Lenovo Yoga 9n 2-w-1 16 to laptop konwertowalny z kartą NVIDIA RTX Spark N1X: 16-calowy ekran dotykowy OLED na zawiasie, który można złożyć do trybu tabletu i namiotu, dotykowy panel dotykowy z obsługą rysika oraz aluminiowa obudowa o przekątnej 0.69 cala. Nasz model ma pełną, 20-rdzeniową kartę N1X z 6,144-rdzeniowym procesorem graficznym Blackwell, 64 GB pamięci LPDDR5X i dyskiem SSD Gen4 o pojemności 1 TB. Konfiguracja Best Buy kosztuje 3,749.99 USD. Model 18-rdzeniowy, 32 GB i 1 TB kosztuje 3,099.99 USD.
Trzy systemy porównawcze pomagają w ocenie wyników Yoga. HP OmniBook Ultra 16 ze 128 GB pamięci RAM zawiera ten sam 20-rdzeniowy procesor N1X w 16-calowej obudowie typu clamshell i jest najszybszym notebookiem z kartą RTX Spark, jaki testowaliśmy, więc stanowi punkt odniesienia dla zmian w konfiguracji chłodzenia Yoga. Lenovo Pro 9n 15 to brat Yoga w segmencie 18-rdzeniowym, a Razer Blade 16 reprezentuje platformę x64, po tym jak jego karta RTX 5090 była liderem w naszej recenzji Surface Laptop Ultra . Następnie recenzja obejmuje konstrukcję i design, lokalną sztuczną inteligencję, procesor, pamięć, gry, chłodzenie i pamięć masową; wyniki dotyczące baterii zostaną podane po zakończeniu testów.
Temperatura to wynik, który definiuje Jogę: pod obciążeniem wszystkich rdzeni, utrzymującym OmniBooka na poziomie 98°C, procesor Jogi osiągał szczytową temperaturę od 71 do 86°C i przez 30 minut utrzymywał ją w 72°C bez utraty tempa. Lenovo przypisuje to przeprojektowanemu systemowi chłodzenia z powiększonymi otworami wentylacyjnymi i podwyższonym progiem termicznym, a składany zawias pozostawia za otworami wentylacyjnymi dodatkową przestrzeń na przepływ powietrza. Wadą jest niższe taktowanie wszystkich rdzeni, co sprawia, że Yoga jest o 4 do 10 procent gorsza od OmniBooka w większości testów wielowątkowych, podczas gdy w teście jednowątkowym osiąga ten sam wynik.
Na wynos
- 32 GB pamięci GPU pozwala naszym modelom klasy S na osiągnięcie pełnej prędkości: Agent kodujący generował gpt-oss:20b z szybkością 58.0 tokenów na sekundę, czyli taką samą jak OmniBook z dyskiem 128 GB, a MLPerf działał z szybkością zbliżoną do 5%. Qwen3.6-35B-A3B z Tier M potrzebuje około 40 GB pamięci GPU, więc Yoga nie jest w użyciu.
- Najfajniejszy notebook RTX Spark, jaki testowaliśmy: 72°C w szczycie testu Cinebench i 72°C w pętli ciągłej, w porównaniu do 98°C w OmniBooku, przy stanie ustalonym na poziomie 100% pierwszego przebiegu.
- Kilka procent przepustowości procesora dla 25 stopni: 6,292 w teście wielordzeniowym Cinebench 2026, 10 procent za OmniBookiem i 22 procent przed Razer Blade 16, z wynikiem 557.0 w teście jednordzeniowym, który jest taki sam jak w przypadku HP.
- Kabriolet stworzony dla twórców: wyświetlacz OLED 2.8K o jasności szczytowej 1,100 nitów, dotykowy panel współpracujący z dołączonym piórem Yoga Pen Gen 2, głośniki wysokotonowe na obrotowym soundbarze oraz baterię o pojemności 99.9 Wh w obudowie ważącej 4.28 funta.
- Słabym punktem jest pamięć masowa QLC: Dysk SSD Gen4 QLC odczytał sekwencyjnie 6,874 MB/s, ale wykonał tylko 68.9 tys. operacji wejścia/wyjścia na sekundę (IOPS) w przypadku losowych zapisów 4K, co jest najniższym wynikiem w grupie, a ponadto spowolnił ładowanie zimnego modelu o około 2 sekundy.
Budowa i projektowanie
Yoga 9n 2 w 1 wykorzystuje konwertowalną konstrukcję Lenovo, z zawiasem, który umożliwia złożenie ekranu do trybu tabletu, namiotu i podstawki. Obudowa jest aluminiowa u góry i u dołu, w kolorze Cosmic Blue, i ma wymiary 14.17 x 9.57 x 0.69 cala w najcieńszym miejscu, a jej waga początkowa wynosi 4.28 funta (1,9 kg). Lenovo twierdzi, że konstrukcja przeszła testy MIL-STD-810H, a dolna pokrywa wykonana jest w 50% z aluminium pochodzącego z recyklingu.
W dłoni Yoga dzieli zaokrąglone krawędzie i układ portów z Pro 9n, a pokrywa jest zamykana na magnes. Klawiatura ma pełny rozmiar z blokiem numerycznym i jest solidna, a szklany Force Pad jest wystarczająco duży, aby obsługiwać go obiema dłońmi jednocześnie. Yoga jest nieco szersza niż Pro 9n, a jej zawias całkowicie odchyla ekran do tyłu, umożliwiając korzystanie z tabletu, pozostawiając więcej miejsca między otworami wentylacyjnymi radiatora a zawiasem niż w przypadku konstrukcji z klapką Pro 9n.
Chłodzenie to cecha, która wyróżnia Yoga na tle innych testowanych przez nas notebooków RTX Spark. Lenovo przeprojektowało system chłodzenia, powiększyło otwory wentylacyjne i podniosło osłonę termiczną na spodzie, a składany zawias pozostawia więcej miejsca z tyłu obudowy na przepływ powietrza. W rezultacie procesor osiągnął temperaturę 71°C w Stockfish, podczas gdy w OmniBooku 98°C; sekcja poświęcona termice przedstawia niższe taktowanie.
Pod spodem, perforowana kratka wlotowa zakrywa większość tylnej połowy dolnej pokrywy, a wylot powietrza biegnie wzdłuż tylnej krawędzi poniżej zawiasu. Po zdjęciu pokrywy, dwa wentylatory znajdują się w tylnych narożnikach, a szeroki radiator z rurkami cieplnymi rozciąga się przez środek płyty między nimi.
Na pierwszy rzut oka wygląda to na ten sam zestaw chłodzenia i wentylatorów, co w Pro 9n, ale Yoga 9n ma wentylator bez kanału. Pro 9n ma małe, półksiężycowe osłony, które częściowo blokują wlot powietrza do obu wentylatorów. Dysk SSD M.2 2242 znajduje się pod radiatorem na środku płyty, obok drugiego gniazda M.2 oferowanego przez Lenovo, a bateria o pojemności 99.9 Wh wypełnia przednią połowę obudowy, otoczona obudowami głośników niskotonowych, które wychodzą przez szczeliny z przodu z każdej strony.
