 97 | 98 / 93 | 91 / 80 | 95 / 87 |
| 수동 브레이크 | 98 / 86 | 98 / 87 | 98 / 84 | 93 / 74 | 92 / 86 |
| LLVM 빌드 | 98 / 92 | 98 / 92 | 98 / 92 | 87 / 79 | 98 / 93 |
| GROMACS | 98 / 96 | 98 / 96 | 98 / 96 | 89 / 85 | 97 / 94 |
| 오픈블라스 | 98 / 95 | 97 / 93 | DNF | 92 / 83 | 91 / 87 |
| STREAM | 98 / 96 | 95 / 89 | 98 / 92 | 78 / 66 | 75 / 71 |
| 슈퍼턱스카트 | 95 / 82 | 94 / 86 | 90 / 80 | 74 / 68 | 89 / 82 |
| MLPerf 클라이언트 | 93 / 84 | 93 / 85 | 93 / 77 | 76 / 66 | 97 / 76 |
| 코딩 에이전트 | 90 / 79 | 실행되지 않음 | 86 / 78 | 실행되지 않음 | 91 / 84 |
| RAG | 94 / 90 | 94 / 90 | 94 / 86 | 76 / 71 | 88 / 83 |
| 지속 루프 | 98 / 98 | 98 / 98 | 98 / 97 | 92 / 87 | 94 / 90 |
Surface Laptop Ultra는 지속적인 루프 실행 동안 98°C에서 온도 손실 없이 동일한 열 성능을 보였으며, 이 때문에 OpenBLAS 전원 차단 문제가 두드러지게 나타났습니다. OmniBook 시리즈는 동일한 OpenBLAS 시퀀스를 최대 98°C(평균 95°C 및 93°C)에서 약 3.0GHz의 클럭 속도로 오류 없이 실행했습니다. CPU 테스트에서 Pro 9n은 HP 제품보다 최고 온도가 5~18°C 낮았고, 클럭 속도는 약 1% 차이밖에 나지 않았습니다. Blade 16의 Zen 5 코어는 7-Zip 및 LLVM 빌드에서 98~99°C에 도달했습니다.
| 평균 CPU 클럭 속도(MHz) | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| Cinebench 2026 | 2,962 | 2,964 | 2,952 | 2,951 | 4,158 |
| 7 - 우편 번호 | 2,838 | 2,862 | 2,405 | 2,849 | 4,014 |
| 건어 | 3,269 | 3,269 | 3,263 | 3,292 | 3,645 |
| 믹서기 | 3,123 | 3,241 | 3,174 | 3,216 | 3,729 |
| 수동 브레이크 | 2,756 | 2,865 | 2,739 | 2,834 | 3,814 |
| LLVM 빌드 | 3,151 | 3,193 | 3,160 | 3,197 | 3,697 |
| GROMACS | 3,308 | 3,315 | 3,325 | 3,367 | 3,874 |
| 오픈블라스 | 3,024 | 3,057 | DNF | 3,192 | 4,274 |
| STREAM | 3,258 | 3,251 | 3,255 | 3,101 | 3,684 |
| 슈퍼턱스카트 | 1,957 | 2,008 | 2,049 | 2,017 | 4,349 |
| MLPerf 클라이언트 | 2,114 | 2,241 | 2,165 | 2,027 | 3,593 |
| 코딩 에이전트 | 2,078 | 실행되지 않음 | 2,242 | 실행되지 않음 | 3,789 |
| RAG | 2,749 | 2,724 | 2,751 | 2,760 | 3,764 |
| 지속 루프 | 3,239 | 3,232 | 3,270 | 3,288 | 3,726 |
모든 코어에 부하가 걸린 상태에서 OmniBook, Surface 및 Pro 9n은 3.1~3.4GHz로 안정화되었는데, 이는 N1X가 해당 섀시에서 유지하는 최대 속도와 동일합니다. HP 노트북은 지속적인 루프 테스트 동안 3,239MHz와 3,232MHz를 안정적으로 유지하며 좋은 점수를 기록했습니다. 펌웨어는 클럭을 최대치로 유지하여 진동을 방지하므로 점수가 안정적으로 나타납니다. SSD 또한 부하 상태에서 온도가 낮게 유지되었으며, 80회의 fio 테스트 동안 128GB Sandisk SSD는 최고 52°C, 32GB KIOXIA SSD는 최고 64°C를 기록했습니다.
