HP OmniBook Ultra 16 သုံးသပ်ချက်- 128GB ပါ RTX Spark သည် ကျွန်ုပ်တို့၏ ဒေသတွင်း Coding Agent စမ်းသပ်မှုတွင် အကောင်းဆုံးဖြစ်သည်

HP OmniBook Ultra 16 သည် HP ၏ ၁၆ လက်မ NVIDIA RTX Spark နုတ်ဘုတ်ဖြစ်ပြီး NVIDIA ၏ N1X superchip နှင့် 3K OLED မျက်နှာပြင်ကို အခြေခံ၍ တည်ဆောက်ထားသော ၀.၆၂ လက်မအထူရှိသော လက်ပ်တော့တစ်ခုဖြစ်သည်။ ကျွန်ုပ်တို့သည် ယူနစ်နှစ်ခုကို ဘေးချင်းယှဉ်၍ စမ်းသပ်ခဲ့သည်- တစ်ခုမှာ 20-core N1X အပြည့်အစုံ၊ 128GB LPDDR5X နှင့် 2TB Gen5 SSD ပါရှိပြီး နောက်တစ်ခုမှာ တူညီသောချစ်ပ်၊ 32GB နှင့် 1TB Gen5 SSD ပါရှိသည်။ ကျွန်ုပ်တို့စမ်းသပ်ခဲ့သော 32GB, 1TB ယူနစ်သည် Best Buy ၏ $3,199.99 configuration ဖြစ်ပြီး ၎င်းသည် HP ၏စတင်စျေးနှုန်းလည်းဖြစ်သည်။ 64GB, 2TB မော်ဒယ်ကို HP.com တွင် $4,999.99 ဖြင့်ဖော်ပြထားပြီး ကျွန်ုပ်တို့စမ်းသပ်ခဲ့သော 128GB, 2TB build ကို HP.com ၏ configurator မှတစ်ဆင့်သာ ရရှိနိုင်ပြီး အောက်တိုဘာလ ၁၄ ရက်နေ့အထိ HP ၏ဈေးနှုန်းမှာ $6,229.99 ဖြစ်သည်။

HP နှစ်ခုနဲ့အတူ Microsoft Surface Laptop Ultra ၊ ကျွန်တော်တို့စမ်းသပ်ထားတဲ့ တခြား 128GB RTX Spark notebook၊ 32GB HP ရဲ့ 12GB GPU ခွဲဝေမှုကို မျှဝေထားတဲ့ Lenovo Pro 9n 15 နဲ့ အဲဒီနှိုင်းယှဉ်မှုမှာ RTX 5090 က အားအကောင်းဆုံး x64 notebook ဖြစ်စေတဲ့ Razer Blade 16 တို့ကို နှိုင်းယှဉ်ကြည့်ပါမယ်။ စမ်းသပ်မှုအသစ်ပြီးစီးတဲ့အခါ ကျွန်တော်တို့ရဲ့ ဘက်ထရီရလဒ်တွေကို ဖော်ပြပေးသွားမှာပါ။

ဒါကို အရင်ရှင်းလိုက်ရအောင်။ 128GB OmniBook က ကျွန်တော်တို့ စမ်းသပ်ဖူးသမျှထဲမှာ အပြည့်စုံဆုံး RTX Spark စနစ်ပါ။ ဒီအုပ်စုမှာ multi-core Cinebench 2026 ရမှတ် 7,004 နဲ့ အမြင့်ဆုံးရခဲ့ပြီး တခြားစနစ်တွေထက် tier M Qwen3.6 coding task ကို ပိုမြန်မြန်ပြီးအောင်လုပ်နိုင်ခဲ့ပြီး Surface unit နှစ်ခုကို 98 C မှာ ပြီးမြောက်အောင် power ပေးတဲ့ all-core OpenBLAS solve ကို လုပ်ဆောင်နိုင်ခဲ့ပါတယ်။ 32GB unit က CPU, MLPerf နဲ့ RAG work မှာ ၂ ရာခိုင်နှုန်းလောက်ပဲ အသုံးများပါတယ်။ ဒီစနစ်အားလုံးနဲ့ဆိုရင် memory က ကန့်သတ်ချက်ဖြစ်ပြီး ဝယ်ယူတဲ့အခါ အရွယ်အစားဆုံးဖြတ်ချက်ကို အသိပေးသင့်ပါတယ်။ GPU allocations နည်းတာက ဘယ်မော်ဒယ်တွေ ကောင်းကောင်းအလုပ်လုပ်နိုင်မလဲဆိုတာ ကန့်သတ်ထားပါတယ်။

Key ကို Takeaways

• 128GB ယူနစ်သည် ကျွန်ုပ်တို့စမ်းသပ်သော ဒေသတွင်း AI အဆင့်တိုင်းကို လုပ်ဆောင်သည်- GPU အသုံးပြုနိုင်သော မှတ်ဉာဏ် 62.5GB ဖြင့် gpt-oss:20b နှင့် Qwen3.6-35B-A3B တို့သည် တစ်စက္ကန့်လျှင် တိုကင် ၅၈.၀ နှင့် ၈၉.၅ ဖြင့် ထုတ်လုပ်ပေးပြီး Qwen3.6 coding task သည် ၇၂.၀ စက္ကန့်အတွင်း သုံးကြိမ်လုပ်ဆောင်နိုင်ခဲ့ပြီး အုပ်စုတွင် အမြန်ဆုံးဖြစ်သည်။ Blade 16 ၏ RTX 5090 သည် ၎င်း၏ 24GB နှင့် ကိုက်ညီသော မော်ဒယ်များတွင် ၂.၃ ဆ ပိုမြန်သည်။
• 32GB ယူနစ်က မြန်နှုန်းကို ထိန်းသိမ်းထားပေမယ့် စွမ်းရည်ကိုတော့ မထိန်းသိမ်းပါဘူး။ MLPerf Llama 3.1 8B သည် 128GB ယူနစ်တွင် 56.5 ရှိပြီး တစ်စက္ကန့်လျှင် 56.4 တိုကင်ဖြင့် လည်ပတ်သော်လည်း ၎င်း၏ 12GB GPU ခွဲထုတ်မှုကြောင့် model-load နှင့် coding agent စမ်းသပ်မှုတိုင်းတွင် မပါဝင်ပါ။
• အုပ်စုတွင် အမြန်ဆုံး multi-core ရလဒ်များ- Cinebench 2026 multi-core မှာ 7,004 ရရှိခဲ့ပြီး Razer Blade 16 ထက် ၃၅ ရာခိုင်နှုန်း သာလွန်ကာ Blade မှာ 327.0 ရရှိခဲ့ပြီး LLVM တည်ဆောက်မှုကို ၂၀၆.၆ စက္ကန့်အတွင်း ပြုလုပ်နိုင်ခဲ့ပါတယ်။
• ပူပြင်းပြီး အကန့်အသတ်မှာ တည်ငြိမ်တယ်- HP နှစ်ခုစလုံးသည် all-core စမ်းသပ်မှုတိုင်းတွင် စွမ်းဆောင်ရည်မဆုံးရှုံးဘဲ 98 C တွင်ရှိနေခဲ့ပြီး နှစ်ခုစလုံးသည် Surface Laptop Ultra ယူနစ်နှစ်ခုတွင် ပါဝါဖြတ်တောက်သည့် all-core OpenBLAS ဖြေရှင်းချက်ကို အောင်မြင်စွာပြီးမြောက်ခဲ့သည်။
• Arm မျက်နှာကြက်ရှိ Windows နောက်ကွယ်ရှိ Gen5 သိုလှောင်မှု- 128GB ယူနစ်ရဲ့ Sandisk SN8050S က 13,833MB/s ဆက်တိုက်ဖတ်ပြီး raw device ကနေ 1.89M IOPS ဖတ်ပေမယ့် NTFS နဲ့ BitLocker ကနေ 4K random ဖတ်တာကတော့ 437.8K IOPS အထိ ရှိပါတယ်။

တည်ဆောက်ခြင်းနှင့်ဒီဇိုင်းဆွဲခြင်း

HP က OmniBook Ultra 16 ကို CNC နဲ့ ပြုလုပ်ထားတဲ့ အလူမီနီယမ် ကိုယ်ထည်သုံးပိုင်းနဲ့ တည်ဆောက်ထားပြီး အနားကွေးတွေနဲ့ ခွက်နေတဲ့ ဘေးနှစ်ဖက်ပါရှိပါတယ်။ HP က Eclipse gray လို့ခေါ်တဲ့ မှောင်တဲ့အရောင်နဲ့ပါ။ အရွယ်အစားက 14.01 x 10.1 လက်မဖြစ်ပြီး အနောက်ဘက်မှာ 15.7 မီလီမီတာကနေ ရှေ့ဘက်မှာ 11.6 မီလီမီတာအထိ သေးငယ်ပြီး အလေးချိန်က 4.89 ပေါင်ရှိပါတယ်။ HP က ဒါကို အပါးဆုံး RTX Spark PC လို့ ခေါ်ဆိုပါတယ်။ အဖုံးတွေက ပြန်လည်အသုံးပြုထားတဲ့ သတ္တု ၅၀ ရာခိုင်နှုန်းကို အသုံးပြုထားပြီး ကီးဘုတ်အစိတ်အပိုင်းတွေက ၈၅ ရာခိုင်နှုန်းကို အသုံးပြုထားပြီး စပီကာအဖုံးတွေမှာ ပင်လယ်ရေအောက် ပလတ်စတစ် ပါဝင်ပါတယ်။ ကျွန်ုပ်တို့ရဲ့ ယူနစ်နှစ်ခုစလုံးဟာ ကိုယ်ထည်တစ်ခုတည်းကို မျှဝေအသုံးပြုထားတာကြောင့် ဒီအပိုင်းမှာပါတဲ့ အရာအားလုံးဟာ ပုံစံနှစ်မျိုးလုံးနဲ့ သက်ဆိုင်ပါတယ်။

OmniBook ဟာ ဒီကနဦးသုံးသပ်ချက်အသုတ်မှာ ကျွန်တော်တို့စမ်းသပ်ဖူးသမျှထဲမှာ အကောင်းဆုံးခံစားချက်ဖြစ်တဲ့ RTX Spark notebook ပါ။ အသွင်အပြင်ရှိတဲ့ သတ္တုမျက်နှာပြင်တွေနဲ့ ပါးလွှာတဲ့ပရိုဖိုင်က ပရီမီယံ၊ ခိုင်မာတဲ့ခံစားချက်ကို ပေးစွမ်းပြီး ဒီအရွယ်အစားရှိတဲ့ ကိုယ်ထည်မှာ မကြာခဏတွေ့ရတဲ့ ကွေးညွှတ်မှုမျိုး မရှိပါဘူး (ZBook စနစ်အစစ်အမှန်လို ခံစားရပါတယ်)။ အောက်ခြေရဲ့နောက်ဘက်အနားက display hinge ကိုကျော်ပြီး notebook တစ်ခုမှာ မတွေ့ရတတ်တဲ့အတွက် အပူစီးဆင်းတဲ့နေရာကို ပြောင်းလဲပေးပါတယ်- အဖုံးဖွင့်ထားလိုက်၊ ပိတ်လိုက်လုပ်တဲ့အခါ ထွက်လာတဲ့ဓာတ်ငွေ့က ကိုယ်ထည်ရဲ့နောက်ဘက်ကနေ တန်းထွက်ပြီး hinge ဒါမှမဟုတ် display ရဲ့အောက်ခြေကို ဘယ်တော့မှ မပေါက်ကွဲပါဘူး။

အဲဒီတိုးချဲ့မှုကို HP က သူ့ရဲ့ tower hinge နဲ့ trunk ဒီဇိုင်းလို့ခေါ်ပြီး HP consumer laptop တစ်လုံးအတွက် ပထမဆုံးပါပဲ။ ရိုးရာ clamshell မှာ display နဲ့ hinge တွေက base ရဲ့နောက်ဘက်မှာ စုပုံနေတာကြောင့် HP က hinge နောက်က chassis ကို တိုးချဲ့ပြီး နောက်ဘက်ကို လေဝင်လေထွက်ကောင်းအောင် လုပ်ပေးပါတယ်။ OmniBook ကို Performance mode မှာ 70W အထိ ထောက်ပံ့ပေးပါတယ်။

