HP OmniBook Ultra 16 是惠普推出的 16 吋 NVIDIA RTX Spark 筆記型電腦，機身厚度僅 0.62 英寸，搭載 NVIDIA N1X 超級晶片和 3K OLED 顯示器。我們並排測試了兩台機器：一台配備完整的 20 核心 N1X 晶片、128GB LPDDR5X 記憶體和 2TB Gen5 固態硬碟；另一台則配備相同的晶片、32GB 記憶體和 1TB Gen5 固態硬碟。我們測試的 32GB 記憶體 + 1TB 固態硬碟版本在百思買的售價為 3,199.99 美元，這也是惠普的起售價；64GB 記憶體 + 2TB 固態硬碟版本在惠普官網的售價為 4,999.99 美元；而我們測試的 128GB 配置 28 月日，惠普在該配置器上的售價為 6,229.99 美元。
除了這兩款惠普產品之外，我們還對它們進行了比較。 微軟 Surface Laptop Ultra, the other 128GB RTX Spark notebook we have tested; the 聯想Pro 9n 15, which shares the 32GB HP’s 12GB GPU split; and the Razer Blade 16, whose RTX 5090 made it the strongest x64 notebook in that comparison. Our battery results will follow when the new test harness is completed.
不過，我們先來談談這一點：128GB 的 OmniBook 是我們測試過的最全面的 RTX Spark 系統。它在本組測試中取得了最高的 Cinebench 2026 多核得分，達到 7,004 分；完成 M 級 Qwen3.6 編碼任務的速度也超過了其他所有系統；並且能夠以 98 攝氏度的溫度完整運行需要兩台 Surface 設備才能完成的全核 OpenBLAS 求解任務。 32GB 版本在 CPU、MLPerf 和 RAG 測試中的表現與它相差不到 2%。對於所有這些系統而言，記憶體都是瓶頸，因此在購買時應該考慮記憶體容量：較小的 GPU 記憶體分配會限制哪些型號的顯示卡能夠相容並流暢運行。
關鍵要點
- 128GB 版本可以運行我們測試的所有本地 AI 版本： 在配備 62.5GB GPU 可用顯存的情況下，gpt-oss:20b 和 Qwen3.6-35B-A3B 分別以每秒 58.0 和 89.5 個 token 的速度產生資料。 Qwen3.6 編碼任務三次運作全部通過，耗時 72.0 秒，是所有測試機型中最快的。配備 24GB 記憶體的 Blade 16 機型，其 RTX 5090 顯示卡的效能是 RTX 5090 的 2.3 倍。
- 32GB版本保持了速度，但容量有所減少： MLPerf Llama 3.1 8B 的運行速度為每秒 56.4 個令牌，而 128GB 單元的運行速度為每秒 56.5 個令牌，但由於其 12GB GPU 的分配，它無法參與任何模型載入和編碼代理測試。
- 該組中最快的多核心測試結果： 在 Cinebench 2026 多核心測試中，其得分為 7,004，比 Razer Blade 16 高出 35%；LLVM 建置耗時 206.6 秒，而 Blade 則耗時 327.0 秒。
- 高溫且在極限狀態下穩定： 兩台 HP 筆記型電腦在所有全核測試中溫度均保持在 98 攝氏度，性能沒有下降，並且都完成了全核 OpenBLAS 求解測試，該測試導致兩台 Surface Laptop Ultra 設備斷電。
- 第五代儲存裝置位於 Windows on Arm 天花板後方： 128GB 的 Sandisk SN8050S 固態硬碟的順序讀取速度為 13,833MB/s，原始裝置讀取速度為 1.89M IOPS，但透過 NTFS 和 BitLocker 進行的 4K 隨機讀取速度最高僅為 437.8K IOPS。
構建和設計
惠普 OmniBook Ultra 16 採用三片式鋁合金機身，經 CNC 精密加工而成，邊緣圓潤，側面凹陷，並以惠普稱為「日蝕灰」的深色塗裝呈現。其尺寸為 14.01 x 10.1 英寸，厚度從後部的 15.7 毫米逐漸收窄至前部的 11.6 毫米，重量為 4.89 磅；惠普稱其為迄今為止最薄的 RTX Spark PC。機身蓋採用 50% 的再生金屬，鍵盤部件採用 85% 的消費後再生塑料，揚聲器外殼則使用了海洋回收塑料。我們評測的兩台機器均採用相同的機身，因此本節內容適用於兩種配置。
在我們首批評測的RTX Spark筆記型電腦中，OmniBook的手感最佳。其紋理金屬表面和纖薄的機身賦予它一種高級而紮實的質感，完全不像它本身那麼薄，而且機身完全沒有同尺寸筆記型電腦常見的彎曲變形（感覺更像是一台真正的ZBook）。底座後緣延伸至螢幕鉸鏈之後，這在筆記型電腦中並不常見，也改變了散熱方式：無論螢幕打開還是關閉，熱氣都會直接從機身後部排出，而不會吹到鉸鍊或螢幕底部。
惠普將這種延伸設計稱為其塔式鉸鍊和機身背部設計，這在惠普消費級筆記型電腦中尚屬首次。在傳統的翻蓋式筆記型電腦中，顯示器和鉸鏈會佔據底座後部的大部分空間，因此惠普將機身延伸到鉸鏈後方，使空氣能夠順暢地從後方排出。惠普表示，OmniBook 在效能模式下的耗電量最高可達 70W。
HP’s claim for the design is sustained performance and lower surface temperatures, and the first half held in our testing, where the N1X ran its clocks flat for the full 30-minute sustained loop. It did so at the 98 C ceiling in every CPU test, hotter than either the Pro 9n or the 聯想 Yoga 9n 二合一筆記型電腦 16, so the trunk moves the exhaust without making the CPU itself run cooler, and we did not measure surface temperatures for this review.
