Lenovo Yoga 9n 2-in-1 16 သည် NVIDIA RTX Spark N1X ကို convertible အဖြစ်သို့ ပြောင်းလဲပေးသည်- tablet နှင့် tent mode များအဖြစ် ခေါက်နိုင်သော hinge ပေါ်ရှိ ၁၆ လက်မ OLED touchscreen၊ pen-enabled haptic touchpad နှင့် ၀.၆၉ လက်မ အလူမီနီယမ် ကိုယ်ထည်။ ကျွန်ုပ်တို့၏ ယူနစ်တွင် 6,144-core Blackwell GPU၊ 64GB LPDDR5X နှင့် 1TB Gen4 SSD ပါဝင်သော 20-core N1X အပြည့်အစုံပါဝင်ပြီး Best Buy ၏ configuration မှာ $3,749.99 ဖြစ်သည်။ 18-core, 32GB, 1TB မော်ဒယ်ကို $3,099.99 ဖြင့် ရောင်းချသည်။
နှိုင်းယှဉ်မှုစနစ်သုံးခုက Yoga ရဲ့ရလဒ်တွေကို ပုံဖော်ပေးပါတယ်။ 128GB ပါတဲ့ HP OmniBook Ultra 16 မှာ တူညီတဲ့ 20-core N1X ကို 16 လက်မ clamshell ထဲမှာ သယ်ဆောင်ထားပြီး ကျွန်တော်တို့စမ်းသပ်ဖူးသမျှထဲမှာ အမြန်ဆုံး RTX Spark notebook ဖြစ်တာကြောင့် Yoga ရဲ့ cooler tuning လုပ်ဆောင်ချက်အတွက် စံနှုန်းတစ်ခုဖြစ်ပါတယ်။ Lenovo Pro 9n 15 ဟာ 18-core bin မှာ Yoga ရဲ့ညီအစ်မဖြစ်ပြီး Razer Blade 16 ဟာ x64 နယ်ပယ်မှာ ရပ်တည်နေပြီး RTX 5090 က ကျွန်တော်တို့ရဲ့ Surface Laptop Ultra သုံးသပ်ချက် မှာ အဲဒီအုပ်စုကို ဦးဆောင်ပြီးနောက်မှာ ရပ်တည်နေ ပါတယ်။ အဲဒီကနေစပြီး သုံးသပ်ချက်မှာ တည်ဆောက်မှုနဲ့ ဒီဇိုင်း၊ ဒေသတွင်း AI၊ CPU၊ မှတ်ဉာဏ်၊ ဂိမ်း၊ အပူချိန်နဲ့ သိုလှောင်မှုတို့ကို လွှမ်းခြုံထားပါတယ်။ ဘက်ထရီရလဒ်တွေကို စမ်းသပ်ချက်အသစ်ပြီးသွားတဲ့အခါ လိုက်လံပြသပါတယ်။
အပူချိန်က Yoga ကို သတ်မှတ်ပေးတဲ့ ရလဒ်ပါ- OmniBook ကို ၉၈ ဒီဂရီစင်တီဂရိတ်မှာ ထိန်းထားတဲ့ all-core load တွေအောက်မှာ Yoga ရဲ့ CPU ဟာ ၇၁ နဲ့ ၈၆ ဒီဂရီစင်တီဂရိတ်ကြားမှာ အမြင့်ဆုံးရောက်ရှိခဲ့ပြီး ၇၂ ဒီဂရီစင်တီဂရိတ်မှာ မိနစ် ၃၀ ကြာ လည်ပတ်မှုကို တစ်လှမ်းမှ မဆုံးရှုံးဘဲ လုပ်ဆောင်နိုင်ခဲ့ပါတယ်။ Lenovo က ပြန်လည်ဒီဇိုင်းထုတ်ထားတဲ့ thermal system ကို ချဲ့ထွင်ထားတဲ့ vents တွေနဲ့ မြှင့်တင်ထားတဲ့ thermal bump ကို ဂုဏ်ပြုပြီး convertible hinge က လေဝင်ပေါက်တွေနောက်မှာ လေဝင်ပေါက်တွေ ရွေ့လျားနိုင်အောင် အပိုနေရာချန်ထားပေးပါတယ်။ အပေးအယူကတော့ all-core clock နိမ့်ကျတာကြောင့် Yoga ဟာ single thread မှာ ကိုက်ညီနေချိန်မှာ multi-thread စမ်းသပ်မှုအများစုမှာ OmniBook ထက် ၄ ရာခိုင်နှုန်းကနေ ၁၀ ရာခိုင်နှုန်းအထိ နောက်ကျကျန်နေခဲ့ပါတယ်။
Key ကို Takeaways
- GPU မှတ်ဉာဏ် 32GB သည် ကျွန်ုပ်တို့၏ အဆင့် S မော်ဒယ်များကို အပြည့်အဝ အမြန်နှုန်းဖြင့် လည်ပတ်စေသည်- coding agent က gpt-oss:20b ကို တစ်စက္ကန့်လျှင် 58.0 tokens ဖြင့် ထုတ်ပေးပြီး 128GB OmniBook နှင့် နှုန်းတူဖြစ်ကာ MLPerf သည် ၎င်း၏ 5 ရာခိုင်နှုန်းအတွင်းသာ လည်ပတ်ခဲ့သည်။ Tier M's Qwen3.6-35B-A3B သည် GPU memory 40GB ခန့် လိုအပ်သောကြောင့် Yoga တွင် ၎င်းနှင့် မသက်ဆိုင်ပါ။
- ကျွန်ုပ်တို့စမ်းသပ်ဖူးသမျှထဲမှာ အကောင်းဆုံး RTX Spark notebook ကတော့ - Cinebench မှာ အမြင့်ဆုံးအပူချိန် ၇၂ ဒီဂရီစင်တီဂရိတ်နဲ့ sustained loop မှာ ၇၂ ဒီဂရီစင်တီဂရိတ်၊ OmniBook မှာ ၉၈ ဒီဂရီစင်တီဂရိတ်၊ ပထမအကြိမ် ၁၀၀ ရာခိုင်နှုန်းမှာ steady state ရှိပါတယ်။
- ၂၅ ဒီဂရီအတွက် CPU throughput ရာခိုင်နှုန်းအနည်းငယ်- Cinebench 2026 multi-core မှာ 6,292 မှတ်ရထားပြီး OmniBook ထက် ၁၀ ရာခိုင်နှုန်း နောက်ကျပြီး Razer Blade 16 ထက် ၂၂ ရာခိုင်နှုန်း ပိုများကာ HP နဲ့ တူညီတဲ့ single-core ရမှတ် ၅၅၇.၀ ရရှိထားပါတယ်။
- ဖန်တီးသူများအတွက် တည်ဆောက်ထားသော ပြောင်းလဲနိုင်သော အက်ပ်တစ်ခု- 1,100 nits အမြင့်ဆုံးအဆင့်ရှိတဲ့ 2.8K OLED၊ ပါဝင်တဲ့ Yoga Pen Gen 2 နဲ့ အလုပ်လုပ်တဲ့ haptic touchpad၊ လည်ပတ်နေတဲ့ soundbar ပေါ်က tweeter တွေနဲ့ ၄.၂၈ ပေါင်အလေးချိန်ရှိတဲ့ ကိုယ်ထည်မှာ 99.9Wh ဘက်ထရီတို့ ပါဝင်ပါတယ်။
- QLC သိုလှောင်မှု အားနည်းချက်ကတော့ - Gen4 QLC SSD သည် အစဉ်လိုက် 6,874MB/s ဖတ်ရှုနိုင်သော်လည်း 4K random writes ၏ 68.9K IOPS ကိုသာ စီမံခန့်ခွဲနိုင်ခဲ့ပြီး ယင်းသည် အုပ်စုတွင် အနိမ့်ဆုံးဖြစ်ပြီး cold model loads ကို ၂ စက္ကန့်ခန့် နှေးကွေးစေခဲ့သည်။
တည်ဆောက်ခြင်းနှင့်ဒီဇိုင်းဆွဲခြင်း
Yoga 9n 2-in-1 သည် Lenovo ၏ convertible layout ကို အသုံးပြုထားပြီး display ကို tablet၊ tent နှင့် stand mode များအဖြစ် ပြန်လည်ခေါက်သိမ်းနိုင်သော hinge ပါရှိသည်။ အပေါ်နှင့်အောက်ရှိ chassis သည် အလူမီနီယမ်ဖြစ်ပြီး Cosmic Blue ဖြင့် အပြီးသတ်ထားပြီး အပါးလွှာဆုံးတွင် 14.17 x 9.57 x 0.69 လက်မရှိပြီး အလေးချိန်မှာ 4.28 ပေါင်ဖြစ်သည်။ Lenovo က ဒီဇိုင်းသည် MIL-STD-810H စမ်းသပ်မှုကို အောင်မြင်ခဲ့ပြီး အောက်ခြေအဖုံးသည် ပြန်လည်အသုံးပြုထားသော အလူမီနီယမ် ၅၀ ရာခိုင်နှုန်းကို အသုံးပြုထားကြောင်း ပြောကြားခဲ့သည်။
လက်ထဲမှာ Yoga က Pro 9n နဲ့ လုံးဝန်းတဲ့အနားသတ်တွေနဲ့ port layout ကို မျှဝေထားပြီး အဖုံးကို သံလိုက်နဲ့ ပိတ်ထားနိုင်ပါတယ်။ ကီးဘုတ်က နံပါတ်ပြားပါတဲ့ full-size layout ဖြစ်ပြီး ခိုင်ခံ့တဲ့ အထိအတွေ့ကို ပေးစွမ်းနိုင်ပြီး ဖန် Force Pad က လက်နှစ်ဖက်စလုံးနဲ့ တစ်ပြိုင်နက် အလုပ်လုပ်နိုင်လောက်အောင် ကြီးမားပါတယ်။ Yoga က Pro 9n ထက် အနည်းငယ်ပိုကျယ်ပြီး tablet အသုံးပြုရန် မျက်နှာပြင်ကို အဆုံးထိ ခေါက်နိုင်တဲ့အတွက် heatsink vents တွေနဲ့ hinge ကြားမှာ Pro 9n ရဲ့ clamshell ဒီဇိုင်းထက် နေရာပိုလွတ်စေပါတယ်။
Yoga ဟာ ကျွန်တော်တို့စမ်းသပ်ခဲ့တဲ့ တခြား RTX Spark notebook တွေနဲ့ ကွဲပြားတဲ့ အအေးပေးစနစ်ပါ။ Lenovo က အပူချိန်ထိန်းညှိစနစ်ကို ပြန်လည်ဒီဇိုင်းထုတ်ထားပြီး အောက်ခြေမှာ အပူချိန်ထိန်းညှိခလုတ် မြင့်မားစွာ တပ်ဆင်ထားပါတယ်။ ပြီးတော့ ခေါက်လို့ရတဲ့ ပတ္တာကြောင့် လေဝင်လေထွက်ကောင်းသွားပါတယ်။ ရလဒ်အနေနဲ့ Stockfish မှာ CPU က 71°C ရှိပြီး OmniBook ကတော့ 98°C ရှိပါတယ်။ အပူချိန်ထိန်းညှိစနစ်က အပူချိန်ထိန်းညှိမှု နိမ့်ကျတဲ့ clock တွေကို ခွဲခြားပေးပါတယ်။
