De ThinkPad P1 Gen 9 past volgens de gerapporteerde tests vooral bij zwaar multi-corewerk en kleinere lokale AI-modellen. Grotere modeltests draaiden niet op de geteste uitvoering. StorageReview mat 5.083 punten in Cinebench 2026 multi-core, maar de RTX PRO 2000 had 7,7 GB bruikbaar GPU-geheugen tegenover circa 16 GB die de grotere tests vroegen.
De geteste configuratie bepaalt wat de cijfers zeggen
StorageReview testte SKU 21UE000XUS met een Intel Core Ultra 9 386H, 64 GB LPDDR5X-8533-geheugen op een vervangbare LPCAMM2-module, een 2 TB PCIe 5.0-ssd en een NVIDIA RTX PRO 2000 Blackwell met 8 GB GDDR7 op 50 W. Het scherm was een 16-inch IPS-paneel met een resolutie van 3.840 × 2.400 pixels.
De tests liepen op netstroom, met Windows ingesteld op Best performance en Lenovo Ultra Performance ingeschakeld. De benchmarkresultaten hieronder horen bij deze configuratie en testopstelling.
Een Engelstalige Tech Deals-video bespreekt een andere uitvoering, met een Core Ultra X7 368H, 32 GB geheugen en een 1 TB-ssd. De getoonde laptop heeft een ThinkPad-toetsenbord met TrackPoint en een glazen haptische touchpad.
Multi-corewerk is de sterkste kant van de testresultaten
In Cinebench 2026 multi-core haalde de P1 5.083 punten, tegenover 4.292 voor de Dell Pro Max 14 Premium met Core Ultra 9 285H. Bij een volledige build van LLVM 21.1.4 was de P1 met 309,1 seconden eveneens sneller dan de Dell, die 393,9 seconden nodig had. Bij die buildtest betekent een kortere tijd een snellere voltooiing.
| Test | ThinkPad P1 Gen 9, Core Ultra 9 386H, RTX PRO 2000 op 50 W | Dell Pro Max 14 Premium, Core Ultra 9 285H, RTX PRO 2000 op 47 W |
| Cinebench 2026 multi-core | 5.083 punten | 4.292 punten |
| LLVM 21.1.4, volledige build | 309,1 seconden | 393,9 seconden |
| Llama 3.1 8B, MLPerf Client v2.0 | 64,8 tokens/s | 54,7 tokens/s |
| Phi-4-mini, MLPerf Client v2.0 | 111,9 tokens/s | 88,0 tokens/s |
StorageReview mat de P1 tijdens een Cinebench-lus van ongeveer 30 minuten op 4.811 punten in de stabiele fase. Dat kwam overeen met een verhouding van 0,983 ten opzichte van de eerste run. De GPU van de P1 draaide op 50 W; die van de Dell op 47 W. De vergelijking betreft dus twee complete systemen met verschillende GPU-vermogensinstellingen.
Voor compileren en andere CPU-intensieve, parallelle taken geven de cijfers de P1 een duidelijk voordeel ten opzichte van deze Dell in de genoemde tests. Ze beschrijven de geteste uitvoeringen, niet elke ThinkPad P1 Gen 9.
Lokale AI: goede resultaten bij kleinere modellen, een duidelijke geheugengrens
De P1 draaide in StorageReviews MLPerf Client v2.0-tests Llama 3.1 8B met 64,8 tokens per seconde en Phi-4-mini met 111,9 tokens per seconde. In beide tests lag de gemeten snelheid hoger dan bij de Dell in de vergelijking.
Voor de model-laad- en coding-agenttests vanaf gpt-oss:20b was ongeveer 16 GB GPU-geheugen nodig. De RTX PRO 2000 in de testconfiguratie rapporteerde 7,7 GB bruikbaar GPU-geheugen, waardoor die grotere testcategorieën niet werden uitgevoerd. De 64 GB systeemgeheugen is een aparte specificatie en verandert die gemeten hoeveelheid GPU-geheugen niet.
Dat resultaat begrenst wat deze uitvoering liet zien bij de specifieke grotere tests. Het zegt niet dat elk 8B-model of iedere context past: de MLPerf-resultaten gelden voor de modellen en instellingen van die test.
Voor zwaar multi-corewerk en de geteste kleinere AI-modellen zijn de resultaten veelbelovend. Wie juist grotere lokale modellen wil laden, moet rekening houden met de gemeten 7,7 GB GPU-geheugen in deze RTX PRO 2000-configuratie.