底部面板後半部大部分被一個大型進氣格柵覆蓋。取下面板後，可以看到兩個風扇位於中央屏蔽罩兩側的後角，熱管連接風扇和99Wh電池，電池佔據了機殼的前半部。惠普表示，每個風扇有79個厚度為0.15毫米的扇葉；兩根粗熱管覆蓋處理器，第三根熱管覆蓋固態硬碟，熱管厚度為1至1.8毫米；此外，熱敏電阻用於監測內部溫度，紅外線感測器則用於監測表面溫度。
記憶體採用板載 LPDDR5X，因此您購買的配置就是您將保留的配置，這在 RTX Spark 系統上比在大多數筆記型電腦上更重要，因為記憶體容量也決定了 GPU 可以使用多少記憶體。
這款鍵盤採用惠普第二代無網格佈局，全尺寸背光鍵盤，按鍵間距為3毫米，鍵帽比第一代更深。鍵盤兩側是四揚聲器格柵，包括兩個主驅動單元和兩個高音單元，分別安裝在獨立的智慧擴大機上，支援DTS空間音訊和Poly Studio調音。鍵盤下方是160 x 100毫米的超大觸控板，支援任何位置點擊，並可調整點擊力度，還具備靜音點擊模式，以及音量和亮度調整手勢。 5萬畫素紅外線攝影機配備實體隱私快門，並可透過專用按鍵靜音麥克風。
這款筆記型電腦配備了一塊16吋3K (2880 x 1800) OLED觸控屏，採用康寧第三代大猩猩玻璃，刷新率最高可達120Hz，支援可變刷新率，響應時間為0.2毫秒。惠普官方標稱其在SDR模式下亮度為500尼特，在HDR模式下亮度為1,100尼特，擁有100% DCI-P3色域覆蓋、VESA DisplayHDR True Black 1000認證，以及低於1的Delta E色差；螢幕佔據了機身91%的面積。
左側配備 HDMI 2.1 介面、兩個支援 USB Power Delivery 和 DisplayPort 2.1 的 40Gbps USB-C 介面以及耳機插孔；右側配備 microSD 讀卡器和兩個 10Gbps USB-A 介面。無線網卡採用聯發科 MT7925，支援 Wi-Fi 7 和藍牙 6.0。惠普官方宣稱 99Wh 電池續航時間長達 17 小時，並隨附一個 140W USB-C GaN 轉接器，該轉接器採用折疊式插頭和可拆卸的 2 公尺線纜。惠普表示，這款轉接器比上一代 140W 轉接器體積縮小 43%，重量減輕 28%，充電 30 分鐘即可充填至 50% 左右。
RTX Spark N1X 平台
RTX Spark 是基於 N1X 超級晶片的 Windows PC 系列，其筆記型電腦版本DGX Spark與 GB10 類似。我們在Surface Laptop Ultra 的評測中已經詳細介紹過該平台，因此本節將重點介紹與 OmniBook 測試結果相關的關鍵資訊。我們評測的兩款 HP 筆記型電腦均搭載了頂級配置，分別是 20 核心 Grace CPU（10 個高速核心和 10 個能源效率核心，不支援 SMT）搭配 6,144 核心 Blackwell RTX GPU。 HP 也提供 18 核心 5,120 核心 GPU 的版本，與本次對比中的 Lenovo Pro 9n 採用相同的配置。
N1X 的 LPDDR5X 記憶體以 9,400 MT/s 的速率運行在 256 位元介面上，並由 CPU 和 GPU 共享。 NVIDIA 應用程式中的一個設定決定了 Windows 指派給 GPU 的專用顯存大小。這是 Windows 系統中的設置，而非 BIOS 選項，因此可以輕鬆地重新調整記憶體分配。
我們的128GB版本配置為GPU和CPU各64GB，實測GPU可用記憶體為62.5GB，符合我們本地AI模型測試的兩個層級。我們將32GB版本配置為GPU 12GB和CPU 20GB，與聯想Pro 9n相同，因此兩款32GB系統可以直接比較；12GB配置下，兩款系統均不符合模型層級測試的要求。
記憶體分配固定是 Windows 的限制，而非 NVIDIA 的限制。 Windows 目前還不支援像 DGX Spark 上的 Linux 系統那樣跨 CPU 和 GPU 統一記憶體分配，因此必須預先設定記憶體分配；我們了解到 NVIDIA 和微軟正在共同努力解決這個問題。
OmniBook 運行的是基於 Arm64 架構的 Windows 11 26H1 系統，因此 x64 應用程式需要透過 Prism 進行模擬。我們的測試套件使用所有開源工作負載的原生 Arm64 版本，以確保 CPU 效能資料基於矽晶片。如果 Arm64 移植版本尚不成熟，或者唯一的選擇是 x64 版本，我們會特別說明，因為下面的幾行測試結果依賴這些移植版本。
HP OmniBook Ultra 16 規格
| 規格 | HP OmniBook Ultra 16 (16-bk0xxx) |
|---|---|
| 平台概述 | |
| 處理器 | NVIDIA RTX Spark N1X，20 核心 CPU 搭配 6,144 核心 Blackwell RTX GPU（測試機型皆為此配置） NVIDIA RTX Spark N1X，18 核心 CPU 搭配 5,120 核心 Blackwell RTX GPU |
| 記憶體應用 | 32GB、64GB 或 128GB LPDDR5X-9400（板載） 128GB內存，64GB GPU內存/64GB系統內存（測試機型為1） 32GB內存，12GB GPU內存/20GB系統內存（測試機型為2） |
| 儲存 | 1TB PCIe Gen5 NVMe M.2 SSD 或 2TB PCIe Gen5 NVMe 高效能 M.2 SSD 2TB Sandisk PC SN8050S（測試樣機為1台） 1TB KIOXIA KBG80ZNV（測試機型為2） |
| 操作系統 | Windows 11 家用版或 Windows 11 專業版 (Arm64) 測試系統：Windows 11 專業版（單元 1）、Windows 11 家用版（單元 2） |
| 顯示和 I/O | |
| 顯示螢幕 | 16吋3K (2880 x 1800) OLED觸控屏，最高支援120Hz刷新率、VRR可變刷新率，響應時間0.2毫秒 500 尼特 SDR、1,100 尼特 HDR、100% DCI-P3、Delta E <1 VESA DisplayHDR True Black 1000，康寧第三代大猩猩玻璃 |
| 連接埠數量 | 2 個 USB-C 40Gbps 介面（支援 USB 電源傳輸和 DisplayPort 2.1） 2個USB-A 10Gbps 1個HDMI 2.1 1 個 microSD 讀卡器 1 個耳機/麥克風組合插孔 |
| 無線應用 | 聯發科 Wi-Fi 7 MT7925 (2×2)，藍牙 6.0 |
| 相機 | 5萬畫素紅外線鏡頭，附隱私快門 |
| 音訊 | 四揚聲器（2個主揚聲器，2個高音揚聲器），配備獨立智慧功放；DTS空間音頻，Poly Studio調音 |
| 輸入 | 第二代無網格背光鍵盤 160 x 100 毫米觸覺觸控板，附手勢控制功能 |
| 力量和體能 | |
| 電池 | 6芯99Wh鋰離子聚合物電池；續航時間長達17小時（惠普官方數據） |
| 充電 | 140W USB-C GaN 轉接器；30 分鐘可充電約 50%（惠普官方資料） |
| 熱設計 | 塔式鉸鍊和機殼；兩個風扇、三根熱管、熱敏電阻和紅外線感測器；最高 70W TDP（HP 額定值） |
| 尺寸 | 14.01 x 10.1 x 0.62 英吋（後 15.7 毫米，前部 11.6 毫米） |
| 重量 | 4.89磅 |
| 顏色 | 日蝕灰 |
| 安全與定價 | |
| 安全性 | 麥克風靜音鍵、相機隱私快門、TPM；兩台裝置均支援 BitLocker XTS-AES-128 加密 |