Jedną z decyzji konstrukcyjnych, która odróżnia komputery Lenovo od innych mobilnych platform NVIDIA, jest zastosowanie dwóch zatok 2242 M.2, podczas gdy inne korzystają z jednej zatoki 2280. Dzięki temu Yoga zyskuje drugi dysk, ale dyski SSD 2242 mają mniejszą pojemność i zazwyczaj oferują gorsze osiągi niż dyski SSD 2280, które są mniej widoczne w sekcji dotyczącej pamięci masowej.
16-calowy ekran dotykowy PureSight Pro OLED działa w rozdzielczości 2880 x 1800 pikseli z częstotliwością odświeżania od 30 do 120 Hz. Według Lenovo jasność ekranu w trybie HDR wynosi 1,100 nitów, a w trybie 100% pokrywa on przestrzeń barw sRGB i P3, współczynnik Delta E poniżej 1, obsługuje Dolby Vision i certyfikat VESA DisplayHDR True Black 1000. System audio składa się z czterech głośników niskotonowych o mocy 2 W i dwóch głośników wysokotonowych o mocy 2 W, umieszczonych na obrotowym zawiasie soundbara, dzięki czemu głośniki wysokotonowe są skierowane w stronę użytkownika w każdym trybie.
Klawiatura ma skok 1.5 mm, podświetlenie i klawisz Copilot. Pod nią znajduje się haptyczny Force Pad, który służy również jako powierzchnia do rysowania dla Yoga Pen Gen 2, który obsługuje standard AES 3.0 z 8,192 poziomami nacisku i regulacją nachylenia, ładuje się przez USB-C i przechowuje w magnetycznym etui, które zatrzaskuje się z tyłu pokrywy. Kamera na podczerwień 9.2 MP ma elektroniczną migawkę, a trzy mikrofony obsługują głos.
Po lewej stronie znajdują się porty HDMI 2.1, port USB-A 10 Gb/s, port USB4 40 Gb/s z Power Delivery i DisplayPort 2.1 oraz gniazdo słuchawkowe; po prawej stronie znajduje się przycisk zasilania, czytnik kart SD UHS-I, drugi port USB4 i drugi port USB-A, przy czym jeden z dwóch portów USB-A jest zawsze aktywny. Sieć bezprzewodowa to Wi-Fi 7 z Bluetooth 5.4, a bateria o pojemności 99.9 Wh obsługuje technologię Rapid Charge Express, która według Lenovo zapewnia 3 godziny pracy po 15 minutach ładowania.
Platforma RTX Spark N1X
RTX Spark to rodzina komputerów z systemem Windows zbudowana na superprocesorze N1X, laptopowym odpowiedniku GB10 w DGX Spark , a nasza recenzja Surface Laptop Ultra obejmuje tę platformę. Yoga korzysta z topowego układu scalonego, który łączy 20-rdzeniowy procesor Grace (10 szybszych rdzeni i 10 rdzeni energooszczędnych, bez technologii SMT) z 6,144-rdzeniowym procesorem graficznym Blackwell RTX.
NVIDIA podaje laptopom N1X zakres mocy od 45 do 80 W, a sposób chłodzenia notebooka przez producenta OEM w tym zakresie wpływa na wyniki w takim samym stopniu, jak sam układ scalony. Lenovo podaje moc Yoga na 70 W, HP na 70 W w OmniBooku, a Lenovo na 80 W w Pro 9n, jednak te trzy modele działają z różnymi częstotliwościami taktowania i temperaturami przy tym samym obciążeniu.
Pamięć LPDDR5X komputera N1X jest współdzielona przez procesor i kartę graficzną. O tym, ile pamięci system Windows przekazuje karcie graficznej, decyduje aplikacja NVIDIA, a nie BIOS. Dzięki temu podział ten można zmienić z poziomu pulpitu.
Nasz 64-gigabajtowy komputer Yoga korzystał z podziału 32 GB GPU/32 GB CPU. To kwalifikuje go do naszych lokalnych modeli AI poziomu S, ale nie do poziomu M, który wymaga około 40 GB. Podobnie jak w przypadku każdego systemu RTX Spark, ograniczeniem, które powinno decydować o rozmiarze, jest pamięć.
Stały podział to ograniczenie systemu Windows, a nie firmy NVIDIA. System Windows nie obsługuje jeszcze zunifikowanej pamięci dla procesora i karty graficznej, tak jak stos Linuksa w systemie DGX Spark, dlatego alokacja musi zostać ustalona z wyprzedzeniem; z tego co wiemy, NVIDIA i Microsoft pracują nad tą obsługą.
Windows 11 26H1 działa na architekturze Arm64; aplikacje x64 przechodzą przez emulację Prism, a nasz pakiet wykorzystuje natywne kompilacje Arm64 każdego obciążenia typu open source, dzięki czemu wiersze procesora są porównywalne z układem scalonym.
Lenovo Yoga 9n 2-w-1 16 – dane techniczne
| Specyfikacja | Lenovo Yoga 9n 2-w-1 16 (83N7000UUS) |
|---|---|
| Omówienie platformy | |
| Procesor | NVIDIA RTX Spark N1X, 20-rdzeniowy procesor z 6,144-rdzeniowym procesorem graficznym Blackwell RTX (według testów) NVIDIA RTX Spark N1X, 18-rdzeniowy procesor z 5,120-rdzeniowym procesorem graficznym Blackwell RTX |
| Pamięć | 64 GB lutowanej pamięci LPDDR5X-9400, 256-bitowej (testowanej); do 64 GB Podział 32 GB GPU / 32 GB systemu (jak testowano) |
| Dyski | Dysk SSD 1 TB PCIe Gen4 QLC M.2 2242 Sandisk PC SN5100S 1TB (testowany) |
| System operacyjny | Windows 11 (Arm64); Windows 11 Home w wersji testowej |
| Wyświetlacz i wejście/wyjście | |
| Wyświetlacz | 16-calowy ekran dotykowy PureSight Pro OLED o rozdzielczości 2.8K (2880 x 1800), częstotliwość odświeżania obrazu 30–120 Hz, 16:10 1,100 nitów szczytowych (HDR), 100% sRGB i P3, Delta E <1, Dolby Vision VESA DisplayHDR True Black 1000, szkło |
| porty | 2x USB4 40 Gb/s (USB PD 3.0, DisplayPort 2.1) 2x USB-A 10 Gb/s (jeden zawsze włączony) 1x HDMI 2.1 (do 8K/60Hz) 1x czytnik kart SD (UHS-I) 1x gniazdo słuchawkowe/mikrofonowe |
| Bezprzewodowy | Wi-Fi 7 (802.11be 2×2), Bluetooth 5.4 |
| Aparat fotograficzny | 9.2 MP + IR z migawką elektroniczną |
| Audio | Sześć głośników: 4 głośniki niskotonowe o mocy 2 W, 2 głośniki wysokotonowe o mocy 2 W na obrotowym soundbarze; Dolby Atmos 3 mikrofony |
| Wkład | Podświetlana klawiatura, skok 1.5 mm, klawisz Copilot Podkładka dotykowa Haptic Force Pad z podpórką na rysik Yoga Pen Gen 2 (w zestawie AES 3.0, 8,192 poziomy nacisku) |
| Moc i Fizyczność | |
| bateria | 99.9 Wh, szybkie ładowanie ekspresowe |
| Projekt termiczny | Powiększone otwory wentylacyjne i wzmocnienie termiczne; TDP 70 W (ocena Lenovo) |
| Wymiary | 14.17 x 9.57 x 0.69 cala (360 x 243.1 x 17.5 mm) |
| Waga | Od 4.28 funta (1.94 kg) |
| Kolor i materiał | Cosmic Blue, góra i dół z aluminium; przetestowane zgodnie z normą MIL-STD-810H |
| Ceny | |
| Cena (najlepszy zakup) | 3,099.99 USD (18 rdzeni, 32 GB, 1 TB); 3,749.99 USD (20 rdzeni, 64 GB, 1 TB, po testach) |
Konfiguracja i metodologia testów
Nasz testowy system Yoga 9n 2-w-1 działa na karcie graficznej RTX Spark N1X z 6,144-rdzeniowym procesorem graficznym Blackwell, 64 GB pamięci LPDDR5X-9400 podzielonej 32/32 między procesor graficzny a system oraz dyskiem SSD Sandisk SN5100S Gen4 o pojemności 1 TB z systemem Windows 11 Home 26H1 (Arm64). Testy przeprowadzono w trybie wydajnościowym Lenovo.
