La recensione di How-To Geek ha rilevato prestazioni grafiche notevoli sul Lenovo Yoga Pro 9n 15 Gen 11 con RTX Spark, ma anche crash, problemi di compatibilità e scatti nei giochi provati. I risultati riguardano una configurazione precisa: processore N1X a 18 core, GPU Blackwell a 5.120 core e 32 GB di memoria unificata, condivisa tra CPU e GPU.
I risultati del Yoga Pro 9n provato
Nel campione recensito, How-To Geek ha registrato 2.599 punti nel test single-core di Geekbench 7, 21.581 nel multi-core e 115.017 nel test GPU. In Cinebench 2026 i punteggi sono stati 541 nel single-core e 6.543 nel multi-core. Sono misurazioni di quella specifica configurazione, non risultati delle versioni con più memoria.
Nei giochi, la recensione riporta una media di 68 FPS in Forza Horizon 6 a 1600p, impostazioni High e DLSS attivo. In Cyberpunk 2077 la media è stata di 75 FPS con le impostazioni High e di 46 FPS con Ray Tracing su Medium. Accanto a questi valori, il recensore ha segnalato crash, problemi di compatibilità, scatti frequenti e cali di frame durante le prove.
Due livelli RTX Spark, con limiti di memoria diversi
Le specifiche NVIDIA distinguono due configurazioni N1X per laptop. Il livello da 18 core CPU e 5.120 core GPU arriva a 32 GB di memoria unificata; quello da 20 core CPU e 6.144 core GPU supporta fino a 128 GB. Entrambi hanno un TDP dichiarato tra 45 e 80 W.
| Livello N1X per laptop | Core CPU | Core GPU Blackwell | Memoria unificata massima | Prestazioni AI FP4 dichiarate | TDP dichiarato |
| 18 core / 5.120 core GPU | 18 | 5.120 | 32 GB | 827 TFLOPS | 45–80 W |
| 20 core / 6.144 core GPU | 20 | 6.144 | 128 GB | 1 petaflop | 45–80 W |
I valori FP4 sono specifiche del produttore, non punteggi misurati sul Yoga. Il test di How-To Geek riguarda il modello da 32 GB: non descrive le prestazioni del livello superiore né la capacità di eseguire uno specifico modello di intelligenza artificiale. NVIDIA elenca le specifiche dei due livelli RTX Spark.
Autonomia e compatibilità con Windows on Arm
How-To Geek ha rilevato prestazioni di gioco simili con il portatile collegato all’alimentatore e a batteria. Durante il gaming con la GPU a pieno carico, il recensore ha stimato circa 50 minuti di autonomia; nell’uso ordinario, con attività concentrate sulla CPU, ha riportato una media di 5–6 ore.
NVIDIA documenta un percorso per usare CUDA Toolkit 13.4.2 o versioni successive e PyTorch con CUDA su Windows Arm64 nativo. I pacchetti destinati a Windows x64, Windows Arm64 e Linux Arm64 non sono intercambiabili: per chi sviluppa, sistema operativo e architettura del pacchetto fanno parte dei requisiti di installazione. La FAQ per sviluppatori RTX Spark di NVIDIA descrive il percorso CUDA e PyTorch. Per TensorRT, la matrice NVIDIA limita il supporto DLA su Windows on Arm nelle versioni 11.4.0 e 11.4.1 alla beta, a un insieme ridotto di layer e a batch di dimensione 1; per quei motori DLA non è previsto il ripiego sulla GPU. La matrice di supporto TensorRT riporta queste condizioni.
Quale uso descrivono davvero questi test
I frame rate riportati mostrano che il campione ha eseguito quei giochi alle impostazioni indicate; i problemi osservati nella stessa recensione rendono però la compatibilità una parte concreta della valutazione. Per chi usa applicazioni o giochi specifici, i risultati di una singola prova non garantiscono che ogni programma funzioni allo stesso modo su Windows on Arm.
La configurazione da 32 GB è il limite massimo del livello N1X da 18 core secondo NVIDIA. Chi ha bisogno di più memoria deve guardare al livello da 20 core, che supporta fino a 128 GB; la quantità, da sola, non stabilisce quali modelli AI o carichi di lavoro saranno gestibili.
Un test di rendering su un altro sistema RTX Spark, l’HP OmniBook Ultra 16, affronta un carico diverso: l’analisi di NeoTeo sulla scena Blender da 49,3 GB riguarda la memoria richiesta da una scena complessa, non le prestazioni di gioco del Lenovo Yoga Pro 9n.