အောက်ခြေတွင် အပေါက်ဖောက်ထားသော intake grille သည် အောက်ခြေအဖုံး၏ နောက်ဘက်တစ်ဝက်၏ အများစုကို ဖုံးအုပ်ထားပြီး exhaust သည် hinge အောက်ရှိ နောက်ဘက်အစွန်းတစ်လျှောက်တွင် စီးဆင်းနေသည်။ အဖုံးကို ပိတ်ထားသောအခါ၊ ပန်ကာနှစ်ခုသည် နောက်ထောင့်များတွင် ရှိနေပြီး အပူပိုက်များပါရှိသော ကျယ်ပြန့်သော heatsink assembly တစ်ခုသည် ၎င်းတို့အကြားရှိ board ၏အလယ်ဗဟိုတွင် ဖြတ်သန်းသွားသည်။
ပထမတစ်ချက်ကြည့်လိုက်ရင် Pro 9n သုံးတဲ့ အအေးပေးစက်နဲ့ ပန်ကာတပ်ဆင်မှုတူတူပဲလို့ ထင်ရပေမယ့် Yoga 9n မှာတော့ လေမ၀င်တဲ့ ပန်ကာတစ်ခုပါပါတယ်။ Pro 9n မှာ ပန်ကာနှစ်ခုလုံးရဲ့ ပန်ကာဝင်ပေါက်ကို တစ်စိတ်တစ်ပိုင်းပိတ်ဆို့ထားတဲ့ လခြမ်းပုံအဖုံးလေးတွေပါရှိပါတယ်။ M.2 2242 SSD ကို ဘုတ်ရဲ့အလယ်မှာရှိတဲ့ အပူစုပ်စက်အောက်မှာ ထားပြီး Lenovo က ဒုတိယ M.2 slot ကို ဘေးမှာ ပေးထားပါတယ်။ 99.9Wh ဘက်ထရီက ကိုယ်ထည်ရဲ့ ရှေ့တစ်ဝက်ကို ဖြည့်ထားပြီး woofer အကာအရံတွေနဲ့ ဘေးတစ်ဖက်တစ်ချက်စီရဲ့ ရှေ့နားက အပေါက်တွေကနေ ထွက်လာပါတယ်။
Lenovo တွေကို တခြား NVIDIA မိုဘိုင်းပလက်ဖောင်းတွေနဲ့ ကွဲပြားစေတဲ့ ဒီဇိုင်းဆုံးဖြတ်ချက်တစ်ခုကတော့ 2242 M.2 bays နှစ်ခုပါဝင်ပြီး တချို့ကတော့ 2280 တစ်ခုတည်းကို အသုံးပြုထားပါတယ်။ ဒါကြောင့် Yoga မှာ ဒုတိယ drive option ရှိပေမယ့် 2242 SSD တွေက အရွယ်အစားသေးငယ်ပြီး storage section မှာ ပေါ်လာတဲ့ 2280 SSD တွေထက် စွမ်းဆောင်ရည်နိမ့်ပါတယ်။
၁၆ လက်မ PureSight Pro OLED touchscreen က 2880 x 1800 resolution နဲ့ လည်ပတ်ပြီး 30 မှ 120Hz အထိ refresh လုပ်နိုင်စေပါတယ်။ Lenovo က HDR မှာ အမြင့်ဆုံး 1,100 nits အထိ ပေးစွမ်းနိုင်ပြီး 100% sRGB နဲ့ P3 coverage ရရှိကာ Delta E under 1၊ Dolby Vision နဲ့ VESA DisplayHDR True Black 1000 အသိအမှတ်ပြုလက်မှတ် ရရှိထားပါတယ်။ အသံစနစ်မှာ 2W woofers လေးခုနဲ့ 2W tweeter နှစ်ခုကို လည်ပတ်နေတဲ့ soundbar hinge ပေါ်မှာ တွဲဖက်အသုံးပြုထားတာကြောင့် tweeter တွေက mode တိုင်းမှာ အသုံးပြုသူဘက်ကို မျက်နှာမူထားပါတယ်။
ကီးဘုတ်မှာ 1.5mm travel၊ backlight နဲ့ Copilot key တို့ပါရှိပါတယ်။ အောက်မှာ haptic Force Pad က Yoga Pen Gen 2 အတွက် drawing surface အဖြစ်လည်း အသုံးပြုနိုင်ပါတယ်။ AES 3.0 ကို ထောက်ပံ့ပေးပြီး pressure level 8,192 နဲ့ tilt လုပ်နိုင်ကာ USB-C ကနေ အားသွင်းနိုင်သလို အဖုံးရဲ့နောက်ဘက်မှာ ချိတ်ထားတဲ့ သံလိုက်အိတ်ထဲမှာလည်း သိမ်းဆည်းနိုင်ပါတယ်။ 9.2MP IR ကင်မရာမှာ electronic shutter တစ်ခုပါဝင်ပြီး မိုက်ခရိုဖုန်းသုံးခုက အသံကို ကိုင်တွယ်ပေးပါတယ်။
ဘယ်ဘက်ခြမ်းမှာ HDMI 2.1၊ 10Gbps မြန်နှုန်းရှိတဲ့ USB-A port တစ်ခု၊ 40Gbps မြန်နှုန်းရှိတဲ့ Power Delivery နဲ့ DisplayPort 2.1 ပါတဲ့ USB4 port တစ်ခုနဲ့ headphone jack တစ်ခု ပါဝင်ပြီး ညာဘက်ခြမ်းမှာတော့ power button၊ UHS-I SD reader တစ်ခု၊ ဒုတိယ USB4 port တစ်ခုနဲ့ ဒုတိယ USB-A port တစ်ခု ပါဝင်ပြီး USB-A port နှစ်ခုထဲက တစ်ခုကို အမြဲဖွင့်ထားပေးပါတယ်။ Wireless ကတော့ Wi-Fi 7 နဲ့ Bluetooth 5.4 ပါဝင်ပြီး 99.9Wh ဘက်ထရီက Rapid Charge Express ကို ထောက်ပံ့ပေးထားပြီး Lenovo က မိနစ် ၁၅ အားသွင်းရုံနဲ့ ၃ နာရီ အသုံးပြုနိုင်တယ်လို့ ပြောပါတယ်။
RTX Spark N1X ပလက်ဖောင်း
RTX Spark သည် DGX Spark ရှိ GB10 ၏ လက်ပ်တော့ညီအစ်ကိုဖြစ်သော N1X superchip ပေါ်တွင် တည်ဆောက်ထားသော Windows PC မိသားစု ဖြစ်ပြီး ကျွန်ုပ်တို့၏ Surface Laptop Ultra သုံးသပ်ချက် တွင် ပလက်ဖောင်းအကြောင်းကို ဖော်ပြထားသည်။ Yoga တွင် ထိပ်တန်း silicon ပါဝင်ပြီး 20-core Grace CPU (SMT မပါဘဲ ပိုမြန်သော core ၁၀ ခုနှင့် စွမ်းဆောင်ရည်မြင့် core ၁၀ ခု) နှင့် 6,144-core Blackwell RTX GPU တို့ဖြင့် တွဲဖက်ထားသည်။
NVIDIA က လက်တော့ပ် N1X ဒီဇိုင်းတွေကို ၄၅ မှ ၈၀ ဝပ် ပါဝါအကွာအဝေး ပေးထားပြီး၊ OEM တစ်ခုက သူ့ရဲ့ notebook ကို အဲဒီအကွာအဝေးအတွင်း ဘယ်လိုအအေးပေးသလဲဆိုတာက ဆီလီကွန်လိုပဲ ရလဒ်တွေကို သက်ရောက်မှုရှိပါတယ်။ Lenovo က Yoga ကို 70W အဆင့်သတ်မှတ်ထားပြီး၊ HP က OmniBook ကို 70W အထိ အဆင့်သတ်မှတ်ထားပြီး Lenovo က Pro 9n ကို 80W အထိ အဆင့်သတ်မှတ်ထားပေမယ့် ဒီသုံးခုစလုံးဟာ တူညီတဲ့ ဝန်တွေအောက်မှာ မတူညီသော clocks နဲ့ အပူချိန်တွေမှာ လည်ပတ်ပါတယ်။
N1X ရဲ့ LPDDR5X ကို CPU နဲ့ GPU ကြားမှာ မျှဝေထားပြီး BIOS မှာမဟုတ်ဘဲ NVIDIA app မှာ setting ရှိပြီး Windows က GPU ကို ဘယ်လောက်ထိ ထောက်ပံ့ပေးထားလဲဆိုတာကို ဆုံးဖြတ်ပေးတာကြောင့် desktop ကနေ ပိုင်းခြားမှုကို ပြောင်းလဲနိုင်ပါတယ်။
ကျွန်တော်တို့ရဲ့ 64GB Yoga မှာ 32GB GPU/32GB CPU ခွဲထားပါတယ်။ အဲဒါက ကျွန်တော်တို့ရဲ့ tier S local AI မော်ဒယ်တွေအတွက် အရည်အချင်းပြည့်မီပေမယ့် 40GB လောက်လိုအပ်တဲ့ tier M အတွက်တော့ အရည်အချင်းမပြည့်မီပါဘူး။ RTX Spark စနစ်တိုင်းလိုပဲ မှတ်ဉာဏ်က ဝယ်ယူတဲ့အခါ အရွယ်အစားဆုံးဖြတ်ချက်ချတဲ့အခါ အသိပေးသင့်တဲ့ ကန့်သတ်ချက်ပါ။
ပုံသေခွဲထုတ်ခြင်းသည် NVIDIA ၏ ကန့်သတ်ချက်မဟုတ်ဘဲ Windows ကန့်သတ်ချက်တစ်ခုဖြစ်သည်။ Windows သည် DGX Spark ရှိ Linux stack ကဲ့သို့ CPU နှင့် GPU တစ်လျှောက်တွင် unified memory ကို ပံ့ပိုးမှုမပေးသေးပါ၊ ထို့ကြောင့် allocation ကို ကြိုတင်သတ်မှတ်ရမည်ဖြစ်သည်။ NVIDIA နှင့် Microsoft တို့သည် ပံ့ပိုးမှုအပေါ် လုပ်ဆောင်နေကြောင်း ကျွန်ုပ်တို့ နားလည်ပါသည်။