HP ရဲ့ ဒီဇိုင်းအတွက် ပြောဆိုချက်က စွမ်းဆောင်ရည် တည်ငြိမ်ပြီး မျက်နှာပြင်အပူချိန် နည်းပါးခြင်းပဲ ဖြစ်ပါတယ်။ ပထမပိုင်းမှာတော့ ကျွန်တော်တို့ရဲ့ စမ်းသပ်မှုမှာ တည်ငြိမ်နေခဲ့ပါတယ်။ N1X ဟာ မိနစ် ၃၀ လုံးလုံး လည်ပတ်နေခဲ့ပါတယ်။ CPU စမ်းသပ်မှုတိုင်းမှာ အပူချိန် ၉၈ ဒီဂရီစင်တီဂရိတ်မှာ အပူချိန်မြင့်မားစွာ လည်ပတ်ခဲ့ပြီး Pro 9n ဒါမှမဟုတ် Lenovo Yoga 9n 2-in-1 16 ထက် ပိုပူတာ ကြောင့် CPU ကိုယ်တိုင် အေးမသွားဘဲ အိတ်ဇောဓာတ်ငွေ့ကို ရွေ့လျားစေခဲ့ပါတယ်။ ဒီသုံးသပ်ချက်အတွက် မျက်နှာပြင်အပူချိန်ကို ကျွန်တော်တို့ မတိုင်းတာခဲ့ပါဘူး။

အောက်ခြေမှာ အောက်ခြေ panel ရဲ့ နောက်ဘက်တစ်ဝက်ရဲ့ အများစုကို intake grille ကြီးတစ်ခုက ဖုံးအုပ်ထားပါတယ်။ panel ကို ပိတ်ထားတဲ့အခါ ပန်ကာနှစ်လုံးက အကာအကွယ်ပေးထားတဲ့ အလယ်ဗဟိုအပိုင်းရဲ့ နောက်ဘက်ထောင့်တစ်ဖက်တစ်ချက်စီမှာ ရှိနေပြီး အပူပိုက်တွေကြားမှာ လည်ပတ်နေပြီး 99Wh ဘက်ထရီက chassis ရဲ့ ရှေ့တစ်ဝက်ကို ဖြည့်ထားပါတယ်။ HP က ပန်ကာတစ်လုံးစီမှာ 0.15mm အထူရှိတဲ့ blades ၇၉ ခု ပါဝင်ပြီး အဲဒီအပူပိုက်ကျယ်နှစ်ခုက processor ကို ဖုံးအုပ်ထားပြီး တတိယတစ်ခုက 1 မှ 1.8mm အထူရှိတဲ့ SSD ပေါ်မှာ လည်ပတ်နေပြီး thermistor က အတွင်းပိုင်းအပူချိန်ကို ခြေရာခံနေချိန်မှာ IR sensor က မျက်နှာပြင်ကို စောင့်ကြည့်နေတယ်လို့ ပြောပါတယ်။

မန်မိုရီကို LPDDR5X ဂဟေဆက်ထားတာကြောင့် သင်ဝယ်ယူတဲ့ configuration က သင်သိမ်းထားတဲ့ configuration ပါပဲ၊ မန်မိုရီစွမ်းရည်က GPU ဘယ်လောက်အသုံးပြုနိုင်လဲဆိုတာကိုလည်း သတ်မှတ်ပေးတာကြောင့် လက်တော့ပ်အများစုထက် RTX Spark စနစ်မှာ ပိုအရေးကြီးပါတယ်။

ကီးဘုတ်က HP ရဲ့ ဒုတိယမျိုးဆက် lattice-less layout ဖြစ်ပြီး full-size နဲ့ backlit ဖြစ်ပြီး key တွေနဲ့ ပထမမျိုးဆက်ထက် ပိုနက်တဲ့ dish တစ်ခုကြား ၃ မီလီမီတာ ကွာဟချက်ရှိပါတယ်။ ဘေးနှစ်ဖက်စလုံးမှာ quad speaker တွေအတွက် grill တွေ၊ main driver နှစ်ခုနဲ့ DTS spatial audio နဲ့ Poly Studio tuning ပါတဲ့ discrete smart amplifier တွေမှာ tweeter နှစ်ခုပါရှိပါတယ်။ အောက်မှာ ကြီးမားတဲ့ 160 x 100mm haptic touchpad က မျက်နှာပြင်ပေါ်မှာ ဘယ်နေရာမဆို click လုပ်နိုင်ပြီး ချိန်ညှိနိုင်တဲ့ force၊ silent-click option နဲ့ volume နဲ့ brightness အတွက် gesture တွေ ပါဝင်ပါတယ်။ 5MP IR ကင်မရာမှာ physical privacy shutter ပါဝင်ပြီး dedicated key က microphone တွေကို mute လုပ်ပေးပါတယ်။

မျက်နှာပြင်က Corning Gorilla Glass 3 အောက်ရှိ ၁၆ လက်မ 3K (2880 x 1800) OLED touchscreen ဖြစ်ပြီး 120Hz အထိ refresh rate ရှိပြီး variable refresh support နဲ့ 0.2ms response time ရှိပါတယ်။ HP က SDR မှာ 500 nits နဲ့ HDR မှာ 1,100 nits ရှိပြီး 100% DCI-P3 coverage၊ VESA DisplayHDR True Black 1000 အသိအမှတ်ပြုလက်မှတ်နဲ့ Delta E under 1 ရရှိထားပါတယ်။ panel က အဖုံးရဲ့ ၉၁ ရာခိုင်နှုန်းကို ဖြည့်ထားပါတယ်။

ဘယ်ဘက်ခြမ်းမှာ HDMI 2.1၊ USB Power Delivery ပါတဲ့ 40Gbps မြန်နှုန်းရှိတဲ့ USB-C port နှစ်ခုနဲ့ DisplayPort 2.1 ပါဝင်ပြီး headphone jack တစ်ခု ပါဝင်ပြီး ညာဘက်ခြမ်းမှာ microSD reader တစ်ခုနဲ့ 10Gbps မြန်နှုန်းရှိတဲ့ USB-A port နှစ်ခု ပါဝင်ပါတယ်။ Wireless ကတ်ကတော့ MediaTek MT7925 ဖြစ်ပြီး Wi-Fi 7 နဲ့ Bluetooth 6.0 ပါဝင်ပါတယ်။ HP က 99Wh ဘက်ထရီကို ၁၇ နာရီအထိ အသုံးပြုနိုင်ပြီး ခေါက်လို့ရတဲ့ ကြိုးတွေနဲ့ ဖြုတ်တပ်လို့ရတဲ့ 2m ကြိုးပါတဲ့ 140W USB-C GaN adapter တစ်ခု ပါဝင်ပါတယ်။ HP က ယခင် 140W ထက် ၄၃ ရာခိုင်နှုန်း ပိုသေးငယ်ပြီး ၂၈ ရာခိုင်နှုန်း ပိုပေါ့ပါးတယ်လို့ ပြောပါတယ်။ မိနစ် ၃၀ အတွင်း ၅၀ ရာခိုင်နှုန်းလောက် အားသွင်းနိုင်တယ်လို့ ဆိုပါတယ်။

RTX Spark N1X ပလက်ဖောင်း

RTX Spark သည် DGX Spark ရှိ GB10 ၏ ညီအစ်မ laptop ဖြစ်သော N1X superchip ပေါ်တွင် တည်ဆောက်ထားသော Windows PC မိသားစုဖြစ်သည် ။ ကျွန်ုပ်တို့၏ Surface Laptop Ultra သုံးသပ်ချက် တွင် platform အကြောင်းကို အသေးစိတ် လေ့လာခဲ့သော ကြောင့် ဤအပိုင်းသည် OmniBook ၏ ရလဒ်များကို ဖတ်ရှုရာတွင် အရေးကြီးသောအချက်များကို အဓိကထားဖော်ပြထားသည်။ ကျွန်ုပ်တို့၏ HP နှစ်ခုစလုံးတွင် 20-core Grace CPU (SMT မပါဘဲ 20-core Grace CPU (ပိုမြန်သော core ၁၀ ခုနှင့် စွမ်းဆောင်ရည်မြင့် core ၁၀ ခု) နှင့် 6,144-core Blackwell RTX GPU တို့ တွဲဖက်ထားသည့် top bin ပါရှိသည်။ HP သည် 18-core၊ 5,120-core-GPU ဗားရှင်းကိုလည်း ရောင်းချပြီး ဤနှိုင်းယှဉ်ချက်တွင် Lenovo Pro 9n နှင့် bin တူညီသည်။

N1X ရဲ့ LPDDR5X ဟာ 256-bit interface မှာ 9,400 MT/s နဲ့ လည်ပတ်ပြီး CPU နဲ့ GPU ကြားမှာ မျှဝေအသုံးပြုပါတယ်။ NVIDIA app မှာ Windows က GPU ကို dedicated memory အနေနဲ့ ဘယ်လောက်ပေးမလဲဆိုတာကို ဆုံးဖြတ်ပေးတဲ့ setting ပါရှိပါတယ်။ အဲဒါက BIOS option မဟုတ်ဘဲ Windows မှာ ပြောင်းလဲမှုတစ်ခုပါ။ ဒါကြောင့် split ကို ပြန်ကြည့်ဖို့ လွယ်ကူပါတယ်။

ကျွန်ုပ်တို့ရဲ့ 128GB ယူနစ်ဟာ 64GB GPU နဲ့ 64GB CPU မှာ လည်ပတ်ပြီး GPU အသုံးပြုနိုင်မှု 62.5GB ရှိပြီး ကျွန်ုပ်တို့ရဲ့ ဒေသတွင်း AI မော်ဒယ်အဆင့်နှစ်ခုလုံးအတွက် အရည်အချင်းပြည့်မီပါတယ်။ 32GB ယူနစ်ကို Lenovo Pro 9n နဲ့ တူညီတဲ့ 12GB GPU နဲ့ 20GB CPU အဖြစ် သတ်မှတ်ထားတာကြောင့် 32GB စနစ်နှစ်ခုဟာ တိုက်ရိုက်နှိုင်းယှဉ်နိုင်ပါတယ်။ 12GB မှာတော့ ဘယ်ဟာမှ မော်ဒယ်အဆင့်စမ်းသပ်မှုအတွက် အရည်အချင်းမပြည့်မီပါဘူး။

ပုံသေခွဲထုတ်ခြင်းသည် NVIDIA ၏ ကန့်သတ်ချက်မဟုတ်ဘဲ Windows ကန့်သတ်ချက်တစ်ခုဖြစ်သည်။ Windows သည် DGX Spark ရှိ Linux stack ကဲ့သို့ CPU နှင့် GPU တစ်လျှောက်တွင် unified memory ကို ပံ့ပိုးမှုမပေးသေးပါ၊ ထို့ကြောင့် ခွဲဝေမှုကို ကြိုတင်သတ်မှတ်ရမည်ဖြစ်သည်။ NVIDIA နှင့် Microsoft အကြား ပံ့ပိုးမှုကို လုပ်ဆောင်နေကြောင်း ကျွန်ုပ်တို့ နားလည်ပါသည်။

OmniBook သည် Arm64 တွင် Windows 11 26H1 ကို run သောကြောင့် x64 application များသည် Prism emulation ကိုဖြတ်သန်းသွားပြီး ကျွန်ုပ်တို့၏ suite သည် open-source workload တိုင်း၏ native Arm64 build များကိုအသုံးပြုသောကြောင့် CPU row များသည် silicon ကိုနှိုင်းယှဉ်နိုင်သည်။ Arm64 port သည် မရင့်ကျက်သေးပါက သို့မဟုတ် x64 build တစ်ခုတည်းသာရှိသည့်အခါတွင် အောက်ပါ row အနည်းငယ်သည် ၎င်းပေါ်တွင်မူတည်သောကြောင့် ကျွန်ုပ်တို့ပြောပါသည်။

