Lenovo Pro 9n 15 သည် ဖန်တီးသူများအတွက် Lenovo ၏ ၁၅.၃ လက်မ NVIDIA RTX Spark clamshell ဖြစ်ပြီး 165Hz 2.5K OLED မျက်နှာပြင်၊ pen-enabled haptic touchpad နှင့် အထူ ၀.၆၆ လက်မရှိသော အလူမီနီယမ်ကိုယ်ထည်တို့ ပါဝင်သည်။ ကျွန်ုပ်တို့၏ယူနစ်တွင် entry silicon ပါဝင်သည်- 5,120-core Blackwell GPU ပါရှိသော 18-core N1X၊ 32GB LPDDR5X နှင့် Windows 11 Pro တွင် 1TB Gen4 SSD တို့ဖြစ်သည်။ Lenovo သည် Pro 9n ကို 18-core, 32GB မော်ဒယ်နှင့် 512GB SSD ပါရှိသော $2,999.99 မှစတင်၍ စာရင်းပြုစုထားသည်။ ကျွန်ုပ်တို့၏ 1TB, Windows 11 Pro configuration အတွက် ဈေးနှုန်းကို ဤသုံးသပ်ချက်ရေးသားချိန်တွင် မဖော်ပြထားပါ။
ဒီသုံးသပ်ချက်မှာ Pro 9n ရဲ့တည်ဆောက်ပုံနဲ့ဒီဇိုင်း၊ ပြီးရင် ဒေသတွင်း AI၊ CPU၊ မှတ်ဉာဏ်၊ ဂိမ်းကစားခြင်း၊ အပူချိန်နဲ့ သိုလှောင်မှုတို့ကို လွှမ်းခြုံထားပါတယ်။ 20-core ချစ်ပ်ပေါ်မှာ 12GB GPU ခွဲထားတဲ့ 32GB HP OmniBook Ultra 16၊ 20-core ချစ်ပ်နဲ့ 64GB Lenovo Yoga 9n 2-in-1 16၊ နဲ့ ကျွန်တော်တို့ရဲ့ Surface Laptop Ultra သုံးသပ်ချက် မှာ အားအကောင်းဆုံး x64 notebook ဖြစ်တဲ့ Razer Blade 16 တို့နဲ့ နှိုင်းယှဉ်ထားပါတယ် ။ ဘက်ထရီစမ်းသပ်မှုကို ဆက်လက်လုပ်ဆောင်နေဆဲဖြစ်ပြီး ပြီးသွားတဲ့အခါ ထပ်ထည့်သွားပါမယ်။
Pro 9n သည် ၎င်း၏ N1X ကို တူညီသော clock များတွင် 20-core OmniBook ထက် အေးမြစွာ လည်ပတ်စေသည်။ Lenovo သည် ၎င်းကို 80W အထိ အဆင့်သတ်မှတ်ထားပြီး CPU စမ်းသပ်မှုတိုင်းတွင် all-core clock များကို 32GB OmniBook ၏ ၁ ရာခိုင်နှုန်းခန့်အတွင်း ထိန်းထားနိုင်ခဲ့ပြီး 93 C တွင် အမြင့်ဆုံးရောက်ရှိခဲ့သည်။ ၎င်းသည် ၎င်း၏ 18 cores များသည် multi-threaded အလုပ်အများစုတွင် 20-core OmniBook ထက် ၈ ရာခိုင်နှုန်းမှ ၁၁ ရာခိုင်နှုန်းအထိ နောက်ကျနေပြီး Stockfish နှင့် N=20000 OpenBLAS solve တွင် ၎င်းနှင့် တန်းတူဖြစ်စေသည်။ GPU ငယ်သည် LLM token generation တွင် ၂ ရာခိုင်နှုန်းမှ ၅ ရာခိုင်နှုန်းအထိ ပေးပါသည်။
စနစ်အားလုံးမှာ မှတ်ဉာဏ်က ကန့်သတ်ချက်ဖြစ်ပြီး ဝယ်ယူတဲ့အခါ အရွယ်အစားဆုံးဖြတ်ချက်ကို အသိပေးသင့်ပါတယ်။ ဥပမာအားဖြင့် 12.8GB gpt-oss:20b မော်ဒယ်ကို load လုပ်လို့မရပါဘူး။ အသုံးပြုသူတွေက အတင်းအကျပ်လုပ်ဖို့ ရွေးချယ်နိုင်ပေမယ့် NVIDIA အက်ပ်က အနည်းဆုံးနဲ့ အများဆုံးခွဲဝေမှုတွေက ပြဿနာတွေဖြစ်စေနိုင်တယ်လို့ ထောက်ပြထားပါတယ်။ KV cache အတွက် ဘာမှမကျန်အောင် မော်ဒယ်တစ်ခုမှာ load လုပ်တဲ့ လက်တွေ့ကျတဲ့ အစိတ်အပိုင်းတစ်ခုလည်း ရှိပါတယ်။
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။
Key ကို Takeaways
- အပြည့်အဝမြန်နှုန်းဖြင့် သေးငယ်သော မော်ဒယ် AI: MLPerf Llama 3.1 8B သည် 5,120-core GPU တွင် တစ်စက္ကန့်လျှင် 55.1 tokens ဖြင့် လည်ပတ်ပြီး 20-core OmniBook ထက် ၂ ရာခိုင်နှုန်း နောက်ကျပြီး RAG အဖြေများသည် 0.252 စက္ကန့် ကြာမြင့်သည်။ 12GB GPU ခွဲထုတ်ထားခြင်းကြောင့် ကျွန်ုပ်တို့၏ model-load နှင့် coding agent စမ်းသပ်မှုများတွင် မပါဝင်ပါ။
- core နည်းလေ၊ clock မြင့်လေ: Pro 9n သည် 92 C အမြင့်ဆုံးတွင် မိနစ် ၃၀ ကြာ ဆက်တိုက် loop တွင် 3,288MHz ရှိပြီး Cinebench 2026 multi-core တွင် 6,394 မှတ်ရရှိခဲ့ပြီး OmniBook ထက် 8 ရာခိုင်နှုန်းနှင့် Razer Blade 16 ထက် 23 ရာခိုင်နှုန်း သာလွန်ခဲ့သည်။
- Stockfish နှင့် OpenBLAS တွင် 20 cores ပါသော level: OmniBook မှာ N=20000 မှာ all-core OpenBLAS LU solve ဟာ 318.1 GFLOPS နဲ့ ယှဉ်ရင် 322.4 GFLOPS အထိ ရောက်ရှိခဲ့ပြီး Stockfish မှာတော့ 15.12 GFLOPS နဲ့ ယှဉ်ရင် 15.20 Mnps အထိ ရှာဖွေခဲ့ပါတယ်။
- အရောင်လုပ်ဆောင်ချက်အတွက် တည်ဆောက်ထားသော မျက်နှာပြင်နှင့် အဝင်စနစ်- ၁၅.၃ လက်မ OLED သည် Delta E 0.5 အောက်ဖြင့် 165Hz အထိ လည်ပတ်ပြီး 95 x 150mm haptic Force Pad သည် Yoga Pen Gen 2 အတွက် ပုံဆွဲမျက်နှာပြင်အဖြစ်လည်း အသုံးပြုနိုင်ပြီး 92.5Wh ဘက်ထရီပါရှိသော 0.66 လက်မ အလူမီနီယမ် ကိုယ်ထည်တွင် အသုံးပြုထားသည်။
- Gen4 သိုလှောင်မှု၊ Gen5 အတွက် နေရာ- Samsung Gen4 SSD သည် 7,024MB/s ဖတ်ရှုနိုင်ပြီး အုပ်စုထဲတွင် အပူဆုံးမှာ 78 C တွင် လည်ပတ်ပြီး Lenovo သည် Gen5 တွင် ဒုတိယ M.2 2242 drive အတွက် ပံ့ပိုးမှုကို သတ်မှတ်ထားသည်။
တည်ဆောက်ခြင်းနှင့်ဒီဇိုင်းဆွဲခြင်း
Pro 9n ဟာ သမားရိုးကျ clamshell တစ်မျိုးဖြစ်ပြီး အလူမီနီယမ်အဖုံးနဲ့ Lenovo က Thunder Grey လို့ခေါ်တဲ့ အရောင်နဲ့ ပြုလုပ်ထားပါတယ်။ အပါးလွှာဆုံး အရွယ်အစားက 13.66 x 9.53 x 0.66 လက်မဖြစ်ပြီး အလေးချိန်က 3.64 ပေါင်ကနေ စတင်တာကြောင့် ဒီ notebook တွေနဲ့ ယှဉ်ရင် အပေါ့ပါးဆုံး ဖြစ်ပါတယ်။ Lenovo က MIL-STD-810H စမ်းသပ်မှုကို အောင်မြင်ခဲ့ပြီး Carbon Neutral အသိအမှတ်ပြုလက်မှတ် ရရှိထားပြီး အောက်ခြေအဖုံးမှာ ပြန်လည်အသုံးပြုထားတဲ့ အလူမီနီယမ် ၅၀ ရာခိုင်နှုန်းကို အသုံးပြုထားတယ်လို့ ပြောပါတယ်။
လက်ထဲမှာ Pro 9n ဟာ လုံးဝန်းတဲ့အနားသတ်တွေ၊ port layout နဲ့ Yoga 9n 2-in-1 နဲ့တည်ဆောက်ထားပြီး အဖုံးကို သံလိုက်နဲ့ပိတ်ထားပါတယ်။ ကီးဘုတ်က Yoga ထက် နံပါတ်ပြားမပါဝင်ဘဲ တစ်ဖက်တစ်ချက်စီမှာ စပီကာတွေဆီကို နေရာယူထားပါတယ်။ ခိုင်မာတဲ့ခံစားချက်နဲ့ backlight ပါရှိပါတယ်။ ဖန် Force Pad က ချောမွေ့ပြီး လက်နှစ်ဖက်စလုံးနဲ့ တစ်ပြိုင်နက်အလုပ်လုပ်နိုင်လောက်အောင် ကြီးမားပြီး ကိုယ်ထည်က Lenovo က ၁၆ လက်မ convertible အဖြစ်တည်ဆောက်ထားတဲ့ Yoga ထက် အနည်းငယ်ကျဉ်းပါတယ်။
