Der Lenovo Yoga 9n 2-in-1 erzeugte in einem berichteten Test mit lokaler KI eine grobe Windows-Nachbildung einer Mac-App. Nach rund vier Stunden war daraus noch keine fertige, verteilbare Anwendung geworden. Ein separater Coding-Benchmark kam auf 58,0 Tokens pro Sekunde und war in zwei von drei Durchläufen erfolgreich. Die Ergebnisse stammen aus unterschiedlichen Tests und lassen sich nicht zu einem einzigen Leistungsurteil zusammenziehen.
Was der lokale KI-Portierungsversuch erreichte
David Gewirtz beschrieb in seinem am 26. Oktober veröffentlichten Test, wie OpenCode v2.1.4 mit Qwen3-Coder-Next 80B-A3B unter Q4_K_M eine Mac-only-App in eine grobe Windows-Nachbildung überführte. Zum Einsatz kamen llama.cpp und NVIDIA CUDA. Der Versuch dauerte etwa vier Stunden; bis zu einer verteilbaren Windows-App blieb laut Gewirtz weitere Arbeit.
Das Modell lief mit einem Kontextfenster von 32.768 Tokens. Ein Token ist eine Text- oder Codeeinheit, die das Modell verarbeitet. In diesem Aufbau musste der Agent laut Gewirtz nach meist ein oder zwei Arbeitsschritten seinen Status speichern und den Kontext neu laden. Das begrenzte, wie lange er an einem Stück weiterarbeiten konnte.
In Gewirtz’ zusätzlichem Llama-bench-Vergleich mit einem Mac Studio aus dem Jahr 2025 verarbeitete der Yoga die Eingabe schneller: Bei einem 8B-Modell waren es 2.647 gegenüber 899 Eingabe-Tokens pro Sekunde, bei einem 32B-Modell 628 gegenüber 203. Bei der Ausgabe lag das Mac Studio vorn: 82 gegenüber 53 Ausgabe-Tokens pro Sekunde beim 8B-Modell und 23 gegenüber 9 beim 32B-Modell. Gewirtz verglich dabei ein Yoga-System mit 64 GB gemeinsamem Speicher mit einem Mac Studio mit 128 GB. Die Zahlen beschreiben diese Tests und Gerätekonfigurationen.
Wer zuerst den Geräteüberblick sucht, findet ihn in unserem Artikel zur Vorstellung des Lenovo Yoga 9n mit RTX Spark. Hier geht es um die Ergebnisse der Coding- und Belastungstests.
Der separate Coding-Benchmark und seine Speichergrenze
StorageReview testete ein Lenovo Yoga 9n 2-in-1 mit 20 CPU-Kernen, 64 GB Speicher und 1 TB SSD. In einem festen Coding-Agent-Test mit Codex CLI und gpt-oss:20b erreichte das Gerät durchschnittlich 58,0 Tokens pro Sekunde und eine mittlere Laufzeit von 132,5 Sekunden. Zwei von drei Durchläufen waren erfolgreich.
Bei dieser Konfiguration waren 32 GB des gemeinsamen Speichers der GPU zugeteilt. StorageReview führte einen größeren Test mit Qwen3.6-35B-A3B nicht aus, weil dieser in der verwendeten Testsuite etwa 40 GB GPU-Speicher benötigte. Der Befund zeigt, warum die Gesamtkapazität des Arbeitsspeichers allein nicht genügt, um die Eignung für ein lokales Modell einzuschätzen: Entscheidend ist auch, wie viel davon der GPU für die jeweilige Aufgabe zur Verfügung steht.
Dauerlast: niedrigere Temperatur, geringerer Messwert
In StorageReviews rund 30-minütiger Cinebench-2026-Dauerschleife erreichte das Yoga einen stabilen Wert von 6.256 Punkten und eine Höchsttemperatur von 72 °C. Das HP OmniBook Ultra 16 kam im selben Test auf 6.942 Punkte und 98 °C. Das sind Messwerte dieser beiden Geräte in diesem Test, kein direkter Vergleich der Coding-Agent-Aufgaben.
Welche Yoga-9n-Konfigurationen Lenovo aufführt
Lenovos PSREF nennt zwei Konfigurationen des Yoga 9n 2-in-1. Der gemeinsame LPDDR5X-Speicher ist verlötet und nicht aufrüstbar.
| Konfiguration | CPU-Kerne | Blackwell-GPU-Kerne | Vereinheitlichter Speicher | Aufrüstbar |
| 18-Core-Variante | 18 | 5.120 | 32 GB | Nein |
| 20-Core-Variante | 20 | 6.144 | 64 GB | Nein |
Gewirtz beschrieb sein Testgerät als 20-Core-System mit 64 GB Speicher und 1 TB SSD. StorageReview nennt für sein eigenes Testgerät die Modellnummer 83N7000UUS. Diese Angaben beziehen sich auf die jeweiligen Testsysteme.
Was der 80-Minuten-Lauf tatsächlich maß
Gewirtz’ erster Versuch, den Akku mit einer KI-Last zu beanspruchen, scheiterte. Danach lief ein eigens erstelltes CPU- und Speicherprogramm mit 18 CPU-Prozessen und einem zusätzlichen speicherintensiven Prozess. Der Lauf begann bei 100 Prozent Ladung und dauerte 80 Minuten. Dieser Wert gehört zu genau diesem Belastungsdurchgang.