| 價格 | 3,199.99 美元（32GB，1TB，百思買和惠普官網，測試產品）；4,999.99 美元（64GB，2TB，惠普官網） 6,229.99 美元（128GB、2TB，HP.com 配置器測試配置；HP 定價截至 2026 年 10 月 14 日） |
測試設定和方法
我們測試的兩台 OmniBook Ultra 16 均搭載了 RTX Spark N1X 顯示卡，配備 6,144 核心 Blackwell GPU：一台配備 128GB LPDDR5X-9400 記憶體（64/64 記憶體比例）和一塊 2TB Sandisk SN8050S Gen5 固態硬碟記憶體（12/20 記憶體比例）和一塊 1TB KIOXIA Gen5 固態硬碟，運行 Windows 11 家用版 26H1 系統，兩台均採用 Arm64 架構。基準測試在 HP 的效能模式下運行，Windows 設定為“最佳效能”，並連接電源。
所有系統均運行了 sr-client 1.2，這是我們編寫的 Windows 用戶端基準測試套件。該套件在所有系統上套用相同的實驗室設定：Windows 電源模式設定為“最佳效能”，顯示器亮度設定為 50%，所有睡眠和顯示器關閉計時器均已停用，且 Windows 防火牆和 UAC 提示均已關閉。每個結果均為多次運行的中位數，如果測試結果的波動超過 2%，則該套件會重新執行測試才會接受該結果。
| 系統 | 中央處理器 | 記憶體應用 | GPU 用於 GPU 和 AI 測試 | SSD | 作業系統和效能模式 |
|---|---|---|---|---|---|
| HP OmniBook Ultra 16 (128GB) | NVIDIA RTX Spark N1X，20核心/20線程 | 128GB LPDDR5X-9400（64GB GPU / 64GB 系統記憶體） | 6,144 核心 Blackwell RTX（整合式顯示卡，可用記憶體 62.5GB） | 閃迪 PC SN8050S 2TB，Gen5 x4 | Windows 11 專業版 26H1 (Arm64)，HP 效能 |
| HP OmniBook Ultra 16 (32GB) | NVIDIA RTX Spark N1X，20核心/20線程 | 32GB LPDDR5X-9400（12GB GPU / 20GB 系統記憶體） | 6,144 核心 Blackwell RTX（整合式顯示卡，可用記憶體 12GB） | KIOXIA KBG80ZNV 1TB，第五代 x4 | Windows 11 家用版 26H1 (Arm64)，HP 效能 |
| 微軟 Surface Laptop Ultra | NVIDIA RTX Spark N1X，20核心/20線程 | 128GB LPDDR5X-9400（64GB GPU / 64GB 系統記憶體） | 6,144 核心 Blackwell RTX（整合式顯示卡，可用記憶體 62.5GB） | SK海力士HFS001TFM9X 1TB，第五代 x4 | Windows 11 專業版 26H1 (Arm64)，最佳效能 |
| 聯想Pro 9n 15 | NVIDIA RTX Spark N1X，18核心/18線程 | 32GB LPDDR5X-9400（12GB GPU / 20GB 系統記憶體） | 5,120 核心 Blackwell RTX（整合式顯示卡，可用記憶體 12GB） | 三星 MZAL81T0HFLB 1TB，Gen4 x4 | Windows 11 專業版 26H1 (Arm64)，聯想效能模式 |
| Razer Blade 16 | AMD Ryzen AI 9 HX 370，12核心/24線程 | 32GB LPDDR5X-8000 | NVIDIA GeForce RTX 5090 筆記型電腦顯示卡，24GB | 三星 MZVL22T0 2TB，Gen4 x4 | Windows 11 家用版 25H2 (x64)，Razer Synapse 效能 |
查看以下數據，除了已完成的測試數量之外，還有兩個重要的術語需要理解。 DNF 表示測試已開始但未完成，或因失敗而被跳過；此處僅適用於 Surface 的 OpenBLAS 測試，該測試因筆記型電腦斷電而被跳過。 Not run 表示測試套件拒絕啟動測試，因為硬體不符合要求，最常見的原因是某個型號的 GPU 內存超過了可用內存：32GB 的 OmniBook 和 12GB 可用 GPU 內存的 Pro 9n 均低於我們最低的型號級別，而 Blade 16 的 24GB 內存則使其低於 M 級。
N/A 表示該測試不適用於該硬件，例如在不支援 SMT 的晶片上測試 SMT 單核，或在運行原生版本的 x64 系統上測試模擬行。如果 RTX Spark 系統透過 Prism 運行 x64 軟體，則該行會註明。
本地人工智慧效能
這些筆記型電腦的本地AI性能取決於GPU運行模型的速度以及模型是否適用。 128GB的OmniBook和Surface滿足了容量方面的需求，因為它們擁有62.5GB的GPU可用內存，足以運行我們推薦的M級模型；而32GB的OmniBook和Pro 9n則只能在小容量機型上達到相同的運行速度，僅此而已。
MLPerf 用戶端 v2.0
MLPerf 用戶端執行 Llama 3.1 8B 和 Phi-4-mini，涵蓋五個提示類別，並報告首次代幣到達時間和之後的代幣產生率（以各類別幾何平均值表示）。本次評測中的所有系統均使用 llama.cpp 和 CUDA，因此引擎相同，各行資料比較的是硬體。在代理場景中，Llama 3.1 8B 分別以軟體工程代理程式和資料分析代理程式執行，並在多個回合中呼叫工具。
| MLPerf 用戶端 v2.0 | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| Llama 3.1 8B，首次到達令牌的時間，幾何平均值（秒，越低越好） | 0.274 | 0.275 | 0.284 | 0.303 | 0.149 |
| Llama 3.1 8B，令牌速率，幾何平均值（令牌/秒） | 56.5 | 56.4 | 56.4 | 55.1 | 128.8 |
| Phi-4-mini，首次令牌到達時間，幾何平均值（秒，越低越好） | 0.130 | 0.123 | 0.127 | 0.135 | 0.074 |
| Phi-4-mini，代幣率，幾何平均值（代幣/秒） | 96.8 | 96.8 | 97.5 | 95.2 | 222.7 |
| 數據分析代理，端到端（s，數值越低越好） | 53.0 | 52.4 | 52.6 | 56.2 | 27.8 |
| 數據分析代理，代幣速率（tok/s） | 48.5 | 49.0 | 48.9 | 46.9 | 108.3 |
| SWE Agent，端對端（s，數值越低越好） | 45.3 | 46.2 | 46.0 | 48.0 | 24.6 |
| SWE 代理，代幣速率（tok/s） | 46.6 | 46.6 | 46.4 | 44.5 | 102.5 |
兩台 OmniBook 運行 Llama 3.1 8B 測試，每秒生成 56.5 和 56.4 個令牌；運行 Phi-4-mini 測試，每秒生成 96.8 和 96.8 個令牌，兩者的性能基本相同，也與 Surface 的性能相同，這證實了在合適的速度型號上，內存容量不會影響 N1XXXX 的速度。 Pro 9n 的 5,120 核心 GPU 在兩台機型上的效能差距均在 3% 以內，因為這種規模的令牌產生更多地受限於記憶體頻寬，而非 GPU 核心數。 Blade 16 的效能最佳，每秒產生 128.8 和 222.7 個令牌。