Lenovo ဟာ N1X ရဲ့ အတွင်းပိုင်းကို ပြန်လည်ဒီဇိုင်းထုတ်ခဲ့ပြီး အပူချိန်စနစ်အသစ်၊ ပိုကြီးတဲ့ လေဝင်ပေါက်တွေနဲ့ Pro 9n ကို 80W အထိ လည်ပတ်နိုင်စေတယ်လို့ ဆိုထားတဲ့ အပူချိန်ထိန်းခလုတ် မြင့်မားစွာ ပါဝင်ပါတယ်။ အောက်ခြေမှာ နောက်ဘက်ခြမ်းမှာ ကြီးမားတဲ့ intake grille တစ်ခုကို ပြသထားပါတယ်။
အဖုံးကိုဖွင့်လိုက်တဲ့အခါ heatsink ရဲ့ဘေးမှာ ပန်ကာနှစ်လုံးပါရှိပြီး board ရဲ့အလယ်ဗဟိုမှာ အပူပိုက်အများအပြားရှိပြီး ဘက်ထရီက chassis ရဲ့ရှေ့ဘက်ခြမ်းမှာ ပြည့်နေပါတယ်။ ကျွန်တော်တို့ရဲ့ရလဒ်တွေက Lenovo ရဲ့ thermal claims ကို ထောက်ခံပါတယ်- thermals အပိုင်းမှာ အသေးစိတ်ဖော်ပြထားတဲ့အတိုင်း Pro 9n ဟာ clock မြင့်တဲ့အခါ OmniBook ထက် ပိုအေးပါတယ်။ အနည်းဆုံးတော့ NVIDIA mobile platform တွေနဲ့ ယှဉ်ရင် ထူးခြားတဲ့ ဒီဇိုင်းဆုံးဖြတ်ချက်တစ်ခုကတော့ Lenovo ဟာ twin 2242 M.2 drive bays တွေကို ရွေးချယ်ခဲ့တာပါ။ ကျန်တာတွေက single 2280 နဲ့ သွားခဲ့တာပါ။ ဒါကြောင့် Lenovo က second drive option ကို ပေးပေမယ့် 2242 SSD တွေက capacity ပိုနည်းပြီး 2280 လောက်တော့ စွမ်းဆောင်ရည် မကောင်းပါဘူး။
၁၅.၃ လက်မ PureSight Pro OLED touchscreen သည် 2560 x 1600 ဖြင့် အလုပ်လုပ်ပြီး 48 မှ 165Hz အထိ refresh နှုန်း ပြောင်းလဲနိုင်သည်။ Lenovo သည် X-Rite Pantone ဖြင့် ချိန်ညှိပေးပြီး Delta E 0.5 အောက်၊ HDR တွင် 1,100 nits အမြင့်ဆုံးနှင့် 100 ရာခိုင်နှုန်း sRGB နှင့် P3 ဖုံးအုပ်မှု၊ Dolby Vision နှင့် VESA DisplayHDR True Black 1000 အသိအမှတ်ပြုလက်မှတ်တို့ဖြင့် အဆင့်သတ်မှတ်ထားသည်။ စပီကာလေးလုံး၊ 2W woofers နှစ်ခုနှင့် Dolby Atmos ဖြင့် ချိန်ညှိထားသော 2W tweeter နှစ်ခုသည် ကီးဘုတ်ဘေးတွင် ရှိသည်။
ကီးဘုတ်မှာ 1.5mm travel၊ backlight နဲ့ Copilot key တို့ပါဝင်ပါတယ်။ အောက်မှာ haptic Force Pad က 95 x 150mm ရှိပြီး Yoga Pen Gen 2 နဲ့ drawing surface အဖြစ်အလုပ်လုပ်ပါတယ်။ AES 3.0 မှာ 8,192 pressure levels တွေကို support လုပ်ပါတယ်။ 9.2MP IR ကင်မရာမှာ chassis ရဲ့ဘေးမှာ physical switch ပါတဲ့ electronic shutter တစ်ခုပါဝင်ပြီး noise-canceling microphone သုံးခုက voice call တွေကို ကိုင်တွယ်ပေးပါတယ်။
ညာဘက်ခြမ်းမှာ ကင်မရာရှပ်တာခလုတ်၊ ပါဝါခလုတ်၊ UHS-II SD reader၊ USB-C port နဲ့ 10Gbps မြန်နှုန်းနဲ့ အမြဲတမ်းဖွင့်ထားတဲ့ USB-A port တို့ ပါဝင်ပြီး ဘယ်ဘက်ခြမ်းမှာ HDMI 2.1၊ ဒုတိယ USB-A port၊ ဒုတိယ USB-C port နဲ့ headphone jack တို့ ပါဝင်ပါတယ်။ USB-C port နှစ်ခုစလုံးဟာ Power Delivery နဲ့ DisplayPort 2.1 နဲ့အတူ 40Gbps မြန်နှုန်းနဲ့ လည်ပတ်ပြီး Lenovo က Thunderbolt 4 နဲ့ USB4 နှစ်မျိုးလုံးအဖြစ် စာရင်းပြုစုထားပါတယ်။ Wireless ကတော့ Wi-Fi 7 ပါဝင်ပြီး Bluetooth 5.4 ဖြစ်ကာ 92.5Wh ဘက်ထရီက Rapid Charge Express ကို ထောက်ပံ့ပေးပါတယ်။ ဘက်ထရီရလဒ်တွေကို စမ်းသပ်စစ်ဆေးမှုအသစ် ပြီးစီးတဲ့အခါ ဖော်ပြပေးသွားမှာပါ။
RTX Spark N1X ပလက်ဖောင်း
RTX Spark ဆိုတာ NVIDIA ရဲ့ N1X superchip ပေါ်မှာ တည်ဆောက်ထားတဲ့ Windows PC မိသားစုအတွက် အမည်ဖြစ်ပြီး၊ DGX Spark မှာ GB10 ရဲ့ laptop ညီအစ်ကို ဖြစ်ပြီး၊ ကျွန်တော်တို့ရဲ့ Surface Laptop Ultra review က platform အကြောင်း အသေးစိတ်ရှင်းပြထားပါတယ်။ ကျွန်တော်တို့ရဲ့ lab မှာရှိတဲ့ Pro 9n မှာ 18-core Grace CPU (ပိုမြန်တဲ့ core ကိုးခုနဲ့ efficiency core ကိုးခု၊ SMT မပါတဲ့) နဲ့ 5,120-core Blackwell RTX GPU တို့ကို တွဲဖက်ထားတဲ့ ဒုတိယ bin ပါရှိပါတယ်။ Lenovo က ပိုမြန်တဲ့ core တွေကို 3.9GHz အထိနဲ့ efficiency core တွေကို 2.8GHz အထိ အဆင့်သတ်မှတ်ထားပြီး တခြား configuration တွေမှာလည်း 20-core၊ 6,144-core-GPU အပိုင်းကို ပေးစွမ်းပါတယ်။
N1X ရဲ့ LPDDR5X ကို CPU နဲ့ GPU ကြားမှာ မျှဝေထားပြီး NVIDIA app မှာ setting က Windows က GPU ကို ဘယ်လောက်ထိ ထောက်ပံ့ပေးမလဲဆိုတာကို ဆုံးဖြတ်ပေးပါတယ်။ BIOS option မဟုတ်ဘဲ Windows ဘက်ခြမ်းက ပြောင်းလဲမှုပါ။ ကျွန်တော်တို့ရဲ့ 32GB Pro 9n ကို 12GB GPU နဲ့ 20GB CPU ကို သတ်မှတ်ထားပါတယ်။ 32GB OmniBook နဲ့ ခွဲဝေမှု အတူတူပါပဲ။ ဒါကြောင့် နှစ်ခုစလုံးကို တိုက်ရိုက်နှိုင်းယှဉ်နိုင်ပါတယ်။ 12GB မှာ ဘယ်ဟာမှ ကျွန်တော်တို့ရဲ့ အသေးငယ်ဆုံး local AI model tier အတွက် အရည်အချင်းမပြည့်မီပါဘူး။ GPU-usable memory 16GB လိုအပ်ပါတယ်။ Windows သုံးနိုင်တဲ့ memory ကနေ ပိုကြီးတဲ့ ခွဲဝေမှုကို ရရှိမှာပါ။ Windows 11 26H1 က Arm64 မှာ အလုပ်လုပ်ပါတယ်။ x64 application တွေက Prism emulation ကို ဖြတ်သန်းသွားပြီး ကျွန်တော်တို့ရဲ့ suite က open-source workload တိုင်းရဲ့ native Arm64 build တွေကို အသုံးပြုပါတယ်။
Lenovo Pro 9n 15 အသေးစိတ်ဖော်ပြချက်များ
| specification | Lenovo Pro 9n 15 (83SS0003US) |
|---|---|
| ပလက်ဖောင်းခြုံငုံသုံးသပ်ချက် | |