스토리지 성능
저희 스토리지 테스트는 fio의 네 모서리(fio four corners)를 사용하여 부팅 드라이브에 대해 5GB 및 25GB 용량으로 테스트를 진행합니다. 파일 시스템을 통과하는 테스트와 원시 장치(raw device) 테스트를 모두 수행하며, 여기서는 25GB 테스트 결과를 보고합니다. 원시 장치 테스트는 NTFS 및 BitLocker를 거치지 않으므로, 두 결과 간의 차이는 드라이브 성능이 Windows I/O 경로를 얼마나 견뎌내는지를 보여줍니다. 네 대의 N1X 시스템 모두 BitLocker 장치 암호화가 적용된 Arm 기반 Windows를 실행하고 있습니다. 두 대의 HP 시스템에서는 BitLocker 보호 기능이 활성화되어 있었고, Pro 9n에서는 비활성화되어 있었습니다.
| fio, 25GB 용량, QD32 | 옴니북 울트라 16 (128GB) | 옴니북 울트라 16 (32GB) | 서피스 랩탑 울트라 | 프로 9n 15 | Razer의 블레이드 16 |
|---|---|---|---|---|---|
| 순차 읽기 128K, 파일 시스템(MB/s) | 13,833 | 10,509 | 14,134 | 7,024 | 7,125 |
| 순차 읽기 128K, 원시 장치(MB/s) | 12,479 | 10,047 | 13,815 | 7,165 | 7,134 |
| 순차 쓰기 속도 128K(MB/s) | 11,719 | 9,464 | 11,461 | 5,699 | 5,250 |
| 4K 랜덤 읽기, 파일 시스템, 최대 IOPS(초당 입출력 횟수) | 437,833 | 289,024 | 300,225 | 338,936 | 694,597 |
| 랜덤 읽기 4K, 원시 장치, 최대(IOPS) | 1,888,501 | 1,412,982 | 1,670,736 | 973,106 | 993,050 |
| 랜덤 쓰기 4K, 최대 (IOPS) | 228,354 | 226,661 | 279,848 | 192,000 | 648,446 |
| 원시/파일 시스템 임의 읽기 | SR 4.31x | SR 4.89x | SR 5.56x | SR 2.87x | SR 1.43x |
| 랜덤 읽기 4K, 4개 작업, p99 지연 시간(미국 기준, 낮을수록 좋음) | 643 | 494 | 477 | 578 | 444 |
| 랜덤 쓰기 4K, 4개 작업, p99 지연 시간(미국 기준, 낮을수록 좋음) | 586 | 602 | 449 | 758 | 371 |
| 구동 온도, 최대 (섭씨) | 52 | 64 | 56 | 78 | 60 |
128GB 옴니북에 탑재된 2TB 샌디스크 SN8050S는 순차 읽기 속도 13,833MB/s, 순차 쓰기 속도 11,719MB/s를 기록하여 이 그룹에서 쓰기 속도가 가장 빨랐으며, 읽기 속도는 서피스의 SK 하이닉스 드라이브에 이어 두 번째로 빨랐습니다. 32GB 모델의 1TB 키옥시아 Gen5 드라이브는 읽기 10,509MB/s, 쓰기 9,464MB/s를 기록했고, 프로 9n과 블레이드 16에 탑재된 두 개의 Gen4 드라이브는 약 7GB/s의 속도를 보였습니다.
Windows on Arm 스토리지 경로의 성능 차이는 랜덤 I/O에서 확연히 드러납니다. SN8050S는 원시 장치에서 4K 랜덤 읽기 시 1.89M IOPS를 기록했지만, 파일 시스템을 통한 읽기에서는 437.8K에 그쳐 4.3배의 차이를 보였고, KIOXIA는 4.9배의 차이를 나타냈습니다. Blade 16의 x64 경로는 손실이 훨씬 적어, 원시 장치에서 993.0K의 성능을 보이는 드라이브에서 파일 시스템을 통한 읽기에서는 694.6K IOPS를 기록했습니다. 가장 유력한 원인은 VBS 및 메모리 무결성이 활성화된 BitLocker 소프트웨어 암호화이며, BitLocker 보호 기능이 비활성화된 Pro 9n은 2.9배의 더 작은 차이를 보였습니다. HP는 이러한 리뷰 시스템을 BitLocker가 활성화된 상태로 구성했습니다.