HP OmniBook Ultra 16 အသေးစိတ်အချက်အလက်များ

specification	HP OmniBook Ultra 16 (16-bk0xxx)
ပလက်ဖောင်းခြုံငုံသုံးသပ်ချက်
processor ​​ကို	NVIDIA RTX Spark N1X၊ 20-core CPU ပါ၀င်ပြီး 6,144-core Blackwell RTX GPU (ယူနစ်နှစ်ခုလုံးကို စမ်းသပ်ပြီး) NVIDIA RTX Spark N1X၊ 18-core CPU ပါ၀င်ပြီး 5,120-core Blackwell RTX GPU ပါဝင်သည်
မှတ်ဉာဏ်	32GB၊ 64GB သို့မဟုတ် 128GB LPDDR5X-9400 (အွန်ဘုတ်) 128GB၊ 64GB GPU / 64GB စနစ်ခွဲထုတ်ခြင်း (စမ်းသပ်ပြီးသည့်အတိုင်း ယူနစ် ၂) 32GB၊ 12GB GPU / 20GB စနစ်ခွဲထုတ်ခြင်း (စမ်းသပ်ပြီးသည့်အတိုင်း ယူနစ် ၂)
သိုလှောင်ခြင်း	1TB PCIe Gen5 NVMe M.2 SSD သို့မဟုတ် 2TB PCIe Gen5 NVMe Performance M.2 SSD 2TB Sandisk PC SN8050S (စမ်းသပ်ပြီး ယူနစ် ၁) 1TB KIOXIA KBG80ZNV (ယူနစ် ၂ ကို စမ်းသပ်ပြီး)
ကွန်ပျူတာစက်လည်ပတ်ရေးစနစ်ပရိုဂရမ်	Windows 11 Home သို့မဟုတ် Windows 11 Pro (Arm64) စမ်းသပ်ပြီးသော Windows 11 Pro (ယူနစ် ၁)၊ Windows 11 Home (ယူနစ် ၂)
မျက်နှာပြင်နှင့် I/O
မျက်နှာပြင်	၁၆ လက်မ 3K (2880 x 1800) OLED မျက်နှာပြင်၊ 120Hz အထိ၊ VRR၊ 0.2ms 500 nits SDR၊ 1,100 nits HDR၊ 100% DCI-P3၊ Delta E <1 VESA DisplayHDR True Black 1000၊ Corning Gorilla Glass 3
ဆိပ်ကမ်းများ	၂x USB-C 40Gbps (USB ပါဝါပို့ဆောင်မှု၊ DisplayPort 2.1) ၃ x USB-A 10Gbps 1x HDMI ၁.၄ 1x microSD ကတ်ဖတ်စက် 1x နားကြပ်/မိုက်ခရိုဖုန်း ပေါင်းစပ်ဂျက်
ကြိုးမဲ့	MediaTek Wi-Fi 7 MT7925 (2×2)၊ ဘလူးတုသ် 6.0
ကင်မရာ	ကိုယ်ရေးကိုယ်တာလုံခြုံရေးရှပ်တာပါသည့် 5MP IR ကင်မရာ
audio	သီးခြား smart amplifier များပါရှိသော စပီကာလေးလုံး (အဓိက ၂ ခု၊ tweeter ၂ ခု)၊ DTS spatial audio၊ Poly Studio tuning
input	ဒုတိယမျိုးဆက် lattice-less backlit keyboard လက်ဟန်ခြေဟန်ထိန်းချုပ်မှုပါရှိသော 160 x 100mm haptic touchpad
တန်ခိုးနှင့်ရုပ်
ဘက်ထရီ	6-cell, 99Wh Li-ion polymer; ၁၇ နာရီအထိ (HP က အခိုင်အမာပြောဆိုထားသည်)
Charging	140W USB-C GaN အဒက်တာ၊ မိနစ် ၃၀ အတွင်း ၅၀% ခန့် အားသွင်းနိုင် (HP က ဆိုထားသည်)
အပူဒီဇိုင်း	မျှော်စင်ပတ္တာနှင့် ဘူးခွံ၊ ပန်ကာနှစ်လုံး၊ အပူပိုက်သုံးခု၊ သာမီစတာနှင့် IR အာရုံခံကိရိယာ၊ 70W TDP (HP အဆင့်သတ်မှတ်ချက်) အထိ
ရှုထောင့်	၁၄.၀၁ x ၁၀.၁ x ၀.၆၂ လက်မ (နောက်ဘက် ၁၅.၇ မီလီမီတာ၊ ရှေ့ဘက် ၁၁.၆ မီလီမီတာ)
အလေးချိန်	4.89 ပေါင်
အရောင်	နေကြတ် မီးခိုးရောင်
လုံခြုံရေးနှင့် ဈေးနှုန်း
လုံခွုံရေး	မိုက်ခရိုဖုန်းအသံတိတ်ခလုတ်၊ ကင်မရာလုံခြုံရေးရှပ်တာ၊ TPM; ယူနစ်နှစ်ခုလုံးတွင် BitLocker XTS-AES-128
စျေးနှုန်း	$3,199.99 (32GB၊ 1TB၊ Best Buy နှင့် HP.com၊ စမ်းသပ်ပြီး)၊ $4,999.99 (64GB၊ 2TB၊ HP.com) $၆,၂၂၉.၉၉ (128GB၊ 2TB၊ HP.com ပြင်ဆင်မှုစနစ်၊ စမ်းသပ်ပြီး; ၂၀၂၆ ခုနှစ် အောက်တိုဘာလ ၁၄ ရက်နေ့အထိ HP ဈေးနှုန်း)

စမ်းသပ်ခြင်း Setup နှင့်နည်းစနစ်

ကျွန်ုပ်တို့ရဲ့ OmniBook Ultra 16 ယူနစ်နှစ်ခုဟာ RTX Spark N1X ကို 6,144-core Blackwell GPU နဲ့ လည်ပတ်ပါတယ်- တစ်ခုမှာ Windows 11 Pro 26H1 မှာ 128GB LPDDR5X-9400 split 64/64 နဲ့ 2TB Sandisk SN8050S Gen5 SSD ပါဝင်ပြီး နောက်တစ်ခုမှာ 32GB split 12/20 နဲ့ Windows 11 Home 26H1 မှာ 1TB KIOXIA Gen5 SSD ပါဝင်ပြီး နှစ်ခုစလုံးကို Arm64 မှာ လည်ပတ်ပါတယ်။ Benchmark တွေကို HP ရဲ့ Performance mode မှာ Windows ကို Best performance လို့ သတ်မှတ်ထားပြီး ပလပ်ထိုးထားပါတယ်။

စနစ်တိုင်းသည် ကျွန်ုပ်တို့၏ scripted Windows client benchmark suite ဖြစ်သော sr-client 1.2 ကို run ပါသည်။ suite သည် နေရာတိုင်းတွင် တူညီသော lab setting များကို အသုံးချသည်- Windows power mode ကို Best performance တွင်ထားခြင်း၊ display ကို 50 percent brightness တွင်ထားခြင်း၊ sleep နှင့် display-off timers အားလုံးကို disable လုပ်ခြင်း၊ နှင့် Windows Firewall နှင့် UAC prompts များကို off လုပ်ခြင်း။ ရလဒ်တစ်ခုစီသည် ထပ်ခါတလဲလဲ pass များ၏ median ဖြစ်ပြီး suite သည် ၎င်းကိုလက်ခံခြင်းမပြုမီ spread 2 percent ထက်ကျော်လွန်သော စမ်းသပ်မှုတစ်ခုကို ပြန်လည် run သည်။

စံနစ်	စီပီယူ	မှတ်ဉာဏ်	GPU နှင့် AI စမ်းသပ်မှုများအတွက် အသုံးပြုသော GPU	SSD ကို	OS နှင့် စွမ်းဆောင်ရည်မုဒ်
HP OmniBook Ultra 16 (128GB)	NVIDIA RTX Spark N1X၊ 20C / 20T	128GB LPDDR5X-9400 (64GB GPU / 64GB စနစ်ခွဲ)	၆,၁၄၄-core Blackwell RTX (ပေါင်းစပ်ထားပြီး၊ အသုံးပြုနိုင်သော 62.5GB)	Sandisk PC SN8050S 2TB၊ Gen5 x4	Windows 11 Pro 26H1 (Arm64)၊ HP စွမ်းဆောင်ရည်
HP OmniBook Ultra 16 (32GB)	NVIDIA RTX Spark N1X၊ 20C / 20T	32GB LPDDR5X-9400 (12GB GPU / 20GB စနစ်ခွဲ)	၆,၁၄၄-core Blackwell RTX (ပေါင်းစပ်ထားပြီး၊ အသုံးပြုနိုင်သော 12GB)	KIOXIA KBG80ZNV 1TB၊ Gen5 x4	Windows 11 Home 26H1 (Arm64)၊ HP စွမ်းဆောင်ရည်
မိုက်ခရိုဆော့ဖ် ဆာဖေ့စ် လက်ပ်တော့ အာလ်ထရာ	NVIDIA RTX Spark N1X၊ 20C / 20T	128GB LPDDR5X-9400 (64GB GPU / 64GB စနစ်ခွဲ)	၆,၁၄၄-core Blackwell RTX (ပေါင်းစပ်ထားပြီး၊ အသုံးပြုနိုင်သော 62.5GB)	SK hynix HFS001TFM9X 1TB၊ Gen5 x4	Windows 11 Pro 26H1 (Arm64)၊ အကောင်းဆုံးစွမ်းဆောင်ရည်
လီနိုဗို ပရို ၉န် ၁၅	NVIDIA RTX Spark N1X၊ 18C / 18T	32GB LPDDR5X-9400 (12GB GPU / 20GB စနစ်ခွဲ)	၆,၁၄၄-core Blackwell RTX (ပေါင်းစပ်ထားပြီး၊ အသုံးပြုနိုင်သော 12GB)	Samsung MZAL81T0HFLB 1TB၊ Gen4 x4	Windows 11 Pro 26H1 (Arm64)၊ Lenovo Performance မုဒ်
Razer Blade ကို 16	AMD Ryzen AI 9 HX 370, 12C / 24T	32GB LPDDR5X-8000	NVIDIA GeForce RTX 5090 လက်ပ်တော့ ဂရပ်ဖစ်၊ 24GB	Samsung MZVL22T0 2TB၊ Gen4 x4	Windows 11 Home 25H2 (x64)၊ Razer Synapse စွမ်းဆောင်ရည်

 

အောက်ဖော်ပြပါဒေတာကိုကြည့်လျှင် ပြီးစီးသွားသောနံပါတ်များအပြင် နားလည်ရန်အရေးကြီးသော သတ်မှတ်ချက်နှစ်ခုရှိသည်။ DNF ဆိုသည်မှာ စမ်းသပ်မှုစတင်ပြီး မပြီးဆုံးသေးခြင်း သို့မဟုတ် ပျက်ကွက်ပြီးနောက် ကျော်သွားခြင်းဟု အဓိပ္ပာယ်ရသည်။ ဤနေရာတွင် ၎င်းသည် Surface ၏ OpenBLAS လည်ပတ်မှုအတွက်သာ သက်ဆိုင်ပြီး စမ်းသပ်မှုသည် လက်တော့ပ်၏ပါဝါကို ဖြတ်တောက်ပြီးနောက် ကျော်သွားခြင်းဖြစ်သည်။ မလည်ပတ်ခြင်းဆိုသည်မှာ ဟာ့ဒ်ဝဲသည် အရည်အချင်းမပြည့်မီသောကြောင့် စမ်းသပ်မှုစတင်ရန် ငြင်းဆန်ခြင်းကို ဆိုလိုသည်။ မော်ဒယ်တစ်ခုသည် ရရှိနိုင်သော GPU မှတ်ဉာဏ်ထက် ကျော်လွန်နေသောကြောင့်ဖြစ်သည်။ 32GB OmniBook နှင့် 12GB GPU အသုံးပြုနိုင်သော Pro 9n တို့သည် ကျွန်ုပ်တို့၏ အသေးငယ်ဆုံးမော်ဒယ်အဆင့်အောက်တွင် ရှိနေပြီး Blade 16 ၏ 24GB သည် အဆင့် M အောက်တွင် ရှိနေစေသည်။

N/A ဆိုသည်မှာ SMT မပါဝင်သော ချစ်ပ်ပေါ်ရှိ SMT single-core သို့မဟုတ် ၎င်း၏ native build ကို လည်ပတ်သော x64 စနစ်ပေါ်ရှိ emulation row ကဲ့သို့သော hardware နှင့် စမ်းသပ်မှု မသက်ဆိုင်ပါ။ RTX Spark စနစ်သည် Prism မှတစ်ဆင့် x64 software ကို လည်ပတ်ရာတွင် ထိုအတန်းက ထိုသို့ဆိုထားသည်။

ဒေသတွင်း AI စွမ်းဆောင်ရည်

ဒီ notebook တွေမှာပါတဲ့ local AI က GPU က မော်ဒယ်တစ်ခုကို ဘယ်လောက်မြန်မြန် run လဲ၊ မော်ဒယ်က fit ဖြစ်မဖြစ်အပေါ်မှာ မူတည်ပါတယ်။ 128GB OmniBook နဲ့ Surface တို့က စွမ်းရည်မေးခွန်းကို ဖြေပေးပါတယ်၊ ဘာလို့လဲဆိုတော့ GPU-usable memory 62.5GB က ကျွန်တော်တို့ရဲ့ tier M မော်ဒယ်တွေကို run နိုင်စေလို့ပါပဲ၊ 32GB OmniBook နဲ့ Pro 9n ကတော့ မော်ဒယ်သေးသေးလေးတွေမှာ သူတို့ရဲ့ speed နဲ့ ကိုက်ညီပြီး အဲဒီမှာတင် ရပ်တန့်သွားပါတယ်။