| processor ကို | NVIDIA RTX Spark N1X၊ 5,120-core Blackwell RTX GPU ပါရှိသော 18-core CPU (စမ်းသပ်ပြီး) NVIDIA RTX Spark N1X၊ 20-core CPU ပါ၀င်ပြီး 6,144-core Blackwell RTX GPU ပါဝင်သည် |
| မှတ်ဉာဏ် | 32GB ဂဟေဆက်ထားသော LPDDR5X-9400၊ 256-bit (စမ်းသပ်ပြီး); 128GB အထိ 12GB GPU / 20GB စနစ်ခွဲထုတ်ခြင်း (စမ်းသပ်ပြီး) |
| သိုလှောင်ခြင်း | M.2 2242 ဒရိုက်နှစ်ခုအထိ (PCIe Gen4 တစ်ခု၊ PCIe Gen5 တစ်ခု) Samsung MZAL81T0HFLB 1TB၊ Gen4 x4 (စမ်းသပ်ပြီး) |
| ကွန်ပျူတာစက်လည်ပတ်ရေးစနစ်ပရိုဂရမ် | Windows 11 Home သို့မဟုတ် Pro (Arm64); စမ်းသပ်ပြီးသော Windows 11 Pro |
| မျက်နှာပြင်နှင့် I/O | |
| မျက်နှာပြင် | ၁၅.၃ လက်မ 2.5K (2560 x 1600) PureSight Pro OLED မျက်နှာပြင်၊ 48-165Hz VRR၊ 16:10 1,100 nits အမြင့်ဆုံး (HDR)၊ 100% sRGB နှင့် P3၊ Delta E <0.5၊ X-Rite Pantone ချိန်ညှိထားသည် Dolby Vision၊ VESA DisplayHDR True Black 1000၊ ဖန် |
| ဆိပ်ကမ်းများ | ၂ x USB-C 40Gbps (Thunderbolt 4 / USB4၊ USB PD၊ DisplayPort 2.1) ၂ x USB-A 10Gbps (တစ်ခု အမြဲဖွင့်ထားသည်) HDMI 2.1 ၁ ခု (8K/60Hz အထိ) ၁ x SD ကတ်ဖတ်စက် (UHS-II) 1x နားကြပ်/မိုက်ခရိုဖုန်း ပေါင်းစပ်ဂျက် |
| ကြိုးမဲ့ | Wi-Fi 7 (802.11be 2×2)၊ Bluetooth 5.4 |
| ကင်မရာ | အီလက်ထရွန်းနစ် ရှပ်တာနှင့် ခလုတ်ပါရှိသော 9.2MP + IR |
| audio | စပီကာလေးလုံး- 2W ဝူဖာ ၂ ခု၊ 2W တွီတာ ၂ ခု၊ Dolby Atmos မိုက်ခရိုဖုန်း ၃ ခု |
| input | Backlit ကီးဘုတ်၊ ၁.၅ မီလီမီတာ ခရီးသွား၊ Copilot ကီး ဘောပင်ထောက်ပံ့မှုပါရှိသော ၉၅ x ၁၅၀ မီလီမီတာ haptic Force Pad Yoga Pen Gen 2 (AES 3.0၊ ဖိအားအဆင့် ၈၁၉၂) |
| တန်ခိုးနှင့်ရုပ် | |
| ဘက်ထရီ | 92.5Wh၊ အမြန်အားသွင်းအမြန် |
| အပူဒီဇိုင်း | ပိုကြီးတဲ့ လေဝင်ပေါက်တွေနဲ့ အပူဒဏ်ခံနိုင်တဲ့ အစိတ်အပိုင်းတွေ၊ 80W TDP အထိ (Lenovo အဆင့်သတ်မှတ်ချက်) |
| ရှုထောင့် | ၂.၅ x ၃.၃ x ၀.၅၅ လက်မ (၆၄.၅ x ၈၃.၅ x ၁၄ မီလီမီတာ) |
| အလေးချိန် | ၄၈.၉ ပေါင် (၂၂.၂ ကီလိုဂရမ်) မှစတင်၍ |
| အရောင်နှင့်ပစ္စည်း | Thunder Grey၊ အလူမီနီယမ် အပေါ်နှင့်အောက်၊ MIL-STD-810H စမ်းသပ်ပြီး |
| စျေးနှုန်း | |
| ဈေးနှုန်း (Lenovo.com) | $2,999.99 (18-core, 32GB, 512GB) မှစတင်သည်။ စမ်းသပ်ပြီးသော configuration ကို စာရင်းမသွင်းထားပါ။ |
စမ်းသပ်ခြင်း Setup နှင့်နည်းစနစ်
ကျွန်ုပ်တို့၏ Pro 9n 15 သည် RTX Spark N1X ကို 18-core CPU နှင့် 5,120-core Blackwell GPU၊ 32GB LPDDR5X-9400 split 12GB GPU နှင့် 20GB system နှင့် Windows 11 Pro 26H1 (Arm64) တွင် 1TB Samsung Gen4 SSD တို့ဖြင့် အသုံးပြုထားသည်။ Benchmark များကို Lenovo ၏ Performance mode တွင် run ထားသည်။ ဘက်ထရီသက်တမ်းစမ်းသပ်မှုကို ပြီးသွားသောအခါ ထည့်သွင်းပေးပါမည်။
ဤနှိုင်းယှဉ်ချက်ရှိ စနစ်တိုင်းသည် ကျွန်ုပ်တို့၏ scripted Windows client benchmark suite ဖြစ်သော sr-client 1.2 ကို ၎င်း၏ full run နှင့် Peak profile တွင် OEM ၏ drivers နှင့် utilities များပါရှိသော ၎င်း၏ factory Windows image ကို အသုံးပြု၍ run ခဲ့သည်။ suite သည် နေရာတိုင်းတွင် တူညီသော lab setting များကို အသုံးချသည်- Windows power mode ကို Best performance တွင်ထားခြင်း၊ plug in လုပ်ခြင်း၊ 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 လုပ်ခြင်း၏ 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 |
|---|---|---|---|---|---|
| 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 |
| 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 |
| Lenovo Yoga 9n 2-in-1 16 | NVIDIA RTX Spark N1X၊ 20C / 20T | 64GB LPDDR5X-9400 (32GB GPU / 32GB စနစ်ခွဲ) | ၆,၁၄၄-core Blackwell RTX (ပေါင်းစပ်ထားပြီး၊ အသုံးပြုနိုင်သော 32GB) | Sandisk PC SN5100S 1TB၊ Gen4 x4 | Windows 11 Home 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 |
ဇယားတွေမှာ label နှစ်ခု ထပ်ခါထပ်ခါ ပါနေပြီး ပထမ label က AI section အတွက် အရေးကြီးဆုံးပါ။ Not run ဆိုတာက hardware က အရည်အချင်းမပြည့်မီလို့ suite က စမ်းသပ်မှု စတင်ဖို့ ငြင်းဆိုတာကို ဆိုလိုပါတယ်။ Pro 9n နဲ့ 32GB OmniBook တို့က 12GB GPU အသုံးပြုနိုင်တာကြောင့် ကျွန်တော်တို့ရဲ့ model tier နှစ်ခုလုံးရဲ့ အောက်မှာ ရှိနေပြီး Yoga ရဲ့ 32GB နဲ့ Blade 16 ရဲ့ 24GB ကတော့ tier M အောက်မှာ ရှိနေပါတယ်။ အဲဒီ label တစ်ခုတည်းက OpenBLAS N=40000 size ကို အမှတ်အသားပြုထားပြီး 11.9GB လိုအပ်ပြီး Windows မြင်ရတဲ့ memory ရဲ့ ထက်ဝက်ကျော်သွားတဲ့အခါ ကျော်သွားပါတယ်။
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
Pro 9n ရဲ့ ဒေသတွင်း AI ဇာတ်လမ်းက တိုတိုလေးပါ။ 12GB GPU ခွဲထုတ်မှုက သူလုပ်နိုင်တာကို ကန့်သတ်ထားလို့ပါ။ ကိုက်ညီတဲ့ မော်ဒယ်တွေမှာ 5,120-core GPU က 6,144-core အစိတ်အပိုင်းတွေရဲ့ ရာခိုင်နှုန်းအနည်းငယ်အတွင်းမှာပဲ လည်ပတ်ပါတယ်။ ဘာလို့လဲဆိုတော့ ဒီအရွယ်အစားမှာ token generation က GPU cores တွေထက် memory bandwidth က ကန့်သတ်ထားလို့ပါ။ မကိုက်ညီတဲ့ မော်ဒယ်တွေမှာဆိုရင် လုံးဝလည်ပတ်လို့မရပါဘူး။ ဒါကြောင့် model-load နဲ့ coding agent စမ်းသပ်မှုတွေကို Yoga နဲ့ Blade 16 မှာပဲ လုပ်ဆောင်ရမှာပါ။