代理場景遵循相同的模式，每個 RTX Spark 系統完成資料分析師場景需要 52.4 到 56.2 秒，完成軟體工程師場景需要 45.3 到 48.0 秒，而 Blade 16 在這兩個場景中花費的時間大約只有它的一半。
模型加載
此測試在 Ollama 中對本地模型進行計時，從 SSD 讀取到生成第一個令牌，分別在冷態（檔案快取已清空）和熱態（檔案已在記憶體中）兩種情況下進行，並報告冷態負載下 SSD 的讀取速度。 S 級測試在至少擁有 16GB GPU 可用內存的系統上使用 gpt-oss:20b (12.8GB) 鏡像；M 級測試在擁有約 40GB 或更多 GPU 可用內存的系統上添加了 Qwen3.6-35B-A3B (21.1GB) 鏡像。
| 模型載入（記憶體映射開啟） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| gpt-oss:20b，冷加載到第一個標記（s，數值越小越好） | 6.23 | 未運作（12GB GPU 記憶體） | 6.57 | 未運作（12GB GPU 記憶體） | 8.71 |
| gpt-oss:20b，熱加載到第一個標記（s，數值越小越好） | 3.59 | 未運作（12GB GPU 記憶體） | 3.57 | 未運作（12GB GPU 記憶體） | 6.93 |
| gpt-oss:20b，冷載期間的讀取吞吐量（MB/s） | 3,044 | 未運作（12GB GPU 記憶體） | 3,080 | 未運作（12GB GPU 記憶體） | 3,874 |
| Qwen3.6-35B-A3B，冷加載到第一個令牌（s，數值越小越好） | 9.04 | 未運作（12GB GPU 記憶體） | 8.77 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
| Qwen3.6-35B-A3B，熱加載到第一個令牌（s，數值越小越好） | 4.23 | 未運作（12GB GPU 記憶體） | 4.47 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
128GB OmniBook 在冷啟動時僅用 6.23 秒就讀取了 gpt-oss:20b 檔案的第一個標記，速度在所有測試機型中最快，Surface 為 6.57 秒，Blade 16 為 8.71 秒；熱啟動時僅需 3.59 秒。 Blade 讀取檔案的速度最快，達到 3,874MB/s，但讀取第一個標記的速度最慢，因為它的權重資料還需要透過 PCIe 傳輸到顯存 (VRAM)，而統一記憶體則在讀取完成後就已生效。惠普的硬碟並非瓶頸所在：其在負載下的讀取速度為 3,044MB/s，遠低於測試中 DiskSpd 工具以 1MB 區塊讀取相同模型檔案時測得的 12,866MB/s 的速度。
在M級測試中，OmniBook和Surface的成績相差無幾，冷啟動分別為9.04秒和8.77秒，熱啟動分別為4.23秒和4.47秒，差距僅0.3秒。 32GB版本的OmniBook和Pro 9n由於可用GPU記憶體僅為12GB，因此不符合任何級別的測試標準；而配備24GB顯存的Blade 16則被排除在M級之外。
編碼代理
Codex CLI 透過一個固定程式碼庫中的固定編碼任務驅動由 Ollama 提供的本機模型；當程式碼庫中的 11 個測試全部通過時，執行即告成功。我們報告了三次運行的中位數運行時間、成功運行的次數以及生成速率。使用者旁代理測試同時運行代理程式和 Speedometer，並報告與單獨運行相比，每個組件的運行速度分別下降了多少。
| Codex CLI 編碼代理 | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| S級，gpt-oss:20b 64K：運行時間（秒，數值越低越好） | 115.3 | 未運作（12GB GPU 記憶體） | 191.8 | 未運作（12GB GPU 記憶體） | 64.4 |
| S級：成功（3次） | 3 | 未運作（12GB GPU 記憶體） | 3 | 未運作（12GB GPU 記憶體） | 2 |
| S級：生成速率（tok/s） | 58.0 | 未運作（12GB GPU 記憶體） | 58.0 | 未運作（12GB GPU 記憶體） | 137.9 |
| Tier M，gpt-oss:20b 128K：運行時間（秒，數值越低越好） | 152.1 | 未運作（12GB GPU 記憶體） | 87.5 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
| Tier M，gpt-oss:20b 128K：成功（共 3 次） | 3 | 未運作（12GB GPU 記憶體） | 2 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
| M級，Qwen3.6-35B-A3B 64K：牆內時間（秒，越低越好） | 72.0 | 未運作（12GB GPU 記憶體） | 88.6 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
| M級，Qwen3.6-35B-A3B 64K：成功（共3次） | 3 | 未運作（12GB GPU 記憶體） | 3 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
| Tier M，Qwen3.6-35B-A3B 64K：生成速率（tok/s） | 89.5 | 未運作（12GB GPU 記憶體） | 89.2 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
| 代理人旁邊的速度表（分數） | 21.2 | 未運作（12GB GPU 記憶體） | 18.1 | 未運作（12GB GPU 記憶體） | 36.3 |
| 速度表在代理旁邊變慢（x，數值越低越好） | 1.73 | 未運作（12GB GPU 記憶體） | 1.92 | 未運作（12GB GPU 記憶體） | 1.06 |
| 速度表旁邊的代理減速（x，數值越低越好） | 1.04 | 未運作（12GB GPU 記憶體） | 1.10 | 未運作（12GB GPU 記憶體） | 1.05 |
128GB 的 OmniBook 順利通過了所有九項編碼測試。它以每秒 89.5 個令牌的速度，用時 72.0 秒完成了 Qwen3.6-35B-A3B 任務，比 Surface 的 88.6 秒（速度相同）更快；在 S 級任務中，它以 115.3 秒的成績完成了任務，而 Surface 則用時 191.8 秒。在 M 級 gpt-oss:20b 任務中，它的運行時間比 Surface 更長，為 152.1 秒，而 Surface 為 87.5 秒。這是因為該模型在 HP 上調用了更多工具並產生了更多令牌；令牌產生速度分別為每秒 57.7 個令牌和 59.2 個令牌，這才是更直接的硬體比較。
Blade 16 以每秒 137.9 個代幣的速度，耗時 64.4 秒完成了 S-Class 任務，三次測試通過了兩次。並發測試充分體現了獨立顯示卡的優勢：Blade 的瀏覽器得分在運行代理程式後下降了 5%，因為模型運行在 RTX 5090 顯示卡上。而在 OmniBook 上，由於代理程式與其他元件共享整合式顯示卡和記憶體總線，速度計得分從 36.7 降至 21.2，速度下降了 1.73 倍，但仍比 Surface 的 1.92 倍要低。
檢索增強生成