Windows 11 26H1 သည် Arm64 တွင် အလုပ်လုပ်ပြီး x64 application များသည် Prism emulation ကို ဖြတ်သန်းသွားပြီး ကျွန်ုပ်တို့၏ suite သည် open-source workload တိုင်း၏ native Arm64 build များကို အသုံးပြုသောကြောင့် CPU row များသည် silicon နှင့် နှိုင်းယှဉ်နိုင်ပါသည်။
Lenovo Yoga 9n 2-in-1 16 သတ်မှတ်ချက်များ
| specification | Lenovo Yoga 9n 2-in-1 16 (83N7000UUS) |
|---|---|
| ပလက်ဖောင်းခြုံငုံသုံးသပ်ချက် | |
| processor ကို | NVIDIA RTX Spark N1X၊ 6,144-core Blackwell RTX GPU ပါရှိသော 20-core CPU (စမ်းသပ်ပြီး) NVIDIA RTX Spark N1X၊ 18-core CPU ပါ၀င်ပြီး 5,120-core Blackwell RTX GPU ပါဝင်သည် |
| မှတ်ဉာဏ် | 64GB ဂဟေဆက်ထားသော LPDDR5X-9400၊ 256-bit (စမ်းသပ်ပြီး); 64GB အထိ 32GB GPU / 32GB စနစ်ခွဲထုတ်ခြင်း (စမ်းသပ်ပြီး) |
| သိုလှောင်ခြင်း | 1TB PCIe Gen4 QLC M.2 2242 SSD Sandisk PC SN5100S 1TB (စမ်းသပ်ပြီး) |
| ကွန်ပျူတာစက်လည်ပတ်ရေးစနစ်ပရိုဂရမ် | Windows 11 (Arm64); စမ်းသပ်ပြီးသော Windows 11 Home |
| မျက်နှာပြင်နှင့် I/O | |
| မျက်နှာပြင် | ၁၅.၃ လက်မ 2.8K (2880 x 1800) PureSight Pro OLED မျက်နှာပြင်၊ 30-120Hz VRR၊ 16:10 1,100 nits အမြင့်ဆုံး (HDR)၊ 100% sRGB နှင့် P3၊ Delta E <1၊ Dolby Vision VESA DisplayHDR True Black 1000၊ ဖန် |
| ဆိပ်ကမ်းများ | ၂ x USB4 40Gbps (USB PD 3.0၊ DisplayPort 2.1) ၂ x USB-A 10Gbps (တစ်ခု အမြဲဖွင့်ထားသည်) HDMI 2.1 ၁ ခု (8K/60Hz အထိ) ၁ x SD ကတ်ဖတ်စက် (UHS-I) 1x နားကြပ်/မိုက်ခရိုဖုန်း ပေါင်းစပ်ဂျက် |
| ကြိုးမဲ့ | Wi-Fi 7 (802.11be 2×2)၊ Bluetooth 5.4 |
| ကင်မရာ | အီလက်ထရွန်းနစ်ရှပ်တာပါသည့် 9.2MP + IR |
| audio | စပီကာခြောက်လုံး- လည်ပတ်နေသော soundbar ပေါ်ရှိ 4x 2W woofers၊ 2x 2W tweeters; Dolby Atmos မိုက်ခရိုဖုန်း ၃ ခု |
| input | Backlit ကီးဘုတ်၊ ၁.၅ မီလီမီတာ ခရီးသွား၊ Copilot ကီး ဘောပင်ထောက်ပံ့မှုပါရှိသော Haptic Force Pad Yoga Pen Gen 2 (AES 3.0၊ ဖိအားအဆင့် ၈၁၉၂ ပါဝင်သည်) |
| တန်ခိုးနှင့်ရုပ် | |
| ဘက်ထရီ | 99.9Wh၊ အမြန်အားသွင်းအမြန် |
| အပူဒီဇိုင်း | ကျယ်လာတဲ့ လေဝင်ပေါက်တွေနဲ့ အပူဒဏ်ခံနိုင်တဲ့ အစိတ်အပိုင်းတွေ၊ 70W TDP (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 | Cosmic Blue၊ အလူမီနီယမ်အပေါ်နှင့်အောက်ခြေ၊ MIL-STD-810H စမ်းသပ်ပြီး |
| စျေးနှုန်း | |
| ဈေးနှုန်း (အကောင်းဆုံးဝယ်ယူမှု) | $3,099.99 (18-core, 32GB, 1TB); $3,749.99 (20-core, 64GB, 1TB, စမ်းသပ်ပြီး) |
စမ်းသပ်ခြင်း Setup နှင့်နည်းစနစ်
ကျွန်ုပ်တို့၏ Yoga 9n 2-in-1 သုံးသပ်ချက်စနစ်သည် RTX Spark N1X ကို ၎င်း၏ 6,144-core Blackwell GPU၊ GPU နှင့် စနစ်အကြား 32/32 ပိုင်းခြားထားသော 64GB LPDDR5X-9400 နှင့် Windows 11 Home 26H1 (Arm64) တွင် 1TB Sandisk SN5100S Gen4 SSD တို့ဖြင့် လည်ပတ်သည်။ Benchmarks များကို Lenovo ၏ Performance mode တွင် လည်ပတ်သည်။
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 |
|---|---|---|---|---|---|
| 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 |
| 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 |
| 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 |
အောက်ဖော်ပြပါဇယားများတွင် အညွှန်းနှစ်ခု ထပ်ခါတလဲလဲပေါ်လာသည်။ “မလည်ပတ်ဘူး” ဆိုသည်မှာ ဟာ့ဒ်ဝဲသည် အရည်အချင်းမပြည့်မီသောကြောင့် စမ်းသပ်မှုစတင်ရန် ငြင်းဆန်ခြင်းဖြစ်ပြီး၊ မော်ဒယ်တစ်ခုသည် ရရှိနိုင်သော GPU မှတ်ဉာဏ်ထက် ကျော်လွန်နေသောကြောင့်ဖြစ်သည်- Yoga ၏ 32GB နှင့် Blade 16 ၏ 24GB သည် ၎င်းတို့ကို အဆင့် M အောက်တွင်ထားရှိပြီး Pro 9n ၏ 12GB သည် ၎င်းကို အဆင့်နှစ်ခုလုံးအောက်တွင်ထားရှိသည်။ အညွှန်းတစ်ခုတည်းသည် 12GB Pro 9n တွင် မှတ်ဉာဏ်အတွက် ကျော်သွားသော OpenBLAS အရွယ်အစားကို အမှတ်အသားပြုသည်။
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 လည်ပတ်သည့်နေရာတွင် data ကို ထိုအတိုင်း label လုပ်ထားသည်။
ဒေသတွင်း AI စွမ်းဆောင်ရည်
ဒေသတွင်း AI သည် GPU သည် မော်ဒယ်တစ်ခုကို မည်မျှမြန်ဆန်စွာ လုပ်ဆောင်သည်နှင့် မော်ဒယ်သည် ကိုက်ညီမှုရှိမရှိအပေါ် မူတည်သည်။ Yoga ၏ GPU အသုံးပြုနိုင်သော 32GB မှတ်ဉာဏ်သည် ကျွန်ုပ်တို့၏ အဆင့် S မော်ဒယ် gpt-oss:20b ကို 128GB OmniBook ကဲ့သို့ ထုတ်လုပ်မှုနှုန်းဖြင့် လုပ်ဆောင်သော်လည်း OmniBook ၏ 62.5GB သည် အကျိုးအမြတ်ရရှိစေသည့် အဆင့် M ထက် ကျော်လွန်နေပါသည်။
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 ဖြင့် 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 အကြိမ်များစွာ ခေါ်ဆိုပါသည်။
| MLPerf ကလိုင်းယင့် v2.0 | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| လာမာ ၃.၁ ၈ဘီ၊ ပထမဆုံးတိုကင်သို့ရောက်ရှိချိန်၊ ဂျီဩမေတြီ (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ) | 0.353 | 0.274 | 0.303 | 0.149 |
| လာမာ ၃.၁ ၈ဘီ၊ တိုကင်နှုန်း၊ ဂျီဩမေတြီပျမ်းမျှ (tok/s) | 54.4 | 56.5 | 55.1 | 128.8 |
| Phi-4-mini၊ ပထမဆုံးတိုကင်အတွက်အချိန်၊ geomean (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ) | 0.158 | 0.130 | 0.135 | 0.074 |
| Phi-4-mini၊ တိုကင်နှုန်း၊ ဂျီအိုမီယန် (tok/s) | 91.8 | 96.8 | 95.2 | 222.7 |
| ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ အေးဂျင့်၊ အဆုံးမှအဆုံး (များသော၊ နိမ့်လေ ပိုကောင်းလေ) | 59.7 | 53.0 | 56.2 | 27.8 |
| ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ အေးဂျင့်၊ တိုကင်နှုန်း (tok/s) | 45.3 | 48.5 | 46.9 | 108.3 |
| SWE အေးဂျင့်၊ အဆုံးမှအဆုံး (များလေ၊ နိမ့်လေ ပိုကောင်းလေ) | 51.6 | 45.3 | 48.0 | 24.6 |