MLPerf ကလိုင်းယင့် v2.0
MLPerf Client သည် Llama 3.1 8B နှင့် Phi-4-mini တို့ကို prompt အမျိုးအစားငါးခုမှတစ်ဆင့် လုပ်ဆောင်ပြီး geometric mean အဖြစ် ပထမဆုံး token နှင့် ၎င်းနောက်ရှိ token rate သို့ အချိန်ကို အစီရင်ခံပါသည်။ ဤနေရာရှိ system တိုင်းသည် llama.cpp ကို CUDA နှင့်အတူ အသုံးပြုသောကြောင့် 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 | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| လာမာ ၃.၁ ၈ဘီ၊ ပထမဆုံးတိုကင်သို့ရောက်ရှိချိန်၊ ဂျီဩမေတြီ (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ) | 0.303 | 0.275 | 0.353 | 0.149 |
| လာမာ ၃.၁ ၈ဘီ၊ တိုကင်နှုန်း၊ ဂျီဩမေတြီပျမ်းမျှ (tok/s) | 55.1 | 56.4 | 54.4 | 128.8 |
| Phi-4-mini၊ ပထမဆုံးတိုကင်အတွက်အချိန်၊ geomean (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ) | 0.135 | 0.123 | 0.158 | 0.074 |
| Phi-4-mini၊ တိုကင်နှုန်း၊ ဂျီအိုမီယန် (tok/s) | 95.2 | 96.8 | 91.8 | 222.7 |
| ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ အေးဂျင့်၊ အဆုံးမှအဆုံး (များသော၊ နိမ့်လေ ပိုကောင်းလေ) | 56.2 | 52.4 | 59.7 | 27.8 |
| ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ အေးဂျင့်၊ တိုကင်နှုန်း (tok/s) | 46.9 | 49.0 | 45.3 | 108.3 |
| SWE အေးဂျင့်၊ အဆုံးမှအဆုံး (များလေ၊ နိမ့်လေ ပိုကောင်းလေ) | 48.0 | 46.2 | 51.6 | 24.6 |
| SWE အေးဂျင့်၊ တိုကင်နှုန်း (tok/s) | 44.5 | 46.6 | 43.0 | 102.5 |
Pro 9n ဟာ Llama 3.1 8B ကို တစ်စက္ကန့်လျှင် 55.1 tokens နဲ့ Phi-4-mini ကို 95.2 ဖြင့် ထုတ်လုပ်ခဲ့ပြီး GPU cores ၁၇ ရာခိုင်နှုန်း လျော့နည်းနေပေမယ့် 32GB OmniBook ထက် ၂ ရာခိုင်နှုန်းခန့် နောက်ကျနေပါတယ်။ compute ကို ပိုမိုအားကိုးတဲ့ first token ရောက်ဖို့ အချိန်ဟာ ၁၀ ရာခိုင်နှုန်းခန့် ကွာဟချက်ကြီးမားတာကို ပြသခဲ့ပြီး agentic scenario နှစ်ခုစလုံးဟာ ၇ ရာခိုင်နှုန်းနဲ့ ၄ ရာခိုင်နှုန်း ပိုကြာခဲ့ပါတယ်။ Yoga ရဲ့ power budget နည်းပါးမှုက Pro 9n ရဲ့ ပျောက်ဆုံးနေတဲ့ cores တွေထက် ပိုကုန်ကျစေတာကြောင့် Pro 9n ဟာ MLPerf row တိုင်းမှာ Yoga ကို အနိုင်ယူခဲ့ပါတယ်။
မော်ဒယ်တင်ခြင်းနှင့် ကုဒ်ရေးခြင်း အေးဂျင့်
ကျွန်ုပ်တို့ရဲ့ model-load နဲ့ coding agent စမ်းသပ်မှုတွေဟာ ကျွန်ုပ်တို့အသုံးပြုတဲ့ အသေးဆုံးမော်ဒယ်ဖြစ်တဲ့ 12.8GB gpt-oss:20b အတွက် GPU-usable memory အနည်းဆုံး 16GB လိုအပ်တာကြောင့် Pro 9n ရဲ့ 12GB split က နှစ်ခုစလုံးကို ချန်လှပ်ထားပြီး ဒီသုံးသပ်ချက်မှာ အဲဒီဇယားတွေကို ချန်လှပ်ထားပါတယ်။ ကျွန်ုပ်တို့ရဲ့ Yoga 9n 2-in-1 16 သုံးသပ်ချက်မှာ 32GB GPU split က တူညီတဲ့ platform မှာ ဘာတွေလုပ်ဆောင်နိုင်လဲဆိုတာနဲ့ memory ပိုများတဲ့ Pro 9n က တူညီတဲ့စမ်းသပ်မှုတွေအတွက် ဘာတွေလိုအပ်လဲဆိုတာကို ပြသထားပါတယ်။
Retrieval-augmented မျိုးဆက်
ကျွန်ုပ်တို့ရဲ့ RAG စမ်းသပ်မှုမှာ SQuAD v1.1 စာပိုဒ် ၂၀,၉၆၃ ပိုဒ်ကို nomic-embed-text နဲ့ ထည့်သွင်းထားပြီး မေးခွန်း ၂,၀၀၀ စီအတွက် ထိပ်တန်းစာပိုဒ်ငါးပိုဒ်ကို ရယူကာ Phi-4-mini နဲ့ ၄၀၀ ကို ဖြေဆိုပေးကာ တိကျတဲ့ ကိုက်ညီမှုနဲ့ F1 ရရှိခဲ့ပါတယ်။ မော်ဒယ်နှစ်ခုစလုံးမှာ 12GB သိုလှောင်မှုရှိတာကြောင့် Pro 9n က စမ်းသပ်မှုအပြည့်အစုံကို လုပ်ဆောင်ပေးပါတယ်။
| အဝတ်စုတ် | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| နံရံကို စုပ်ယူချိန်၊ ၂၀,၉၆၃ ပိုဒ် (စက္ကန့်၊ နည်းလေ ပိုကောင်းလေ) | 191.8 | 195.2 | 188.8 | 131.0 |
| ပြန်လည်ရယူရန် မေးမြန်းချိန်၊ p50 (ms၊ ပိုနည်းလေ ပိုကောင်းလေ) | 24.2 | 22.5 | 22.6 | 20.9 |
| အဖြေ၊ Phi-4-mini ပထမဆုံးတိုကင်သို့ရောက်ရှိရန်အချိန်၊ p50 (s၊ နိမ့်လေကောင်းလေ) | 0.171 | 0.156 | 0.181 | 0.109 |
| အဖြေ၊ လျင်မြန်စွာ လုပ်ဆောင်ခြင်း (tok/s) | 6,268 | 7,139 | 5,837 | 11,560 |
| အဖြေ၊ ထုတ်လုပ်မှုနှုန်း (tok/s) | 96.6 | 102.0 | 91.1 | 209.2 |
| မေးခွန်းမှ အဖြေသို့၊ စာမျက်နှာ ၅၀ (s၊ နိမ့်လေ ပိုကောင်းလေ) | 0.252 | 0.231 | 0.262 | 0.159 |
| အဖြေ F1 (%) | 74.27 | 73.97 | 73.97 | 74.47 |
Pro 9n ဟာ corpus ကို ၁၉၁.၈ စက္ကန့်အတွင်း စုပ်ယူနိုင်ခဲ့ပြီး 32GB OmniBook ရဲ့ ၁၉၅.၂ ထက် ပိုမြန်ပါတယ်။ HP ရဲ့ ၁၀၂.၀ နဲ့ ယှဉ်ရင် တစ်စက္ကန့်ကို ၉၆.၆ တိုကင်နှုန်းနဲ့ အဖြေတွေ ထုတ်ပေးနိုင်ခဲ့ပါတယ်။ ပုံမှန်မေးခွန်းတစ်ခုဟာ မေးခွန်းတစ်ခုကနေ အဖြေတစ်ခုအထိ ၀.၂၅၂ စက္ကန့်ကြာမြင့်ပြီး HP ရဲ့ ၀.၂၃၁ နဲ့ Yoga ရဲ့ ၀.၂၆၂ ကြားမှာ ရှိပြီး Blade 16 ကတော့ ၀.၁၅၉ စက္ကန့်အတွင်း ဖြေဆိုနိုင်ခဲ့ပါတယ်။ F1 ဟာ စနစ်တိုင်းမှာ တစ်ဝက်အမှတ်အတွင်း ဆင်းသက်ခဲ့ပါတယ်။
CPU စွမ်းဆောင်ရည်