Każdy system w tym porównaniu uruchomił sr-client 1.2, nasz skryptowy pakiet testowy dla klienta Windows, w pełnym profilu uruchomienia i profilu szczytowym, korzystając z fabrycznego obrazu systemu Windows ze sterownikami i narzędziami producenta. Pakiet stosuje wszędzie te same ustawienia laboratoryjne: tryb zasilania systemu Windows ustawiony na najlepszą wydajność, podłączony do zasilania, jasność ekranu ustawiona na 50%, wszystkie timery uśpienia i wyłączenia ekranu wyłączone, a monity Zapory systemu Windows i Kontroli konta użytkownika wyłączone. Każdy wynik to mediana z wielokrotnych przebiegów, a pakiet ponownie uruchamia test, którego rozrzut przekracza 2%, zanim go zaakceptuje.
| Konfiguracja | CPU | Pamięć | Procesor graficzny używany do testów GPU i AI | SSD | System operacyjny i tryb wydajności |
|---|---|---|---|---|---|
| Lenovo Yoga 9n 2 w 1 16 | NVIDIA RTX Spark N1X, 20C / 20T | 64 GB LPDDR5X-9400 (podział 32 GB GPU / 32 GB systemowy) | 6,144-rdzeniowy Blackwell RTX (zintegrowany, 32 GB pamięci użytkowej) | Sandisk PC SN5100S 1 TB, Gen4 x4 | Windows 11 Home 26H1 (Arm64), tryb wydajności Lenovo |
| HP OmniBook Ultra 16 (128 GB) | NVIDIA RTX Spark N1X, 20C / 20T | 128 GB LPDDR5X-9400 (podział 64 GB GPU / 64 GB systemowy) | 6,144-rdzeniowy Blackwell RTX (zintegrowany, 62.5 GB pamięci użytkowej) | Sandisk PC SN8050S 2 TB, Gen5 x4 | Windows 11 Pro 26H1 (Arm64), wydajność HP |
| Lenovo Pro 9n 15 | NVIDIA RTX Spark N1X, 18C / 18T | 32 GB LPDDR5X-9400 (podział 12 GB GPU / 20 GB systemowy) | 5,120-rdzeniowy Blackwell RTX (zintegrowany, 12 GB pamięci użytkowej) | Samsung MZAL81T0HFLB 1 TB, Gen4 x4 | Windows 11 Pro 26H1 (Arm64), tryb wydajności Lenovo |
| Razer Blade 16 | AMD Ryzen AI 9 HX 370, 12 rdzeni / 24 wątki | 32GB LPDDR5X-8000 | Karta graficzna NVIDIA GeForce RTX 5090 do laptopa, 24 GB | Samsung MZVL22T0 2TB, Gen4 x4 | Windows 11 Home 25H2 (x64), wydajność Razer Synapse |
W poniższych tabelach powtarzają się dwie etykiety: „nieuruchomiony” oznacza, że pakiet odmówił rozpoczęcia testu, ponieważ sprzęt się nie kwalifikuje, najczęściej z powodu przekroczenia dostępnej pamięci GPU przez model: 32 GB w Yoga i 24 GB w Blade 16 plasują je poniżej poziomu M, a 12 GB w Pro 9n plasuje je poniżej obu poziomów. Ta sama etykieta oznacza rozmiar OpenBLAS, który 12 GB w Pro 9n pomija ze względu na pamięć.
„N/A” oznacza, że test nie dotyczy danego sprzętu, takiego jak jednordzeniowy układ SMT na chipie bez SMT lub wiersz emulacji w systemie x64, który uruchamia swoją natywną kompilację. Jeśli system RTX Spark uruchamiał oprogramowanie x64 za pośrednictwem Prism, dane są odpowiednio oznaczone.
Lokalna wydajność sztucznej inteligencji
Lokalna sztuczna inteligencja sprowadza się do tego, jak szybko GPU uruchamia model i czy model ten pasuje. 32 GB pamięci RAM dostępnej dla GPU w Yoga obsługuje nasz model klasy S, gpt-oss:20b, z tą samą częstotliwością generowania, co OmniBook ze 128 GB pamięci RAM, ale nie dorównuje klasie M, gdzie OmniBook z 62.5 GB pamięci RAM się opłaca.
