聯想 Yoga 9n 二合一筆記型電腦將 NVIDIA RTX Spark N1X 顯示卡融入到一款可翻轉筆記型電腦中：它配備一塊 16 吋 OLED 觸控屏，可透過鉸鏈折疊成平板電腦模式和帳篷模式，並支援觸控筆操作，機身採用 0.69 吋厚的鋁合金材質。我們評測的這款機型搭載了完整的 20 核心 N1X 處理器，配備 6,144 核心 Blackwell GPU、64GB LPDDR5X 記憶體和 1TB Gen4 SSD，百思買 (Best Buy) 的標價為 3,749.99 美元。另一台 18 核心、32GB 記憶體和 1TB 固態硬碟的機型售價為 3,099.99 美元。
Three comparison systems help frame the Yoga’s results. The HP OmniBook Ultra 16 with 128GB carries the same 20-core N1X in a 16-inch clamshell and is the fastest RTX Spark notebook we have tested, so it is the yardstick for what the Yoga’s cooler tuning trades. The 聯想Pro 9n 15 is the Yoga’s sibling on the 18-core bin, and the Razer Blade 16 stands in for the x64 field after its RTX 5090 led that group in our Surface Laptop Ultra 評測接下來，評測內容包括做工和設計、本地人工智慧、CPU、記憶體、遊戲效能、散熱和儲存；電池續航測試結果將在新的測試平台完成後公佈。
溫度是決定Yoga性能的關鍵因素。在OmniBook全核負載下溫度高達攝氏98度時，Yoga的CPU最高溫度僅為71至86攝氏度，且在攝氏72度下持續運行30分鐘循環測試也未出現任何卡頓。聯想將此歸功於重新設計的散熱系統，該系統採用了更大的通風口和更高的散熱凸起，而可翻轉鉸鏈的設計也為通風口後方留出了更多空間，促進空氣流通。但這種設計的代價是全核心頻率較低，導致Yoga在大多數多執行緒測試中比OmniBook落後4%到10%，但在單執行緒測試中則與之持平。
關鍵要點
- 32GB 的 GPU 記憶體可以讓我們的 S-Class 機型全速運作： 編碼代理以每秒 58.0 個 token 的速度產生 gpt-oss:20b，與 128GB 的 OmniBook 速度相同，而 MLPerf 的運行速度與之相差不到 5%。 Tier M 的 Qwen3.6-35B-A3B 需要約 40GB 的 GPU 顯存，因此 Yoga 無法參與測試。
- 我們測試過的最酷的RTX Spark筆記型電腦： 在 Cinebench 測試中，峰值溫度為 72°C，持續循環測試溫度也為 72°C，而 OmniBook 的峰值溫度為 98°C，在第一次測試中穩定在 100% 的溫度下。
- 溫度升高 25 度時，CPU 吞吐量下降幾個百分點： 在 Cinebench 2026 多核心測試中，得分為 6,292，比 OmniBook 低 10%，比 Razer Blade 16 高 22%，單核得分為 557.0，與 HP 的得分相同。
- 專為創作者打造的敞篷車： 這款筆記型電腦配備 2.8K OLED 顯示屏，峰值亮度為 1,100 尼特；配備可與附帶的 Yoga Pen Gen 2 配合使用的觸覺觸控板；配備旋轉式條形音箱上的高音揚聲器；以及 99.9Wh 電池，機身重量為 4.28 磅。
- QLC儲存是其弱點： 第四代 QLC SSD 的順序讀取速度為 6,874MB/s，但 4K 隨機寫入的 IOPS 僅為 68.9K，是該組中最低的，並且使冷啟動速度降低了約 2 秒。
構建和設計
Yoga 9n 二合一筆記型電腦採用聯想的可翻轉設計，其鉸鏈可將螢幕翻轉成平板電腦模式、帳篷模式和支架模式。機身上下均採用鋁合金材質，並以宇宙藍配色呈現，最薄處尺寸為 14.17 x 9.57 x 0.69 英寸，起始重量為 4.28 磅。聯想表示，該設計已通過 MIL-STD-810H 軍規測試，且底蓋使用了 50% 的再生鋁材。
Yoga 拿在手裡，圓潤的邊角和介面佈局與 Pro 9n 相似，頂蓋採用磁吸式設計。鍵盤為全尺寸佈局，配備數字鍵盤，手感紮實；玻璃材質的 Force Pad 觸控板尺寸足夠大，可以雙手同時操作。 Yoga 比 Pro 9n 略寬，其鉸鏈可將螢幕完全向後翻轉，方便平板電腦使用，這種設計也使得散熱孔和鉸鏈之間的空間比 Pro 9n 的翻蓋式設計更大。
散熱是 Yoga 與其他我們測試過的 RTX Spark 筆記型電腦最大的差異。聯想重新設計了散熱系統，加大了通風口，並在底部增加了一個凸起的散熱凸起。此外，可翻轉的鉸鏈設計也為機身後部留出了更多空間，有助於空氣流通。最終，Yoga 的 CPU 在 Stockfish 測試中溫度僅為攝氏 71 度，而 OmniBook 則高達攝氏 98 度。散熱部分詳細分析了這一差異，以及由此導致的較低頻率。
底部，穿孔式進氣格柵覆蓋了底蓋後半部的大部分，排氣口則沿著鉸鏈下方的後緣佈置。取下底蓋後，可以看到兩個風扇位於後角，而寬大的散熱片組件及其熱管則橫跨電路板中央，位於兩個風扇之間。
乍一看，Yoga 9n 的散熱器和風扇組件似乎與 Pro 9n 相同，但 Yoga 9n 採用的是無導風罩風扇。 Pro 9n 則配備了半月形擋板，可以部分遮擋兩個風扇的進氣口。 M.2 2242 SSD 位於主機板中央散熱片的下方，旁邊是聯想提供的第二個 M.2 插槽。 99.9Wh 的電池佔據了機身前半部分，兩側是低音炮箱體，揚聲器透過兩側靠近前端的縫隙向外發聲。