Pro 9n ရဲ့ core နှစ်ခုနည်းတာက core count က အကြံပြုထားတာထက် ကုန်ကျစရိတ်နည်းပါတယ်၊ ဘာလို့လဲဆိုတော့ all-core load မှာ 20-core system တွေထက် clock တွေပိုမြင့်တာကို ထိန်းထားနိုင်လို့ပါ။ rendering, compression နဲ့ compile တွေမှာ 32GB OmniBook ထက် ၈ ရာခိုင်နှုန်းကနေ ၁၁ ရာခိုင်နှုန်းအထိ နောက်ကျနေပြီး Stockfish နဲ့ N=20000 OpenBLAS solve မှာ ကိုက်ညီအောင် လုပ်ပေးနိုင်တဲ့အပြင် 20-core Yoga နဲ့ လဲလှယ်ပြီး Cinebench, Stockfish, primesieve နဲ့ OpenBLAS တွေမှာ ဦးဆောင်နေပါတယ်။ single thread တစ်ခုမှာ Cinebench မှာ 20-core အပိုင်းတွေကို ၈ ရာခိုင်နှုန်းလောက် ပေးစွမ်းနိုင်ပြီး တခြားနေရာတွေမှာ ၂ ရာခိုင်နှုန်းကနေ ၆ ရာခိုင်နှုန်းအထိ ပေးစွမ်းနိုင်ပါတယ်။ Razer Blade 16 နဲ့ ယှဉ်ရင် Pro 9n က rendering, compression နဲ့ compile တွေမှာ အနိုင်ရပြီး GROMACS, Stockfish, all-core OpenBLAS, SVT-AV1 နဲ့ single-threaded စမ်းသပ်မှုအများစုမှာ ရှုံးနိမ့်ထားပါတယ်။
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 ပထမအကြိမ်နှင့် နှိုင်းယှဉ်ပါသည်။
| Cinebench ၂၀၂၆ (အမှတ်များ၊ မြင့်လေ ပိုကောင်းလေ) | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| single-core | 518.2 | 564.7 | 557.0 | 480.0 |
| SMT single core | N / A | N / A | N / A | 661.3 |
| Multi Core | 6,394 | 6,934 | 6,292 | 5,179 |
| စဉ်ဆက်မပြတ် ကွင်းဆက်၊ ပထမအကြိမ် | 6,346 | 6,943 | 6,248 | 5,162 |
| စဉ်ဆက်မပြတ်လည်ပတ်မှု၊ တည်ငြိမ်သောအခြေအနေ | 6,416 | 6,929 | 6,256 | 5,206 |
| တည်ငြိမ်သောအခြေအနေ / ပထမအကြိမ်အောင်မြင်ခြင်း | 1.011 | 0.998 | 1.001 | 1.009 |
Pro 9n ဟာ multi-core ရမှတ် ၆,၃၉၄ ရရှိခဲ့ပြီး 32GB OmniBook ရဲ့ ၆,၉၃၄ ထက် ၈ ရာခိုင်နှုန်း လျော့နည်းကာ Yoga ထက် ၂ ရာခိုင်နှုန်း ပိုများပြီး Blade 16 ထက် ၂၃ ရာခိုင်နှုန်း ပိုများပါတယ်။ single-core ရမှတ် ၅၁၈.၂ ရရှိထားတဲ့ ၎င်းရဲ့ ရမှတ်ဟာ 20-core စနစ်တွေထက် ၇ ရာခိုင်နှုန်းကနေ ၈ ရာခိုင်နှုန်းလောက် နောက်ကျနေပါတယ်။ စဉ်ဆက်မပြတ် loop ရမှတ်ဟာ နာရီဝက်အတွင်း မြင့်တက်လာပြီး ၆,၄၁၆ ရရှိကာ ပထမအကြိမ် စမ်းသပ်မှုရဲ့ ၁၀၁.၁ ရာခိုင်နှုန်း ရရှိခဲ့ကာ CPU ဟာ အမြင့်ဆုံးအပူချိန် ၉၂ ဒီဂရီစင်တီဂရိတ်နဲ့ 3,288MHz မှာ ရှိနေပါတယ်။
7-Zip၊ Blender၊ HandBrake နှင့် LLVM
7-Zip ရဲ့ built-in benchmark က thread တိုင်းနဲ့ core တစ်ခုပေါ်မှာ LZMA compression နဲ့ decompression throughput ကို report လုပ်ပါတယ်။ Blender 4.5 က Monster, Junkshop နဲ့ Classroom scenes တွေကို CPU မှာ Cycles နဲ့ render လုပ်ပါတယ်။ HandBrake က x265 နဲ့ SVT-AV1 သုံးပြီး 4K60 clip in software ရဲ့ စက္ကန့် ၆၀ ကို encode လုပ်ပါတယ်။ LLVM test က Clang နဲ့ Ninja သုံးပြီး full LLVM 21.1.4 tree ကို compile လုပ်ပါတယ်။
| 7-Zip၊ thread တစ်ခု (GIPS၊ မြင့်လေ ပိုကောင်းလေ) | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| စုစုပေါင်း | 8.93 | 9.10 | 9.12 | 9.24 |
| သိပ် | 7.26 | 7.33 | 7.35 | 7.28 |
| ဒီဇင်ဘာ | 10.59 | 10.87 | 10.88 | 11.20 |
ဒါတွေက core count တွေပြသတဲ့ စမ်းသပ်မှုတွေပါ။ Pro 9n ဟာ thread အားလုံးမှာ 7-Zip မှာ 138.1 GIPS ရရှိခဲ့ပြီး OmniBook ထက် ၁၀ ရာခိုင်နှုန်း နောက်ကျပြီး Blade 16 ထက် ၁၀ ရာခိုင်နှုန်း နောက်ကျပါတယ်။ Blender ရဲ့ Monster scene မှာ HP ထက် ၉ ရာခိုင်နှုန်းနဲ့ Classroom မှာ ၈ ရာခိုင်နှုန်း နောက်ကျပါတယ်။ LLVM build ဟာ ၂၂၉.၈ စက္ကန့်ကြာမြင့်ပြီး HP မှာ ၂၁၁.၁ စက္ကန့်နဲ့ Blade မှာ ၃၂၇.၀ စက္ကန့် ကြာမြင့်ပါတယ်။ x265 encode ဟာ 37.7 fps မှာ run ပြီး OmniBook ထက် ၁၁ ရာခိုင်နှုန်း နောက်ကျပါတယ်။
SVT-AV1 ဟာ RTX Spark စနစ်တိုင်းမှာ 15 fps လောက်နဲ့ လည်ပတ်နေပြီး Blade 16 မှာတော့ 77.3 fps ပဲ လည်ပတ်ပါတယ်။ ဒါက N1X configuration လေးခုစလုံးဟာ တစ်ခုနဲ့တစ်ခု frame တစ်ခုအတွင်းမှာ ကျရောက်နေတာကြောင့် SVT-AV1 ရဲ့ Arm64 code path ကို ညွှန်ပြနေပြီး ရလဒ်ကို မောင်းနှင်နေတဲ့ ကျွန်ုပ်တို့ရဲ့ software suite မှာ အရှင်းလင်းဆုံး case ဖြစ်ပါတယ်။
Stockfish၊ primesieve၊ Python နှင့် Browser
Stockfish သည် စစ်တုရင်ရှာဖွေမှုအမြန်နှုန်းကို တစ်စက္ကန့်လျှင် သန်းပေါင်းများစွာသော node များဖြင့် အစီရင်ခံသည်။ primesieve သည် thread အားလုံးတွင် 10^12 အောက် primes များကို ရေတွက်ပြီး thread တစ်ခုတွင် 10^11 အောက် primes များကို ရေတွက်သည်။ PyPerformance သည် မြန်နှုန်းမြင့် core တစ်ခုတွင် pin လုပ်ထားသော CPython benchmarks သုံးခုကို လုပ်ဆောင်ပြီး Speedometer 3.1 သည် Microsoft Edge ရှိ ဝဘ်အပလီကေးရှင်းတုံ့ပြန်မှုကို တိုင်းတာသည်။ နောက်ဆုံးတန်းနှစ်တန်းသည် Prism emulation အောက်တွင် 7-Zip ၏ x64 build ကို လုပ်ဆောင်သည်။
| စမ်းသပ် | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Stockfish bench၊ ချည်မျှင်အားလုံး (Mnps၊ မြင့်လေ ပိုကောင်းလေ) | 15.20 | 15.12 | 13.42 | 17.96 |
| Stockfish bench၊ ချည်တစ်ချောင်း (Mnps၊ မြင့်လေ ပိုကောင်းလေ) | 1.70 | 1.73 | 1.72 | 2.04 |
| primesieve 1e12၊ ချည်အားလုံး (s၊ နိမ့်လေ ပိုကောင်းလေ) | 10.56 | 9.54 | 10.77 | 10.60 |
| primesieve 1e11၊ ချည်တစ်ခု (s၊ နိမ့်လေ ပိုကောင်းလေ) | 12.34 | 12.02 | 12.01 | 6.67 |
| PyPerformance go (ms၊ နိမ့်လေ ပိုကောင်းလေ) | 114.1 | 111.2 | 110.6 | 75.2 |
| PyPerformance nbody (ms၊ ပိုနည်းလေ ပိုကောင်းလေ) | 82.5 | 80.6 | 80.5 | 60.8 |