| SWE အေးဂျင့်၊ တိုကင်နှုန်း (tok/s) | 43.0 | 46.6 | 44.5 | 102.5 |
Yoga သည် Llama 3.1 8B ကို တစ်စက္ကန့်လျှင် 54.4 tokens ဖြင့် ထုတ်လုပ်ခဲ့ပြီး Phi-4-mini သည် OmniBook ထက် 91.8%၊ 4% နှင့် 5% နောက်ကျခဲ့သည်။ ပထမဆုံး token တွင် ကွာဟချက်သည် ပိုမိုကျယ်ပြန့်လာပြီး memory bandwidth ထက် compute ကို ပိုမိုအားကိုးသည်- Yoga သည် Llama 3.1 တွင် 0.353 စက္ကန့်ကြာပြီး HP တွင် 0.274 စက္ကန့်ကြာပြီး 18-core Pro 9n ထက်လည်း နောက်ကျကျန်ခဲ့သည်။ ထိုပုံစံသည် Lenovo ၏ cooler tuning သည် GPU နှင့် CPU နှစ်ခုလုံးကို ရောက်ရှိကြောင်း ညွှန်ပြသည်၊ အဘယ်ကြောင့်ဆိုသော် Yoga သည် N1X စနစ်သုံးခုတွင် အနိမ့်ဆုံး CPU clock တွင် MLPerf ကို run သောကြောင့်ဖြစ်သည်။
အေးဂျင့်ဆိုင်ရာ အခြေအနေများတွင် Yoga သည် data analyst အတွက် ၅၉.၇ စက္ကန့်နှင့် software engineering agent အတွက် ၅၁.၆ စက္ကန့် ကြာမြင့်ပြီး OmniBook ထက် ၁၃ မှ ၁၄ ရာခိုင်နှုန်း ပိုကြာပြီး Blade 16 သည် Yoga ၏ အချိန်ထက် ထက်ဝက်အောက်ဖြင့် နှစ်ခုစလုံးကို အပြီးသတ်ခဲ့သည်။
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) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| gpt-oss:20b၊ ပထမဆုံးတိုကင်ကို အအေးခံပါ (s၊ နိမ့်လေ ပိုကောင်းလေ) | 8.06 | 6.23 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 8.71 |
| gpt-oss:20b၊ ပထမဆုံးတိုကင်သို့ နွေးနွေးလေးတင်ပါ (s၊ နိမ့်လေ ပိုကောင်းလေ) | 3.60 | 3.59 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 6.93 |
| gpt-oss:20b၊ အအေးခံထားစဉ် ဖတ်ရှုမှုပမာဏ (MB/s) | 2,480 | 3,044 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 3,874 |
| Qwen3.6-35B-A3B၊ ပထမဆုံးတိုကင်သို့ အအေးခံပါ (s၊ နိမ့်လေ ပိုကောင်းလေ) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 9.04 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
| Qwen3.6-35B-A3B၊ ပထမဆုံးတိုကင်သို့ နွေးထားသောဝန် (s၊ နိမ့်လေ ပိုကောင်းလေ) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 4.23 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
နွေးနွေးထွေးထွေးပြောရရင် Yoga က gpt-oss:20b ကို ပထမဆုံး token မှာ 3.60 စက္ကန့်အတွင်း ယူဆောင်လာခဲ့ပြီး OmniBook ရဲ့ 3.59 နဲ့ တူညီပါတယ်။ အေးအေးချမ်းချမ်းနဲ့ဆိုရင် 6.23 စက္ကန့်နဲ့ ယှဉ်ရင် 8.06 စက္ကန့်ပဲ ကြာပါတယ်။ ဘာလို့လဲဆိုတော့ QLC drive က load လုပ်နေချိန်မှာ 2,480MB/s နှုန်းနဲ့ ဖတ်ပြီး OmniBook ရဲ့ Gen5 drive က 3,044MB/s နှုန်းနဲ့ ဖတ်လို့ပါ။ Blade 16 က အနှေးဆုံး၊ အအေးဆုံးနဲ့ အနွေးဆုံးဖြစ်ပြီး 8.71 စက္ကန့်နဲ့ 6.93 စက္ကန့်ပဲ ကြာပါတယ်။ ဘာလို့လဲဆိုတော့ weight တွေက PCIe ကို ဖတ်ပြီးရင် VRAM ထဲကို ဖြတ်သွားရမှာမို့လို့ပါ။
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၊ အောင်မြင်သော အရေအတွက်နှင့် generation rate ကို ကျွန်ုပ်တို့ တင်ပြပါသည်။ agent-beside-user test သည် agent နှင့် Speedometer ကို အတူတကွ လုပ်ဆောင်ပြီး တစ်ခုတည်း လုပ်ဆောင်ခြင်းနှင့် နှိုင်းယှဉ်ပါက တစ်ခုချင်းစီ မည်မျှ နှေးကွေးသွားသည်ကို တင်ပြသည်။
| Codex CLI ကုဒ်ရေးအေးဂျင့် | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Tier S၊ gpt-oss:20b 64K: နံရံအချိန် (s၊ ပိုနိမ့်လေ ပိုကောင်းလေ) | 132.5 | 115.3 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 64.4 |
| အဆင့် S: အောင်မြင်မှုများ (၃ ခုအနက်) | 2 | 3 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 2 |
| အဆင့် S: ထုတ်လုပ်မှုနှုန်း (tok/s) | 58.0 | 58.0 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 137.9 |
| Tier M၊ gpt-oss:20b 128K: နံရံအချိန် (s၊ နိမ့်လေ ပိုကောင်းလေ) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 152.1 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
| Tier M၊ gpt-oss:20b 128K: အောင်မြင်မှုများ (၃ ခုအနက်) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 3 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
| Tier M၊ Qwen3.6-35B-A3B 64K: နံရံအချိန် (s၊ နိမ့်လေ ပိုကောင်းလေ) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 72.0 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
| Tier M၊ Qwen3.6-35B-A3B 64K: အောင်မြင်မှုများ (၃ ခုအနက်) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 3 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
| Tier M၊ Qwen3.6-35B-A3B 64K: ထုတ်လုပ်မှုနှုန်း (tok/s) | မလည်ပတ်ပါ (32GB GPU မှတ်ဉာဏ်၊ အဆင့် M အောက်) | 89.5 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | မလည်ပတ်ပါ (24GB VRAM၊ အဆင့် M အောက်) |
| အေးဂျင့်ဘေးရှိ မြန်နှုန်းပြကိရိယာ (ရမှတ်) | 14.1 | 21.2 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 36.3 |
| အေးဂျင့်ဘေးရှိ မြန်နှုန်းပြကိရိယာ နှေးကွေးခြင်း (x၊ နိမ့်လေ ပိုကောင်းလေ) | 2.44 | 1.73 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 1.06 |
| Speedometer ဘေးတွင် Agent နှေးကွေးခြင်း (x၊ နိမ့်လေ ပိုကောင်းလေ) | 1.03 | 1.04 | မလည်ပတ်ပါ (12GB GPU မှတ်ဉာဏ်) | 1.05 |
Tier S လုပ်ငန်းမှာ Yoga ဟာ OmniBook နဲ့ တူညီတဲ့ တစ်စက္ကန့်ကို 58.0 tokens နဲ့ ထုတ်ပေးခဲ့ပြီး HP ရဲ့ 115.3 ထက် နှေးကွေးတဲ့ 132.5 စက္ကန့်နဲ့ ပြီးမြောက်ခဲ့ပါတယ်။ Blade 16 နဲ့ အတူတူပဲ သုံးကြိမ်မှာ နှစ်ကြိမ် အောင်မြင်ခဲ့ပါတယ်။ gpt-oss:20b ဟာ ကျွန်တော်တို့ စမ်းသပ်ထားတဲ့ စနစ်အတော်များများမှာ ဒီလုပ်ငန်းကို သုံးကြိမ်မှာ တစ်ကြိမ်လောက် အောင်မြင်ခဲ့ပါတယ်။ ဒါကြောင့် အောင်မြင်မှု အရေအတွက်က ဟာ့ဒ်ဝဲထက် မော်ဒယ်အကြောင်းကို ပိုပြောပြပါတယ်။ Blade 16 ဟာ တစ်စက္ကန့်ကို 137.9 tokens နဲ့ 64.4 စက္ကန့်နဲ့ ပြီးမြောက်ခဲ့ပါတယ်။