我們的 RAG 測驗使用 nomic-embed-text 嵌入了 20,963 段 SQuAD v1.1 文章，針對 2,000 個問題分別提取出前五段文章，並使用 Phi-4-mini 對其中 400 題進行解答，計算其與參考答案的完全匹配度和 F1 值。由於模型體積小巧，可以在任何系統上運行，因此本次測試主要考察的是速度。
| 抹布 | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| 攝取牆壁時間，20,963 次（秒，越低越好） | 187.0 | 195.2 | 189.8 | 191.8 | 131.0 |
| 檢索查詢時間，p50（毫秒，數值越低越好） | 23.3 | 22.5 | 23.4 | 24.2 | 20.9 |
| 答案，Phi-4-mini 首次令牌到達時間，p50（秒，越低越好） | 0.155 | 0.156 | 0.161 | 0.171 | 0.109 |
| 回答，快速處理（tok/s） | 7,142 | 7,139 | 6,955 | 6,268 | 11,560 |
| 答案，生成速率（tok/s） | 104.4 | 102.0 | 102.7 | 96.6 | 209.2 |
| 問題回答，p50（s，越低越好） | 0.227 | 0.231 | 0.235 | 0.252 | 0.159 |
| 答案 F1 (%) | 73.97 | 73.97 | 73.97 | 74.27 | 74.47 |
四台搭載 RTX Spark 顯示卡的系統在 8 秒內完成了語料庫導入，其中 128GB 的 OmniBook 速度最快，耗時 187.0 秒，它們回答典型問題的時間為 0.227 至 0.252 秒。 Blade 16 完成語料庫導入耗時 131.0 秒，產生答案的速度為每秒 209.2 個詞元，是 OmniBook（104.4 個詞元）的兩倍。三台 20 核心系統的準確率完全相同，Pro 9n 和 Blade 的準確率與 F1 值相差不到 0.5 個百分點，這與相同型號在 0 攝氏度下的預期表現一致。
CPU性能
三款搭載20核心RTX Spark顯示卡的筆記型電腦在CPU效能方面表現相近，兩款OmniBook和Surface在大多數多執行緒測試中成績相差僅1%到2%，而18核心的Pro 9n則落後它們約7%到11%。與Razer Blade 16的Ryzen AI 9 HX 370相比，N1X在渲染、壓縮和編譯方面領先約18%到50%，但在GROMACS、OpenBLAS、單線程Python和primesieve測試中則略遜一籌。在這些測試中，Zen 5的單核心速度或x64軟體的成熟度決定了最終結果。
Cinebench 2026 和持續負載
Cinebench 2026 使用 Maxon 的 Redshift 引擎在 CPU 上渲染場景，並分別測試單核心、SMT 單核心（一個實體核心上執行兩個執行緒）和多核心的吞吐量。隨後，我們進行一個持續循環測試，重複多核心運行約 30 分鐘，並將穩定狀態與第一次運行進行比較，以顯示筆記型電腦在過熱後表現下降的程度。
| Cinebench 2026（分數越高越好） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| 單核 | 558.6 | 564.7 | 558.5 | 518.2 | 480.0 |
| SMT單核 | 不適用 | 不適用 | 不適用 | 不適用 | 661.3 |
| 多核心 | 7,004 | 6,934 | 6,963 | 6,394 | 5,179 |
| 持續循環，第一次 | 6,954 | 6,943 | 6,938 | 6,346 | 5,162 |
| 持續循環，穩態 | 6,942 | 6,929 | 7,016 | 6,416 | 5,206 |
| 穩態/首次通過 | 0.998 | 0.998 | 1.011 | 1.011 | 1.009 |
128GB 版 OmniBook 的多核心跑分達到 7,004 分，位居榜首，比 Blade 16 高出 35%，32GB 版 OmniBook 的得分為 6,934 分，Surface 的得分為 6,963 分。 32GB 版 OmniBook 的單核心跑分也最高，達 564.7 分。兩款惠普筆記型電腦在持續循環測試中均保持了較高的分數，在 CPU 溫度為 98 攝氏度、頻率約為 3.23GHz 時，首輪測試成績達到 99.8%；Surface 和 Pro 9n 在相同的半小時內，分數提升了約 1%。
7-ZIP
7-Zip 內建的基準測試報告 LZMA 壓縮和解壓縮的吞吐量，單位為每秒千兆指令數 (GSI/s)，分別在每個執行緒上執行一次，以及在單一核心上執行一次。 LZMA 演算法依賴整數吞吐量、分支預測以及快取和記憶體延遲，因此它更傾向於使用數量較多的核心和較快的記憶體路徑，而不是向量寬度。
32GB 和 128GB 版本的 OmniBook 在全執行緒測試中分別以 152.9 和 151.2 GIPS 的成績領先，比 Blade 16 高出 20%，壓縮率也比 Blade 高出約 37%。在單線程測試中，Blade 以 9.24 GIPS 的成績領先，惠普 OmniBook 緊隨其後，分別為 9.09 和 9.10 GIPS。 OmniBook 不會像 Surface 一樣在單執行緒測試中出現低核心狀態（Surface 單執行緒效能只有 7.16 GIPS），因此此處的單執行緒測試結果反映的是 N1X 本身的效能。
| 7-Zip，單線程（GIPS，數值越高越好） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| 總額 | 9.09 | 9.10 | 7.16 | 8.93 | 9.24 |
| 壓縮 | 7.31 | 7.33 | 4.62 | 7.26 | 7.28 |
| 解壓縮 | 10.87 | 10.87 | 9.70 | 10.59 | 11.20 |
Blender、HandBrake 和 LLVM
Blender 4.5 使用 Cycles 渲染器在 CPU 上渲染 Monster、Junkshop 和 Classroom 場景。 HandBrake 使用 x265（HEVC，中等預設，品質 22）和 SVT-AV1（預設 8，品質 30）對 60 秒的 4K60 視訊片段進行軟體編碼。 LLVM 測試使用 Clang 和 Ninja 編譯完整的 LLVM 21.1.4 程式碼樹，這是測試套件中最耗時的全核心工作負載。
三款20核心筆記型電腦在Blender的三個場景測試中成績相差不到2%，其中32GB OmniBook在Monster場景中以每分鐘211.7個採樣領先，Surface在Classroom場景中以每分鐘93.2個採樣領先。 128GB OmniBook在Monster場景中領先Blade 16 49%，在Classroom場景中領先18%。 128GB OmniBook的LLVM建置耗時206.6秒，與Surface持平，比Blade 16的327.0秒快了37%。
HandBrake 測試結果在軟體層面上存在差異，32GB 的 OmniBook 在 x265 編碼下以 42.3 fps 的幀率領先，比 Blade 16 高出 27%，而所有 N1X 系統在 SVT-AV1 編碼下僅達到約 15 fps，遠低於 Blade 的 77.3 f。在晶片層面上，x265 編碼效能領先的核心速度不可能慢五倍，因此差距在於 SVT-AV1 的 Arm64 程式碼路徑。
Stockfish、primesieve、Python 和瀏覽器