聯想 Yoga 系列與其他 NVIDIA 行動平台的一個顯著差異在於其配備了兩個 2242 M.2 插槽，而其他平台則只配備了一個 2280 插槽。這使得 Yoga 擁有第二個硬碟位，但 2242 SSD 的容量較小，效能通常不如 2280 SSD，這在儲存方面有所體現。
這款16吋PureSight Pro OLED觸控螢幕解析度為2880 x 1800，更新率可在30Hz至120Hz之間調整。聯想官方標稱其HDR峰值亮度為1,100尼特，sRGB和P3色域覆蓋率均為100%，Delta E值小於1，支援杜比視界和VESA DisplayHDR True Black 1000認證。音響系統採用四個2W低音單元和兩個2W高音單元，它們安裝在鉸鏈處的旋轉條形音箱上，因此無論在何種模式下，高音單元都能面向用戶。
鍵盤鍵程為 1.5 毫米，附背光和 Copilot 輔助按鍵。鍵盤下方是觸覺回饋的 Force Pad，它同時也是 Yoga Pen Gen 2 的繪圖板。 Yoga Pen Gen 2 支援 AES 3.0 編碼，擁有 8,192 級壓力感應和傾斜感應，可透過 USB-C 介面充電，並可收納於磁吸式筆盒中，筆盒可吸附在筆記型電腦的背面。 920 萬像素紅外線攝影機配備電子快門，並由三個麥克風負責語音識別。
機身左側配備 HDMI 2.1 接口、一個 10Gbps 的 USB-A 接口、一個支援 Power Delivery 和 DisplayPort 2.1 的 40Gbps USB4 接口以及耳機插孔；機身右側則有電源按鈕、UHS-I SD 讀卡器、第二個 USB4 接口無線連線方面，支援 Wi-Fi 7 和藍牙 5.4。99.9Wh 的電池支援 Rapid Charge Express 快速充電技術，聯想表示充電 15 分鐘即可使用 3 小時。
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，我們的Surface Laptop Ultra 評測也涵蓋了該平台。 Yoga 搭載了頂級晶片，採用 20 核心 Grace CPU（10 個高速核心和 10 個能源效率核心，不支援 SMT）和 6,144 核心 Blackwell RTX GPU。
NVIDIA 將筆記型電腦的 N1X 晶片設計功耗範圍設定為 45 至 80W，而 OEM 廠商如何在此範圍內為筆記型電腦散熱，對最終效能的影響與晶片本身同樣重要。聯想 Yoga 的功耗標稱值為 70W，惠普 OmniBook 的功耗標稱值最高為 70W，聯想 Pro 9n 的功耗標稱值最高為 80W，然而在相同負載下，這三款筆記型電腦的運作頻率和溫度卻各不相同。
N1X 的 LPDDR5X 記憶體由 CPU 和 GPU 共享，透過 NVIDIA 應用程式（而不是 BIOS）中的設定來決定 Windows 分配給 GPU 的記憶體大小，因此可以從桌面更改分配比例。
我們的64GB Yoga配備了32GB的GPU記憶體和32GB的CPU記憶體。這足以滿足我們S級本地AI模型的需求，但不足以滿足M級模型的需求，因為M級模型需要大約40GB的記憶體。而且，與所有RTX Spark系統一樣，記憶體是限制因素，在購買時應以此為依據來決定配置。
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。
Windows 11 26H1 運行在 Arm64 架構上；x64 應用程式透過 Prism 模擬，我們的套件使用每個開源工作負載的原生 Arm64 版本，因此 CPU 行比較的是矽晶片。
聯想 Yoga 9n 二合一筆記型電腦 16 規格
| 規格 | 聯想 Yoga 9n 二合一筆記型電腦 16 (83N7000UUS) |
|---|---|
| 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） NVIDIA RTX Spark N1X，18 核心 CPU 搭配 5,120 核心 Blackwell RTX GPU |
| 記憶體應用 | 64GB 板載 LPDDR5X-9400，256 位元（經測試）；最高可達 64GB 32GB GPU / 32GB 系統記憶體分配（經測試） |
| 儲存 | 1TB PCIe Gen4 QLC M.2 2242 SSD Sandisk PC SN5100S 1TB（經測試） |
| 操作系統 | Windows 11 (Arm64)；經測試為 Windows 11 家用版 |
| 顯示和 I/O | |
| 顯示螢幕 | 16吋2.8K (2880 x 1800) PureSight Pro OLED觸控屏，30-120Hz VRR，16:10 峰值亮度 1,100 尼特（HDR），100% sRGB 和 P3 色域，Delta E <1，支援杜比視界 VESA DisplayHDR True Black 1000，玻璃 |
| 連接埠數量 | 2 個 USB4 40Gbps 介面（支援 USB PD 3.0 和 DisplayPort 2.1） 2 個 USB-A 10Gbps 介面（其中一個始終開啟） 1 個 HDMI 2.1 介面（最高支援 8K/60Hz） 1 個 SD 卡讀卡機（UHS-I） 1 個耳機/麥克風組合插孔 |
| 無線應用 | Wi-Fi 7 (802.11be 2×2)、藍牙 5.4 |
| 相機 | 9.2萬像素+紅外線，附電子快門 |
| 音訊 | 六個揚聲器：4 個 2W 低音單元，2 個 2W 高音單元，安裝在可旋轉的條形音箱上；支援杜比全景聲。 3個麥克風 |
| 輸入 | 背光鍵盤，1.5毫米鍵程，Copilot鍵 附筆支撐的觸覺回饋墊 Yoga Pen Gen 2（AES 3.0，8,192級壓力感應，含） |
| 力量和體能 | |
| 電池 | 99.9Wh，快速充電快充 |
| 熱設計 | 加大的通風口和散熱凸起；70W TDP（聯想標稱值） |
| 尺寸 | 14.17 x 9.57 x 0.69 英寸（360 x 243.1 x 17.5 毫米） |