Yoga မှာ တစ်ပြိုင်နက်တည်း စမ်းသပ်မှုက အခက်ခဲဆုံးပါ။ agent ကို လည်ပတ်နေချိန်မှာ Speedometer ရမှတ်က ၃၆.၁ ကနေ ၁၄.၁ ကို ကျဆင်းသွားပြီး ၂.၄၄ ဆ နှေးကွေးသွားပါတယ်။ OmniBook မှာ ၁.၇၃x နဲ့ Blade 16 မှာ ၁.၀၆x ရှိပြီး discrete GPU မှာ လည်ပတ်ပြီး CPU ကို ချန်ထားခဲ့ပါတယ်။ agent ကိုယ်တိုင်က ၃ ရာခိုင်နှုန်းသာ နှေးကွေးတာကြောင့် Yoga က browser ထက် background job ကို ပိုနှစ်သက်ပါတယ်။ နှစ်ခုစလုံးက power budget နဲ့ shared memory အတွက် ယှဉ်ပြိုင်နေချိန်မှာပါ။
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 အလုပ်လုပ်သောကြောင့် ၎င်းသည် မြန်နှုန်းနှိုင်းယှဉ်ချက်တစ်ခုဖြစ်သည်။
| အဝတ်စုတ် | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| နံရံကို စုပ်ယူချိန်၊ ၂၀,၉၆၃ ပိုဒ် (စက္ကန့်၊ နည်းလေ ပိုကောင်းလေ) | 188.8 | 187.0 | 191.8 | 131.0 |
| ပြန်လည်ရယူရန် မေးမြန်းချိန်၊ p50 (ms၊ ပိုနည်းလေ ပိုကောင်းလေ) | 22.6 | 23.3 | 24.2 | 20.9 |
| အဖြေ၊ Phi-4-mini ပထမဆုံးတိုကင်သို့ရောက်ရှိရန်အချိန်၊ p50 (s၊ နိမ့်လေကောင်းလေ) | 0.181 | 0.155 | 0.171 | 0.109 |
| အဖြေ၊ လျင်မြန်စွာ လုပ်ဆောင်ခြင်း (tok/s) | 5,837 | 7,142 | 6,268 | 11,560 |
| အဖြေ၊ ထုတ်လုပ်မှုနှုန်း (tok/s) | 91.1 | 104.4 | 96.6 | 209.2 |
| မေးခွန်းမှ အဖြေသို့၊ စာမျက်နှာ ၅၀ (s၊ နိမ့်လေ ပိုကောင်းလေ) | 0.262 | 0.227 | 0.252 | 0.159 |
| အဖြေ F1 (%) | 73.97 | 73.97 | 74.27 | 74.47 |
Yoga ဟာ ingest လုပ်တဲ့အခါ (၁၈၈.၈ စက္ကန့် vs ၁၈၇.၀ စက္ကန့်) နဲ့ retrieval လုပ်တဲ့အခါ OmniBook နဲ့ တူညီပေမယ့် ဖြေဆိုတဲ့အခါ နောက်ကျကျန်နေခဲ့ပါတယ်။ Phi-4-mini ဟာ တစ်စက္ကန့်ကို တိုကင် ၅,၈၃၇ နဲ့ တိုကင် ၇,၁၄၂ နဲ့ ထုတ်ပေးပြီး ၉၁.၁ နဲ့ ထုတ်ပေးပြီး ၁၀၄.၄ နဲ့ ညီမျှပါတယ်။ ပုံမှန်မေးခွန်းတစ်ခုဟာ မေးမြန်းချက်ကနေ အဖြေရဖို့ ၀.၂၆၂ စက္ကန့်ကြာပြီး HP မှာ ၀.၂၂၇ နဲ့ Blade 16 မှာ ၀.၁၅၉ စက္ကန့်သာ ကြာပါတယ်။ Yoga နဲ့ OmniBook မှာ တိကျမှု အတူတူပါပဲ။
CPU စွမ်းဆောင်ရည်
Yoga ရဲ့ CPU ရလဒ်တွေက စည်းမျဉ်းတစ်ခုနဲ့ ကိုက်ညီပါတယ်။ OmniBook ကို single thread မှာ ကိုက်ညီစေပြီး core အားလုံးမှာ လိုက်လံစစ်ဆေးပါတယ်။ Single-threaded row တွေက HP ရဲ့ ၂ ရာခိုင်နှုန်းအတွင်းမှာပဲ ရှိပြီး Yoga က RTX Spark စနစ်တွေထဲမှာ အကောင်းဆုံး 7-Zip single-thread၊ PyPerformance go နဲ့ regex_compile ရလဒ်တွေကို ရရှိထားပါတယ်။ Multi-threaded row တွေက ၂ ရာခိုင်နှုန်းကနေ ၂၈ ရာခိုင်နှုန်းအထိ နောက်ကျကျန်နေပြီး အများစုကတော့ ၄ ရာခိုင်နှုန်းကနေ ၁၀ ရာခိုင်နှုန်းအထိ နောက်ကျကျန်နေပြီး Stockfish နဲ့ OpenBLAS မှာ ကွာဟချက် အများဆုံးဖြစ်ပါတယ်။ Razer Blade 16 နဲ့ ယှဉ်ရင် Yoga က rendering, compression နဲ့ compile တွေမှာ အနိုင်ရနေဆဲပါ။
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) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| single-core | 557.0 | 558.6 | 518.2 | 480.0 |
| SMT single core | N / A | N / A | N / A | 661.3 |
| Multi Core | 6,292 | 7,004 | 6,394 | 5,179 |
| စဉ်ဆက်မပြတ် ကွင်းဆက်၊ ပထမအကြိမ် | 6,248 | 6,954 | 6,346 | 5,162 |
| စဉ်ဆက်မပြတ်လည်ပတ်မှု၊ တည်ငြိမ်သောအခြေအနေ | 6,256 | 6,942 | 6,416 | 5,206 |
| တည်ငြိမ်သောအခြေအနေ / ပထမအကြိမ်အောင်မြင်ခြင်း | 1.001 | 0.998 | 1.011 | 1.009 |
Yoga ဟာ multi-core ရမှတ် ၆,၂၉၂ ရရှိခဲ့ပြီး OmniBook ရဲ့ ၇,၀၀၄ ထက် ၁၀ ရာခိုင်နှုန်း လျော့နည်းကာ 18-core Pro 9n ထက် ၂ ရာခိုင်နှုန်း လျော့နည်းကာ Blade 16 ထက် ၂၂ ရာခိုင်နှုန်း ပိုများပါတယ်။ single-core ရမှတ် ၅၅၇.၀ ရရှိခဲ့ပြီး HP နဲ့ တူညီပါတယ်။ သူ့ရဲ့ sustained loop က ဒီမှာ flatest ဖြစ်ပါတယ်။ ၆,၂၅၆ ရဲ့ steady state က ပထမအကြိမ်ရဲ့ ၁၀၀.၁ ရာခိုင်နှုန်းမှာ ရှိနေပြီး CPU က ၇၂ C နဲ့ 3,015MHz 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) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| စုစုပေါင်း | 9.12 | 9.09 | 8.93 | 9.24 |
| သိပ် | 7.35 | 7.31 | 7.26 | 7.28 |
| ဒီဇင်ဘာ | 10.88 | 10.87 | 10.59 | 11.20 |
7-Zip မှာ Yoga ဟာ thread အားလုံးမှာ 145.3 GIPS ရရှိခဲ့ပြီး OmniBook ထက် ၄ ရာခိုင်နှုန်း နောက်ကျပြီး Blade 16 ထက် ၁၅ ရာခိုင်နှုန်း နောက်ကျခဲ့ပါတယ်။ thread တစ်ခုတည်းနဲ့ ရတဲ့ 9.12 GIPS ဟာ RTX Spark စနစ်တွေထဲမှာ အကောင်းဆုံးပါပဲ။ Blender က Monster မှာ HP ထက် ၅ ရာခိုင်နှုန်းနဲ့ Classroom မှာ ၅ ရာခိုင်နှုန်း နောက်ကျနေပြီး LLVM တည်ဆောက်မှုက ၂၀၆.၆ စက္ကန့်နဲ့ Blade 16 ထက် ၃၄ ရာခိုင်နှုန်း လျော့နည်းပြီး ၂၁၇.၂ စက္ကန့်သာ ကြာမြင့်ခဲ့ပါတယ်။
HandBrake ရဲ့ x265 encode ဟာ 38.6 fps မှာ လည်ပတ်ပြီး OmniBook ထက် ၆ ရာခိုင်နှုန်း နောက်ကျပါတယ်။ SVT-AV1 ဟာ RTX Spark စနစ်တိုင်းမှာ 15 fps လောက် လည်ပတ်နိုင်ပြီး Blade 16 မှာတော့ 77.3 fps သာ လည်ပတ်တာကြောင့် SVT-AV1 ရဲ့ Arm64 code path က အတားအဆီးဖြစ်စေတယ်လို့ ဖော်ပြနေပါတယ်။
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 | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Stockfish bench၊ ချည်မျှင်အားလုံး (Mnps၊ မြင့်လေ ပိုကောင်းလေ) | 13.42 | 16.28 | 15.20 | 17.96 |
| Stockfish bench၊ ချည်တစ်ချောင်း (Mnps၊ မြင့်လေ ပိုကောင်းလေ) | 1.72 | 1.73 | 1.70 | 2.04 |