Stockfish 內建的基準測試工具以每秒百萬個節點為單位報告國際象棋搜尋速度。 primesieve 統計所有執行緒上小於 10^12 的質數，以及單一執行緒上小於 10^11 的質數。 PyPerformance 在單一高效能核心上執行三個 CPython 基準測試（go、nbody 和 regex_compile），而 Speedometer 3.1 則測量 Microsoft Edge 中 Web 應用程式的回應速度。最後兩行資料是在 Prism 模擬器下運行 7-Zip 的 x64 版本，顯示了僅支援 x64 架構的應用程式在這些系統上的運行成本。
| 測試 | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| Stockfish 基準測試，所有執行緒（Mnps，數值越高越好） | 16.28 | 15.12 | 15.51 | 15.20 | 17.96 |
| Stockfish 工作台，單線程（Mnps，數值越高越好） | 1.73 | 1.73 | 1.33 | 1.70 | 2.04 |
| primesieve 1e12，所有線程（s，越低越好） | 9.57 | 9.54 | 9.82 | 10.56 | 10.60 |
| primesieve 1e11，單線程（s，越低越好） | 12.03 | 12.02 | 12.03 | 12.34 | 6.67 |
| PyPerformance 的值為（毫秒，數值越低越好） | 111.2 | 111.2 | 123.9 | 114.1 | 75.2 |
| PyPerformance nbody（毫秒，數值越低越好） | 80.4 | 80.6 | 89.8 | 82.5 | 60.8 |
| PyPerformance 正規表示式編譯（毫秒，數值越低越好） | 84.6 | 84.5 | 94.1 | 86.7 | 69.7 |
| Speedometer 3.1，Edge（評分，越高越好） | 36.7 | 35.4 | 34.7 | 33.9 | 38.4 |
| x64 7-Zip 在模擬器下運行，所有執行緒 (GIPS) | 127.0 | 127.8 | 127.2 | 117.6 | 不適用（原生 x64） |
| x64 7-Zip 在模擬器下運行，單執行緒 (GIPS) | 8.26 | 8.36 | 8.27 | 7.94 | 不適用（原生 x64） |
Blade 16 在所有線程的 Stockfish 測試中均以 17.96 Mnps 的成績領先，比 128GB 版 OmniBook 高出 10%。在所有單執行緒測試中，Blade 16 也遙遙領先：primesieve 單執行緒測試僅需 6.67 秒，而 N1X 系統則需要約 12 秒；PyPerformance go 測試僅需 75.2 毫秒，而 HP 系統則需要 111.2 毫秒。 OmniBook 在所有執行緒的 primesieve 測試中速度最快，分別為 9.54 秒和 9.57 秒。 128GB 版 OmniBook 的 Speedometer 得分為 36.7，與 Blade 的 38.4 分僅相差 5%。
在這個平台上，模擬運行的成本比以前降低了。在128GB OmniBook上，7-Zip的x64版本在所有執行緒上的運行速度為127.0 GIPS，達到原生Arm64版本的84%，並且略高於運行其原生x64版本的Blade 16。在我們測試過的所有N1X系統上，Cinebench 2026的x64版本在模擬運行下均崩潰，因此相關數據被排除在外。
GROMACS、OpenBLAS 和內存
GROMACS 在 16 個核心上執行 benchMEM 分子動力學算例，採用四種不同的執行緒佈局，並報告最佳佈局下每天的模擬時間（以奈秒為單位）。我們的 OpenBLAS 測試在所有核心上運行 HPL 風格的雙精度 LU 分解求解（三種問題規模）以及 DGEMM 矩陣乘法運算，並在最佳核心類別上再次運行。這是這個測試套件中最繁重的持續浮點運算負載。 STREAM 測量持續記憶體頻寬，延遲行則測量單次記憶體存取和核心間延遲。
| 測驗（分數越高越好） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| GROMACS benchMEM，最佳佈局（ns/天） | 17.47 | 17.43 | 17.29 | 16.88 | 26.41 |
| OpenBLAS LU N=10000，所有核心 (GFLOPS) | 324.0 | 326.9 | 地下城與勇士 | 303.4 | 400.9 |
| OpenBLAS LU N=20000，所有核心 (GFLOPS) | 329.6 | 322.4 | 地下城與勇士 | 318.1 | 454.4 |
| OpenBLAS LU N=40000，所有核心 (GFLOPS) | 348.8 | 未運行（需要 11.9GB） | 地下城與勇士 | 未運行（需要 11.9GB） | 498.5 |
| OpenBLAS LU N=20000，頂級核心等級（GFLOPS） | 380.5 | 432.2 | 地下城與勇士 | 403.8 | 240.4 |
| OpenBLAS DGEMM M=8000，所有核心（GFLOPS） | 398.5 | 368.9 | 地下城與勇士 | 357.6 | 455.4 |
| OpenBLAS DGEMM M=8000，頂級核心等級（GFLOPS） | 488.7 | 488.7 | 地下城與勇士 | 448.3 | 252.4 |
Blade 16 在 GROMACS 測試中以 26.41 ns/天的成績領先於 OmniBooks 的約 17.4 ns/天，並且在全核 OpenBLAS 測試中領先約 14% 至 43%，與 Surface 的情況類似。更重要的是，兩台 OmniBooks 都完成了 OpenBLAS 測試。 128GB 版本運行了所有規模的測試，包括 N=40000，性能達到 348.8 GFLOPS；32GB 版本運行了除 N=40000 以外的所有規模測試，N=40000 需要 11.9GB 內存，如果系統內存超過 Windows 系統內存的一半，則會跳過測試。 Surface 在 N=20000 的求解過程中斷電三次；兩台 HP 筆記型電腦均在 98°C 的溫度下完成了測試。
在 OpenBLAS 測試中，N1X 的頂級核心單獨運行性能優於全部 20 個核心同時運行：32GB 版 OmniBook 的 10 個高效能核心在 N=20000 的計算中達到了 432.2 GFLOPS，而全部 20 個核心同時運行的計算結果為 322.4 128 10GE .488.7GE . GFLOPS。這表明，在此測試中，高效能核心對共享工作負載的拖慢作用大於其帶來的效能提升。
| 測試 | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| 串流複製（MB/s，速度越高越好） | 130,790 | 128,814 | 130,516 | 127,682 | 43,731 |
| STREAM Triad（MB/s，越高越好） | 122,260 | 121,662 | 122,114 | 120,272 | 48,298 |
| 記憶體延遲，1GiB 緩衝區，4KiB 頁（奈秒，數值越低越好） | 143.1 | 143.5 | 251.1 | 143.4 | 129.6 |
| 核心間延遲，所有核心對的平均值（ns，數值越低越好） | 156.8 | 160.9 | 171.6 | 160.6 | 57.0 |