Klient MLPerf w wersji 2.0
Klient MLPerf uruchamia Llamę 3.1 8B i Phi-4-mini w pięciu kategoriach komunikatów i raportuje czas do pierwszego tokena oraz częstotliwość tokena po nim, jako średnią geometryczną. Każdy system korzysta z llama.cpp z CUDA, więc silnik jest ten sam, a wiersze porównują sprzęt. Scenariusze agentowe uruchamiają Llamę 3.1 8B jako agenta inżynierii oprogramowania i agenta analityka danych, którzy wywołują narzędzia w wielu turach.
| Klient MLPerf w wersji 2.0 | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Llama 3.1 8B, czas do pierwszego tokena, średnia geograficzna (s, im niższy tym lepszy) | 0.353 | 0.274 | 0.303 | 0.149 |
| Llama 3.1 8B, token rate, geomean (tok/s) | 54.4 | 56.5 | 55.1 | 128.8 |
| Phi-4-mini, czas do pierwszego żetonu, średnia geograficzna (s, im niższy tym lepszy) | 0.158 | 0.130 | 0.135 | 0.074 |
| Phi-4-mini, stawka tokena, średnia geograficzna (tok/s) | 91.8 | 96.8 | 95.2 | 222.7 |
| Agent analityka danych, kompleksowy (s, im niższy tym lepszy) | 59.7 | 53.0 | 56.2 | 27.8 |
| Agent analityka danych, stawka tokena (tok/s) | 45.3 | 48.5 | 46.9 | 108.3 |
| Agent SWE, end-to-end (s, im niższy tym lepszy) | 51.6 | 45.3 | 48.0 | 24.6 |
| Agent SWE, stawka tokena (tok/s) | 43.0 | 46.6 | 44.5 | 102.5 |
Yoga generowała Llama 3.1 8B z prędkością 54.4 tokenów na sekundę, a Phi-4-mini z prędkością 91.8, 4 i 5 procent za OmniBookiem. Różnica powiększa się w przypadku pierwszego tokena, który opiera się bardziej na mocy obliczeniowej niż na przepustowości pamięci: Yoga potrzebowała 0.353 sekundy na Llama 3.1 w porównaniu z 0.274 sekundy na HP, a także ustąpiła 18-rdzeniowemu Pro 9n. Ten wynik sugeruje, że chłodzenie Lenovo obejmuje zarówno GPU, jak i CPU, ponieważ Yoga również uruchamiała MLPerf przy najniższym taktowaniu CPU spośród trzech systemów N1X.
W scenariuszach z udziałem agentów, analityk danych potrzebował na wykonanie zadania 59.7 sekundy, a agent inżynierii oprogramowania 51.6 sekundy, czyli o 13 do 14 procent dłużej niż OmniBook, podczas gdy Blade 16 ukończył oba zadania w czasie o połowę krótszym niż Yoga.
Ładowanie modelu
Ten test mierzy czas odczytu lokalnego modelu w Ollama z dysku SSD do pierwszego wygenerowanego tokenu, zimnego (plik opróżniony z pamięci podręcznej) i ciepłego (plik już w pamięci), a także raportuje, jak szybko dysk SSD został odczytany podczas zimnego obciążenia. Poziom S używa gpt-oss:20b (12.8 GB) w systemach z co najmniej 16 GB pamięci użytecznej dla GPU; poziom M dodaje Qwen3.6-35B-A3B (21.1 GB) w systemach z około 40 GB lub większą pamięcią.
| Ładowanie modelu (włączone mapowanie pamięci) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| gpt-oss:20b, zimne ładowanie do pierwszego tokena (s, im niższy tym lepszy) | 8.06 | 6.23 | Nie uruchomiono (pamięć GPU 12 GB) | 8.71 |
| gpt-oss:20b, ciepłe ładowanie do pierwszego tokena (s, im niższy tym lepszy) | 3.60 | 3.59 | Nie uruchomiono (pamięć GPU 12 GB) | 6.93 |
| gpt-oss:20b, przepustowość odczytu podczas ładowania na zimno (MB/s) | 2,480 | 3,044 | Nie uruchomiono (pamięć GPU 12 GB) | 3,874 |
| Qwen3.6-35B-A3B, zimne ładowanie do pierwszego tokena (s, im niższy tym lepszy) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 9.04 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
| Qwen3.6-35B-A3B, ciepłe ładowanie do pierwszego tokena (s, im niższy tym lepiej) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 4.23 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
W wersji Warm, Yoga przywróciła gpt-oss:20b do swojego pierwszego tokena w 3.60 sekundy, dorównując czasowi OmniBooka wynoszącemu 3.59 sekundy. W wersji Cool, zajęło to 8.06 sekundy w porównaniu do 6.23 sekundy, ponieważ dysk QLC odczytał model z prędkością 2,480 MB/s podczas obciążenia, podczas gdy dysk Gen5 w OmniBooku odczytał z prędkością 3,044 MB/s. Blade 16 był najwolniejszy, w wersji Cool i Cool, z wynikami odpowiednio 8.71 i 6.93 sekundy, ponieważ jego dane muszą zostać przeniesione z PCIe do pamięci VRAM po ich odczytaniu.
Agent kodujący
Codex CLI steruje modelem lokalnym obsługiwanym przez Ollamę za pomocą stałego zadania kodowania w przypiętym repozytorium; uruchomienie kończy się sukcesem, gdy 11 testów repozytorium zakończy się sukcesem. Podajemy medianę czasu narastania w trzech uruchomieniach, liczbę zakończonych sukcesem testów oraz szybkość generowania. Test agent-obok-użytkownika uruchamia agenta i Speedometer razem i raportuje, o ile każdy z nich zwalnia w porównaniu z uruchomieniem osobno.
| Agent kodujący Codex CLI | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Poziom S, gpt-oss:20b 64K: czas na ścianie (s, im niższy, tym lepiej) | 132.5 | 115.3 | Nie uruchomiono (pamięć GPU 12 GB) | 64.4 |
| Poziom S: sukcesy (z 3) | 2 | 3 | Nie uruchomiono (pamięć GPU 12 GB) | 2 |
| Tier S: szybkość generacji (tok/s) | 58.0 | 58.0 | Nie uruchomiono (pamięć GPU 12 GB) | 137.9 |
| Poziom M, gpt-oss:20b 128K: czas na ścianie (s, im niższy, tym lepiej) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 152.1 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
| Tier M, gpt-oss:20b 128K: sukcesy (z 3) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 3 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
| Poziom M, Qwen3.6-35B-A3B 64K: czas na ścianie (s, im niższy, tym lepiej) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 72.0 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
| Poziom M, Qwen3.6-35B-A3B 64 tys.: sukcesy (z 3) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 3 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
| Tier M, Qwen3.6-35B-A3B 64K: szybkość generacji (tok/s) | Nie uruchomiono (pamięć GPU 32 GB, poniżej poziomu M) | 89.5 | Nie uruchomiono (pamięć GPU 12 GB) | Nie uruchomiono (24 GB pamięci VRAM, poniżej poziomu M) |
| Prędkościomierz obok agenta (wynik) | 14.1 | 21.2 | Nie uruchomiono (pamięć GPU 12 GB) | 36.3 |
| Spowolnienie prędkościomierza obok agenta (x, im niżej, tym lepiej) | 2.44 | 1.73 | Nie uruchomiono (pamięć GPU 12 GB) | 1.06 |
| Spowolnienie agenta obok prędkościomierza (x, im mniej tym lepiej) | 1.03 | 1.04 | Nie uruchomiono (pamięć GPU 12 GB) | 1.05 |
W zadaniu warstwy S, Yoga wygenerowała 58.0 tokenów na sekundę, czyli tyle samo co OmniBook, i ukończyła zadanie w 132.5 sekundy, czyli wolniej niż HP (115.3 sekundy). Udało się jej zaliczyć dwa z trzech przebiegów, podobnie jak Blade 16; gpt-oss:20b nie zaliczył tego zadania w około jednym na trzy przebiegi na kilku testowanych przez nas systemach, więc liczba udanych prób mówi więcej o modelu niż o sprzęcie. Blade 16 ukończył zadanie w 64.4 sekundy, osiągając 137.9 tokenów na sekundę.