| primesieve 1e12၊ ချည်အားလုံး (s၊ နိမ့်လေ ပိုကောင်းလေ) | 10.77 | 9.57 | 10.56 | 10.60 |
| primesieve 1e11၊ ချည်တစ်ခု (s၊ နိမ့်လေ ပိုကောင်းလေ) | 12.01 | 12.03 | 12.34 | 6.67 |
| PyPerformance go (ms၊ နိမ့်လေ ပိုကောင်းလေ) | 110.6 | 111.2 | 114.1 | 75.2 |
| PyPerformance nbody (ms၊ ပိုနည်းလေ ပိုကောင်းလေ) | 80.5 | 80.4 | 82.5 | 60.8 |
| PyPerformance regex_compile (ms၊ ပိုနည်းလေ ပိုကောင်းလေ) | 84.3 | 84.6 | 86.7 | 69.7 |
| Speedometer ၃.၁၊ Edge (ရမှတ်မြင့်လေ ပိုကောင်းလေ) | 36.1 | 36.7 | 33.9 | 38.4 |
| x64 7-Zip ကို emulation အောက်တွင်၊ thread အားလုံး (GIPS) | 124.3 | 127.0 | 117.6 | မရှိပါ (မူရင်း x64) |
| x64 7-Zip ကို emulation အောက်တွင်၊ thread တစ်ခု (GIPS) | 8.25 | 8.26 | 7.94 | မရှိပါ (မူရင်း x64) |
Stockfish က clock gap ကို အရှင်းလင်းဆုံးပြသထားပါတယ်- thread အားလုံးမှာ Yoga က 13.42 Mnps ရှာဖွေခဲ့ပြီး OmniBook နဲ့ 18-core Pro 9n ရဲ့ 15.20 ထက် ၁၈ ရာခိုင်နှုန်း နောက်ကျနေပြီး thread တစ်ခုမှာတော့ နှစ်ခုစလုံးကို 1.7 Mnps လောက်နဲ့ ကိုက်ညီအောင် လုပ်ဆောင်ထားပါတယ်။ Stockfish က Yoga ကို 3,057MHz နဲ့ 71 C မှာ run ခဲ့ပြီး HP မှာ 3,269MHz နဲ့ 98 C မှာ run ခဲ့တာကြောင့် Yoga က clock ရဲ့ ၆ ရာခိုင်နှုန်းလောက် ကုန်ဆုံးသွားပြီး ၂၇ C လောက် ပိုအေးသွားပါတယ်။
RTX Spark စနစ်တွေထဲမှာ single-threaded row တွေက Yoga ကို ပိုနှစ်သက်ကြပြီး PyPerformance go time က 110.6 ms နဲ့ Speedometer score 36.1 ရရှိထားပါတယ်။ ဒါပေမယ့် Blade 16 က Python, primesieve, Stockfish နဲ့ browser row တွေထက် ဦးဆောင်နေပြီး single-threaded primesieve ကို 6.67 စက္ကန့်နဲ့ ပြီးမြောက်ခဲ့ပြီး 12.01 စက္ကန့်နဲ့ ပြီးမြောက်ခဲ့ပါတယ်။ 7-Zip ရဲ့ x64 build ဟာ emulation အောက်မှာ 124.3 GIPS နဲ့ run ခဲ့ပြီး native result ရဲ့ 86 ရာခိုင်နှုန်း ရှိပါတယ်။
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 cores အားလုံးနှင့် top core class တွင်သာမက DGEMM matrix multiply ဖြင့် လုပ်ဆောင်ပြီး ၎င်းသည် suite တွင် အလေးဆုံး floating-point load ဖြစ်သည်။ STREAM သည် ကြာရှည်ခံ memory bandwidth ကို တိုင်းတာပြီး latency rows များသည် single-access memory latency နှင့် inter-core latency ကို တိုင်းတာသည်။
| စမ်းသပ်ခြင်း (မြင့်လေ ပိုကောင်းလေ) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| GROMACS benchMEM၊ အကောင်းဆုံး အပြင်အဆင် (ns/day) | 17.15 | 17.47 | 16.88 | 26.41 |
| OpenBLAS LU N=10000၊ cores အားလုံး (GFLOPS) | 281.3 | 324.0 | 303.4 | 400.9 |
| OpenBLAS LU N=20000၊ cores အားလုံး (GFLOPS) | 298.6 | 329.6 | 318.1 | 454.4 |
| OpenBLAS LU N=40000၊ cores အားလုံး (GFLOPS) | 282.5 | 348.8 | မလည်ပတ်ပါ (11.9GB လိုအပ်သည်) | 498.5 |
| OpenBLAS LU N=20000၊ ထိပ်တန်း core အတန်းအစား (GFLOPS) | 273.2 | 380.5 | 403.8 | 240.4 |
| OpenBLAS DGEMM M=8000၊ core အားလုံး (GFLOPS) | 312.7 | 398.5 | 357.6 | 455.4 |
| OpenBLAS DGEMM M=8000၊ ထိပ်တန်း core အတန်းအစား (GFLOPS) | 346.7 | 488.7 | 448.3 | 252.4 |
GROMACS ဟာ RTX Spark စနစ်တွေကို အတော်လေး ကွာခြားစေခဲ့ပြီး Yoga ကတော့ တစ်နေ့ကို 17.15 ns ပဲ ရှိခဲ့ပါတယ်။ ဒါပေမယ့် OpenBLAS ကတော့ သုံးသပ်ချက်မှာ အကြီးမားဆုံး ကွာဟချက်တွေကို ပြသခဲ့ပါတယ်။ Yoga ရဲ့ all-core LU solution ဟာ N=20000 မှာ 298.6 GFLOPS အထိ ရောက်ရှိခဲ့ပြီး OmniBook ထက် ၉ ရာခိုင်နှုန်း နောက်ကျနေပြီး DGEMM ကတော့ ၂၂ ရာခိုင်နှုန်း နောက်ကျနေပါတယ်။ OmniBook ရရှိတဲ့ ထိပ်တန်း core အတန်းအစားမှာတင် Yoga ဟာ 273.2 GFLOPS နဲ့ ယှဉ်ရင် ၃၈၀.၅ GFLOPS သာ ရရှိခဲ့ပါတယ်။ Yoga ဟာ N=40000 အပါအဝင် အရွယ်အစားတိုင်းကို ပြီးပြည့်စုံစွာ ဖြည့်ဆည်းပေးနိုင်ခဲ့ပြီး 64GB configuration မှာ မန်မိုရီပါဝင်တာကြောင့် 85 C မကျော်တဲ့ အပူချိန်မှာတောင် လည်ပတ်နိုင်ပါတယ်။
| စမ်းသပ် | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| တိုက်ရိုက်ကူးယူခြင်း (MB/s၊ မြင့်လေ ပိုကောင်းလေ) | 118,738 | 130,790 | 127,682 | 43,731 |
| STREAM Triad (MB/s၊ မြင့်လေ ပိုကောင်းလေ) | 112,067 | 122,260 | 120,272 | 48,298 |
| မှတ်ဉာဏ် နှောင့်နှေးမှု၊ 1GiB buffer၊ 4KiB စာမျက်နှာများ (ns၊ နိမ့်လေ ပိုကောင်းလေ) | 141.8 | 143.1 | 143.4 | 129.6 |
| Core-to-core latency၊ အတွဲအားလုံး၏ ပျမ်းမျှ (ns၊ ပိုနည်းလေ ပိုကောင်းလေ) | 162.8 | 156.8 | 160.6 | 57.0 |
STREAM Triad သည် Yoga တွင် 112,067MB/s ရောက်ရှိခဲ့ပြီး OmniBook ထက် ၈ ရာခိုင်နှုန်းနှင့် Blade 16 ထက် ၂.၃ ဆ နိမ့်သောကြောင့် Yoga ၏ အနိမ့်ဆုံး clock များသည် memory subsystem သို့လည်း ရောက်ရှိသည်။ 141.8 ns ၏ memory latency သည် ဤနေရာတွင် RTX Spark စနစ်များထဲတွင် အနိမ့်ဆုံးဖြစ်ပြီး 162.8 ns ၏ core-to-core latency သည် platform နှင့်အညီဖြစ်သည်။
ဂိမ်းကစားခြင်းနှင့် GPU ကုဒ်သွင်းခြင်း
SuperTuxKart 1.5 သည် ၎င်း၏ built-in benchmark ကို vsync ပိတ်ထားသည့် အမြင့်ဆုံး preset တွင် 1080p fullscreen ဖြင့် လုပ်ဆောင်ပြီး တစ်ကြိမ်မှာ ဂိမ်း၏ native Arm64 build ဖြင့်ဖြစ်ပြီး တစ်ကြိမ်မှာ x64 build ဖြင့် emulation အောက်ရှိ emulation ဖြင့် လုပ်ဆောင်သည်။ FFmpeg သည် တူညီသော 4K60 clip ကို NVENC HEVC ဖြင့် 8Mbps တွင် encode လုပ်ကာ ရရှိနိုင်သည့်နေရာတွင် Media Foundation HEVC encoder ဖြင့် encode လုပ်သည်။