記憶體頻寬是RTX Spark平台最明顯的硬體優勢。所有N1X系統在STREAM Triad測試中讀取速度達到120至122GB/s，是Blade 16（48,298MB/s）的2.5倍。 OmniBook的記憶體延遲約為143奈秒，對於該平台而言也屬於正常水平，遠低於Surface的251.1奈秒，但仍比Blade的129.6奈秒慢。其核心間延遲為156.8至160.9奈秒，約為Blade（57.0奈秒）的三倍，這也解釋了為什麼N1X在單執行緒任務中落後於x64架構。
遊戲和GPU編碼
SuperTuxKart 1.5 內建基準測試程式在 1080p 全螢幕模式下，使用最高預設設定並關閉垂直同步，分別使用遊戲原生 Arm64 版本和模擬器運行的 x64 版本進行測試。我們記錄平均幀率和穩定幀率。 FFmpeg 使用 NVENC HEVC 編碼相同的 4K60 視訊片段，在 NVIDIA 系統上編碼碼率為 8Mbps，在可用系統上則使用 Media Foundation HEVC 編碼器進行編碼。
| 測驗（分數越高越好） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| SuperTuxKart 1080p 超高畫質，原生畫質，平均幀率 (fps) | 225.9 | 236.1 | 235.9 | 218.4 | 200.0 |
| SuperTuxKart 1080p 超高清，原生，穩定（幀率） | 143 | 147 | 146 | 140 | 115 |
| SuperTuxKart 1080p 超高畫質，x64 模擬器運行，平均幀率 (fps) | 266.5 | 265.4 | 264.6 | 248.6 | 不適用（原生 x64） |
| SuperTuxKart 1080p 超高畫質，x64 模擬器運行，幀率穩定 (fps) | 141 | 143 | 129 | 94 | 不適用（原生 x64） |
| FFmpeg NVENC HEVC，4K60，8Mbps（幀率） | 138 | 137 | 135 | 139 | 132 |
| FFmpeg 媒體基金會 HEVC (fps) | 66 | 55 | 55 | 55 | 不適用 |
32GB 的 OmniBook 和 Surface 並列原生幀率第一，約為 236 fps；128GB 的 OmniBook 幀率為 225.9 fps，而 Blade 16 則達到了 200.0 fps。在這個解析度下，幀率由 CPU 決定，而 RTX 5090 的效能還有提升空間，因此測試結果更反映了各系統核心的效能，而非 GPU 的效能。在模擬器下運行的 x64 版本在兩款惠普筆記型電腦上的平均幀率約為 266 fps，高於原生 Arm64 版本，這表明遊戲的 Windows on Arm 移植版本速度較慢。
由於 NVENC 是固定功能的，因此硬體編碼在各款產品中幾乎完全相同。 OmniBook 的 HEVC 編碼幀率分別為 138 和 137 fps，而 Blade 16 的編碼幀率分別為 132 fps，128GB 版本的 Media Foundation 編碼器幀率則為 66 fps。
暖流
兩款 OmniBook 均依照設計讓 N1X 處理器發揮到極限效能。在所有全核心工作負載下，它們的溫度都保持在攝氏 98 度，在 Stockfish、Blender、GROMACS 和 30 分鐘持續循環測試中，平均溫度在攝氏 96 到 98 度之間，但效能並未因此下降。兩台機器在幾乎所有測試中溫度都相差不到一度，這正是相同機殼應有的表現。 RTX Spark 系統僅透過 Windows 溫度分割區報告 CPU 溫度，不顯示 GPU 溫度，因此下表僅包含 CPU 溫度資料。
| CPU溫度，最高/平均（攝氏） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| Cinebench 2026 | 98 / 83 | 98 / 83 | 98 / 88 | 92 / 70 | 96 / 78 |
| 7-ZIP | 98 / 78 | 98 / 77 | 98 / 65 | 83 / 63 | 99 / 84 |
| 魚乾 | 98 / 97 | 98 / 96 | 98 / 96 | 88 / 83 | 92 / 90 |
| 混合器 | 98 / 96 | 98 / 97 | 98 / 93 | 91 / 80 | 95 / 87 |
| HandBrake | 98 / 86 | 98 / 87 | 98 / 84 | 93 / 74 | 92 / 86 |
| LLVM 建構 | 98 / 92 | 98 / 92 | 98 / 92 | 87 / 79 | 98 / 93 |
| GROMACS | 98 / 96 | 98 / 96 | 98 / 96 | 89 / 85 | 97 / 94 |
| OpenBLAS | 98 / 95 | 97 / 93 | 地下城與勇士 | 92 / 83 | 91 / 87 |
| 流 | 98 / 96 | 95 / 89 | 98 / 92 | 78 / 66 | 75 / 71 |
| 超級卡丁車 | 95 / 82 | 94 / 86 | 90 / 80 | 74 / 68 | 89 / 82 |
| MLPerf 用戶端 | 93 / 84 | 93 / 85 | 93 / 77 | 76 / 66 | 97 / 76 |
| 編碼代理 | 90 / 79 | 未運行 | 86 / 78 | 未運行 | 91 / 84 |
| 抹布 | 94 / 90 | 94 / 90 | 94 / 86 | 76 / 71 | 88 / 83 |
| 持續循環 | 98 / 98 | 98 / 98 | 98 / 97 | 92 / 87 | 94 / 90 |
Surface Laptop Ultra 的散熱表現與 HP 筆記型電腦相同，在持續循環測試中溫度保持在 98°C 且無明顯下降，這也是其 OpenBLAS 關機性能如此突出的原因。 OmniBook 系列筆記型電腦在相同的 OpenBLAS 測試序列中最高溫度達到 98°C，平均溫度分別為 95°C 和 93°C，頻率約為 3.0GHz，均未出現故障。在 CPU 測試中，Pro 9n 的最高溫度比 HP 筆記型電腦低 5 到 18°C，頻率與 HP 筆記型電腦的相差不到 1%。 Blade 16 的 Zen 5 核心在 7-Zip 和 LLVM 建置過程中溫度達到 98 到 99°C。
| 平均CPU時脈頻率（MHz） | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| Cinebench 2026 | 2,962 | 2,964 | 2,952 | 2,951 | 4,158 |
| 7-ZIP | 2,838 | 2,862 | 2,405 | 2,849 | 4,014 |
| 魚乾 | 3,269 | 3,269 | 3,263 | 3,292 | 3,645 |
| 混合器 | 3,123 | 3,241 | 3,174 | 3,216 | 3,729 |
| HandBrake | 2,756 | 2,865 | 2,739 | 2,834 | 3,814 |
| LLVM 建構 | 3,151 | 3,193 | 3,160 | 3,197 | 3,697 |
| GROMACS | 3,308 | 3,315 | 3,325 | 3,367 | 3,874 |
| OpenBLAS | 3,024 | 3,057 | 地下城與勇士 | 3,192 | 4,274 |
| 流 | 3,258 | 3,251 | 3,255 | 3,101 | 3,684 |