| 重量 | 起始重量 4.28 磅（1.94 公斤） |
| 顏色和材質 | 宇宙藍配色，鋁合金頂蓋和底蓋；通過 MIL-STD-810H 測試 |
| 定價 | |
| 價格（百思買） | 3,099.99 美元（18 核，32GB，1TB）；3,749.99 美元（20 核，64GB，1TB，測試機型） |
測試設定和方法
我們評測的 Yoga 9n 二合一筆記型電腦搭載了 RTX Spark N1X 顯示卡，該顯示卡配備 6,144 核心 Blackwell GPU、64GB LPDDR5X-9400 記憶體（GPU 和系統各佔 32%）、1TB Sandisk SN5100S 4 SSD 固態硬碟（4SSD 14157 月）。基準測試在聯想效能模式下運作。
在本次對比測試中，所有系統均執行了我們編寫的 Windows 用戶端基準測試套件 sr-client 1.2，並分別以完整運行模式和峰值模式進行測試，使用出廠預裝的 Windows 系統鏡像以及 OEM 提供的驅動程式和實用程式。該套件在所有系統上均採用相同的實驗室設定：Windows 電源模式設定為“最佳效能”，已連接電源，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，Windows 防火牆和 UAC 提示也已關閉。每個測試結果均為多次執行的中位數，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 |
|---|---|---|---|---|---|
| 聯想 Yoga 9n 二合一筆記型電腦 16 | NVIDIA RTX Spark N1X，20核心/20線程 | 64GB LPDDR5X-9400（32GB GPU / 32GB 系統記憶體） | 6,144 核心 Blackwell RTX（整合式顯示卡，可用記憶體 32GB） | 閃迪 PC SN5100S 1TB，Gen4 x4 | Windows 11 家用版 26H1 (Arm64)，聯想效能模式 |
| 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 |
| 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 |
下表中反覆出現兩個標籤；「未運行」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：Yoga的32GB內存和Blade 16的24GB內存使其低於M級，而Pro 9n的12GB內存使其低於兩個級別。該標籤還標記了12GB記憶體的Pro 9n跳過的OpenBLAS記憶體大小。
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，則資料會相應標記。
本地人工智慧效能
本地AI的關鍵在於GPU運行模型的速度以及模型的擬合度。 Yoga的32GB GPU可用記憶體運行我們S級模型gpt-oss:20b的速度與128GB的OmniBook相同，但達不到M級，而OmniBook的62.5GB記憶體則能更好地滿足M級模型的需求。
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（以幾何平均值表示）。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效能。代理場景運行 Llama 3.1 8B，分別作為軟體工程代理和數據分析代理，在多個回合中調用工具。
| MLPerf 用戶端 v2.0 | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | 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） | 0.353 | 0.274 | 0.303 | 0.149 |
| Llama 3.1 8B，令牌速率，幾何平均值（令牌/秒） | 54.4 | 56.5 | 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） | 0.158 | 0.130 | 0.135 | 0.074 |
| Phi-4-mini，代幣率，幾何平均值（代幣/秒） | 91.8 | 96.8 | 95.2 | 222.7 |
| 數據分析代理，端到端（s，數值越低越好） | 59.7 | 53.0 | 56.2 | 27.8 |
| 數據分析代理，代幣速率（tok/s） | 45.3 | 48.5 | 46.9 | 108.3 |
| SWE Agent，端對端（s，數值越低越好） | 51.6 | 45.3 | 48.0 | 24.6 |
| SWE 代理，代幣速率（tok/s） | 43.0 | 46.6 | 44.5 | 102.5 |
Yoga 在 Llama 3.1 8B 測試中每秒產生 54.4 個令牌，在 Phi-4-mini 測試中每秒產生 91.8 個令牌，分別比 OmniBook 慢 4% 和 5%。在第一個令牌測試中差距更大，該測試更側重計算能力而非內存頻寬：Yoga 在 Llama 3.1 測試中耗時 0.353 秒，而 HP 僅需 0.274 秒，並且在這方面也落後於 18 核的 Pro 9n。這種現象顯示聯想的散熱最佳化不僅作用於 CPU，也作用於 GPU，因為 Yoga 在 MLPerf 測試中也使用了三款 N1X 系統中最低的 CPU 時脈頻率。