MLPerf ကလိုင်းယင့် v2.0

MLPerf Client သည် Llama 3.1 8B နှင့် Phi-4-mini တို့ကို prompt အမျိုးအစားငါးခုမှတစ်ဆင့် လုပ်ဆောင်ပြီး အမျိုးအစားများတစ်လျှောက် geometric mean အဖြစ် ပထမ token နှင့် ၎င်းနောက်ရှိ token rate သို့ အချိန်ကို အစီရင်ခံပါသည်။ ဤသုံးသပ်ချက်ရှိ စနစ်တိုင်းသည် llama.cpp ကို CUDA နှင့်အတူ အသုံးပြုသောကြောင့် engine သည် အတူတူပင်ဖြစ်ပြီး row များသည် hardware ကို နှိုင်းယှဉ်ပါသည်။ agentic scenarios များသည် Llama 3.1 8B ကို software engineering agent နှင့် data analyst agent အဖြစ် လုပ်ဆောင်ပြီး tool များကို အလှည့်များစွာတွင် ခေါ်ယူပါသည်။

MLPerf ကလိုင်းယင့် v2.0	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
လာမာ ၃.၁ ၈ဘီ၊ ပထမဆုံးတိုကင်သို့ရောက်ရှိချိန်၊ ဂျီဩမေတြီ (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ)	0.274	0.275	0.284	0.303	0.149
လာမာ ၃.၁ ၈ဘီ၊ တိုကင်နှုန်း၊ ဂျီဩမေတြီပျမ်းမျှ (tok/s)	56.5	56.4	56.4	55.1	128.8
Phi-4-mini၊ ပထမဆုံးတိုကင်အတွက်အချိန်၊ geomean (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ)	0.130	0.123	0.127	0.135	0.074
Phi-4-mini၊ တိုကင်နှုန်း၊ ဂျီအိုမီယန် (tok/s)	96.8	96.8	97.5	95.2	222.7
ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ အေးဂျင့်၊ အဆုံးမှအဆုံး (များသော၊ နိမ့်လေ ပိုကောင်းလေ)	53.0	52.4	52.6	56.2	27.8
ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ အေးဂျင့်၊ တိုကင်နှုန်း (tok/s)	48.5	49.0	48.9	46.9	108.3
SWE အေးဂျင့်၊ အဆုံးမှအဆုံး (များလေ၊ နိမ့်လေ ပိုကောင်းလေ)	45.3	46.2	46.0	48.0	24.6
SWE အေးဂျင့်၊ တိုကင်နှုန်း (tok/s)	46.6	46.6	46.4	44.5	102.5

 

OmniBooks နှစ်ခုသည် Llama 3.1 8B ကို တစ်စက္ကန့်လျှင် 56.5 နှင့် 56.4 တိုကင်များနှင့် Phi-4-mini ကို 96.8 နှင့် 96.8 ဖြင့် ထုတ်ပေးခဲ့ပြီး၊ တစ်ခုချင်းစီနှင့် Surface နှင့် ထိရောက်စွာ တူညီနေပြီး၊ ၎င်းသည် ကိုက်ညီသော မော်ဒယ်တွင် မန်မိုရီစွမ်းရည်သည် N1X GPU ၏ အမြန်နှုန်းကို မပြောင်းလဲစေကြောင်း အတည်ပြုသည်။ Pro 9n ၏ 5,120-core GPU သည် မော်ဒယ်နှစ်ခုလုံးတွင် 3 ရာခိုင်နှုန်းအတွင်းသာ ရရှိခဲ့ပြီး၊ ဤအရွယ်အစားတွင် တိုကင်ထုတ်လုပ်မှုသည် GPU cores များထက် မန်မိုရီ bandwidth ကြောင့် ပိုမိုကန့်သတ်ခံထားရသောကြောင့်ဖြစ်သည်။ Blade 16 သည် တစ်စက္ကန့်လျှင် 128.8 နှင့် 222.7 တိုကင်များဖြင့် ဦးဆောင်နေသည်။

အေးဂျင့်ဆိုင်ရာ အခြေအနေများသည်လည်း တူညီသောပုံစံကို လိုက်နာကြပြီး RTX Spark စနစ်တိုင်းသည် data analyst အခြေအနေများကို ၅၂.၄ မှ ၅၆.၂ စက္ကန့်အတွင်းနှင့် software engineering အခြေအနေများကို ၄၅.၃ မှ ၄၈.၀ စက္ကန့်အတွင်း ပြီးမြောက်အောင် လုပ်ဆောင်ကြပြီး Blade 16 သည် နှစ်ခုလုံးတွင် ထက်ဝက်ခန့်ကြာသည်။

မော်ဒယ် Loading

ဤစမ်းသပ်မှုသည် Ollama ရှိ ဒေသတွင်းမော်ဒယ်ကို SSD မှ ၎င်း၏ပထမဆုံးထုတ်လုပ်ထားသော တိုကင်အထိ၊ အေးသွားသည် (ဖိုင်ကက်ရှ်ကို ဖလပ်ရှ်လုပ်ထားသည်) နှင့် နွေးသွားသည် (ဖိုင်သည် မှတ်ဉာဏ်တွင်ရှိပြီးသား) အထိ ချိန်တွယ်ပြီး အေးသွားစဉ်အတွင်း SSD မည်မျှမြန်မြန်ဖတ်ရှုသည်ကို အစီရင်ခံသည်။ Tier S သည် GPU အသုံးပြုနိုင်သော မှတ်ဉာဏ် အနည်းဆုံး 16GB ပါသည့် စနစ်များတွင် gpt-oss:20b (12.8GB) ကို အသုံးပြုပြီး tier M သည် 40GB သို့မဟုတ် ထို့ထက်ပိုသော စနစ်များတွင် Qwen3.6-35B-A3B (21.1GB) ကို ထည့်သွင်းသည်။

မော်ဒယ်တင်နေသည် (မှတ်ဉာဏ်မြေပုံရေးဆွဲခြင်းဖွင့်ထားသည်)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
gpt-oss:20b၊ ပထမဆုံးတိုကင်ကို အအေးခံပါ (s၊ နိမ့်လေ ပိုကောင်းလေ)	6.23	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	6.57	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	8.71
gpt-oss:20b၊ ပထမဆုံးတိုကင်သို့ နွေးနွေးလေးတင်ပါ (s၊ နိမ့်လေ ပိုကောင်းလေ)	3.59	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	3.57	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	6.93
gpt-oss:20b၊ အအေးခံထားစဉ် ဖတ်ရှုမှုပမာဏ (MB/s)	3,044	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	3,080	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	3,874
Qwen3.6-35B-A3B၊ ပထမဆုံးတိုကင်သို့ အအေးခံပါ (s၊ နိမ့်လေ ပိုကောင်းလေ)	9.04	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	8.77	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)
Qwen3.6-35B-A3B၊ ပထမဆုံးတိုကင်သို့ နွေးထားသောဝန် (s၊ နိမ့်လေ ပိုကောင်းလေ)	4.23	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	4.47	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)

 

128GB OmniBook သည် gpt-oss:20b ကို ၎င်း၏ပထမဆုံးတိုကင်သို့ 6.23 စက္ကန့်အတွင်း ယူဆောင်လာခဲ့ပြီး အုပ်စုတွင် အမြန်ဆုံးဖြစ်ပြီး Surface တွင် 6.57 နှင့် Blade 16 တွင် 8.71 နှင့် 3.59 စက္ကန့်အတွင်း နွေးခဲ့သည်။ Blade သည် ဖိုင်ကို 3,874MB/s ဖြင့် အမြန်ဆုံးဖတ်ရှုနိုင်သော်လည်း ၎င်း၏အလေးချိန်များသည် PCIe ကို VRAM ထဲသို့ ဖြတ်ကျော်ရဦးမည်ဖြစ်သောကြောင့် ပထမတိုကင်ကို နောက်ဆုံးတွင်ရောက်ရှိခဲ့ပြီး၊ unified memory တွင် ၎င်းတို့ကို ဖတ်ရှုပြီးသည်နှင့် နေရာတကျရှိနေစေပါသည်။ HP ၏ drive သည် ဤနေရာတွင် ကန့်သတ်ချက်မဟုတ်ပါ။ load လုပ်နေစဉ်အတွင်း ၎င်း၏ 3,044MB/s သည် စမ်းသပ်မှု၏ DiskSpd pass သည် 1MB blocks တွင် တူညီသော model ဖိုင်မှ 12,866MB/s ဖတ်ရှုမှု၏ အစိတ်အပိုင်းအနည်းငယ်သာရှိသည်။

အဆင့် M မှာတော့ OmniBook နဲ့ Surface တို့ဟာ အေးတဲ့နေရာမှာ စက္ကန့် ၀.၃ အတွင်းမှာ အနိုင်ရခဲ့ပြီး အပူချိန် ၉.၀၄ နဲ့ ၈.၇၇ စက္ကန့်နဲ့ နွေးတဲ့နေရာမှာ စက္ကန့် ၄.၂၃ နဲ့ ၄.၄၇ စက္ကန့်အတွင်း အနိုင်ရရှိခဲ့ပါတယ်။ 32GB OmniBook နဲ့ Pro 9n တို့ဟာ 12GB GPU-usable အဆင့်နှစ်ခုလုံးအတွက် အရည်အချင်းမပြည့်မီပါဘူး။ Blade 16 ကတော့ 24GB VRAM ပါဝင်တဲ့ အဆင့် M ထက် သာလွန်ပါတယ်။

Coding အေးဂျင့်

Codex CLI သည် Ollama မှ ဝန်ဆောင်မှုပေးသော local model ကို pinned repository ရှိ fixed coding task မှတစ်ဆင့် မောင်းနှင်သည်။ repository ၏ စမ်းသပ်မှု ၁၁ ခု အောင်မြင်သောအခါ run တစ်ခု အောင်မြင်သည်။ run သုံးခု၏ အလယ်အလတ် wall time၊ အောင်မြင်သည့်အကြိမ်အရေအတွက်နှင့် generation rate တို့ကို ကျွန်ုပ်တို့ တင်ပြပါသည်။ agent-beside-user test သည် agent နှင့် Speedometer ကို အတူတကွ လုပ်ဆောင်ပြီး တစ်ခုတည်း လုပ်ဆောင်ခြင်းနှင့် နှိုင်းယှဉ်ပါက တစ်ခုချင်းစီ မည်မျှ နှေးကွေးသွားသည်ကို တင်ပြသည်။

Codex CLI ကုဒ်ရေးအေးဂျင့်	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
Tier S၊ gpt-oss:20b 64K: နံရံအချိန် (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ)	115.3	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	191.8	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	64.4
အဆင့် S: အောင်မြင်မှုများ (၃ ခုအနက်)	3	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	3	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	2
အဆင့် S: ထုတ်လုပ်မှုနှုန်း (tok/s)	58.0	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	58.0	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	137.9
Tier M၊ gpt-oss:20b 128K: နံရံအချိန် (s၊ နိမ့်လေ ပိုကောင်းလေ)	152.1	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	87.5	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)
Tier M၊ gpt-oss:20b 128K: အောင်မြင်မှုများ (၃ ခုအနက်)	3	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	2	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)
Tier M၊ Qwen3.6-35B-A3B 64K: နံရံအချိန် (s၊ နိမ့်လေ ပိုကောင်းလေ)	72.0	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	88.6	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)
Tier M၊ Qwen3.6-35B-A3B 64K: အောင်မြင်မှုများ (၃ ခုအနက်)	3	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	3	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)
Tier M၊ Qwen3.6-35B-A3B 64K: ထုတ်လုပ်မှုနှုန်း (tok/s)	89.5	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	89.2	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်)
အေးဂျင့်ဘေးရှိ မြန်နှုန်းပြကိရိယာ (ရမှတ်)	21.2	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	18.1	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	36.3
အေးဂျင့်ဘေးရှိ မြန်နှုန်းပြကိရိယာ နှေးကွေးခြင်း (x၊ နိမ့်လေ ပိုကောင်းလေ)	1.73	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	1.92	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	1.06
Speedometer ဘေးတွင် Agent နှေးကွေးခြင်း (x၊ နိမ့်လေ ပိုကောင်းလေ)	1.04	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	1.10	မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်)	1.05

 