| PyPerformance regex_compile (ms၊ ပိုနည်းလေ ပိုကောင်းလေ) | 86.7 | 84.5 | 84.3 | 69.7 |
| Speedometer ၃.၁၊ Edge (ရမှတ်မြင့်လေ ပိုကောင်းလေ) | 33.9 | 35.4 | 36.1 | 38.4 |
| x64 7-Zip ကို emulation အောက်တွင်၊ thread အားလုံး (GIPS) | 117.6 | 127.8 | 124.3 | မရှိပါ (မူရင်း x64) |
| x64 7-Zip ကို emulation အောက်တွင်၊ thread တစ်ခု (GIPS) | 7.94 | 8.36 | 8.25 | မရှိပါ (မူရင်း x64) |
Pro 9n ရဲ့ clock တွေက Stockfish မှာ အကျိုးအမြတ်ရစေပါတယ်။ 18 cores အားလုံးမှာ 15.20 Mnps ရှာဖွေနိုင်ပြီး 20-core OmniBook ရဲ့ 15.12 ထက် အနည်းငယ်သာလွန်ပြီး Yoga ထက် 13 ရာခိုင်နှုန်း ပိုမြင့်ကာ 3,292MHz မှာ လည်ပတ်တာကြောင့် ကျွန်တော်တို့ စမ်းသပ်ဖူးသမျှ RTX Spark system တွေထဲမှာ အမြင့်ဆုံး Stockfish clock ဖြစ်ပါတယ်။ thread အားလုံးမှာ primesieve က 10.56 စက္ကန့်ကြာပြီး HP မှာတော့ 9.54 စက္ကန့်ပဲ ကြာပါတယ်။
single-threaded row တွေကြောင့် Pro 9n ဟာ 20-core တွေထက် ရာခိုင်နှုန်းအနည်းငယ်နောက်ကျနေပြီး PyPerformance က 114.1 ms နဲ့ 111.2 ms ရှိပြီး Speedometer score 33.9 ရရှိထားပါတယ်။ ဒီမှာတော့ အနိမ့်ဆုံးဖြစ်ပါတယ်။ Blade 16 က Cinebench single-core ကလွဲရင် ကျန်တဲ့ core အားလုံးထက် ဦးဆောင်နေပြီး Pro 9n ရဲ့ 518.2 က 480.0 ကို ကျော်လွန်သွားပါတယ်။ 7-Zip ရဲ့ x64 build က emulation အောက်မှာ 117.6 GIPS နဲ့ run ထားပြီး native result ရဲ့ 85 ရာခိုင်နှုန်းရှိပါတယ်။
GROMACS၊ OpenBLAS နှင့် မှတ်ဉာဏ်
GROMACS သည် benchMEM molecular dynamics case ကို 16 cores ပေါ်တွင် လုပ်ဆောင်ပြီး အကောင်းဆုံး layout အတွက် တစ်နေ့လျှင် simulated အချိန်၏ nanoseconds ကို အစီရင်ခံပါသည်။ ကျွန်ုပ်တို့၏ OpenBLAS စမ်းသပ်မှုသည် HPL-style double-precision LU solve ကို ပြဿနာအရွယ်အစားသုံးမျိုးနှင့် DGEMM matrix multiply ကို core 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 core များအကြားကို တိုင်းတာသည်။
| စမ်းသပ်ခြင်း (မြင့်လေ ပိုကောင်းလေ) | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| GROMACS benchMEM၊ အကောင်းဆုံး အပြင်အဆင် (ns/day) | 16.88 | 17.43 | 17.15 | 26.41 |
| OpenBLAS LU N=10000၊ cores အားလုံး (GFLOPS) | 303.4 | 326.9 | 281.3 | 400.9 |
| OpenBLAS LU N=20000၊ cores အားလုံး (GFLOPS) | 318.1 | 322.4 | 298.6 | 454.4 |
| OpenBLAS LU N=40000၊ cores အားလုံး (GFLOPS) | မလည်ပတ်ပါ (11.9GB လိုအပ်သည်) | မလည်ပတ်ပါ (11.9GB လိုအပ်သည်) | 282.5 | 498.5 |
| OpenBLAS LU N=20000၊ ထိပ်တန်း core အတန်းအစား (GFLOPS) | 403.8 | 432.2 | 273.2 | 240.4 |
| OpenBLAS DGEMM M=8000၊ core အားလုံး (GFLOPS) | 357.6 | 368.9 | 312.7 | 455.4 |
| OpenBLAS DGEMM M=8000၊ ထိပ်တန်း core အတန်းအစား (GFLOPS) | 448.3 | 488.7 | 346.7 | 252.4 |
OpenBLAS ဟာ Pro 9n ကို 32GB OmniBook နဲ့ ခွဲခြားထားရုံပါပဲ။ သူ့ရဲ့ all-core LU solve က N=20000 မှာ 318.1 GFLOPS နဲ့ 322.4 GFLOPS ရရှိခဲ့ပြီး all-core DGEMM က 357.6 GFLOPS နဲ့ 368.9 GFLOPS ရရှိခဲ့ပါတယ်။ ပြီးတော့ သူ့ရဲ့ fast core ကိုးခုတည်းက N=20000 ကို 403.8 GFLOPS မှာ တွက်ချက်နိုင်ခဲ့ပြီး HP မှာလိုပဲ all-core ရလဒ်ကို ကျော်လွန်သွားခဲ့ပါတယ်။ Pro 9n ဟာ OpenBLAS မှာ run တဲ့ row တိုင်းမှာ Yoga ကို ဦးဆောင်ခဲ့ပြီး Blade 16 ကတော့ all-core မှာ အားလုံးကို ဦးဆောင်ခဲ့ပါတယ်။ GROMACS က Pro 9n ကို HP ထက် ၃ ရာခိုင်နှုန်း နောက်ကျပြီး 16.88 ns/day နဲ့ Blade မှာ 26.41 ns/day ရရှိခဲ့ပါတယ်။
| စမ်းသပ် | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| တိုက်ရိုက်ကူးယူခြင်း (MB/s၊ မြင့်လေ ပိုကောင်းလေ) | 127,682 | 128,814 | 118,738 | 43,731 |
| STREAM Triad (MB/s၊ မြင့်လေ ပိုကောင်းလေ) | 120,272 | 121,662 | 112,067 | 48,298 |
| မှတ်ဉာဏ် နှောင့်နှေးမှု၊ 1GiB buffer၊ 4KiB စာမျက်နှာများ (ns၊ နိမ့်လေ ပိုကောင်းလေ) | 143.4 | 143.5 | 141.8 | 129.6 |
| Core-to-core latency၊ အတွဲအားလုံး၏ ပျမ်းမျှ (ns၊ ပိုနည်းလေ ပိုကောင်းလေ) | 160.6 | 160.9 | 162.8 | 57.0 |
မန်မိုရီစွမ်းဆောင်ရည်သည် 20-core စနစ်များကဲ့သို့ ပလက်ဖောင်းရလဒ် အတူတူပင်ဖြစ်သည်။ STREAM Triad သည် 120,272MB/s သို့ ရောက်ရှိခဲ့ပြီး OmniBook ၏ ၁ ရာခိုင်နှုန်းခန့်နှင့် Blade 16 ၏ ၂.၅ ဆခန့်ရှိပြီး မန်မိုရီ latency 143.4 ns နှင့် core-to-core latency 160.6 ns ရှိပြီး နှစ်ခုစလုံးသည် HP နှင့် ကိုက်ညီပါသည်။
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။ FFmpeg သည် တူညီသော 4K60 clip ကို NVENC HEVC ဖြင့် 8Mbps တွင် နှင့် ရရှိနိုင်သည့်နေရာတွင် Media Foundation HEVC encoder ဖြင့် encode လုပ်သည်။
| စမ်းသပ်ခြင်း (မြင့်လေ ပိုကောင်းလေ) | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| SuperTuxKart 1080p Ultra၊ မူရင်း၊ ပျမ်းမျှ (fps) | 218.4 | 236.1 | 216.4 | 200.0 |
| SuperTuxKart 1080p Ultra၊ မူရင်း၊ တည်ငြိမ် (fps) | 140 | 147 | 131 | 115 |
| SuperTuxKart 1080p Ultra၊ emulation အောက်တွင် x64၊ ပျမ်းမျှ (fps) | 248.6 | 265.4 | 186.8 | မရှိပါ (မူရင်း x64) |
