Lenovo Yoga 9n z RTX Spark: wyniki testów lokalnego AI

Test lokalnego kodowania na Lenovo Yoga 9n 2-in-1 z NVIDIA RTX Spark przyniósł po około czterech godzinach roboczą wersję aplikacji dla Windows, ale nie gotowy program do dystrybucji. W osobnym zadaniu kodującym StorageReview odnotował 2 udane uruchomienia na 3. To różne testy, z innymi modelami i metodami.

Co powstało podczas demonstracji lokalnego kodowania

David Gewirtz z ZDNET użył OpenCode v2.1.4 i lokalnego modelu Qwen3-Coder-Next 80B-A3B w formacie Q4_K_M, uruchomionego przez llama.cpp z NVIDIA CUDA. Agent przenosił aplikację napisaną dla Maca z języka Swift na C#, najpierw z użyciem WPF, a następnie WinUI 3. Po około czterech godzinach program wyświetlał ikony i przypominał pierwowzór, lecz przed dystrybucją wymagał dalszej pracy.

W tej konfiguracji działał kontekst o długości 32 768 tokenów. Po jednej lub dwóch czynnościach agent zwykle zapisywał stan projektu i odświeżał kontekst, co spowalniało pracę. Wynik pokazuje więc, jak lokalny model poradził sobie z konkretnym zadaniem portowania, a nie gotowość aplikacji do wydania.

W osobnym teście Llama-bench opisanym przez ZDNET Yoga szybciej przetwarzała prompty niż porównywany Mac Studio z 2025 roku, ale wolniej generowała tokeny wyjściowe. Dla modeli 8B wyniki promptów wynosiły 2647 wobec 899 tokenów wejściowych na sekundę, a generowania 53 wobec 82 tokenów wyjściowych na sekundę. Dla modeli 32B było to odpowiednio 628 wobec 203 tokenów wejściowych na sekundę oraz 9 wobec 23 tokenów wyjściowych na sekundę. Są to dwie odrębne fazy pracy modelu. Gewirtz zaznaczył też, że porównanie nie było całkiem równe: porównywany Mac miał 128 GB pamięci zunifikowanej i dysk SSD 8 TB, a Yoga opisana w teście 64 GB pamięci i dysk 1 TB.

Osobny benchmark pokazał wynik i ograniczenie pamięci

StorageReview testował własny egzemplarz Lenovo Yoga 9n 2-in-1 16 o oznaczeniu 83N7000UUS, z 20-rdzeniowym procesorem, 64 GB pamięci zunifikowanej i dyskiem SSD 1 TB. W zadaniu kodującym tier-S z Codex CLI i modelem gpt-oss:20b odnotował 58,0 tokenów na sekundę, medianę czasu 132,5 sekundy i 2 udane uruchomienia na 3.

W tym egzemplarzu 32 GB pamięci przydzielono GPU, a 32 GB systemowi. StorageReview nie uruchomił zadania tier-M z modelem Qwen3.6-35B-A3B, ponieważ test wymagał około 40 GB pamięci GPU. To praktyczna różnica między całkowitą ilością pamięci w laptopie a pulą dostępną dla GPU w tym teście.

Długie obciążenie: wynik i temperatura

W około 30-minutowej pętli Cinebench 2026 StorageReview odnotował dla Yoga 6256 punktów w stanie ustalonym, czyli 100,1% wyniku z pierwszego przebiegu, oraz maksymalnie 72°C. W tym samym teście HP OmniBook Ultra 16 uzyskał 6942 punkty, a jego raportowana maksymalna temperatura wyniosła 98°C. W tym zestawieniu Yoga osiągnęła niższy wynik punktowy i niższą temperaturę. To osobny test obciążenia procesora, nie pomiar szybkości lokalnego kodowania.

Konfiguracje Yoga 9n wymienione przez Lenovo

Lenovo wymienia dwa warianty procesora NVIDIA RTX Spark N1X, łączącego CPU Grace z grafiką Blackwell. Obie konfiguracje mają lutowaną pamięć zunifikowaną, której nie można rozbudować.

Yoga 9n 2-in-1 ma 16-calowy dotykowy ekran OLED o rozdzielczości 2880 × 1800. W specyfikacji Lenovo wymienia systemy Windows 11 Home, Home Single Language i Pro; Linux nie figuruje na tej liście. Wcześniejszy tekst NeoTeo o zapowiedzi Lenovo Yoga 9n z RTX Spark przedstawia model w kontekście premiery.

Co mierzył 80-minutowy test baterii

Próba obciążenia AI opisana przez Gewirtza nie powiodła się, więc uruchomił on niestandardowy skrypt obciążający procesor i pamięć. Obejmował 18 procesów CPU wykonujących obliczenia SHA-256/OpenSSL oraz jeden proces intensywnie korzystający z pamięci. Test rozpoczął się o 19:35 przy 100% naładowania i trwał do 20:55, czyli 80 minut. Ten wynik dotyczy obciążenia CPU i pamięci, a nie czasu pracy przy lokalnym zadaniu AI.