Test współbieżności był najtrudniejszy dla Jogi. Z uruchomionym agentem wynik Speedometer spadł z 36.1 do 14.1, co oznacza spowolnienie o 2.44x, w porównaniu z 1.73x w OmniBooku i 1.06x w Blade 16, gdzie model ten działa na oddzielnym GPU i pozostawia procesor w spokoju. Sam agent zwolnił tylko o 3%, więc Yoga faworyzuje pracę w tle nad przeglądarką, gdy obie aplikacje konkurują o budżet mocy i pamięć współdzieloną.
Generacja rozszerzona o odzyskiwanie
Nasz test RAG zawiera 20 963 fragmenty SQuAD v1.1 z wykorzystaniem nomic-embed-text, pobiera pięć najlepszych fragmentów dla każdego z 2,000 pytań i odpowiada na 400 z nich za pomocą Phi-4-mini, uzyskując ocenę F1 i dokładne dopasowanie w stosunku do odpowiedzi referencyjnych. Modele działają na każdym systemie, więc jest to porównanie szybkości.
| RAG | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Czas wchłaniania na ścianie, 20 963 przejścia (s, im mniej tym lepiej) | 188.8 | 187.0 | 191.8 | 131.0 |
| Czas zapytania pobierania, p50 (ms, im niższy, tym lepiej) | 22.6 | 23.3 | 24.2 | 20.9 |
| Odpowiedź: czas Phi-4-mini do pierwszego żetonu, p50 (s, im niższy tym lepszy) | 0.181 | 0.155 | 0.171 | 0.109 |
| Odpowiedź, szybkie przetwarzanie (tok/s) | 5,837 | 7,142 | 6,268 | 11,560 |
| Odpowiedź, szybkość generacji (tok/s) | 91.1 | 104.4 | 96.6 | 209.2 |
| Pytanie do odpowiedzi, p50 (s, im niżej tym lepiej) | 0.262 | 0.227 | 0.252 | 0.159 |
| Odpowiedź F1 (%) | 73.97 | 73.97 | 74.27 | 74.47 |
Yoga dorównywała OmniBookowi pod względem pobierania (188.8 sekundy w porównaniu do 187.0) i pobierania, ale ustępowała mu pod względem udzielania odpowiedzi: Phi-4-mini przetwarzał monity z szybkością 5,837 tokenów na sekundę w porównaniu do 7,142 i generował 91.1 w porównaniu do 104.4. Typowe pytanie zajmowało 0.262 sekundy od zapytania do odpowiedzi, w porównaniu do 0.227 w HP i 0.159 w Blade 16. Dokładność była identyczna w Yoga i OmniBooku.
Wydajność procesora
Wyniki procesora Yoga podlegają jednej zasadzie: dorównuje OmniBookowi w pojedynczym wątku i ustępuje mu na wszystkich rdzeniach. Wiersze jednowątkowe plasują się w granicach około 2 procent HP, a Yoga uzyskała najlepsze wyniki w testach 7-Zip w trybie jednowątkowym, PyPerformance Go i regex_compile spośród wszystkich systemów RTX Spark. Wiersze wielowątkowe plasują się od 2 do 28 procent niżej, większość z nich w przedziale od 4 do 10 procent, z największymi różnicami w Stockfish i OpenBLAS. W porównaniu z Razer Blade 16, Yoga nadal wygrywa w renderowaniu, kompresji i kompilacji.
Cinebench 2026 i obciążenie ciągłe
Cinebench 2026 renderuje scenę z silnikiem Redshift firmy Maxon na procesorze i ocenia przepustowość dla pojedynczego rdzenia, pojedynczego rdzenia SMT (dwa wątki na jednym rdzeniu fizycznym) oraz wielu rdzeni. Następnie przeprowadzamy pętlę, która powtarza przebieg wielordzeniowy przez około 30 minut i porównuje stan ustalony z pierwszym przebiegiem.
| Cinebench 2026 (punkty, im więcej tym lepiej) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Pojedynczy rdzeń | 557.0 | 558.6 | 518.2 | 480.0 |
| SMT pojedynczy rdzeń | N / A | N / A | N / A | 661.3 |
| Wielordzeniowy | 6,292 | 7,004 | 6,394 | 5,179 |
| Pętla podtrzymywana, pierwsze przejście | 6,248 | 6,954 | 6,346 | 5,162 |
| Pętla podtrzymywana, stan ustalony | 6,256 | 6,942 | 6,416 | 5,206 |
| Stan stacjonarny / pierwsze przejście | 1.001 | 0.998 | 1.011 | 1.009 |
Yoga uzyskała 6,292 punkty w teście wielordzeniowym, 10 procent mniej niż OmniBook z wynikiem 7,004, 2 procent mniej niż 18-rdzeniowy Pro 9n i 22 procent więcej niż Blade 16, z wynikiem 557.0 w teście jednordzeniowym, co odpowiada wynikowi HP. Jego pętla jest tutaj najbardziej płaska: stan ustalony 6,256 punktów utrzymywał się na poziomie 100.1 procent pierwszego przebiegu, przy temperaturze procesora 72°C i taktowaniu 3,015 MHz przez cały czas.
7-Zip, Blender, HandBrake i LLVM
Wbudowany test porównawczy 7-Zip raportuje wydajność kompresji i dekompresji LZMA na każdym wątku i na jednym rdzeniu. Blender 4.5 renderuje sceny Monster, Junkshop i Classroom za pomocą Cycles na procesorze. HandBrake koduje programowo 60 sekund klipu 4K60 z wykorzystaniem x265 i SVT-AV1, a test LLVM kompiluje pełne drzewo LLVM 21.1.4 za pomocą Clang i Ninja.
| 7-Zip, jeden wątek (GIPS, im wyższy tym lepszy) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Cena produktu z VAT: | 9.12 | 9.09 | 8.93 | 9.24 |
| Kompresować | 7.35 | 7.31 | 7.26 | 7.28 |
| Rozprężać | 10.88 | 10.87 | 10.59 | 11.20 |
W teście 7-Zip Yoga osiągnęła 145.3 GIPS na wszystkich wątkach, o 4 procent gorzej niż OmniBook i o 15 procent lepiej niż Blade 16, a jej łączna wartość 9.12 GIPS w jednym wątku była najlepsza spośród systemów RTX Spark. Blender plasował go o 5 procent niżej od HP w teście Monster i o 5 procent niżej w teście Classroom, a kompilacja LLVM zajęła 217.2 sekundy w porównaniu z 206.6, wciąż o 34 procent krócej niż Blade 16.