| 超級卡丁車 | 1,957 | 2,008 | 2,049 | 2,017 | 4,349 |
| MLPerf 用戶端 | 2,114 | 2,241 | 2,165 | 2,027 | 3,593 |
| 編碼代理 | 2,078 | 未運行 | 2,242 | 未運行 | 3,789 |
| 抹布 | 2,749 | 2,724 | 2,751 | 2,760 | 3,764 |
| 持續循環 | 3,239 | 3,232 | 3,270 | 3,288 | 3,726 |
在全核心負載下，OmniBook、Surface 和 Pro 9n 的頻率穩定在 3.1 至 3.4GHz，這是 N1X 在這些機箱中的極限頻率。而 HP 的兩款機型在持續循環測試中分別維持在 3,239MHz 和 3,232MHz，得分穩定。韌體能夠將頻率穩定在極限值，不會出現波動，因此得分較為平穩。固態硬碟在負載下也表現出良好的散熱效能，128GB 的 Sandisk 固態硬碟在 80 次 fio 測試後最高溫度為 52℃，32GB 的 KIOXIA 固態硬碟最高溫度為 64℃。
存儲性能
我們的儲存測試使用 fio 的四個角落分別對啟動磁碟進行 5GB 和 25GB 的讀寫測試，測試內容包括檔案系統讀寫以及對原始裝置讀寫，此處報告的是 25GB 的測試結果。原始裝置讀寫的資料繞過了 NTFS 和 BitLocker，因此兩者之間的差距顯示了硬碟在 Windows I/O 路徑下的效能極限。所有四台 N1X 系統都運行 Windows on Arm 並啟用了 BitLocker 裝置加密；兩台 HP 電腦的 BitLocker 保護已啟用，而 Pro 9n 則已停用。
| fio，25GB 佔用空間，QD32 | OmniBook Ultra 16 (128GB) | OmniBook Ultra 16 (32GB) | Surface Laptop Ultra | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|---|
| 順序讀取 128K，檔案系統 (MB/s) | 13,833 | 10,509 | 14,134 | 7,024 | 7,125 |
| 順序讀取 128K，原始設備 (MB/s) | 12,479 | 10,047 | 13,815 | 7,165 | 7,134 |
| 順序寫入 128K (MB/s) | 11,719 | 9,464 | 11,461 | 5,699 | 5,250 |
| 隨機讀取 4K，檔案系統，峰值（IOPS） | 437,833 | 289,024 | 300,225 | 338,936 | 694,597 |
| 隨機讀取 4K，原始設備，峰值（IOPS） | 1,888,501 | 1,412,982 | 1,670,736 | 973,106 | 993,050 |
| 隨機寫入 4K，峰值（IOPS） | 228,354 | 226,661 | 279,848 | 192,000 | 648,446 |
| 原始/檔案系統隨機讀取 | 4.31x | 4.89x | 5.56x | 2.87x | 1.43x |
| 隨機讀取 4K，4 個任務，p99 延遲（微秒，越低越好） | 643 | 494 | 477 | 578 | 444 |
| 隨機寫入 4K，4 個任務，p99 延遲（微秒，越低越好） | 586 | 602 | 449 | 758 | 371 |
| 驅動器溫度，最高（攝氏） | 52 | 64 | 56 | 78 | 60 |
128GB OmniBook 搭載的 2TB Sandisk SN8050S 固態硬碟，順序讀取速度為 13,833MB/s，順序寫入速度為 11,719MB/s，是該組產品中寫入速度最快的，讀取速度僅次於 Surface 的 SK 海力士固態硬碟。 32GB 版本搭載的 1TB KIOXIA Gen5 固態硬碟，順序讀取速度和順序寫入速度分別達到了 10,509MB/s 和 9,464MB/s。 Pro 9n 和 Blade 16 中的兩塊 Gen4 固態硬碟的讀取速度則接近 7GB/s。
隨機 I/O 效能體現了 Windows on Arm 儲存路徑的差異。 SN8050S 從原始設備讀取 4K 隨機資料時，IOPS 為 1.89 萬，但透過檔案系統讀取時僅為 437.8 萬，差距高達 4.3 倍；KIOXIA 的差距更是達到了 4.9 倍。 Blade 16 的 x64 路徑效能損失則小得多，從原始讀取 993.0 萬的硬碟中，透過檔案系統讀取 IOPS 為 694.6 萬。最可能的原因是啟用了 VBS 和記憶體完整性功能的 BitLocker 軟體加密，而關閉 BitLocker 保護的 Pro 9n 的效能差距則縮小至 2.9 倍。惠普在配置這些評測系統時啟用了 BitLocker。
檔案系統路徑也出現了長時間的卡頓。在 16 個作業的情況下，最慢的 0.01% 隨機讀取操作在 128GB 的 OmniBook 上耗時 3.2 秒，在 32GB 的裝置上耗時 6.2 秒，而 Blade 16 僅需 14 毫秒。在重新運行後，一個 128GB 的資料集在相同作業數量下仍然超過了我們 2% 的偏差限制，因此被標記為部分結果；峰值和原始設備結果不受影響。
結語
配備 128GB 儲存的 HP OmniBook Ultra 16 筆記型電腦表現出色，堪稱我們此次 RTX Spark 平台發布測試中最全面的筆記型電腦。它在 CPU、AI 和遊戲效能方面與 Surface Laptop Ultra 的差距僅在幾個百分點之內，能夠以 62.5GB 的 GPU 可用記憶體流暢運行我們本地的兩套 AI 測試，Qwen3.6 編碼任務的完成速度也優於其他所有測試系統，並且能夠穩定運行全核
HP的塔式鉸鍊和機箱散熱設計使N1X在負載持續期間始終保持極限性能，30分鐘內性能無明顯下降。更重要的是，HP系統在所有測試中均順利完成。
32GB 版 OmniBook 證明了 N1X 的 CPU 和 GPU 效能並不依賴記憶體容量：在 CPU、MLPerf 和 RAG 測試中，其效能與 128GB 版本相差不到 2%，並且在 Cinebench 單核心測試和 SuperTuxKart 測試中均名列前茅。它犧牲的是本地模型處理能力，因為 12GB 的 GPU 記憶體分配使其無法參與所有模型載入和編碼代理測試。對於那些看重 N1X CPU 效能的用戶來說，32GB 版本損失不大；而對於那些希望使用本地 AI 的用戶來說，則應該考慮 64GB 或 128GB 版本。
Windows on Arm 儲存路徑的 4K 隨機讀取效能僅為硬碟效能的四分之一不到；有些 Arm64 移植版本（例如 SVT-AV1 和 GROMACS）的效能遠遜於其 x64 版本；單執行緒 Python 的運行速度比 Blade 16 慢 20% 到 50%，單執行緒 PrimeSieve 的運行速度則慢了約 80%。此外，整合 GPU 還與系統其他部分共享記憶體匯流排，因此在執行編碼代理程式時，瀏覽器速度降低了 1.73 倍。這些都是平台/軟體問題，並非惠普的問題，我們期待透過新的修補程式和版本更新，生態系統能夠不斷改進。
對於想要一款性能卓越的行動平台來在本地運行 20 億到 35 億個模型、編譯大型樹木或在 16 英寸輕薄筆記型電腦的 CPU 上進行渲染的開發者和創作者來說，128GB 的 OmniBook Ultra 16 比本次對比中的任何其他筆記型電腦都更勝一籌。
排行榜： 128GB 的 HP OmniBook Ultra 16 在我們的「最佳本地 AI 筆記型電腦」排行榜上名列最佳 RTX Spark 筆記型電腦。
Amazon