在智能體場景中，Yoga 完成資料分析師任務耗時 59.7 秒，完成軟體工程智能體任務耗時 51.6 秒，比 OmniBook 慢 13% 到 14%，而 Blade 16 完成這兩個任務所花費的時間不到 Yoga 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） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | 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） | 8.06 | 6.23 | 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） | 3.60 | 3.59 | 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） | 2,480 | 3,044 | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 9.04 | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 4.23 | 未運作（12GB GPU 記憶體） | 未運作（24GB 顯示存，低於 M 級） |
在熱機狀態下，Yoga 讀取 gpt-oss:20b 格式資料到第一個標記耗時 3.60 秒，與 OmniBook 的 3.59 秒持平。在冷機狀態下，Yoga 會讀取 gpt-oss:20b 格式資料到第一個標記耗時 8.06 秒，而 OmniBook 的 Gen5 固態硬碟讀取速度為 3.23 秒，這是因為 Yoga 的 QLC 固態硬碟在負載測試期間讀取速度為 2,480MB/s，而 OmniBooks 50435 的速度為固態Blade 16 的讀取速度最慢，冷機和熱機狀態下分別為 8.71 秒和 6.93 秒，這是因為其資料在讀取後需要透過 PCIe 傳輸到顯存 (VRAM) 中。
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 | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| S級，gpt-oss:20b 64K：運行時間（秒，數值越低越好） | 132.5 | 115.3 | 未運作（12GB GPU 記憶體） | 64.4 |
| S級：成功（3次） | 2 | 3 | 未運作（12GB GPU 記憶體） | 2 |
| S級：生成速率（tok/s） | 58.0 | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 152.1 | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 3 | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 72.0 | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 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） | 未運作（32GB GPU 顯示存，低於 M 級） | 89.5 | 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） | 14.1 | 21.2 | 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） | 2.44 | 1.73 | 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） | 1.03 | 1.04 | 未運作（12GB GPU 記憶體） | 1.05 |
在S級任務中，Yoga每秒產生58.0個令牌，與OmniBook相同，耗時132.5秒，而HP的耗時為115.3秒。 Yoga三次運行通過了兩次，與Blade 16相同；在我們測試過的多個系統中，gpt-oss:20b在此任務中大約三分之一的運行會失敗，因此成功次數更多地反映了機型而非硬體的性能。 Blade 16以每秒137.9個令牌的速度，耗時64.4秒完成任務。
並發測試對 Yoga 的影響最大。運行代理程式後，其 Speedometer 得分從 36.1 降至 14.1，速度下降了 2.44 倍，而 OmniBook 和 Blade 16 的速度分別下降了 1.73 倍和 1.06 倍（Blade 16 的模型運行在獨立 GPU 上，CPU 不參與運行）。代理程式本身的速度僅下降了 3%，因此，當後台任務和瀏覽器爭奪電源和共享記憶體時，Yoga 會優先處理後台任務。
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 個問題分別檢索出前五段文章，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。模型在所有系統上運行，因此這是一個速度比較。
| 抹布 | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| 攝取牆壁時間，20,963 次（秒，越低越好） | 188.8 | 187.0 | 191.8 | 131.0 |
| 檢索查詢時間，p50（毫秒，數值越低越好） | 22.6 | 23.3 | 24.2 | 20.9 |
| 答案，Phi-4-mini 首次令牌到達時間，p50（秒，越低越好） | 0.181 | 0.155 | 0.171 | 0.109 |
| 回答，快速處理（tok/s） | 5,837 | 7,142 | 6,268 | 11,560 |
| 答案，生成速率（tok/s） | 91.1 | 104.4 | 96.6 | 209.2 |
| 問題回答，p50（s，越低越好） | 0.262 | 0.227 | 0.252 | 0.159 |
| 答案 F1 (%) | 73.97 | 73.97 | 74.27 | 74.47 |