128GB OmniBook သည် ၎င်း၏ coding run ကိုးခုလုံးကို အောင်မြင်ခဲ့သည်။ ၎င်းသည် Qwen3.6-35B-A3B task ကို စက္ကန့် ၇၂.၀ အတွင်း တစ်စက္ကန့်လျှင် တိုကင် ၈၉.၅ ဖြင့် ပြီးမြောက်ခဲ့ပြီး Surface ၏ matching rate တွင် ၈၈.၆ စက္ကန့်နှင့် tier S task ကို စက္ကန့် ၁၁၅.၃ ဖြင့် ပြီးမြောက်ခဲ့ပြီး Surface တွင် ၁၉၁.၈ ဖြင့် ပြီးမြောက်ခဲ့သည်။ ၎င်း၏ tier M gpt-oss:20b run သည် Surface ထက် ၁၅၂.၁ စက္ကန့်ဖြင့် ၈၇.၅ ဖြင့် ပြီးမြောက်ခဲ့ပြီး မော်ဒယ်သည် tool call များ ပိုမိုပြုလုပ်ပြီး HP တွင် တိုကင်များ ပိုမိုထုတ်ပေးသောကြောင့်ဖြစ်သည်။ generation rate များဖြစ်သော တစ်စက္ကန့်လျှင် တိုကင် ၅၇.၇ နှင့် ၅၉.၂ တို့သည် ပိုမိုရှင်းလင်းသော hardware နှိုင်းယှဉ်မှုဖြစ်သည်။

Blade 16 ဟာ tier S task ကို စက္ကန့် ၆၄.၄ အတွင်းမှာ 137.9 tokens နဲ့ ပြီးမြောက်ခဲ့ပြီး run သုံးခုထဲက နှစ်ခုကို အောင်မြင်ခဲ့ပါတယ်။ concurrency test မှာတော့ discrete GPU က အကျိုးပေးပါတယ်။ agent run နေချိန်မှာ Blade ရဲ့ browser score က ၅ ရာခိုင်နှုန်း ကျဆင်းသွားပါတယ်။ ဘာလို့လဲဆိုတော့ model က RTX 5090 မှာ ရှိနေလို့ပါ။ agent က integrated GPU နဲ့ memory bus ကို တခြားအရာအားလုံးနဲ့ မျှဝေထားတဲ့ OmniBook မှာတော့ Speedometer က ၃၆.၇ ကနေ ၂၁.၂ အထိ ကျဆင်းသွားပါတယ်။ Surface ရဲ့ 1.92x ထက်တော့ အနည်းငယ် နှေးကွေးပါတယ်။

Retrieval-augmented မျိုးဆက်

ကျွန်ုပ်တို့၏ RAG စမ်းသပ်မှုတွင် SQuAD v1.1 စာပိုဒ် ၂၀,၉၆၃ ပိုဒ်ကို nomic-embed-text ဖြင့် ထည့်သွင်းထားပြီး မေးခွန်း ၂,၀၀၀ စီအတွက် ထိပ်တန်းစာပိုဒ်ငါးပိုဒ်ကို ရယူကာ ၎င်းတို့အနက် ၄၀၀ ကို Phi-4-mini ဖြင့် ဖြေဆိုကာ ရည်ညွှန်းအဖြေများနှင့် ကိုက်ညီမှုနှင့် F1 ကို အမှတ်ပေးပါသည်။ မော်ဒယ်များသည် စနစ်တိုင်းတွင် လည်ပတ်နိုင်လောက်အောင် သေးငယ်သောကြောင့် ၎င်းသည် မြန်နှုန်းနှိုင်းယှဉ်ချက်တစ်ခုဖြစ်သည်။

အဝတ်စုတ်	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
နံရံကို စုပ်ယူချိန်၊ ၂၀,၉၆၃ ပိုဒ် (စက္ကန့်၊ နည်းလေ ပိုကောင်းလေ)	187.0	195.2	189.8	191.8	131.0
ပြန်လည်ရယူရန် မေးမြန်းချိန်၊ p50 (ms၊ ပိုနည်းလေ ပိုကောင်းလေ)	23.3	22.5	23.4	24.2	20.9
အဖြေ၊ Phi-4-mini ပထမဆုံးတိုကင်သို့ရောက်ရှိရန်အချိန်၊ p50 (s၊ နိမ့်လေကောင်းလေ)	0.155	0.156	0.161	0.171	0.109
အဖြေ၊ လျင်မြန်စွာ လုပ်ဆောင်ခြင်း (tok/s)	7,142	7,139	6,955	6,268	11,560
အဖြေ၊ ထုတ်လုပ်မှုနှုန်း (tok/s)	104.4	102.0	102.7	96.6	209.2
မေးခွန်းမှ အဖြေသို့၊ စာမျက်နှာ ၅၀ (s၊ နိမ့်လေ ပိုကောင်းလေ)	0.227	0.231	0.235	0.252	0.159
အဖြေ F1 (%)	73.97	73.97	73.97	74.27	74.47

 

RTX Spark စနစ်လေးခုသည် တစ်ခုနှင့်တစ်ခု ၈ စက္ကန့်အတွင်း စုပ်ယူမှုပြီးစီးခဲ့ပြီး 128GB OmniBook သည် ၁၈၇.၀ စက္ကန့်ဖြင့် အမြန်ဆုံးဖြစ်ပြီး ပုံမှန်မေးခွန်းတစ်ခုကို ၀.၂၂၇ မှ ၀.၂၅၂ စက္ကန့်အတွင်း ဖြေဆိုခဲ့သည်။ Blade 16 သည် corpus ကို ၁၃၁.၀ စက္ကန့်အတွင်း စုပ်ယူခဲ့ပြီး OmniBook ၏ ၁၀၄.၄ ထက် နှစ်ဆရှိသော တစ်စက္ကန့်လျှင် ၂၀၉.၂ တိုကင်ဖြင့် အဖြေများထုတ်ပေးခဲ့သည်။ တိကျမှုသည် 20-core စနစ်သုံးခုတွင် အတူတူပင်ဖြစ်ပြီး Pro 9n နှင့် Blade တွင် F1 ၏ တစ်ဝက်အမှတ်အတွင်းတွင် ရှိသင့်ပြီး အပူချိန် ၀ တွင် တူညီသော မော်ဒယ်များတွင် ရှိသင့်သည်။

CPU စွမ်းဆောင်ရည်

20-core RTX Spark notebook သုံးလုံးဟာ CPU လုပ်ဆောင်ချက်မှာ platform တစ်ခုတည်းအနေနဲ့ လုပ်ဆောင်နိုင်ပြီး OmniBook နှစ်လုံးနဲ့ Surface တို့ဟာ multi-threaded စမ်းသပ်မှုအများစုကို ၁ ရာခိုင်နှုန်းကနေ ၂ ရာခိုင်နှုန်းအတွင်း ပြီးမြောက်အောင် လုပ်ဆောင်နိုင်ပြီး 18-core Pro 9n ကတော့ ၇ ရာခိုင်နှုန်းကနေ ၁၁ ရာခိုင်နှုန်းလောက် နောက်ကျကျန်နေပါတယ်။ Razer Blade 16 ရဲ့ Ryzen AI 9 HX 370 နဲ့ ယှဉ်ရင် N1X ဟာ rendering, compression နဲ့ compile တွေမှာ ၁၈ ရာခိုင်နှုန်းကနေ ၅၀ ရာခိုင်နှုန်းလောက်နဲ့ အနိုင်ရရှိပြီး GROMACS, OpenBLAS, single-threaded Python နဲ့ primesieve တို့ကို ရှုံးနိမ့်ခဲ့ပါတယ်။ Zen 5 ရဲ့ per-core speed ဒါမှမဟုတ် x64 software maturity က ရလဒ်ကို ဆုံးဖြတ်ပေးတဲ့ စမ်းသပ်မှုတွေလည်း ဖြစ်ပါတယ်။

Cinebench 2026 နှင့် စဉ်ဆက်မပြတ် ဝန်အား

Cinebench 2026 သည် CPU ပေါ်တွင် Maxon ၏ Redshift engine ဖြင့် မြင်ကွင်းတစ်ခုကို ဖန်တီးပြီး single-core၊ SMT single-core (physical core တစ်ခုတွင် thread နှစ်ခု) နှင့် multi-core throughput တို့ကို ရရှိစေသည်။ ကျွန်ုပ်တို့သည် multi-core run ကို မိနစ် ၃၀ ခန့် ထပ်ခါတလဲလဲလုပ်ဆောင်သည့် sustained loop တစ်ခုဖြင့် ၎င်းကို လိုက်နာပြီး steady state ကို ပထမ pass နှင့် နှိုင်းယှဉ်ကာ notebook တစ်လုံးသည် အပူစုပ်ယူသွားသည်နှင့် မည်မျှပြန်လည်ပေးဆပ်သည်ကို ပြသသည်။

Cinebench ၂၀၂၆ (အမှတ်များ၊ မြင့်လေ ပိုကောင်းလေ)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
single-core	558.6	564.7	558.5	518.2	480.0
SMT single core	N / A	N / A	N / A	N / A	661.3
Multi Core	7,004	6,934	6,963	6,394	5,179
စဉ်ဆက်မပြတ် ကွင်းဆက်၊ ပထမအကြိမ်	6,954	6,943	6,938	6,346	5,162
စဉ်ဆက်မပြတ်လည်ပတ်မှု၊ တည်ငြိမ်သောအခြေအနေ	6,942	6,929	7,016	6,416	5,206
တည်ငြိမ်သောအခြေအနေ / ပထမအကြိမ်အောင်မြင်ခြင်း	0.998	0.998	1.011	1.011	1.009

 

128GB OmniBook က multi-core ရမှတ် ၇,၀၀၄ ရရှိခဲ့ပြီး အမြင့်ဆုံးရလဒ်ဖြစ်ပြီး Blade 16 ထက် ၃၅ ရာခိုင်နှုန်း သာလွန်ကာ 32GB unit က ၆,၉၃၄ နှင့် Surface က ၆,၉၆၃ ဖြင့် ဦးဆောင်နေသည်။ 32GB OmniBook က single-core ရမှတ် ၅၆၄.၇ ဖြင့် ဦးဆောင်နေသည်။ HP နှစ်ခုစလုံးသည် ၎င်းတို့၏ရမှတ်များကို စဉ်ဆက်မပြတ် loop တစ်လျှောက်လုံး ထိန်းထားနိုင်ခဲ့ပြီး CPU သည် ၉၈ ဒီဂရီစင်တီဂရိတ်နှင့် 3.23GHz ခန့်ဖြင့် ပထမအကြိမ် ၉၉.၈ ရာခိုင်နှုန်းဖြင့် အဆုံးသတ်ခဲ့သည်။ Surface နှင့် Pro 9n တို့သည် ထိုနာရီဝက်အတွင်း ၁ ရာခိုင်နှုန်းခန့် ရရှိခဲ့သည်။

7-Zip

7-Zip ရဲ့ built-in benchmark က LZMA compression နဲ့ decompression throughput ကို giga-instructions per second နဲ့ thread တိုင်းမှာ တစ်ကြိမ်၊ single core တစ်ခုမှာ pin လုပ်ပြီးရင် report လုပ်ပါတယ်။ LZMA က integer throughput, branch prediction နဲ့ cache နဲ့ memory latency တွေကို အားကိုးတဲ့အတွက် vector width ထက် core count ကျယ်ပြီး memory path မြန်တာကို report လုပ်ပါတယ်။

32GB နှင့် 128GB OmniBooks များသည် thread အားလုံးစမ်းသပ်မှုတွင် 152.9 နှင့် 151.2 GIPS ဖြင့် ဦးဆောင်နေပြီး Blade 16 ထက် ၂၀ ရာခိုင်နှုန်း သာလွန်ကာ Blade ထက် ၃၇ ရာခိုင်နှုန်းခန့် ပိုမို compression ratings များ ပိုမိုကောင်းမွန်ပါသည်။ thread တစ်ခုတွင် Blade သည် 9.24 GIPS ဖြင့် ဦးဆောင်နေပြီး HP များသည် 9.09 နှင့် 9.10 ဖြင့် အသီးသီး ရပ်တည်လျက်ရှိသည်။ OmniBooks များသည် thread တစ်ခုတွင် Surface ကို 7.16 GIPS ဖြင့် ထိန်းထားသည့် slow-core state ကို မပြသသောကြောင့် ဤနေရာတွင် single-thread row များသည် N1X ကိုယ်တိုင်ကို ထင်ဟပ်စေပါသည်။

7-Zip၊ thread တစ်ခု (GIPS၊ မြင့်လေ ပိုကောင်းလေ)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
စုစုပေါင်း	9.09	9.10	7.16	8.93	9.24
သိပ်	7.31	7.33	4.62	7.26	7.28
ဒီဇင်ဘာ	10.87	10.87	9.70	10.59	11.20