Kodowanie x265 w HandBrake działało z szybkością 38.6 kl./s, czyli o 6 procent słabiej niż w OmniBooku. SVT-AV1 osiągnął około 15 kl./s na każdym systemie RTX Spark, w porównaniu z 77.3 kl./s na Blade 16, co sugeruje, że wąskim gardłem jest ścieżka kodu Arm64 w SVT-AV1.
Stockfish, sito główne, Python i przeglądarka
Stockfish raportuje prędkość wyszukiwania w szachach w milionach węzłów na sekundę. Primesieve zlicza liczby pierwsze poniżej 10^12 we wszystkich wątkach i poniżej 10^11 w jednym wątku. PyPerformance uruchamia trzy testy porównawcze CPython przypisane do jednego szybkiego rdzenia, a Speedometer 3.1 mierzy responsywność aplikacji internetowych w przeglądarce Microsoft Edge. W dwóch ostatnich wierszach uruchomiono kompilację x64 7-Zip z emulacją Prism.
| Testowanie | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Ławka do stockfisha, wszystkie wątki (Mnps, im wyżej tym lepiej) | 13.42 | 16.28 | 15.20 | 17.96 |
| Ławka do stockfisha, jeden wątek (Mnps, im wyżej tym lepiej) | 1.72 | 1.73 | 1.70 | 2.04 |
| primesieve 1e12, wszystkie wątki (s, im niższy tym lepszy) | 10.77 | 9.57 | 10.56 | 10.60 |
| sito główne 1e11, jednonitkowe (s, im niżej, tym lepiej) | 12.01 | 12.03 | 12.34 | 6.67 |
| PyPerformance go (ms, im niższy tym lepiej) | 110.6 | 111.2 | 114.1 | 75.2 |
| PyPerformance nbody (ms, im mniej tym lepiej) | 80.5 | 80.4 | 82.5 | 60.8 |
| PyPerformance regex_compile (ms, im mniej tym lepiej) | 84.3 | 84.6 | 86.7 | 69.7 |
| Prędkościomierz 3.1, Edge (wynik, im wyższy tym lepiej) | 36.1 | 36.7 | 33.9 | 38.4 |
| x64 7-Zip w emulacji, wszystkie wątki (GIPS) | 124.3 | 127.0 | 117.6 | N/A (natywny x64) |
| x64 7-Zip w emulacji, jeden wątek (GIPS) | 8.25 | 8.26 | 7.94 | N/A (natywny x64) |
Stockfish najwyraźniej pokazuje różnicę w taktowaniu: na wszystkich wątkach Yoga uzyskała 13.42 Mnps, czyli o 18 procent mniej niż OmniBook i 15.20 Mnps 18-rdzeniowego Pro 9n, podczas gdy na jednym wątku zrównała się z nimi z wynikiem około 1.7 Mnps. Stockfish uruchomił Jogę z taktowaniem 3,057 MHz i 71°C, w porównaniu z 3,269 MHz i 98°C na HP, więc Yoga traci około 6 procent swojego taktowania i pracuje o około 27°C chłodniej.
W przypadku systemów RTX Spark w trybie jednowątkowym przewagę ma Yoga, z najszybszym czasem działania PyPerformance wynoszącym 110.6 ms i wynikiem Speedometer wynoszącym 36.1, ale Blade 16 prowadził w testach Python, primesieve, Stockfish i przeglądarkowych, kończąc test jednowątkowy primesieve w 6.67 sekundy w porównaniu z 12.01. Kompilacja x64 7-Zip działała z prędkością 124.3 GIPS w trybie emulacji, co stanowi 86% wyniku natywnego.
GROMACS, OpenBLAS i pamięć
GROMACS uruchamia przypadek dynamiki molekularnej benchMEM na 16 rdzeniach i raportuje nanosekundy symulowanego czasu na dzień dla najlepszego układu. Nasz test OpenBLAS uruchamia rozwiązanie LU podwójnej precyzji w stylu HPL dla trzech rozmiarów problemu oraz mnożenie macierzy DGEMM, na wszystkich rdzeniach i tylko na najwyższej klasie rdzeni. Jest to największe obciążenie dla obliczeń zmiennoprzecinkowych w pakiecie. STREAM mierzy stałą przepustowość pamięci, a wiersze latencji mierzą opóźnienie pamięci pojedynczego dostępu i opóźnienie między rdzeniami.
| Test (im wyżej tym lepiej) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| GROMACS benchMEM, najlepszy układ (ns/dzień) | 17.15 | 17.47 | 16.88 | 26.41 |
| OpenBLAS LU N=10000, wszystkie rdzenie (GFLOPS) | 281.3 | 324.0 | 303.4 | 400.9 |
| OpenBLAS LU N=20000, wszystkie rdzenie (GFLOPS) | 298.6 | 329.6 | 318.1 | 454.4 |
| OpenBLAS LU N=40000, wszystkie rdzenie (GFLOPS) | 282.5 | 348.8 | Nie uruchomiono (wymaga 11.9 GB) | 498.5 |
| OpenBLAS LU N=20000, najwyższa klasa rdzenia (GFLOPS) | 273.2 | 380.5 | 403.8 | 240.4 |
| OpenBLAS DGEMM M=8000, wszystkie rdzenie (GFLOPS) | 312.7 | 398.5 | 357.6 | 455.4 |
| OpenBLAS DGEMM M=8000, najwyższa klasa rdzeni (GFLOPS) | 346.7 | 488.7 | 448.3 | 252.4 |
GROMACS ledwo wyprzedził systemy RTX Spark, z Yoga z wynikiem 17.15 ns/dzień, ale OpenBLAS wykazał największe różnice w teście. Rozwiązania LU dla wszystkich rdzeni Yoga przy N=20000 osiągnęły 298.6 GFLOPS, 9% mniej niż OmniBook, a DGEMM był gorszy o 22%. Działając tylko na najwyższej klasie rdzeni, gdzie OmniBook zyskuje, Yoga pozostaje w tyle, osiągając 273.2 GFLOPS w porównaniu z 380.5. Yoga ukończyła wszystkie testy, w tym N=40000, na które pozwala konfiguracja 64 GB pamięci, w temperaturach, które nigdy nie przekroczyły 85°C.
| Testowanie | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Kopiowanie strumieniowe (MB/s, im wyższa prędkość, tym lepiej) | 118,738 | 130,790 | 127,682 | 43,731 |
| STREAM Triad (MB/s, im więcej tym lepiej) | 112,067 | 122,260 | 120,272 | 48,298 |
| Opóźnienie pamięci, bufor 1GiB, strony 4KiB (ns, im mniej, tym lepiej) | 141.8 | 143.1 | 143.4 | 129.6 |
| Opóźnienie między rdzeniami, średnia wszystkich par (ns, im niższe, tym lepiej) | 162.8 | 156.8 | 160.6 | 57.0 |
STREAM Triad osiągnął 112 067 MB/s w Yoga, o 8 procent mniej niż OmniBook i 2.3 raza więcej niż Blade 16, więc niższe taktowanie Yoga obejmuje również podsystem pamięci. Opóźnienie pamięci wynoszące 141.8 ns było najniższe spośród systemów RTX Spark, a opóźnienie między rdzeniami wynoszące 162.8 ns jest zgodne z platformą.