Yoga 在資料擷取方面與 OmniBook 表現相當，分別為 188.8 秒和 187.0 秒，檢索方面也與之持平，但在回答問題方面則遜於 OmniBook：Phi-4-mini 每秒處理 5,837 個令牌，而 OmniBook 為 7,142 個；其生成速度為 491. 191. 15一個典型問題從查詢到回答耗時 0.262 秒，而 HP 和 Blade 16 分別為 0.227 秒和 0.159 秒。 Yoga 和 OmniBook 的準確率完全相同。
CPU性能
Yoga 的 CPU 測試結果遵循一個規則：單執行緒效能與 OmniBook 持平，但多核心效能落後於 OmniBook。單線程測試結果與 HP 的差距在 2% 以內，Yoga 在 7-Zip 單線程、PyPerformance go 和 regex_compile 測試中均取得了所有 RTX Spark 系統中最佳的成績。多執行緒測試結果落後 2% 到 28%，其中大部分差距在 4% 到 10% 之間，Stockfish 和 OpenBLAS 的差距最大。與 Razer Blade 16 相比，Yoga 在渲染、壓縮和編譯方面仍然勝出。
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。
| Cinebench 2026（分數越高越好） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| 單核 | 557.0 | 558.6 | 518.2 | 480.0 |
| SMT單核 | 不適用 | 不適用 | 不適用 | 661.3 |
| 多核心 | 6,292 | 7,004 | 6,394 | 5,179 |
| 持續循環，第一次 | 6,248 | 6,954 | 6,346 | 5,162 |
| 持續循環，穩態 | 6,256 | 6,942 | 6,416 | 5,206 |
| 穩態/首次通過 | 1.001 | 0.998 | 1.011 | 1.009 |
Yoga 的多核心跑分為 6,292 分，比 OmniBook 的 7,004 分低 10%，比 18 核心的 Pro 9n 低 2%，比 Blade 16 高 22%，單核心跑分為 557.0 分，與 HP 的跑分持平。它的持續循環跑分最為平穩：穩定狀態下的跑分 6,256 分，相當於第一次循環跑分的 100.1%，CPU 溫度始終保持在攝氏 72 度，頻率始終保持在 3,015MHz。
7-Zip、Blender、HandBrake 和 LLVM
7-Zip 的內建基準測試報告了每個執行緒和單一核心上的 LZMA 壓縮和解壓縮吞吐量。 Blender 4.5 使用 Cycles 渲染器在 CPU 上渲染 Monster、Junkshop 和 Classroom 場景。 HandBrake 使用 x265 和 SVT-AV1 對 60 秒的 4K60 影片片段進行軟體編碼。 LLVM 測試使用 Clang 和 Ninja 編譯完整的 LLVM 21.1.4 程式碼樹。
| 7-Zip，單線程（GIPS，數值越高越好） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| 總額 | 9.12 | 9.09 | 8.93 | 9.24 |
| 壓縮 | 7.35 | 7.31 | 7.26 | 7.28 |
| 解壓縮 | 10.88 | 10.87 | 10.59 | 11.20 |
在 7-Zip 測試中，Yoga 在所有執行緒上的平均速度為 145.3 GIPS，比 OmniBook 慢 4%，比 Blade 16 快 15%；其單執行緒效能為 9.12 GIPS，是 RTX Spark 系統中最好的。 Blender 測試中，Yoga 在 Monster 和 Classroom 測試中分別比 HP 慢 5%；LLVM 建置耗時 217.2 秒，而 HP 為 206.6 秒，Yoga 的建置時間仍比 Blade 16 快 34%。
HandBrake 的 x265 編碼幀率為 38.6 fps，比 OmniBook 低 6%。 SVT-AV1 在所有 RTX Spark 系統上的幀率約為 15 fps，而 Blade 16 則達到了 77.3 fps，這表明 SVT-AV1 採用的是 Arm64 代碼路徑。
Stockfish、primesieve、Python 和瀏覽器
Stockfish 報告的國際象棋搜尋速度以每秒百萬個節點為單位。 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 運行三個 CPython 基準測試程序，每個程序都綁定到一個高效能核心。 Speedometer 3.1 測量 Microsoft Edge 瀏覽器中 Web 應用程式的回應速度。最後兩行運行的是 Prism 模擬器下的 7-Zip x64 版本。
| 測試 | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| Stockfish 基準測試，所有執行緒（Mnps，數值越高越好） | 13.42 | 16.28 | 15.20 | 17.96 |
| Stockfish 工作台，單線程（Mnps，數值越高越好） | 1.72 | 1.73 | 1.70 | 2.04 |
| primesieve 1e12，所有線程（s，越低越好） | 10.77 | 9.57 | 10.56 | 10.60 |
| primesieve 1e11，單線程（s，越低越好） | 12.01 | 12.03 | 12.34 | 6.67 |
| PyPerformance 的值為（毫秒，數值越低越好） | 110.6 | 111.2 | 114.1 | 75.2 |
| PyPerformance nbody（毫秒，數值越低越好） | 80.5 | 80.4 | 82.5 | 60.8 |