 

Blender၊ HandBrake နှင့် LLVM

Blender 4.5 သည် Monster၊ Junkshop နှင့် Classroom မြင်ကွင်းများကို CPU တွင် Cycles ဖြင့် ဖန်တီးပေးသည်။ HandBrake သည် x265 (HEVC၊ medium preset၊ quality 22) နှင့် SVT-AV1 (preset 8၊ quality 30) ဖြင့် 4K60 clip in software ၏ စက္ကန့် ၆၀ ကို encode လုပ်သည်။ LLVM စမ်းသပ်မှုသည် suite တွင် အရှည်ကြာဆုံး all-core workload ဖြစ်သည့် Clang နှင့် Ninja ဖြင့် LLVM 21.1.4 tree အပြည့်အစုံကို compile လုပ်သည်။

20-core notebook သုံးလုံးဟာ Blender မြင်ကွင်းသုံးခုလုံးမှာ ၂ ရာခိုင်နှုန်းအတွင်းမှာပဲ ပြီးဆုံးခဲ့ပြီး 32GB OmniBook က Monster မှာ တစ်မိနစ်ကို sample ၂၁၁.၇ နဲ့ ဦးဆောင်နေပြီး Surface က Classroom မှာ ၉၃.၂ နဲ့ ဦးဆောင်နေပါတယ်။ 128GB OmniBook က Blade 16 ကို Monster မှာ ၄၉ ရာခိုင်နှုန်းနဲ့ Classroom မှာ ၁၈ ရာခိုင်နှုန်းနဲ့ ဦးဆောင်နေပါတယ်။ 128GB OmniBook မှာ LLVM တည်ဆောက်မှုဟာ ၂၀၆.၆ စက္ကန့်ကြာမြင့်ခဲ့ပြီး Surface နဲ့ တူညီပြီး Blade 16 ရဲ့ ၃၂၇.၀ ထက် ၃၇ ရာခိုင်နှုန်း လျော့နည်းပါတယ်။

HandBrake သည် software လိုင်းများအတိုင်း ခွဲထွက်ခဲ့ပြီး 32GB OmniBook သည် x265 ကို 42.3 fps ဖြင့် ဦးဆောင်နေပြီး Blade 16 ထက် 27 ရာခိုင်နှုန်း သာလွန်နေပြီး N1X စနစ်တိုင်းသည် SVT-AV1 တွင် Blade ၏ 77.3 ထက် 15 fps သာ ရရှိခဲ့သည်။ x265 ကို ဦးဆောင်သော core များသည် silicon တွင် ငါးဆ နှေးကွေးနိုင်မည် မဟုတ်သောကြောင့် ကွာဟချက်သည် SVT-AV1 ၏ Arm64 code path တွင် ရှိနေပါသည်။

Stockfish၊ primesieve၊ Python နှင့် Browser

Stockfish ရဲ့ built-in bench က စစ်တုရင်ရှာဖွေမှုအမြန်နှုန်းကို တစ်စက္ကန့်ကို node သန်းပေါင်းများစွာနဲ့ အစီရင်ခံပါတယ်။ primesieve က thread အားလုံးမှာ 10^12 အောက် primes တွေကို ရေတွက်ပြီး thread တစ်ခုမှာတော့ 10^11 အောက် primes တွေကို ရေတွက်ပါတယ်။ PyPerformance က fast core တစ်ခုနဲ့ pin လုပ်ထားတဲ့ CPython benchmarks သုံးခု (go, nbody, နဲ့ regex_compile) ကို လုပ်ဆောင်ပြီး Speedometer 3.1 က Microsoft Edge မှာ web application responsiveness ကို တိုင်းတာပါတယ်။ နောက်ဆုံး row နှစ်ခုက Prism emulation အောက်မှာ 7-Zip ရဲ့ x64 build ကို လုပ်ဆောင်ပြီး x64-only application တစ်ခုရဲ့ ကုန်ကျစရိတ်ကို ဒီ system တွေမှာ ပြသပါတယ်။

စမ်းသပ်	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
Stockfish bench၊ ချည်မျှင်အားလုံး (Mnps၊ မြင့်လေ ပိုကောင်းလေ)	16.28	15.12	15.51	15.20	17.96
Stockfish bench၊ ချည်တစ်ချောင်း (Mnps၊ မြင့်လေ ပိုကောင်းလေ)	1.73	1.73	1.33	1.70	2.04
primesieve 1e12၊ ချည်အားလုံး (s၊ နိမ့်လေ ပိုကောင်းလေ)	9.57	9.54	9.82	10.56	10.60
primesieve 1e11၊ ချည်တစ်ခု (s၊ နိမ့်လေ ပိုကောင်းလေ)	12.03	12.02	12.03	12.34	6.67
PyPerformance go (ms၊ နိမ့်လေ ပိုကောင်းလေ)	111.2	111.2	123.9	114.1	75.2
PyPerformance nbody (ms၊ ပိုနည်းလေ ပိုကောင်းလေ)	80.4	80.6	89.8	82.5	60.8
PyPerformance regex_compile (ms၊ ပိုနည်းလေ ပိုကောင်းလေ)	84.6	84.5	94.1	86.7	69.7
Speedometer ၃.၁၊ Edge (ရမှတ်မြင့်လေ ပိုကောင်းလေ)	36.7	35.4	34.7	33.9	38.4
x64 7-Zip ကို emulation အောက်တွင်၊ thread အားလုံး (GIPS)	127.0	127.8	127.2	117.6	မရှိပါ (မူရင်း x64)
x64 7-Zip ကို emulation အောက်တွင်၊ thread တစ်ခု (GIPS)	8.26	8.36	8.27	7.94	မရှိပါ (မူရင်း x64)

 

Blade 16 သည် Stockfish တွင် thread အားလုံးတွင် 17.96 Mnps ဖြင့် ဦးဆောင်ခဲ့ပြီး 128GB OmniBook ထက် ၁၀ ရာခိုင်နှုန်း သာလွန်ကာ single-threaded row တိုင်းကို ဦးဆောင်ခဲ့သည်- thread တစ်ခုတွင် primesieve သည် 6.67 စက္ကန့်အတွင်း ရှိပြီး N1X စနစ်များတွင် 12 ခန့်ရှိပြီး PyPerformance သည် 75.2 ms ရှိပြီး HP များတွင် 111.2 ရှိသည်။ OmniBook များသည် thread အားလုံးတွင် primesieve တွင် အမြန်ဆုံးဖြစ်ပြီး 9.54 စက္ကန့်နှင့် 9.57 စက္ကန့်ဖြင့် ရှိပြီး 128GB unit ၏ Speedometer ရမှတ် 36.7 သည် Blade ၏ 38.4 ၏ 5 ရာခိုင်နှုန်းအတွင်း ရှိသည်။

ဒီ platform မှာ emulation ကုန်ကျစရိတ်က အရင်ကထက် သက်သာပြီး 7-Zip ရဲ့ x64 build ဟာ 128GB OmniBook ရဲ့ thread အားလုံးမှာ 127.0 GIPS မှာ run ခဲ့ပြီး native Arm64 ရလဒ်ရဲ့ 84 ရာခိုင်နှုန်းသာ run ခဲ့ပါတယ်။ ပြီးတော့ native x64 build ကို run နေတဲ့ Blade 16 ထက် အနည်းငယ်သာပါသေးတယ်။ Cinebench 2026 ရဲ့ x64 build ဟာ ကျွန်တော်တို့ စမ်းသပ်ထားတဲ့ N1X system တိုင်းမှာ emulation လုပ်ခံရလို့ crash ဖြစ်သွားပါတယ်။ ဒါကြောင့် အဲဒီ row တွေကို ချန်လှပ်ထားပါတယ်။

GROMACS၊ OpenBLAS နှင့် မှတ်ဉာဏ်

GROMACS သည် benchMEM molecular dynamics case ကို rank-and-thread layout လေးခုတွင် cores ၁၆ ခုပေါ်တွင် လုပ်ဆောင်ပြီး အကောင်းဆုံး layout အတွက် တစ်နေ့လျှင် simulated အချိန်၏ nanoseconds ကို အစီရင်ခံပါသည်။ ကျွန်ုပ်တို့၏ OpenBLAS စမ်းသပ်မှုသည် HPL-style double-precision LU solve ကို ပြဿနာအရွယ်အစားသုံးမျိုးနှင့် DGEMM matrix multiply တစ်ခုတွင် cores အားလုံးနှင့် top core class တွင်သာ လုပ်ဆောင်ပြီး ၎င်းသည် suite တွင် အလေးဆုံး floating-point load ဖြစ်သည်။ STREAM သည် မှတ်ဉာဏ် bandwidth ကို တိုင်းတာပြီး latency rows များသည် မှတ်ဉာဏ်သို့ ဝင်ရောက်ခွင့်တစ်ခုတည်းနှင့် cores များအကြားကို တိုင်းတာသည်။

စမ်းသပ်ခြင်း (မြင့်လေ ပိုကောင်းလေ)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
GROMACS benchMEM၊ အကောင်းဆုံး အပြင်အဆင် (ns/day)	17.47	17.43	17.29	16.88	26.41
OpenBLAS LU N=10000၊ cores အားလုံး (GFLOPS)	324.0	326.9	DNF	303.4	400.9
OpenBLAS LU N=20000၊ cores အားလုံး (GFLOPS)	329.6	322.4	DNF	318.1	454.4
OpenBLAS LU N=40000၊ cores အားလုံး (GFLOPS)	348.8	မလည်ပတ်ပါ (11.9GB လိုအပ်သည်)	DNF	မလည်ပတ်ပါ (11.9GB လိုအပ်သည်)	498.5
OpenBLAS LU N=20000၊ ထိပ်တန်း core အတန်းအစား (GFLOPS)	380.5	432.2	DNF	403.8	240.4
OpenBLAS DGEMM M=8000၊ core အားလုံး (GFLOPS)	398.5	368.9	DNF	357.6	455.4
OpenBLAS DGEMM M=8000၊ ထိပ်တန်း core အတန်းအစား (GFLOPS)	488.7	488.7	DNF	448.3	252.4

 

Blade 16 သည် OmniBooks တွင် တစ်နေ့လျှင် 26.41 ns ဖြင့် GROMACS ကို ဦးဆောင်ခဲ့ပြီး OmniBooks တွင် 17.4 ခန့်ရှိကာ all-core OpenBLAS အတန်းများကို ၁၄ မှ ၄၃ ရာခိုင်နှုန်းခန့်ဖြင့် ဦးဆောင်ခဲ့ပြီး Surface တွင် ကျွန်ုပ်တို့တွေ့မြင်ခဲ့ရသည့်ပုံစံအတိုင်းပင်ဖြစ်သည်။ ပိုအရေးကြီးသောရလဒ်မှာ OmniBooks နှစ်ခုစလုံးသည် OpenBLAS ကို အပြီးသတ်နိုင်ခြင်းဖြစ်သည်။ 128GB ယူနစ်သည် 348.8 GFLOPS တွင် N=40000 အပါအဝင် အရွယ်အစားအားလုံးတွင် လည်ပတ်ပြီး 32GB ယူနစ်သည် N=40000 မှလွဲ၍ အရာအားလုံးကို လည်ပတ်ပြီး ၎င်းသည် 11.9GB လိုအပ်ပြီး Windows ၏မှတ်ဉာဏ်၏ထက်ဝက်ထက်ကျော်လွန်သော မည်သည့်စနစ်တွင်မဆို ကျော်သွားပါသည်။ Surface သည် N=20000 solve တွင် သုံးကြိမ်ပါဝါဆုံးရှုံးခဲ့ပြီး HP နှစ်ခုစလုံးသည် 98 C တွင် ပြီးစီးခဲ့သည်။

OpenBLAS မှာ core ၂၀ လုံးထက် N1X ရဲ့ ထိပ်တန်း core class က သူ့ဘာသာသူ ပိုကောင်းအောင် လုပ်ဆောင်နိုင်ပါတယ်- 32GB OmniBook ရဲ့ 10 fast core တွေက 432.2 GFLOPS မှာ N=20000 ကို ဖြေရှင်းပေးနိုင်ပြီး 20 လုံးမှာ 322.4 ပဲ ရှိပါတယ်၊ ပြီးတော့ 128GB unit ရဲ့ 10 core တွေမှာ DGEMM က 488.7 GFLOPS အထိ ရောက်ရှိခဲ့ပါတယ်။ အဲဒါက efficiency core တွေက ဒီစမ်းသပ်မှုမှာ ထည့်ပေးတာထက် shared work ကို ပိုနှေးကွေးစေတယ်ဆိုတာကို ပြသနေပါတယ်။