Gry i kodowanie GPU
SuperTuxKart 1.5 uruchamia wbudowany test porównawczy w rozdzielczości 1080p na pełnym ekranie, z najwyższą możliwą rozdzielczością i wyłączonym vsync, raz z natywną wersją gry dla Arm64 i raz z emulowaną wersją x64. FFmpeg koduje ten sam klip 4K60 za pomocą kodeka NVENC HEVC z przepływnością 8 Mb/s i, jeśli jest dostępny, z koderem Media Foundation HEVC.
| Test (im wyżej tym lepiej) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| SuperTuxKart 1080p Ultra, natywna, średnia (fps) | 216.4 | 225.9 | 218.4 | 200.0 |
| SuperTuxKart 1080p Ultra, natywny, stabilny (fps) | 131 | 143 | 140 | 115 |
| SuperTuxKart 1080p Ultra, emulacja x64, średnia (fps) | 186.8 | 266.5 | 248.6 | N/A (natywny x64) |
| SuperTuxKart 1080p Ultra, emulacja x64, stabilny (fps) | 93 | 141 | 94 | N/A (natywny x64) |
| FFmpeg NVENC HEVC, 4K60 przy 8 Mb/s (fps) | 139 | 138 | 139 | 132 |
| FFmpeg Media Foundation HEVC (fps) | 65 | 66 | 55 | N / A |
Yoga uzyskała średnio 216.4 kl./s z natywną wersją, o 4 procent gorzej niż OmniBook i w granicach 1 procenta od Pro 9n, a także wyprzedzając Blade 16 z wynikiem 200.0, ponieważ w rozdzielczości 1080p to procesor ustala liczbę klatek na sekundę w każdym systemie. Jeden wynik jest szczególnie interesujący: wersja x64 Jogi w emulacji osiągnęła średnio 186.8 kl./s, czyli wolniej niż wersja natywna, podczas gdy OmniBook i Pro 9n działały szybciej na emulowanej wersji, dlatego powtórzymy ten test, aby to potwierdzić. Kodowanie sprzętowe było na tym samym poziomie, a NVENC HEVC na Jodze wyniosło 139 kl./s.
Termale
Yoga działał chłodniej niż jakikolwiek inny testowany przez nas notebook z kartą RTX Spark. W testach procesora jego maksymalna temperatura wahała się od 71°C w Stockfish do 86°C w HandBrake, w porównaniu z 98°C w każdym z tych samych testów na OmniBooku, a średnia w 30-minutowej pętli wyniosła 70°C w porównaniu z 98°C w HP. Systemy RTX Spark raportują temperaturę procesora tylko za pomocą stref termicznych systemu Windows, a strefa Yoga może nie być tym samym czujnikiem, co HP, ale jej taktowanie i zachowanie zasilania wskazują, że większość różnicy jest prawidłowa.
| Temperatura procesora, maks. / średnia (C) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Cinebench 2026 | 72 / 65 | 98 / 83 | 92 / 70 | 96 / 78 |
| 7-Zip | 76 / 62 | 98 / 78 | 83 / 63 | 99 / 84 |
| Sztokfisz | 71 / 69 | 98 / 97 | 88 / 83 | 92 / 90 |
| mikser | 80 / 75 | 98 / 96 | 91 / 80 | 95 / 87 |
| Hamulec ręczny | 86 / 71 | 98 / 86 | 93 / 74 | 92 / 86 |
| Kompilacja LLVM | 81 / 75 | 98 / 92 | 87 / 79 | 98 / 93 |
| GROMACS | 84 / 81 | 98 / 96 | 89 / 85 | 97 / 94 |
| OtwórzBLAS | 85 / 74 | 98 / 95 | 92 / 83 | 91 / 87 |
| STRUMIEŃ | 64 / 59 | 98 / 96 | 78 / 66 | 75 / 71 |
| Super Tux Kart | 68 / 62 | 95 / 82 | 74 / 68 | 89 / 82 |
| Klient MLPerf | 72 / 60 | 93 / 84 | 76 / 66 | 97 / 76 |
| Agent kodujący | 71 / 67 | 90 / 79 | Nie uruchomiono | 91 / 84 |
| RAG | 84 / 75 | 94 / 90 | 76 / 71 | 88 / 83 |
| Pętla podtrzymywana | 72 / 70 | 98 / 98 | 92 / 87 | 94 / 90 |
Chłodniejsza praca wiąże się z niższymi taktowaniami wszystkich rdzeni. W pętli ciągłej Yoga utrzymywała 3,015 MHz w porównaniu z 3,239 MHz w OmniBooku i 3,288 MHz w Pro 9n, a ta różnica w taktowaniu odpowiada za większość deficytu w zakresie wielowątkowości w Yoga. Lenovo podaje moc Yoga na 70 W, czyli tyle samo, ile HP podaje OmniBookowi, więc różnica ta wydaje się być raczej wynikiem optymalizacji temperatury i hałasu, a nie mniejszego zużycia energii.
Yoga nie ma ograniczeń: jak każdy testowany przez nas system RTX Spark, utrzymuje taktowanie na stałym poziomie tak długo, jak długo trwa obciążenie, i to nawet przy temperaturze od 12 do 27 stopni Celsjusza niższej niż 98 stopni Celsjusza, jakie OmniBook osiągał w tych samych testach.
| Średnie taktowanie procesora (MHz) | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Cinebench 2026 | 2,799 | 2,962 | 2,951 | 4,158 |
| 7-Zip | 2,722 | 2,838 | 2,849 | 4,014 |
| Sztokfisz | 3,057 | 3,269 | 3,292 | 3,645 |
| mikser | 3,111 | 3,123 | 3,216 | 3,729 |
| Hamulec ręczny | 2,687 | 2,756 | 2,834 | 3,814 |
| Kompilacja LLVM | 3,083 | 3,151 | 3,197 | 3,697 |
| GROMACS | 3,226 | 3,308 | 3,367 | 3,874 |
| OtwórzBLAS | 2,890 | 3,024 | 3,192 | 4,274 |
| STRUMIEŃ | 3,077 | 3,258 | 3,101 | 3,684 |
| Super Tux Kart | 2,002 | 1,957 | 2,017 | 4,349 |
| Klient MLPerf | 1,935 | 2,114 | 2,027 | 3,593 |
| Agent kodujący | 1,945 | 2,078 | Nie uruchomiono | 3,789 |
| RAG | 2,707 | 2,749 | 2,760 | 3,764 |
| Pętla podtrzymywana | 3,015 | 3,239 | 3,288 | 3,726 |
W przypadku laptopa, który często będzie trzymany jako tablet lub na kolanach, taki układ ma sens. 16-calowy konwertowalny laptop pracujący w temperaturze 72°C podczas półgodzinnego renderowania to zupełnie inna maszyna niż laptop pracujący w temperaturze 98°C, a koszt renderowania i kompilacji to zaledwie kilka procent. Dysk SSD w komputerze Yoga osiągnął szczytową temperaturę 67°C podczas testu pamięci masowej.