| PyPerformance 正規表示式編譯（毫秒，數值越低越好） | 84.3 | 84.6 | 86.7 | 69.7 |
| Speedometer 3.1，Edge（評分，越高越好） | 36.1 | 36.7 | 33.9 | 38.4 |
| x64 7-Zip 在模擬器下運行，所有執行緒 (GIPS) | 124.3 | 127.0 | 117.6 | 不適用（原生 x64） |
| x64 7-Zip 在模擬器下運行，單執行緒 (GIPS) | 8.25 | 8.26 | 7.94 | 不適用（原生 x64） |
Stockfish 測試最清楚地展現了時脈頻率的差距，因為在所有執行緒上，Yoga 的搜尋速度為 13.42 Mnps，比 OmniBook 低 18%，也比 18 核心 Pro 9n 的 15.20 Mnps 低 1.7%，而在一個執行緒上，它的速度與兩者，約為一個執行緒。 Stockfish 測試中，Yoga 的頻率為 3,057MHz，溫度為 71℃，而 HP 的頻率為 3,269MHz，溫度為 98℃，因此 Yoga 的頻率降低了約 6%，但溫度也降低了約 27℃。
在單執行緒測試中，Yoga 在 RTX Spark 系統中表現最佳，其 PyPerformance 運行時間最快，僅 110.6 毫秒，Speedometer 得分也高達 36.1 分。但在 Python、primesieve、Stockfish 和瀏覽器測試中，Blade 16 則遙遙領先，其單線程 primesieve 測試成績為 6.67 秒，而其他廠商的成績為 12.01 秒。在類比環境下，x64 版本的 7-Zip 運作速度為 124.3 GIPS，達到原生效能的 86%。
GROMACS、OpenBLAS 和內存
GROMACS 在 16 個核心上運行 benchMEM 分子動力學算例，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 測試在所有核心和最高核心等級上運行 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，它是該測試套件中持續浮點運算負載最高的。 STREAM 測量持續記憶體頻寬，延遲行測量單次記憶體存取和核心間延遲。
| 測驗（分數越高越好） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| GROMACS benchMEM，最佳佈局（ns/天） | 17.15 | 17.47 | 16.88 | 26.41 |
| OpenBLAS LU N=10000，所有核心 (GFLOPS) | 281.3 | 324.0 | 303.4 | 400.9 |
| OpenBLAS LU N=20000，所有核心 (GFLOPS) | 298.6 | 329.6 | 318.1 | 454.4 |
| OpenBLAS LU N=40000，所有核心 (GFLOPS) | 282.5 | 348.8 | 未運行（需要 11.9GB） | 498.5 |
| OpenBLAS LU N=20000，頂級核心等級（GFLOPS） | 273.2 | 380.5 | 403.8 | 240.4 |
| OpenBLAS DGEMM M=8000，所有核心（GFLOPS） | 312.7 | 398.5 | 357.6 | 455.4 |
| OpenBLAS DGEMM M=8000，頂級核心等級（GFLOPS） | 346.7 | 488.7 | 448.3 | 252.4 |
GROMACS 測試中，RTX Spark 系統之間的差距微乎其微，Yoga 的每日延遲僅為 17.15 ns，但在 OpenBLAS 測試中，兩款系統之間的差距最為顯著。 Yoga 在 N=20000 的全核心 LU 求解測試中達到了 298.6 GFLOPS，比 OmniBook 低 9%，其 DGEMM 效能更是落後 22%。在 OmniBook 表現較好的頂級核心等級下，Yoga 的差距進一步拉大，僅為 273.2 GFLOPS，而 OmniBook 則達到了 380.5 GFLOPS。 Yoga 完成了所有規模的測試，包括 N=40000（其 64GB 記憶體配置足以應對該規模），且機身溫度從未超過攝氏 85 度。
| 測試 | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| 串流複製（MB/s，速度越高越好） | 118,738 | 130,790 | 127,682 | 43,731 |
| STREAM Triad（MB/s，越高越好） | 112,067 | 122,260 | 120,272 | 48,298 |
| 記憶體延遲，1GiB 緩衝區，4KiB 頁（奈秒，數值越低越好） | 141.8 | 143.1 | 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） | 162.8 | 156.8 | 160.6 | 57.0 |
在 Yoga 上，STREAM Triad 的讀寫速度達到了 112,067MB/s，比 OmniBook 低 8%，是 Blade 16 的 2.3 倍，這表明 Yoga 較低的時脈頻率也影響了記憶體子系統。其記憶體延遲為 141.8 ns，是本次測試中 RTX Spark 系統最低的，而核心間延遲為 162.8 ns，與平台整體水平相符。
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，以最高預設設定關閉垂直同步運行，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。 FFmpeg 使用 NVENC HEVC 編碼（碼率為 8Mbps）和 Media Foundation HEVC 編碼器（如有）對同一段 4K60 視訊進行編碼。