| SuperTuxKart 1080p Ultra၊ x64 emulation အောက်တွင်၊ တည်ငြိမ် (fps) | 94 | 143 | 93 | မရှိပါ (မူရင်း x64) |
| FFmpeg NVENC HEVC၊ 4K60 တွင် 8Mbps (fps) | 139 | 137 | 139 | 132 |
| FFmpeg မီဒီယာဖောင်ဒေးရှင်း HEVC (fps) | 55 | 55 | 65 | N / A |
Pro 9n ဟာ native build နဲ့ဆိုရင် ပျမ်းမျှ 218.4 fps ရရှိခဲ့ပြီး 32GB OmniBook ထက် ၇ ရာခိုင်နှုန်း လျော့နည်းကာ Yoga နဲ့ တန်းတူဖြစ်ပြီး Blade 16 ရဲ့ 200.0 ထက် သာလွန်နေပါတယ်။ ဒါကြောင့် RTX 5090 က 1080p မှာ ဂိမ်းကို ကန့်သတ်ထားတာ မဟုတ်ဘူးလို့ ဆိုလိုပါတယ်။ emulation အောက်မှာရှိတဲ့ x64 build ဟာ native build ထက် ပျမ်းမျှ 248.6 fps ပိုမိုမြန်ဆန်ပေမယ့် 94 fps ရဲ့ တည်ငြိမ်တဲ့ frame rate မှာတော့ pacing ညံ့ဖျင်းတာကို တွေ့ရပါတယ်။ NVENC ဟာ fixed-function ဖြစ်ပြီး Pro 9n ရဲ့ HEVC မှာ 139 fps ဟာ 20-core system တွေနဲ့ ကိုက်ညီပါတယ်။
အပူ
Pro 9n ရဲ့ အပူချိန်ရလဒ်တွေက Lenovo ရဲ့ စနစ်ဒီဇိုင်းအတွက် အခိုင်မာဆုံး ငြင်းခုံချက်ပါ။ HandBrake မှာ 93C နဲ့ Cinebench နဲ့ sustained loop မှာ အပူဆုံးစမ်းသပ်မှုတွေမှာ 92C အထိ အမြင့်ဆုံးရောက်ရှိခဲ့ပြီး CPU suite ရဲ့ ကျန်တဲ့အပိုင်းတွေမှာ 83 နဲ့ 92C အကြားမှာ ရှိပြီး 32GB OmniBook က CPU စမ်းသပ်မှုတိုင်းမှာ 97 ကနေ 98C အထိ အမြင့်ဆုံးရောက်ရှိခဲ့ပါတယ်။ HP ရဲ့ 98 နဲ့ ယှဉ်ရင် sustained loop မှာ ပျမ်းမျှ 87C ရှိပါတယ်။ RTX Spark စနစ်တွေက Windows thermal zone တွေကနေတစ်ဆင့် CPU အပူချိန်ကိုသာ အစီရင်ခံပြီး Pro 9n ရဲ့ zone က idle clock တွေမှာ 100 ကနေ 130C အထိ မှားယွင်းတဲ့ ဖတ်ရှုမှုတွေကို ပေးစွမ်းခဲ့ပြီး ဒါကိုတော့ ကျွန်တော်တို့ ချန်လှပ်ထားပါတယ်။
| CPU အပူချိန်၊ အများဆုံး / ပျမ်းမျှ (C) | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Cinebench ၂ | 92 / 70 | 98 / 83 | 72 / 65 | 96 / 78 |
| 7-Zip | 83 / 63 | 98 / 77 | 76 / 62 | 99 / 84 |
| ငါး | 88 / 83 | 98 / 96 | 71 / 69 | 92 / 90 |
| Blender | 91 / 80 | 98 / 97 | 80 / 75 | 95 / 87 |
| HandBrake | 93 / 74 | 98 / 87 | 86 / 71 | 92 / 86 |
| LLVM တည်ဆောက်မှု | 87 / 79 | 98 / 92 | 81 / 75 | 98 / 93 |
| ဂရိုမက်စ် | 89 / 85 | 98 / 96 | 84 / 81 | 97 / 94 |
| OpenBLAS | 92 / 83 | 97 / 93 | 85 / 74 | 91 / 87 |
| ရေနွေးငွေ့ | 78 / 66 | 95 / 89 | 64 / 59 | 75 / 71 |
| Super Tux Kart | 74 / 68 | 94 / 86 | 68 / 62 | 89 / 82 |
| MLPerf ကလိုင်းယင့် | 76 / 66 | 93 / 85 | 72 / 60 | 97 / 76 |
| ကုဒ်ရေးအေးဂျင့် | မပြေးပါ | မပြေးပါ | 71 / 67 | 91 / 84 |
| အဝတ်စုတ် | 76 / 71 | 94 / 90 | 84 / 75 | 88 / 83 |
| စဉ်ဆက်မပြတ် ကွင်းဆက် | 92 / 87 | 98 / 98 | 72 / 70 | 94 / 90 |
Cooler ကိုသုံးခြင်းအားဖြင့် Pro 9n သည် clock speed ကို ကုန်ကျစရိတ်မများပါ- all-core load အောက်တွင် CPU စမ်းသပ်မှုတိုင်းတွင် OmniBook ၏ ၁ ရာခိုင်နှုန်းခန့်အတွင်း clock များကို ထိန်းထားနိုင်ပြီး Stockfish၊ GROMACS၊ OpenBLAS နှင့် sustained loop တို့တွင် ၎င်းတို့ထက် သာလွန်ကောင်းမွန်ပါသည်။ sustained loop တွင် 3,288MHz ပါဝင်ပြီး HP တွင် 3,232MHz နှင့် Yoga တွင် 3,015MHz ပါဝင်သည်။ Lenovo သည် Pro 9n ကို 80W အထိနှင့် Yoga ကို 70W ဖြင့် အဆင့်သတ်မှတ်ထားပြီး ထိုဘတ်ဂျက်ကို မျှဝေထားသော core နှစ်ခုနည်းသောကြောင့် Pro 9n သည် core တစ်ခုစီကို အပူချိန်နိမ့်တွင် ပိုမိုမြန်ဆန်စွာ လည်ပတ်နိုင်သည်။ ကျွန်ုပ်တို့စမ်းသပ်ခဲ့သော RTX Spark စနစ်တိုင်းကဲ့သို့ပင်၊ ၎င်းသည် ၎င်း၏ clock ကို loop တစ်ခုလုံးတွင် တည်ငြိမ်စွာထိန်းထားနိုင်ခဲ့သည်။
| ပျမ်းမျှ CPU နာရီ (MHz) | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Cinebench ၂ | 2,951 | 2,964 | 2,799 | 4,158 |
| 7-Zip | 2,849 | 2,862 | 2,722 | 4,014 |
| ငါး | 3,292 | 3,269 | 3,057 | 3,645 |
| Blender | 3,216 | 3,241 | 3,111 | 3,729 |
| HandBrake | 2,834 | 2,865 | 2,687 | 3,814 |
| LLVM တည်ဆောက်မှု | 3,197 | 3,193 | 3,083 | 3,697 |
| ဂရိုမက်စ် | 3,367 | 3,315 | 3,226 | 3,874 |
| OpenBLAS | 3,192 | 3,057 | 2,890 | 4,274 |
| ရေနွေးငွေ့ | 3,101 | 3,251 | 3,077 | 3,684 |
| Super Tux Kart | 2,017 | 2,008 | 2,002 | 4,349 |
| MLPerf ကလိုင်းယင့် | 2,027 | 2,241 | 1,935 | 3,593 |
| ကုဒ်ရေးအေးဂျင့် | မပြေးပါ | မပြေးပါ | 1,945 | 3,789 |
| အဝတ်စုတ် | 2,760 | 2,724 | 2,707 | 3,764 |
| စဉ်ဆက်မပြတ် ကွင်းဆက် | 3,288 | 3,232 | 3,015 | 3,726 |
SSD ကတော့ တစ်ခုတည်းသော နွေးထွေးတဲ့ အစိတ်အပိုင်းဖြစ်ပြီး Samsung drive က storage test မှာ 78°C အထိ ရောက်ရှိခဲ့ပြီး ဒီနှိုင်းယှဉ်မှုမှာ အပူဆုံးစနစ်ဖြစ်ပြီး 32GB OmniBook ရဲ့ Gen5 KIOXIA ထက် 14°C ပိုများပါတယ်။
သိုလှောင်ရေးစွမ်းဆောင်မှု