Wydajność pamięci masowej
Nasz test pamięci masowej uruchamia cztery rogi systemu fio na dysku rozruchowym o pojemności 5 GB i 25 GB, przez system plików i na urządzeniu surowym, i raportuje wyniki dla 25 GB. Wiersze z danymi na urządzeniu surowym pomijają NTFS i BitLocker, więc różnica między nimi pokazuje, jak bardzo dysk jest w stanie przetrwać ścieżkę wejścia/wyjścia systemu Windows. Ochrona BitLocker była wyłączona w komputerach Yoga i Pro 9n, a włączona w OmniBooku.
| fio, 25 GB pamięci, QD32 | Joga 9n 2 w 1 16 | OmniBook Ultra 16 (128 GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Odczyt sekwencyjny 128 KB, system plików (MB/s) | 6,874 | 13,833 | 7,024 | 7,125 |
| Odczyt sekwencyjny 128 KB, surowe urządzenie (MB/s) | 6,975 | 12,479 | 7,165 | 7,134 |
| Zapis sekwencyjny 128 KB (MB/s) | 5,905 | 11,719 | 5,699 | 5,250 |
| Losowy odczyt 4K, system plików, szczyt (IOPS) | 394,468 | 437,833 | 338,936 | 694,597 |
| Losowy odczyt 4K, surowe urządzenie, szczyt (IOPS) | 765,766 | 1,888,501 | 973,106 | 993,050 |
| Losowy zapis 4K, szczyt (IOPS) | 68,923 | 228,354 | 192,000 | 648,446 |
| Surowy/losowy odczyt systemu plików | 1.94x | 4.31x | 2.87x | 1.43x |
| Losowy odczyt 4K, 4 zadania, opóźnienie p99 (w USA, im niższe, tym lepiej) | 522 | 643 | 578 | 444 |
| Losowy zapis 4K, 4 zadania, opóźnienie p99 (w USA, im niższe, tym lepiej) | 12,255 | 586 | 758 | 371 |
| Temperatura napędu, maksymalna (C) | 67 | 52 | 78 | 60 |
Lenovo zamontowało w tym komputerze Yoga dysk PCIe Gen4 QLC M.2 2242, a nasz egzemplarz jest wyposażony w dysk twardy Sandisk SN5100S o pojemności 1 TB. Prędkość odczytu wynosiła 6,874 MB/s, a zapisu 5,905 MB/s sekwencyjnie, co odpowiada prędkościom dysków Gen4 w Pro 9n i Blade 16 oraz około połowie prędkości dysku Gen5 w OmniBooku. Przy wyłączonej ochronie BitLocker, losowe odczyty z systemu plików na poziomie 394.5 tys. IOPS pozwoliły zaoszczędzić 52% z 765.8 tys. danych na urządzeniu, co stanowi znacznie mniejszą stratę niż w przypadku OmniBooka.
Losowe zapisy są słabością dysku. SN5100S osiągnął maksymalną liczbę 68.9 tys. IOPS dla losowych zapisów 4K przy zajętości 25 GB, co stanowi około jedną trzecią 192.0 tys. w Pro 9n i jedną dziesiątą Blade 16, a opóźnienie zapisu w p99 przy czterech zadaniach wyniosło 12.3 ms w porównaniu z poniżej 1 ms w pozostałych systemach. Przy zajętości 5 GB ten sam test wahał się między przebiegami i został oznaczony jako niepełny, dlatego przeprowadzamy go ponownie. Dysk QLC jest wystarczający do codziennego użytku i do modeli z obciążeniem, ale to właśnie ten komponent wymienilibyśmy w tej konfiguracji jako pierwszy.
Wniosek
Lenovo Yoga 9n 2-w-1 16 to najwydajniejszy laptop z RTX Spark, jaki testowaliśmy, i jedyny konwertowalny. Konstrukcja termiczna Lenovo, z powiększonymi otworami wentylacyjnymi, podwyższonym radiatorem termicznym i zawiasem zapewniającym przepływ powietrza, utrzymywała temperaturę N1X na poziomie 71–86°C przy obciążeniu wszystkich rdzeni, podczas gdy HP OmniBook Ultra 16 osiągnął 98°C, a Yoga utrzymywała tę samą wartość przez 30 minut bez strat. Wyświetlacz OLED 2.8K, Force Pad z obsługą rysika, obrotowy soundbar i bateria 99.9 Wh sprawiają, że jest to najbardziej kompletny laptop kreatywny w nowej serii RTX Spark.
Kosztem tego komfortu jest zaledwie kilka procent niższa wydajność niż maksymalny potencjał. Taktowanie wszystkich rdzeni Yoga jest nawet o około 220 MHz niższe niż OmniBooka, a jego wyniki w testach wielowątkowych są od 4 do 10 procent gorsze w większości testów, z większymi różnicami w Stockfish i OpenBLAS. W przypadku pojedynczego wątku dorównuje HP, a w przypadku GPU traci od 4 do 18 procent. Jego 32 GB pamięci GPU obsługuje nasze modele z poziomu S z pełną prędkością, ale nie z poziomu M, a jego dysk SSD QLC odnotował najsłabsze wyniki losowych zapisów w grupie.
Podobnie jak w przypadku wszystkich innych Sparków, obowiązują tu ograniczenia platformy: ścieżka wejścia/wyjścia Windows na architekturze ARM, porty Arm64, takie jak SVT-AV1, które opóźniają kompilacje x64, oraz współdzielona magistrala pamięci, która spowalniała przeglądarkę o 2.44x podczas działania agenta kodującego. Jak zawsze, spodziewamy się, że ekosystem oprogramowania będzie się szybko rozwijał, teraz gdy te urządzenia są już dostępne.
Twórcy, którzy potrzebują rysika, trybu tabletu i wyświetlacza OLED, a także lokalnej sztucznej inteligencji i 20-rdzeniowego procesora, mogą liczyć na Yoga 9n 2-w-1, który oferuje niewiele z wydajności platformy RTX Spark i działa znacznie chłodniej. Klienci, którym zależy na ostatnich 10 procentach przepustowości wszystkich rdzeni lub modelach z serii M, powinni rozważyć wersję z pamięcią 128 GB.
Tabela wyników: Lenovo Yoga 9n 2-w-1 16 zajmuje pierwsze miejsce w rankingu najlepszych laptopów do lokalnej sztucznej inteligencji w kategorii „Najfajniej działający laptop z technologią RTX Spark”.
Amazon