| စမ်းသပ်ခြင်း (မြင့်လေ ပိုကောင်းလေ) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| SuperTuxKart 1080p Ultra၊ မူရင်း၊ ပျမ်းမျှ (fps) | 216.4 | 225.9 | 218.4 | 200.0 |
| SuperTuxKart 1080p Ultra၊ မူရင်း၊ တည်ငြိမ် (fps) | 131 | 143 | 140 | 115 |
| SuperTuxKart 1080p Ultra၊ emulation အောက်တွင် x64၊ ပျမ်းမျှ (fps) | 186.8 | 266.5 | 248.6 | မရှိပါ (မူရင်း x64) |
| SuperTuxKart 1080p Ultra၊ x64 emulation အောက်တွင်၊ တည်ငြိမ် (fps) | 93 | 141 | 94 | မရှိပါ (မူရင်း x64) |
| FFmpeg NVENC HEVC၊ 4K60 တွင် 8Mbps (fps) | 139 | 138 | 139 | 132 |
| FFmpeg မီဒီယာဖောင်ဒေးရှင်း HEVC (fps) | 65 | 66 | 55 | N / A |
Yoga ဟာ native build နဲ့ဆိုရင် ပျမ်းမျှ 216.4 fps ရရှိခဲ့ပြီး OmniBook ထက် ၄ ရာခိုင်နှုန်း နောက်ကျပြီး Pro 9n ထက် ၁ ရာခိုင်နှုန်း လျော့နည်းကာ Blade 16 ရဲ့ 200.0 ထက် သာလွန်ပါတယ်။ 1080p မှာ CPU က ဒီမှာရှိတဲ့ system တိုင်းမှာ frame rate ကို သတ်မှတ်ပေးတာကြောင့်ပါ။ ရလဒ်တစ်ခုကတော့ ထင်ရှားပါတယ်။ emulation အောက်မှာရှိတဲ့ Yoga ရဲ့ x64 build ဟာ native build ထက် ပျမ်းမျှ 186.8 fps သာရှိပြီး OmniBook နဲ့ Pro 9n ကတော့ emulated build ကို ပိုမြန်အောင် run ပါတယ်။ ဒါကြောင့် အတည်ပြုဖို့ ဒီစမ်းသပ်မှုကို ပြန်လည်လုပ်ဆောင်ပါမယ်။ Hardware encoding ဟာ Yoga မှာ NVENC HEVC က 139 fps ရှိပြီး field တစ်ခုလုံးမှာ ညီညာပါတယ်။
အပူ
Yoga ဟာ ကျွန်တော်တို့စမ်းသပ်ဖူးသမျှ RTX Spark notebook တွေထက် ပိုအေးပါတယ်။ CPU စမ်းသပ်မှုတွေမှာ Stockfish မှာ အမြင့်ဆုံးအပူချိန် ၇၁ ဒီဂရီစင်တီဂရိတ်ကနေ HandBrake မှာ ၈၆ ဒီဂရီစင်တီဂရိတ်အထိ ရှိပြီး OmniBook မှာ တူညီတဲ့ စမ်းသပ်မှုတိုင်းမှာ ၉၈ ဒီဂရီစင်တီဂရိတ်ရှိခဲ့ပြီး မိနစ် ၃၀ ကြာ လည်ပတ်မှုမှာ HP ရဲ့ ၉၈ ဒီဂရီစင်တီဂရိတ်ထက် ပျမ်းမျှ ၇၀ ဒီဂရီစင်တီဂရိတ် ရှိခဲ့ပါတယ်။ RTX Spark စနစ်တွေက CPU အပူချိန်ကို Windows thermal zones တွေကနေတစ်ဆင့်သာ အစီရင်ခံပြီး Yoga ရဲ့ zone ဟာ HP အစီရင်ခံတဲ့ sensor နဲ့ တူညီချင်မှ တူညီပါလိမ့်မယ်။ ဒါပေမယ့် သူ့ရဲ့ clocks နဲ့ power behavior က ကွာဟချက်အများစုဟာ မှန်ကန်ကြောင်း ညွှန်ပြနေပါတယ်။
| CPU အပူချိန်၊ အများဆုံး / ပျမ်းမျှ (C) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Cinebench ၂ | 72 / 65 | 98 / 83 | 92 / 70 | 96 / 78 |
| 7-Zip | 76 / 62 | 98 / 78 | 83 / 63 | 99 / 84 |
| ငါး | 71 / 69 | 98 / 97 | 88 / 83 | 92 / 90 |
| Blender | 80 / 75 | 98 / 96 | 91 / 80 | 95 / 87 |
| HandBrake | 86 / 71 | 98 / 86 | 93 / 74 | 92 / 86 |
| LLVM တည်ဆောက်မှု | 81 / 75 | 98 / 92 | 87 / 79 | 98 / 93 |
| ဂရိုမက်စ် | 84 / 81 | 98 / 96 | 89 / 85 | 97 / 94 |
| OpenBLAS | 85 / 74 | 98 / 95 | 92 / 83 | 91 / 87 |
| ရေနွေးငွေ့ | 64 / 59 | 98 / 96 | 78 / 66 | 75 / 71 |
| Super Tux Kart | 68 / 62 | 95 / 82 | 74 / 68 | 89 / 82 |
| MLPerf ကလိုင်းယင့် | 72 / 60 | 93 / 84 | 76 / 66 | 97 / 76 |
| ကုဒ်ရေးအေးဂျင့် | 71 / 67 | 90 / 79 | မပြေးပါ | 91 / 84 |
| အဝတ်စုတ် | 84 / 75 | 94 / 90 | 76 / 71 | 88 / 83 |
| စဉ်ဆက်မပြတ် ကွင်းဆက် | 72 / 70 | 98 / 98 | 92 / 87 | 94 / 90 |
အအေးပေးစနစ်မှာ all-core clocks နည်းပါးလာပါတယ်။ sustained loop မှာ Yoga က OmniBook မှာ 3,239MHz နဲ့ Pro 9n မှာ 3,288MHz ရှိပြီး အဲဒီ clock gap က Yoga ရဲ့ multi-threaded လိုငွေအများစုကို ဖြည့်ဆည်းပေးပါတယ်။ Lenovo က Yoga ကို 70W နှုန်းထားနဲ့ အဆင့်သတ်မှတ်ထားပြီး HP က OmniBook ကို ပေးတဲ့ ပမာဏနဲ့ အတူတူပါပဲ။ ဒါကြောင့် ဒီကွာဟချက်က power budget နည်းပါးတာထက် အပူချိန်နဲ့ noise ကို tuning ရွေးချယ်မှုတစ်ခုလို့ ထင်ရပါတယ်။
Yoga က လီဗာကို လီဗာနဲ့ မနင်းပါဘူး။ ကျွန်တော်တို့ စမ်းသပ်ထားတဲ့ RTX Spark စနစ်တိုင်းလိုပဲ၊ ဝန်အားရှိနေသရွေ့ သူ့ရဲ့နာရီကို တသမတ်တည်းထားရှိပြီး OmniBook ရောက်တဲ့ အပူချိန် ၉၈ ဒီဂရီစင်တီဂရိတ်အောက် ၁၂ ဒီဂရီစင်တီဂရိတ်ကနေ ၂၇ ဒီဂရီစင်တီဂရိတ်အထိ လည်ပတ်နေချိန်မှာလည်း အဲဒီလိုပါပဲ။
| ပျမ်းမျှ CPU နာရီ (MHz) | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| Cinebench ၂ | 2,799 | 2,962 | 2,951 | 4,158 |
| 7-Zip | 2,722 | 2,838 | 2,849 | 4,014 |
| ငါး | 3,057 | 3,269 | 3,292 | 3,645 |
| Blender | 3,111 | 3,123 | 3,216 | 3,729 |
| HandBrake | 2,687 | 2,756 | 2,834 | 3,814 |
| LLVM တည်ဆောက်မှု | 3,083 | 3,151 | 3,197 | 3,697 |
| ဂရိုမက်စ် | 3,226 | 3,308 | 3,367 | 3,874 |
| OpenBLAS | 2,890 | 3,024 | 3,192 | 4,274 |
| ရေနွေးငွေ့ | 3,077 | 3,258 | 3,101 | 3,684 |
| Super Tux Kart | 2,002 | 1,957 | 2,017 | 4,349 |
| MLPerf ကလိုင်းယင့် | 1,935 | 2,114 | 2,027 | 3,593 |
| ကုဒ်ရေးအေးဂျင့် | 1,945 | 2,078 | မပြေးပါ | 3,789 |
| အဝတ်စုတ် | 2,707 | 2,749 | 2,760 | 3,764 |
| စဉ်ဆက်မပြတ် ကွင်းဆက် | 3,015 | 3,239 | 3,288 | 3,726 |
တက်ဘလက်အဖြစ် ဒါမှမဟုတ် ပေါင်ပေါ်မှာတင်ထားလေ့ရှိတဲ့ လက်တော့ပ်တစ်လုံးအတွက်ကတော့ အဲဒီလဲလှယ်မှုက ကျိုးကြောင်းဆီလျော်ပါတယ်။ အပူချိန် ၇၂ ဒီဂရီစင်တီဂရိတ်မှာ နာရီဝက်ကြာ render လုပ်ထားတဲ့ ၁၆ လက်မ convertible တစ်လုံးဟာ ၉၈ ဒီဂရီစင်တီဂရိတ်မှာ pin လုပ်ထားတဲ့ တစ်လုံးနဲ့ ယှဉ်ရင် ကွာခြားပြီး rendering နဲ့ compile လုပ်တဲ့ အပိုင်းမှာ ကုန်ကျစရိတ်က ရာခိုင်နှုန်းအနည်းငယ်သာ ရှိပါတယ်။ Yoga ရဲ့ SSD ဟာ storage စမ်းသပ်မှုအတွင်း အပူချိန် ၆၇ ဒီဂရီစင်တီဂရိတ်မှာ အမြင့်ဆုံးရောက်ရှိခဲ့ပါတယ်။
သိုလှောင်ရေးစွမ်းဆောင်မှု