စမ်းသပ်	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
တိုက်ရိုက်ကူးယူခြင်း (MB/s၊ မြင့်လေ ပိုကောင်းလေ)	130,790	128,814	130,516	127,682	43,731
STREAM Triad (MB/s၊ မြင့်လေ ပိုကောင်းလေ)	122,260	121,662	122,114	120,272	48,298
မှတ်ဉာဏ် နှောင့်နှေးမှု၊ 1GiB buffer၊ 4KiB စာမျက်နှာများ (ns၊ နိမ့်လေ ပိုကောင်းလေ)	143.1	143.5	251.1	143.4	129.6
Core-to-core latency၊ အတွဲအားလုံး၏ ပျမ်းမျှ (ns၊ ပိုနည်းလေ ပိုကောင်းလေ)	156.8	160.9	171.6	160.6	57.0

 

မန်မိုရီ bandwidth က RTX Spark ပလက်ဖောင်းရဲ့ အထင်ရှားဆုံး hardware အားသာချက်ပါ။ N1X စနစ်တိုင်းဟာ STREAM Triad မှာ 120 မှ 122GB/s အထိ ဖတ်နိုင်ပြီး Blade 16 ရဲ့ 48,298MB/s ထက် ၂.၅ ဆ ပိုများပါတယ်။ OmniBooks ရဲ့ မန်မိုရီ latency က 143 ns လောက်ရှိသလို ဒီပလက်ဖောင်းအတွက် ပုံမှန်ဖြစ်ပြီး Surface ရဲ့ 251.1 ns ထက် အများကြီးနည်းပေမယ့် Blade ရဲ့ 129.6 ns ထက်တော့ နှေးကွေးနေဆဲပါ။ core-to-core latency က 156.8 မှ 160.9 ns ရှိပြီး Blade ရဲ့ 57.0 ns ထက် သုံးဆလောက် ပိုများပါတယ်။ ဒါကြောင့် N1X ဟာ single-threaded work မှာ x64 ကို ဘာကြောင့် နောက်ကျကျန်ခဲ့ရတယ်ဆိုတာကို ရှင်းပြနိုင်ပါတယ်။

ဂိမ်းကစားခြင်းနှင့် GPU ကုဒ်သွင်းခြင်း

SuperTuxKart 1.5 သည် vsync ကိုပိတ်ထားပြီး အမြင့်ဆုံး preset တွင် 1080p fullscreen ဖြင့် ၎င်း၏ built-in benchmark ကို လုပ်ဆောင်ပြီး တစ်ကြိမ်မှာ ဂိမ်း၏ native Arm64 build တွင်ဖြစ်ပြီး တစ်ကြိမ်မှာ x64 build တွင် emulation အောက်၌ဖြစ်သည်။ ပျမ်းမျှနှင့် တည်ငြိမ်သော frame rate ကို ကျွန်ုပ်တို့ အစီရင်ခံပါသည်။ FFmpeg သည် NVIDIA စနစ်များတွင် 8Mbps ဖြင့် NVENC HEVC နှင့် ရရှိနိုင်သည့်နေရာတွင် Media Foundation HEVC encoder ဖြင့် တူညီသော 4K60 clip ကို encode လုပ်သည်။

စမ်းသပ်ခြင်း (မြင့်လေ ပိုကောင်းလေ)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
SuperTuxKart 1080p Ultra၊ မူရင်း၊ ပျမ်းမျှ (fps)	225.9	236.1	235.9	218.4	200.0
SuperTuxKart 1080p Ultra၊ မူရင်း၊ တည်ငြိမ် (fps)	143	147	146	140	115
SuperTuxKart 1080p Ultra၊ emulation အောက်တွင် x64၊ ပျမ်းမျှ (fps)	266.5	265.4	264.6	248.6	မရှိပါ (မူရင်း x64)
SuperTuxKart 1080p Ultra၊ x64 emulation အောက်တွင်၊ တည်ငြိမ် (fps)	141	143	129	94	မရှိပါ (မူရင်း x64)
FFmpeg NVENC HEVC၊ 4K60 တွင် 8Mbps (fps)	138	137	135	139	132
FFmpeg မီဒီယာဖောင်ဒေးရှင်း HEVC (fps)	66	55	55	55	N / A

 

32GB OmniBook နဲ့ Surface တို့ဟာ native ဦးဆောင်နေရာမှာ 236 fps လောက်နဲ့ တူညီနေပြီး 128GB OmniBook ကတော့ 225.9 fps လောက်နဲ့ ပြေးနိုင်ခဲ့ပြီး Blade 16 ကတော့ 200.0 fps လောက်နဲ့ ပြေးနိုင်ခဲ့ပါတယ်။ ဒီ resolution မှာ CPU က frame rate ကို သတ်မှတ်ပေးပြီး RTX 5090 မှာ အသုံးပြုလို့မရတဲ့ headroom ရှိပါတယ်၊ ဒါကြောင့် ရလဒ်က GPU ထက် system တစ်ခုစီရဲ့ core တွေအကြောင်း ပိုပြောပြနေပါတယ်။ x64 build under emulation က HP နှစ်ခုလုံးမှာ ပျမ်းမျှ 266 fps လောက်ရှိပြီး native Arm64 build ထက် ပိုများပါတယ်၊ ဒါကြောင့် ဂိမ်းရဲ့ Windows on Arm port က နှစ်ခုထဲမှာ ပိုနှေးတယ်လို့ ဆိုလိုပါတယ်။

NVENC သည် fixed-function ဖြစ်သောကြောင့် hardware encoding သည် field တစ်ခုလုံးတွင် တူညီလုနီးပါးဖြစ်သည်။ OmniBooks သည် HEVC ကို 138 နှင့် 137 fps တွင် encoded လုပ်ခဲ့ပြီး Blade 16 တွင် 132 fps တွင် encoded လုပ်ခဲ့ပြီး 128GB unit ၏ Media Foundation encoder သည် 66 fps တွင် run ခဲ့သည်။

အပူ

OmniBook နှစ်ခုစလုံးဟာ N1X ကို ဒီဇိုင်းအရ သူ့ရဲ့ကန့်သတ်ချက်အတိုင်း လုပ်ဆောင်ပါတယ်။ Stockfish၊ Blender၊ GROMACS နဲ့ မိနစ် ၃၀ ကြာ စဉ်ဆက်မပြတ် loop မှာ ပျမ်းမျှ ၉၆ မှ ၉၈ ဒီဂရီစင်တီဂရိတ်အထိ all-core workload တိုင်းမှာ အပူချိန် ၉၈ ဒီဂရီစင်တီဂရိတ်မှာ ရှိနေခဲ့ပြီး ဘယ်ဟာမှ စွမ်းဆောင်ရည် တစ်မှတ်မှ မဆုံးရှုံးခဲ့ပါဘူး။ ယူနစ်နှစ်ခုဟာ စမ်းသပ်မှုတိုင်းလိုလိုမှာ အတိုင်းအတာတစ်ခုအတွင်းမှာပဲ ရှိနေခဲ့ပြီး ဒါက တူညီတဲ့ chassis က ထုတ်လုပ်ပေးသင့်တဲ့ အရာပါ။ RTX Spark စနစ်တွေက CPU အပူချိန်ကို Windows thermal zone တွေကနေသာ အစီရင်ခံပြီး GPU ဖတ်ရှုခြင်းမရှိဘဲ ဖော်ပြတာကြောင့် အောက်ကဇယားတွေမှာ CPU ကို လွှမ်းခြုံထားပါတယ်။

CPU အပူချိန်၊ အများဆုံး / ပျမ်းမျှ (C)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
Cinebench ၂	98 / 83	98 / 83	98 / 88	92 / 70	96 / 78
7-Zip	98 / 78	98 / 77	98 / 65	83 / 63	99 / 84
ငါး	98 / 97	98 / 96	98 / 96	88 / 83	92 / 90
Blender	98 / 96	98 / 97	98 / 93	91 / 80	95 / 87
HandBrake	98 / 86	98 / 87	98 / 84	93 / 74	92 / 86
LLVM တည်ဆောက်မှု	98 / 92	98 / 92	98 / 92	87 / 79	98 / 93
ဂရိုမက်စ်	98 / 96	98 / 96	98 / 96	89 / 85	97 / 94
OpenBLAS	98 / 95	97 / 93	DNF	92 / 83	91 / 87
ရေနွေးငွေ့	98 / 96	95 / 89	98 / 92	78 / 66	75 / 71
Super Tux Kart	95 / 82	94 / 86	90 / 80	74 / 68	89 / 82
MLPerf ကလိုင်းယင့်	93 / 84	93 / 85	93 / 77	76 / 66	97 / 76
ကုဒ်ရေးအေးဂျင့်	90 / 79	မပြေးပါ	86 / 78	မပြေးပါ	91 / 84
အဝတ်စုတ်	94 / 90	94 / 90	94 / 86	76 / 71	88 / 83
စဉ်ဆက်မပြတ် ကွင်းဆက်	98 / 98	98 / 98	98 / 97	92 / 87	94 / 90

 

Surface Laptop Ultra ကလည်း အပူချိန် ၉၈ ဒီဂရီစင်တီဂရိတ်မှာ အပူချိန်ဆုံးရှုံးမှုမရှိဘဲ ဆက်တိုက်လည်ပတ်နေတဲ့ လည်ပတ်မှုမှာ တူညီတဲ့ အပူချိန်ကို ပေးစွမ်းပါတယ်။ ဒါကြောင့် OpenBLAS power-off က ထူးခြားနေတာပါ။ OmniBooks က တူညီတဲ့ OpenBLAS sequence ကို အပူချိန် ၉၈ ဒီဂရီစင်တီဂရိတ်၊ ပျမ်းမျှ ၉၅ နဲ့ ၉၃ ဒီဂရီစင်တီဂရိတ်နဲ့ 3.0GHz လောက်မှာ အမှားအယွင်းမရှိဘဲ လည်ပတ်ခဲ့ပါတယ်။ Pro 9n က CPU စမ်းသပ်မှုတွေမှာ HP တွေထက် ၅ မှ ၁၈ ဒီဂရီစင်တီဂရိတ် နိမ့်ကျပြီး clocks ၁ ရာခိုင်နှုန်းလောက်အတွင်းမှာ အမြင့်ဆုံးရောက်ရှိခဲ့ပြီး Blade 16 ရဲ့ Zen 5 cores တွေက 7-Zip နဲ့ LLVM build မှာ ၉၈ မှ ၉၉ ဒီဂရီစင်တီဂရိတ်အထိ ရောက်ရှိခဲ့ပါတယ်။

ပျမ်းမျှ CPU နာရီ (MHz)	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
Cinebench ၂	2,962	2,964	2,952	2,951	4,158
7-Zip	2,838	2,862	2,405	2,849	4,014
ငါး	3,269	3,269	3,263	3,292	3,645
Blender	3,123	3,241	3,174	3,216	3,729
HandBrake	2,756	2,865	2,739	2,834	3,814
LLVM တည်ဆောက်မှု	3,151	3,193	3,160	3,197	3,697
ဂရိုမက်စ်	3,308	3,315	3,325	3,367	3,874
OpenBLAS	3,024	3,057	DNF	3,192	4,274
ရေနွေးငွေ့	3,258	3,251	3,255	3,101	3,684
Super Tux Kart	1,957	2,008	2,049	2,017	4,349
MLPerf ကလိုင်းယင့်	2,114	2,241	2,165	2,027	3,593
ကုဒ်ရေးအေးဂျင့်	2,078	မပြေးပါ	2,242	မပြေးပါ	3,789
အဝတ်စုတ်	2,749	2,724	2,751	2,760	3,764
စဉ်ဆက်မပြတ် ကွင်းဆက်	3,239	3,232	3,270	3,288	3,726

 

all-core load အောက်မှာ OmniBooks၊ Surface နဲ့ Pro 9n တွေဟာ N1X ရဲ့ chassis ကန့်သတ်ချက်မှာ ရှိနေတဲ့ မြန်နှုန်း 3.1 မှ 3.4GHz မှာ ရှိနေပြီး HP တွေကတော့ တည်ငြိမ်တဲ့ ရမှတ်တွေနဲ့ 3,239 နဲ့ 3,232MHz တွေကို sustained loop တစ်လျှောက်လုံး ထိန်းထားနိုင်ပါတယ်။ firmware က clock တွေကို oscillating မရှိဘဲ ကန့်သတ်ချက်မှာ ထိန်းထားတာကြောင့် ရမှတ်တွေက တသမတ်တည်း ထွက်လာပါတယ်။ SSD တွေဟာ load အောက်မှာလည်း အေးဆေးလည်ပတ်ပြီး 128GB unit ရဲ့ Sandisk မှာ 52C နဲ့ 32GB unit ရဲ့ KIOXIA မှာ 64C အထိ fio passes 80 ကြိမ်အထိ အမြင့်ဆုံးရောက်ရှိခဲ့ပါတယ်။