| 測驗（分數越高越好） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| SuperTuxKart 1080p 超高畫質，原生畫質，平均幀率 (fps) | 216.4 | 225.9 | 218.4 | 200.0 |
| SuperTuxKart 1080p 超高清，原生，穩定（幀率） | 131 | 143 | 140 | 115 |
| SuperTuxKart 1080p 超高畫質，x64 模擬器運行，平均幀率 (fps) | 186.8 | 266.5 | 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) | 93 | 141 | 94 | 不適用（原生 x64） |
| FFmpeg NVENC HEVC，4K60，8Mbps（幀率） | 139 | 138 | 139 | 132 |
| FFmpeg 媒體基金會 HEVC (fps) | 65 | 66 | 55 | 不適用 |
Yoga 在原生版本下平均幀率為 216.4 fps，比 OmniBook 低 4%，與 Pro 9n 的差距在 1% 以內，高於 Blade 16 的 200.0 fps。這是因為在 1080p 解析度下，所有系統的幀率都由 CPU 決定。一個結果比較突出：Yoga 在 x64 模擬器下的平均幀率為 186.8 fps，低於其原生版本，而 OmniBook 和 Pro 9n 在模擬器下運行速度更快，因此我們將重新執行此測試以確認結果。硬體編碼方面，各款筆記型電腦表現平衡，Yoga 的 NVENC HEVC 幀率為 139 fps。
暖流
在我們測試過的所有 RTX Spark 筆記型電腦中，Yoga 的運作溫度最低。在所有 CPU 測試中，其峰值溫度在 Stockfish 測試中為 71°C，在 HandBrake 測試中為 86°C，而 OmniBook 在所有相同測試中的峰值溫度均為 98°C。 Yoga 在 30 分鐘持續循環測試中的平均溫度為 70°C，而 HP 的平均溫度為 98°C。 RTX Spark 系統僅透過 Windows 的散熱區域報告 CPU 溫度，Yoga 的散熱區域可能與 HP 報告的感測器不同，但其時脈頻率和功耗表現表明，大部分溫度差距是合理的。
| CPU溫度，最高/平均（攝氏） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | 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 |
| 魚乾 | 71 / 69 | 98 / 97 | 88 / 83 | 92 / 90 |
| 混合器 | 80 / 75 | 98 / 96 | 91 / 80 | 95 / 87 |
| HandBrake | 86 / 71 | 98 / 86 | 93 / 74 | 92 / 86 |
| LLVM 建構 | 81 / 75 | 98 / 92 | 87 / 79 | 98 / 93 |
| GROMACS | 84 / 81 | 98 / 96 | 89 / 85 | 97 / 94 |
| OpenBLAS | 85 / 74 | 98 / 95 | 92 / 83 | 91 / 87 |
| 流 | 64 / 59 | 98 / 96 | 78 / 66 | 75 / 71 |
| 超級卡丁車 | 68 / 62 | 95 / 82 | 74 / 68 | 89 / 82 |
| MLPerf 用戶端 | 72 / 60 | 93 / 84 | 76 / 66 | 97 / 76 |
| 編碼代理 | 71 / 67 | 90 / 79 | 未運行 | 91 / 84 |
| 抹布 | 84 / 75 | 94 / 90 | 76 / 71 | 88 / 83 |
| 持續循環 | 72 / 70 | 98 / 98 | 92 / 87 | 94 / 90 |
更低的運作溫度意味著更低的全核心頻率。在持續循環測試中，Yoga 的頻率為 3,015MHz，而 OmniBook 為 3,239MHz，Pro 9n 為 3,288MHz，這一頻率差距是 Yoga 多執行緒效能劣勢的主要原因。聯想將 Yoga 的功耗標為 70W，與惠普 OmniBook 的功耗相同，因此這種頻率差距看起來更多是出於對溫度和噪音的優化考慮，而非功耗預算的限制。
Yoga 不會降頻：就像我們測試過的所有 RTX Spark 系統一樣，只要負載持續，它就能保持時脈頻率不變，而且在相同的測試中，它的運行溫度比 OmniBook 達到的 98 攝氏度低 12 到 27 攝氏度。
| 平均CPU時脈頻率（MHz） | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | 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 |
| 魚乾 | 3,057 | 3,269 | 3,292 | 3,645 |
| 混合器 | 3,111 | 3,123 | 3,216 | 3,729 |
| HandBrake | 2,687 | 2,756 | 2,834 | 3,814 |
| LLVM 建構 | 3,083 | 3,151 | 3,197 | 3,697 |
| GROMACS | 3,226 | 3,308 | 3,367 | 3,874 |
| OpenBLAS | 2,890 | 3,024 | 3,192 | 4,274 |
| 流 | 3,077 | 3,258 | 3,101 | 3,684 |
| 超級卡丁車 | 2,002 | 1,957 | 2,017 | 4,349 |
| MLPerf 用戶端 | 1,935 | 2,114 | 2,027 | 3,593 |