ကျွန်ုပ်တို့ရဲ့ သိုလှောင်မှုစမ်းသပ်မှုကို fio ရဲ့ ထောင့်လေးထောင့်ကို boot drive နဲ့ 5GB နဲ့ 25GB footprints တွေနဲ့ file system နဲ့ raw device တွေနဲ့ နှိုင်းယှဉ်ပြီး 25GB ရလဒ်တွေကို ဒီမှာ တင်ပြပါတယ်။ raw-device row တွေက NTFS နဲ့ BitLocker ကို ကျော်သွားတာကြောင့် နှစ်ခုကြားက ကွာဟချက်က drive တစ်ခုရဲ့ စွမ်းရည် ဘယ်လောက် Windows I/O path မှာ ရှင်သန်နေလဲဆိုတာကို ပြသပါတယ်။ BitLocker ကာကွယ်မှုကို Pro 9n နဲ့ Yoga မှာ ပိတ်ထားပြီး၊ OmniBook မှာတော့ ပိတ်ထားခဲ့ပါတယ်။
| fio၊ 25GB ပမာဏ၊ QD32 | ပရို ၉န် ၁၅ | OmniBook Ultra 16 (32GB) | ယောဂ ၉n ၂-in-၁ ၁၆ | Razer Blade ကို 16 |
|---|---|---|---|---|
| အဆင့်ဆင့်ဖတ်ရှုမှု 128K၊ ဖိုင်စနစ် (MB/s) | 7,024 | 10,509 | 6,874 | 7,125 |
| အဆင့်ဆင့်ဖတ်ရှုမှု 128K၊ raw device (MB/s) | 7,165 | 10,047 | 6,975 | 7,134 |
| အဆက်မပြတ်ရေးသားမှု 128K (MB/s) | 5,699 | 9,464 | 5,905 | 5,250 |
| ကျပန်းဖတ်ရှုမှု 4K၊ ဖိုင်စနစ်၊ အမြင့်ဆုံး (IOPS) | 338,936 | 289,024 | 394,468 | 694,597 |
| ကျပန်းဖတ်ရှုမှု 4K၊ raw device၊ အမြင့်ဆုံး (IOPS) | 973,106 | 1,412,982 | 765,766 | 993,050 |
| ကျပန်းရေးသားမှု 4K၊ အမြင့်ဆုံး (IOPS) | 192,000 | 226,661 | 68,923 | 648,446 |
| Raw / file system ကျပန်းဖတ်ရှုခြင်း | 2.87x | 4.89x | 1.94x | 1.43x |
| ကျပန်းဖတ်ရှုမှု 4K၊ အလုပ် ၄ ခု၊ p99 နှောင့်နှေးမှု (အမေရိကန်၊ နည်းလေ ပိုကောင်းလေ) | 578 | 494 | 522 | 444 |
| ကျပန်းရေးသားမှု 4K၊ အလုပ် ၄ ခု၊ p99 နှောင့်နှေးမှု (အမေရိကန်၊ နည်းလေ ပိုကောင်းလေ) | 758 | 602 | 12,255 | 371 |
| မောင်းနှင်မှုအပူချိန်၊ အမြင့်ဆုံး (C) | 78 | 64 | 67 | 60 |
Pro 9n ရဲ့ 1TB Samsung Gen4 drive ဟာ 7,024MB/s read လုပ်ပြီး 5,699MB/s write လုပ်နိုင်ပြီး Yoga နဲ့ Blade 16 ရဲ့ Gen4 drive တွေနဲ့ တူညီသလို OmniBook ရဲ့ Gen5 KIOXIA ရဲ့ သုံးပုံနှစ်ပုံလောက်နဲ့လည်း ညီမျှပါတယ်။ file system ကနေ random read လုပ်မှုကတော့ 338.9K IOPS အထိ ရောက်ရှိခဲ့ပြီး၊ raw-device ceiling 973.1K ကနေ HP ရဲ့ 289.0K ထက် သာလွန်ခဲ့ပါတယ်။ အဲဒီ 2.9x gap ဟာ OmniBook ရဲ့ 4.9x ထက် ပိုနည်းပြီး BitLocker ရဲ့ software encryption က HP ကို ပိုကုန်ကျစေတာ ကိုက်ညီပါတယ်။
ကျပန်းရေးသားမှု 192.0K IOPS ရောက်ရှိခဲ့ပြီး HP ရဲ့ 226.7K ထက် နိမ့်ကျပေမယ့် Yoga ရဲ့ QLC drive ထက် သုံးဆနီးပါး ပိုများပါတယ်။ Pro 9n ရဲ့ fio configuration ခြောက်ခုဟာ ပြန်လည်လည်ပတ်ပြီးနောက် ကျွန်ုပ်တို့ရဲ့ ၂ ရာခိုင်နှုန်းကန့်သတ်ချက်ထက် ပိုမိုကွဲပြားပြီး 5GB footprint မှာ တစ်စိတ်တစ်ပိုင်း၊ ကျပန်းဖတ်ရှုမှုများ၊ ကျပန်းရေးသားမှုများနှင့် အစဉ်လိုက်ဖတ်ရှုမှုတစ်ခု ပျံ့နှံ့သွားတယ်လို့ မှတ်သားထားပါတယ်။ Lenovo ဟာ Gen5 မှာ ဒုတိယ M.2 2242 drive အတွက် နေရာသတ်မှတ်ထားပြီး 20-core systems ရဲ့ အစဉ်လိုက်အမြန်နှုန်းကို လိုချင်တဲ့ ဝယ်ယူသူတွေအတွက် အဆင့်မြှင့်တင်မှုလမ်းကြောင်း ဖြစ်လာမှာပါ။
ကောက်ချက်
Lenovo Pro 9n 15 ဟာ 18-core RTX Spark silicon အတွက် ဆွဲဆောင်မှုရှိတဲ့ case တစ်ခု ဖြစ်စေပါတယ်။ Lenovo ရဲ့ thermal design နဲ့ 80W rating က 20-core clamshell တွေထက် 92 C peak မှာ all-core clocks တွေကို ထိန်းထားနိုင်စေတာကြောင့် 32GB OmniBook Ultra 16 ရဲ့ rendering မှာ 8 ရာခိုင်နှုန်းကနေ 11 ရာခိုင်နှုန်းအတွင်း ပြီးမြောက်ပြီး Stockfish နဲ့ OpenBLAS မှာ compile လုပ်ပြီး match လုပ်ပါတယ်။ သူ့ရဲ့ GPU သေးငယ်တဲ့ဟာက LLM token generation မှာ 2 ရာခိုင်နှုန်းကနေ 5 ရာခိုင်နှုန်းအထိ ကုန်ကျပြီး 3.64 pounds သာ ရှိပြီး Delta E နဲ့ 0.5 အောက် calibrated လုပ်ထားတဲ့ 165Hz OLED နဲ့ pen-enabled Force Pad တို့နဲ့ အပေါ့ပါးဆုံး system တစ်ခုဖြစ်ပါတယ်။
12GB GPU ကို 32GB ကနေ ခွဲထုတ်လိုက်ရင် 12.8GB gpt-oss:20b ကို မထိန်းထားနိုင်တာကြောင့် ဒီ configuration ရဲ့ ကန့်သတ်ချက်က မန်မိုရီတစ်ခုတည်းပါပဲ။ ဒါကြောင့် Pro 9n က model-load နဲ့ coding agent စမ်းသပ်မှုတွေမှာ မပါဝင်ပါဘူး။ သူ့ရဲ့ Gen4 SSD က OmniBook ရဲ့ Gen5 drive ရဲ့ sequential speed ရဲ့ သုံးပုံနှစ်ပုံလောက်နဲ့ ဖတ်နိုင်ပါတယ်။ ဒါပေမယ့် Lenovo ကတော့ second drive option ပေးထားပါတယ်။ platform မှာ Windows on Arm I/O path၊ x64 build တွေကို လိုက်နေတဲ့ SVT-AV1 လို Arm64 port တွေ၊ Razer Blade 16 က ဦးဆောင်တဲ့ single-threaded work တွေ ပါဝင်ပါတယ်။ အမြဲတမ်းလိုပဲ software ecosystem က ဒီ unit တွေ ထွက်လာတာနဲ့အမျှ မြန်မြန်ဆန်ဆန် တိုးတက်သွားမယ်လို့ မျှော်လင့်ပါတယ်။
RTX Spark CPU နဲ့ အပေါ့ပါးဆုံး ကိုယ်ထည်မှာ color-calibrated OLED ကို လိုချင်တဲ့ creator တွေနဲ့ developer တွေအတွက်၊ သူတို့ရဲ့ local AI လုပ်ဆောင်ချက်က မော်ဒယ်ငယ်လေးတွေမှာ ကိုက်ညီတဲ့ Pro 9n 15 ဟာ 20-core စနစ်တွေကို အနည်းငယ်သာ စွန့်လွှတ်ပြီး အလုပ်လုပ်နေချိန်မှာ ပိုအေးပါတယ်။ 20B ဒါမှမဟုတ် ပိုကြီးတဲ့ မော်ဒယ်တွေကို ဒေသတွင်းမှာ run ချင်တဲ့ ဝယ်ယူသူတွေဟာ memory ပိုများအောင် configure လုပ်သင့်ပါတယ် ဒါမှမဟုတ် 64GB ဒါမှမဟုတ် 128GB စနစ်တွေကို ရှာဖွေသင့်ပါတယ်။
ဦးဆောင်သူစာရင်း- Lenovo Pro 9n 15 သည် ကျွန်ုပ်တို့၏ ဒေသတွင်း AI ဦးဆောင်သူစာရင်း၏ RTX Spark အပိုင်းတွင် ကျွန်ုပ်တို့၏ client suite အသစ်တွင် စမ်းသပ်ထားသော အခြား N1X စနစ်များနှင့်အတူ ပေါ်လာပါသည်။
အမေဇုံ