ကျွန်ုပ်တို့ရဲ့ သိုလှောင်မှုစမ်းသပ်မှုကို fio ရဲ့ ထောင့်လေးထောင့်ကို boot drive နဲ့ 5GB နဲ့ 25GB footprints တွေနဲ့ file system ကနေတစ်ဆင့် raw device နဲ့ 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 Yoga နဲ့ Pro 9n မှာ ပိတ်ထားပြီး OmniBook မှာတော့ ပိတ်ထားခဲ့ပါတယ်။
| fio၊ 25GB ပမာဏ၊ QD32 | ယောဂ ၉n ၂-in-၁ ၁၆ | OmniBook Ultra 16 (128GB) | ပရို ၉န် ၁၅ | Razer Blade ကို 16 |
|---|---|---|---|---|
| အဆင့်ဆင့်ဖတ်ရှုမှု 128K၊ ဖိုင်စနစ် (MB/s) | 6,874 | 13,833 | 7,024 | 7,125 |
| အဆင့်ဆင့်ဖတ်ရှုမှု 128K၊ raw device (MB/s) | 6,975 | 12,479 | 7,165 | 7,134 |
| အဆက်မပြတ်ရေးသားမှု 128K (MB/s) | 5,905 | 11,719 | 5,699 | 5,250 |
| ကျပန်းဖတ်ရှုမှု 4K၊ ဖိုင်စနစ်၊ အမြင့်ဆုံး (IOPS) | 394,468 | 437,833 | 338,936 | 694,597 |
| ကျပန်းဖတ်ရှုမှု 4K၊ raw device၊ အမြင့်ဆုံး (IOPS) | 765,766 | 1,888,501 | 973,106 | 993,050 |
| ကျပန်းရေးသားမှု 4K၊ အမြင့်ဆုံး (IOPS) | 68,923 | 228,354 | 192,000 | 648,446 |
| Raw / file system ကျပန်းဖတ်ရှုခြင်း | 1.94x | 4.31x | 2.87x | 1.43x |
| ကျပန်းဖတ်ရှုမှု 4K၊ အလုပ် ၄ ခု၊ p99 နှောင့်နှေးမှု (အမေရိကန်၊ နည်းလေ ပိုကောင်းလေ) | 522 | 643 | 578 | 444 |
| ကျပန်းရေးသားမှု 4K၊ အလုပ် ၄ ခု၊ p99 နှောင့်နှေးမှု (အမေရိကန်၊ နည်းလေ ပိုကောင်းလေ) | 12,255 | 586 | 758 | 371 |
| မောင်းနှင်မှုအပူချိန်၊ အမြင့်ဆုံး (C) | 67 | 52 | 78 | 60 |
Lenovo က ဒီ Yoga build အတွက် PCIe Gen4 QLC M.2 2242 drive တစ်ခု ထည့်သွင်းပေးထားပြီး ကျွန်တော်တို့ရဲ့ unit မှာ 1TB Sandisk SN5100S ပါဝင်ပါတယ်။ Pro 9n နဲ့ Blade 16 မှာရှိတဲ့ Gen4 drive တွေနဲ့ ကိုက်ညီတဲ့ 6,874MB/s read နဲ့ 5,905MB/s write နှုန်းတွေနဲ့ အစဉ်လိုက် ကိုက်ညီပြီး OmniBook ရဲ့ Gen5 drive ရဲ့ ထက်ဝက်လောက် ရှိပါတယ်။ BitLocker protection ကို ပိတ်ထားတဲ့အခါ သူ့ရဲ့ file system random read 394.5K IOPS ဟာ raw device ရဲ့ 765.8K ရဲ့ 52 ရာခိုင်နှုန်းကို ထိန်းထားပေးနိုင်ပြီး OmniBook ရဲ့ loss ထက် အများကြီး နည်းပါးပါတယ်။
ဒရိုက်ရဲ့ အားနည်းချက်က ကျပန်းရေးသားမှုဖြစ်ပြီး SN5100S ဟာ 25GB footprint မှာ 4K ကျပန်းရေးသားမှုရဲ့ 68.9K IOPS အထိ ရောက်ရှိခဲ့ပြီး Pro 9n ရဲ့ 192.0K ရဲ့ သုံးပုံတစ်ပုံလောက်နဲ့ Blade 16 ရဲ့ ဆယ်ပုံတစ်ပုံလောက်ရှိပါတယ်။ အလုပ်လေးခုမှာ သူ့ရဲ့ p99 write latency က အခြားစနစ်တွေမှာ 1 ms အောက်နဲ့ 12.3 ms ရှိခဲ့ပါတယ်။ 5GB footprint မှာတော့ အဲဒီစမ်းသပ်မှုဟာ pass တွေကြားမှာ ကျယ်ကျယ်ပြန့်ပြန့် ပြောင်းလဲခဲ့ပြီး partial လို့ မှတ်သားထားတာကြောင့် ကျွန်တော်တို့ ပြန်လုပ်ဆောင်နေပါတယ်။ QLC ဒရိုက်ဟာ နေ့စဉ်အသုံးပြုဖို့နဲ့ မော်ဒယ်တွေကို load လုပ်ဖို့အတွက် လုံလောက်ပါတယ်၊ ဒါပေမယ့် ဒီ configuration မှာ ကျွန်တော်တို့ အရင်ဆုံးပြောင်းလဲမယ့် အစိတ်အပိုင်းပါ။
ကောက်ချက်
Lenovo Yoga 9n 2-in-1 16 က ကျွန်တော်တို့ စမ်းသပ်ဖူးသမျှထဲမှာ အအေးဆုံး RTX Spark notebook ဖြစ်ပြီး တစ်ခုတည်းသော convertible လည်း ဖြစ်ပါတယ်။ Lenovo ရဲ့ thermal design မှာ ကျယ်ဝန်းတဲ့ vents တွေ၊ မြင့်မားတဲ့ thermal bump နဲ့ လေစီးဆင်းမှုအတွက် နေရာလွတ်ပေးထားတဲ့ hinge တွေက N1X ကို all-core loads တွေအောက်မှာ 71 မှ 86 C အထိ ထိန်းထားပေးနိုင်ခဲ့ပြီး HP OmniBook Ultra 16 ကတော့ 98 C အထိ ရောက်ရှိခဲ့ပြီး Yoga ကတော့ မိနစ် ၃၀ အထိ အပူချိန်မကျဘဲ တည်ငြိမ်နေအောင် ထိန်းထားနိုင်ခဲ့ပါတယ်။ သူ့ရဲ့ 2.8K OLED၊ pen-enabled Force Pad၊ လည်ပတ်နေတဲ့ soundbar နဲ့ 99.9Wh ဘက်ထရီတို့က ဒီ RTX Spark အုပ်စုအသစ်မှာ အပြည့်စုံဆုံး ဖန်တီးမှုဆိုင်ရာ laptop ဖြစ်စေပါတယ်။
အဲဒီသက်တောင့်သက်သာရှိမှုရဲ့ကုန်ကျစရိတ်က အမြင့်ဆုံးအလားအလာထက် အနည်းငယ်သာ စွမ်းဆောင်ရည်လျော့နည်းပါတယ်။ Yoga ရဲ့ all-core clocks တွေက OmniBook ရဲ့ထက် 220MHz လောက်နိမ့်ပြီး multi-threaded ရလဒ်တွေက စမ်းသပ်မှုအများစုမှာ ၄ ရာခိုင်နှုန်းကနေ ၁၀ ရာခိုင်နှုန်းအထိ နောက်ကျနေပြီး Stockfish နဲ့ OpenBLAS မှာ ကွာဟချက်ကြီးတွေရှိနေပါတယ်။ single thread မှာ HP နဲ့ ကိုက်ညီပြီး GPU လုပ်ဆောင်ချက်မှာတော့ ၄ ရာခိုင်နှုန်းကနေ ၁၈ ရာခိုင်နှုန်းလောက် နောက်ကျနေပါတယ်။ သူ့ရဲ့ 32GB GPU split က ကျွန်တော်တို့ရဲ့ tier S မော်ဒယ်တွေကို full speed နဲ့ လည်ပတ်ပေမယ့် tier M မှာတော့ မဟုတ်ပါဘူး၊ ပြီးတော့ သူ့ရဲ့ QLC SSD ကတော့ အုပ်စုထဲမှာ အားအနည်းဆုံး random writes တွေကို တင်ထားပါတယ်။
အခြား Sparks အားလုံးကဲ့သို့ပင် platform သတိပေးချက်များသည် ဤနေရာတွင် အကျုံးဝင်ပါသည်- Windows on Arm I/O path၊ ၎င်းတို့၏ x64 builds များကို ခြေရာခံသည့် SVT-AV1 ကဲ့သို့သော Arm64 ports များနှင့် coding agent လည်ပတ်နေစဉ် browser ကို 2.44x နှေးကွေးစေသည့် shared memory bus တို့ဖြစ်သည်။ အမြဲတမ်းကဲ့သို့ပင်၊ ဤ units များ တင်ပို့ရောင်းချပြီးနောက် software ecosystem သည် အလျင်အမြန်တိုးတက်မည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ပါသည်။
ဘောပင်၊ တက်ဘလက်မုဒ်နှင့် OLED ကို local AI နှင့် 20-core CPU တို့နှင့်အတူ လိုချင်သော ဖန်တီးသူများအတွက် Yoga 9n 2-in-1 သည် RTX Spark platform ၏ စွမ်းဆောင်ရည်ကို အနည်းငယ်သာ စွန့်လွှတ်ပြီး ပိုမိုအေးမြသော လည်ပတ်မှုရှိသည်။ all-core throughput ၏ နောက်ဆုံး ၁၀ ရာခိုင်နှုန်း သို့မဟုတ် tier M မော်ဒယ်များကို ဦးစားပေးဝယ်ယူသူများသည် 128GB ဗားရှင်းကို ရွေးချယ်သင့်သည်။
ဦးဆောင်သူစာရင်း- Lenovo Yoga 9n 2-in-1 16 သည် ကျွန်ုပ်တို့၏ ဒေသတွင်း AI အကောင်းဆုံးလက်ပ်တော့များ စာရင်းတွင် အအေးဆုံး RTX Spark Laptop နေရာကို ရယူထားသည် ။
အမေဇုံ