| 編碼代理 | 1,945 | 2,078 | 未運行 | 3,789 |
| 抹布 | 2,707 | 2,749 | 2,760 | 3,764 |
| 持續循環 | 3,015 | 3,239 | 3,288 | 3,726 |
對於經常被當作平板電腦或放在腿上的筆記型電腦來說，這種權衡是合理的。一台16吋的二合一筆記型電腦在半小時渲染過程中溫度保持在攝氏72度，與一台溫度高達攝氏98度的筆記型電腦相比，使用體驗截然不同，而代價只是渲染和編譯速度的幾個百分點。 Yoga的固態硬碟在儲存測試中最高溫度為攝氏67度。
存儲性能
我們的儲存測試使用 fio 的四個角落分別對啟動碟進行 5GB 和 25GB 的讀寫測試，測試內容包括檔案系統讀寫和裸盤讀寫，此處報告的是 25GB 測試的結果。磁碟機讀寫資料繞過了 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。 Yoga 和 Pro 9n 的 BitLocker 保護已關閉，而 OmniBook 的 BitLocker 保護已開啟。
| fio，25GB 佔用空間，QD32 | Yoga 9n 二合一 16 | OmniBook Ultra 16 (128GB) | Pro 9n 15 | Razer Blade 16 |
|---|---|---|---|---|
| 順序讀取 128K，檔案系統 (MB/s) | 6,874 | 13,833 | 7,024 | 7,125 |
| 順序讀取 128K，原始設備 (MB/s) | 6,975 | 12,479 | 7,165 | 7,134 |
| 順序寫入 128K (MB/s) | 5,905 | 11,719 | 5,699 | 5,250 |
| 隨機讀取 4K，檔案系統，峰值（IOPS） | 394,468 | 437,833 | 338,936 | 694,597 |
| 隨機讀取 4K，原始設備，峰值（IOPS） | 765,766 | 1,888,501 | 973,106 | 993,050 |
| 隨機寫入 4K，峰值（IOPS） | 68,923 | 228,354 | 192,000 | 648,446 |
| 原始/檔案系統隨機讀取 | 1.94x | 4.31x | 2.87x | 1.43x |
| 隨機讀取 4K，4 個任務，p99 延遲（微秒，越低越好） | 522 | 643 | 578 | 444 |
| 隨機寫入 4K，4 個任務，p99 延遲（微秒，越低越好） | 12,255 | 586 | 758 | 371 |
| 驅動器溫度，最高（攝氏） | 67 | 52 | 78 | 60 |
聯想為這款 Yoga 筆記型電腦配備了 PCIe Gen4 QLC M.2 2242 固態硬碟，而我們評測的這台機器搭載的是一塊 1TB 的 Sandisk SN5100S。它的順序讀取速度為 6,874MB/s，順序寫入速度為 5,905MB/s，與 Pro 9n 和 Blade 16 中的 Gen4 固態硬碟效能相當，約為 OmniBook Gen5 固態硬碟的一半。在關閉 BitLocker 加密保護的情況下，其檔案系統隨機讀取速度為 394.5K IOPS，僅保留了裝置 765.8K 原始容量的 52%，比 OmniBook 的損耗小得多。
隨機寫入是這款硬碟的弱點，SN5100S 在 25GB 容量下進行 4K 隨機寫入測試時，最高 IOPS 僅為 68.9K，約為 Pro 9n 的 192.0K 的三分之一，Blade 16 的十分之一。其 p99 寫入延遲（四項任務）為 12.3 毫秒，而其他系統均低於 1 毫秒。在 5GB 容量下，相同的測試結果波動較大，被標記為部分結果，因此我們將重新執行測試。這款 QLC 硬碟足以滿足日常使用和模型載入的需求，但它是我們在此配置中首先會更換的組件。
結語
聯想 Yoga 9n 二合一筆記型電腦 16 吋是我們測試過的運行溫度最低的 RTX Spark 筆記型電腦，也是唯一一款可翻轉的機型。聯想的散熱設計，包括加大的通風口、凸起的散熱凸起以及留有空氣流通空間的鉸鏈，使得 N1X 在全核心負載下溫度保持在 71 至 86 攝氏度之間，而惠普 OmniBook Ultra 16 的溫度則高達 98 攝氏度。此外，Yoga 在 30 分鐘的測試中始終保持穩定的運行頻率。其 2.8K OLED 顯示器、支援觸控筆的 Force Pad 觸控板、可旋轉的條形音箱以及 99.9Wh 的電池，使其成為全新 RTX Spark 系列中最全面的創意筆記型電腦。
這種舒適性的代價是性能略低於其最大潛力。 Yoga 的全核心頻率比 OmniBook 低約 220MHz，在大多數多執行緒測試中落後 4% 到 10%，在 Stockfish 和 OpenBLAS 測試中差距更大。單執行緒效能與 HP 相當，GPU 效能則落後約 4% 到 18%。其 32GB 的獨立顯存可讓我們測試的 S-Class 機型達到全速運行，但無法達到 M-Class 型號的水平，而且其 QLC SSD 的隨機寫入速度也是所有機型中最弱的。
與其他所有 Spark 設備一樣，這些平台也存在一些限制：例如，Windows on Arm 的 I/O 路徑、Arm64 版本（例如 SVT-AV1）的效能落後於 x64 版本，以及共享記憶體匯流排導致編碼代理執行時間瀏覽器速度降低 2.44 倍。我們一如既往地相信，隨著這些設備的上市，軟體生態系統將會迅速發展。
對於需要手寫筆、平板模式、OLED螢幕、本地AI和20核心CPU的創作者來說，Yoga 9n二合一筆記型電腦在效能上幾乎不遜於RTX Spark平台，而且運作溫度更低。如果買家更重視最後10%的全核心吞吐量或M級機型，則應考慮128GB版本。
排行榜：聯想 Yoga 9n 二合一 16 在我們的本地 AI 最佳筆記型電腦排行榜上，榮膺「運行最涼爽的 RTX Spark 筆記型電腦」稱號。
Amazon