သိုလှောင်ရေးစွမ်းဆောင်မှု

ကျွန်ုပ်တို့ရဲ့ သိုလှောင်မှုစမ်းသပ်မှုကို fio ရဲ့ ထောင့်လေးထောင့်ကို boot drive နဲ့ 5GB နဲ့ 25GB footprints တွေနဲ့ နှိုင်းယှဉ်ပြီး file system မှတစ်ဆင့် raw device နဲ့ ထပ်မံနှိုင်းယှဉ်ကာ 25GB ရလဒ်တွေကို ဒီမှာ တင်ပြပါတယ်။ raw-device row တွေက NTFS နဲ့ BitLocker ကို ကျော်သွားတာကြောင့် နှစ်ခုကြားက ကွာဟချက်က drive တစ်ခုရဲ့ စွမ်းရည် ဘယ်လောက်အထိ Windows I/O path မှာ ရှင်သန်နေလဲဆိုတာကို ပြသပါတယ်။ N1X system လေးခုစလုံးဟာ Windows on Arm ကို BitLocker device encryption နဲ့ လည်ပတ်ပါတယ်။ HP နှစ်ခုလုံးမှာ BitLocker protection ကို ဖွင့်ထားပြီး Pro 9n မှာတော့ ပိတ်ထားခဲ့ပါတယ်။

fio၊ 25GB ပမာဏ၊ QD32	OmniBook Ultra 16 (128GB)	OmniBook Ultra 16 (32GB)	Surface Laptop Ultra	ပရို ၉န် ၁၅	Razer Blade ကို 16
အဆင့်ဆင့်ဖတ်ရှုမှု 128K၊ ဖိုင်စနစ် (MB/s)	13,833	10,509	14,134	7,024	7,125
အဆင့်ဆင့်ဖတ်ရှုမှု 128K၊ raw device (MB/s)	12,479	10,047	13,815	7,165	7,134
အဆက်မပြတ်ရေးသားမှု 128K (MB/s)	11,719	9,464	11,461	5,699	5,250
ကျပန်းဖတ်ရှုမှု 4K၊ ဖိုင်စနစ်၊ အမြင့်ဆုံး (IOPS)	437,833	289,024	300,225	338,936	694,597
ကျပန်းဖတ်ရှုမှု 4K၊ raw device၊ အမြင့်ဆုံး (IOPS)	1,888,501	1,412,982	1,670,736	973,106	993,050
ကျပန်းရေးသားမှု 4K၊ အမြင့်ဆုံး (IOPS)	228,354	226,661	279,848	192,000	648,446
Raw / file system ကျပန်းဖတ်ရှုခြင်း	4.31x	4.89x	5.56x	2.87x	1.43x
ကျပန်းဖတ်ရှုမှု 4K၊ အလုပ် ၄ ခု၊ p99 နှောင့်နှေးမှု (အမေရိကန်၊ နည်းလေ ပိုကောင်းလေ)	643	494	477	578	444
ကျပန်းရေးသားမှု 4K၊ အလုပ် ၄ ခု၊ p99 နှောင့်နှေးမှု (အမေရိကန်၊ နည်းလေ ပိုကောင်းလေ)	586	602	449	758	371
မောင်းနှင်မှုအပူချိန်၊ အမြင့်ဆုံး (C)	52	64	56	78	60

 

128GB OmniBook ရဲ့ 2TB Sandisk SN8050S ဟာ 13,833MB/s read နဲ့ 11,719MB/s write မြန်နှုန်းတွေ အသီးသီးရှိပြီး ဒီအုပ်စုမှာ အမြန်ဆုံး write စွမ်းဆောင်ရည်နဲ့ Surface ရဲ့ SK hynix ပြီးရင် ဒုတိယနေရာမှာ ရပ်တည်နိုင်ခဲ့ပါတယ်။ 32GB unit ရဲ့ 1TB KIOXIA Gen5 drive ဟာ 10,509MB/s နဲ့ 9,464MB/s အထိ ရောက်ရှိခဲ့ပြီး Pro 9n နဲ့ Blade 16 ရဲ့ Gen4 drive နှစ်ခုဟာ 7GB/s နီးပါး ရရှိခဲ့ပါတယ်။

Random I/O ကတော့ Windows on Arm storage path ပြသတဲ့နေရာပါ။ SN8050S က raw device ကနေ 4K random read 1.89M IOPS ပေးခဲ့ပေမယ့် file system ကနေ 437.8K ပဲရပြီး 4.3x gap ရှိပြီး KIOXIA ရဲ့ gap က 4.9x ပါ။ Blade 16 ရဲ့ x64 path က raw 993.0K လုပ်တဲ့ drive ကနေ file system ကနေ 694.6K IOPS ဖတ်တာထက် အများကြီးနည်းပါတယ်။ အဖြစ်နိုင်ဆုံးအကြောင်းရင်းက VBS နဲ့ Memory Integrity ကိုဖွင့်ထားတဲ့ BitLocker ရဲ့ software encryption ဖြစ်ပြီး BitLocker protection ကိုပိတ်ထားတဲ့ Pro 9n ကတော့ 2.9x gap ပိုနည်းပါတယ်။ HP က ဒီ review system တွေကို BitLocker ဖွင့်ထားပြီး configure လုပ်ထားပါတယ်။

ဖိုင်စနစ်လမ်းကြောင်းကလည်း ရပ်တန့်မှုကြာရှည်စေခဲ့သည်။ အလုပ် ၁၆ ခုတွင် အနှေးဆုံး ကျပန်းဖတ်ရှုမှု ၀.၀၁ ရာခိုင်နှုန်းသည် 128GB OmniBook တွင် ၃.၂ စက္ကန့်နှင့် 3.2GB ယူနစ်တွင် ၆.၂ စက္ကန့်ကြာမြင့်ခဲ့ပြီး Blade 16 တွင် ၁၄ ms ကြာမြင့်ခဲ့သည်။ ထိုအလုပ်အရေအတွက်တွင် 128GB row set တစ်ခုသည် ပြန်လည်လည်ပတ်ပြီးနောက် ကျွန်ုပ်တို့၏ ၂ ရာခိုင်နှုန်း spread ကန့်သတ်ချက်ထက် ကျော်လွန်နေပြီး တစ်စိတ်တစ်ပိုင်းဖြစ်သည်ဟု မှတ်သားထားသည်။ peak နှင့် raw-device ရလဒ်များကို ထိခိုက်မှုမရှိပါ။

ကောက်ချက်

HP OmniBook Ultra 16 with 128GB ဟာ ဒီ platform မိတ်ဆက်ပွဲမှာ ကျွန်တော်တို့ စမ်းသပ်ဖူးသမျှထဲမှာ အပြည့်စုံဆုံး RTX Spark notebook အဖြစ် ဆွဲဆောင်မှုရှိတဲ့ case တစ်ခု ဖြစ်ပါတယ်။ CPU၊ AI နဲ့ gaming ရလဒ်တွေမှာ Surface Laptop Ultra နဲ့ ရာခိုင်နှုန်းအနည်းငယ်အတွင်းမှာ ကိုက်ညီပြီး ကျွန်တော်တို့ရဲ့ local AI tiers နှစ်ခုလုံးကို GPU-usable memory 62.5GB နဲ့ run လုပ်နိုင်ခဲ့သလို Qwen3.6 coding task ကို ဘယ် system ထက်မဆို ပိုမြန်အောင် ပြီးမြောက်အောင် လုပ်ဆောင်နိုင်ခဲ့ပြီး Surface unit နှစ်ခုကို 98°C မှာ fault မရှိဘဲ power ပိတ်နိုင်တဲ့ all-core OpenBLAS solve ကိုလည်း run နိုင်ခဲ့ပါတယ်။

HP ရဲ့ tower hinge နဲ့ trunk cooling က N1X ကို မိနစ် ၃၀ ကျော်အထိ ဆုံးရှုံးမှုမရှိဘဲ load ရှိနေသမျှ limit မှာ pinned ဖြစ်နေစေပါတယ်။ ပိုအရေးကြီးတာက HP system တွေဟာ သူတို့ရဲ့ စမ်းသပ်မှုတွေကို ဘယ်တုန်းကမှ မအောင်မြင်ခဲ့ပါဘူး။

32GB OmniBook က N1X ရဲ့ CPU နဲ့ GPU စွမ်းဆောင်ရည်ဟာ မန်မိုရီစွမ်းရည်ပေါ်မှာ မူတည်မနေဘူးဆိုတာကို သက်သေပြနေပါတယ်။ CPU၊ MLPerf နဲ့ RAG လုပ်ဆောင်ချက်တွေမှာ 128GB ယူနစ်ရဲ့ ၂ ရာခိုင်နှုန်းလောက်မှာပဲ ရှိနေခဲ့ပြီး Cinebench single-core နဲ့ SuperTuxKart တို့မှာ အုပ်စုကို ဦးဆောင်ခဲ့ပါတယ်။ 12GB GPU ခွဲထားတာကြောင့် မော်ဒယ်-တင်ခြင်းနဲ့ coding agent စမ်းသပ်မှုတိုင်းကနေ ကင်းဝေးစေတာကြောင့် ဒေသတွင်း မော်ဒယ်စွမ်းရည်ကို စွန့်လွှတ်လိုက်ရပါတယ်။ CPU အတွက် N1X ကို လိုချင်တဲ့ ဝယ်ယူသူတွေဟာ 32GB မှာ ဆုံးရှုံးမှုနည်းပြီး ဒေသတွင်း AI အတွက် လိုချင်တဲ့ ဝယ်ယူသူတွေဟာ 64GB ဒါမှမဟုတ် 128GB ကို ရွေးချယ်သင့်ပါတယ်။

Windows on Arm storage path က drive လုပ်နိုင်တာရဲ့ လေးပုံတစ်ပုံအောက်ကို 4K random read တွေကို ထိန်းထားပေးပါတယ်။ SVT-AV1 နဲ့ GROMACS လို Arm64 port အနည်းငယ်က သူတို့ရဲ့ x64 build တွေမှာ နှောင့်နှေးနေပြီး single-threaded Python က Blade 16 ထက် ၂၀ ရာခိုင်နှုန်းကနေ ၅၀ ရာခိုင်နှုန်းအထိ ပိုကြာပြီး single-threaded primesieve က ၈၀ ရာခိုင်နှုန်းလောက် ပိုကြာပါတယ်။ integrated GPU က memory bus ကို system ရဲ့ ကျန်တဲ့အပိုင်းနဲ့ မျှဝေအသုံးပြုတာကြောင့် coding agent လည်ပတ်နေချိန်မှာ browser က ၁.၇၃ ဆ နှေးကွေးသွားပါတယ်။ ဒါတွေက HP ရဲ့ပြဿနာတွေမဟုတ်ဘဲ platform/software ပြဿနာတွေဖြစ်ပြီး ecosystem က patch အသစ်တွေနဲ့ release အသစ်တွေနဲ့အတူ တိုးတက်နေမယ်လို့ မျှော်လင့်ပါတယ်။

20B မှ 35B မော်ဒယ်များကို ဒေသတွင်းတွင် လည်ပတ်ရန်၊ သစ်ပင်ကြီးများကို compile လုပ်ရန် သို့မဟုတ် ပါးလွှာသော 16 လက်မ laptop တွင် CPU ပေါ်တွင် render လုပ်ရန် အလွန်ကောင်းမွန်စွာတည်ဆောက်ထားသော မိုဘိုင်းပလက်ဖောင်းတစ်ခုကို လိုချင်သော developer များနှင့် creator များအတွက်၊ 128GB OmniBook Ultra 16 သည် ဤနှိုင်းယှဉ်ချက်တွင် အခြား notebook များထက် ပိုမိုလုပ်ဆောင်ပေးပါသည်။

ဦးဆောင်သူစာရင်း- 128GB HP OmniBook Ultra 16 သည် ကျွန်ုပ်တို့၏ ဒေသတွင်း AI ဦးဆောင်သူစာရင်းတွင် အကောင်းဆုံး RTX Spark Laptop ဆုကို ရရှိထားသည်။

HP OmniBook Ultra 16 ထုတ်ကုန်စာမျက်နှာ