파일 시스템 경로에서도 긴 지연 시간이 발생했습니다. 16개 작업에서 가장 느린 0.01%의 임의 읽기 작업은 128GB OmniBook에서 3.2초, 32GB 장치에서 6.2초가 걸렸으며, Blade 16에서는 14ms가 걸렸습니다. 해당 작업 수에서 설정된 128GB 행 하나는 재실행 후에도 2% 분산 제한을 초과하여 부분 오류로 표시되었습니다. 피크 값과 장치별 원시 결과에는 영향을 미치지 않았습니다.
맺음말
128GB RAM을 탑재한 HP OmniBook Ultra 16은 이번 플랫폼 출시 테스트에서 가장 완벽한 RTX Spark 노트북으로 손꼽힐 만한 제품입니다. CPU, AI, 게임 성능에서 Surface Laptop Ultra와 거의 동일한 수준을 보여주며, 62.5GB의 GPU 가용 메모리로 자체 AI 테스트 두 가지 모두를 원활하게 실행했습니다. 또한 Qwen3.6 코딩 작업을 그룹 내 모든 시스템보다 빠르게 완료했고, 두 대의 Surface 기기에서 98°C까지 전력을 소모하는 모든 코어를 사용하는 OpenBLAS 솔루션도 문제없이 실행했습니다.
HP의 타워 힌지와 트렁크 냉각 시스템 덕분에 N1X는 부하가 지속되는 동안 최대 성능을 유지하며 30분 이상 성능 저하 없이 작동합니다. 더욱 중요한 것은 HP 시스템이 테스트를 완료하지 못한 경우가 한 번도 없었다는 점입니다.
32GB OmniBook은 N1X의 CPU 및 GPU 성능이 메모리 용량에 좌우되지 않음을 입증합니다. CPU, MLPerf, RAG 테스트에서 128GB 모델과 약 2% 이내의 성능 차이를 보였으며, Cinebench 싱글 코어 및 SuperTuxKart에서는 최고 성능을 기록했습니다. 다만, 12GB GPU가 일부 분할되어 있어 모든 모델 로드 및 코딩 에이전트 테스트에서 제외되므로 로컬 모델 처리 용량이 다소 제한적입니다. CPU 성능 때문에 N1X를 구매하려는 경우 32GB 모델도 큰 손실은 없지만, 로컬 AI 작업을 위해 구매하려는 경우에는 64GB 또는 128GB 모델을 고려해야 합니다.
Windows on Arm 스토리지 경로는 4K 랜덤 읽기 속도가 드라이브 성능의 4분의 1에도 미치지 못합니다. SVT-AV1 및 GROMACS와 같은 일부 Arm64 포트는 x64 빌드보다 성능이 현저히 떨어지고, 단일 스레드 Python 실행 시간은 Blade 16보다 20~50% 더 오래 걸리며, 단일 스레드 Primesieve는 약 80% 더 오래 걸립니다. 또한 통합 GPU가 시스템의 다른 부분과 메모리 버스를 공유하기 때문에 코딩 에이전트가 실행되는 동안 브라우저 속도가 1.73배 느려졌습니다. 이러한 문제는 플랫폼/소프트웨어 문제이며 HP의 문제는 아닙니다. 새로운 패치와 릴리스를 통해 생태계가 지속적으로 개선될 것으로 기대합니다.
20B~35B 크기의 모델을 로컬에서 실행하거나, 대규모 트리를 컴파일하거나, 얇은 16인치 노트북에서 CPU로 렌더링할 수 있는 매우 견고한 모바일 플랫폼을 원하는 개발자와 크리에이터에게 128GB OmniBook Ultra 16은 이 비교 대상 노트북 중 최고의 성능을 제공합니다.
순위표: 128GB HP OmniBook Ultra 16은 로컬 AI용 최고의 노트북 순위표에서 최고의 RTX Spark 노트북으로 선정되었습니다.
아마존