W recenzji opublikowanej przez How-To Geek 2 listopada Zachary Boddy odnotował mocne wyniki GPU Lenovo Yoga Pro 9n 15 Gen 11, ale też awarie i zacięcia podczas testów gier. Sprawdzał wersję z 18-rdzeniowym układem NVIDIA RTX Spark N1X, grafiką Blackwell z 5 120 rdzeniami i 32 GB pamięci zunifikowanej, czyli wspólnej puli pamięci procesora i GPU. Wyniki dotyczą właśnie tej konfiguracji.
Jak Yoga Pro 9n wypadła w benchmarkach i grach
W Geekbench 7 testowana konfiguracja uzyskała 2 599 punktów w próbie jednego rdzenia, 21 581 w wielordzeniowej i 115 017 w teście GPU. W Cinebench 2026 wyniki wyniosły odpowiednio 541 i 6 543 punkty.
W grze Forza Horizon 6 średnia wyniosła 68 kl./s w rozdzielczości 1600p, na wysokich ustawieniach i z włączonym DLSS. Cyberpunk 2077 osiągnął 75 kl./s na wysokich ustawieniach oraz 46 kl./s przy śledzeniu promieni ustawionym na średni poziom. Recenzent zgłaszał przy tym awarie, problemy ze zgodnością, zacięcia i spadki liczby klatek. Dobre średnie wyniki nie oznaczały więc bezproblemowego działania każdej testowanej gry.
Boddy nie odnotował istotnej różnicy w wydajności gier po odłączeniu zasilacza. Przy pełnym obciążeniu GPU bateria wystarczała jednak według jego szacunków na około 50 minut. Przy zwykłym, skupionym głównie na CPU użytkowaniu, takim jak przeglądanie internetu, poczta, streaming i lekka obróbka zdjęć, podawał średnio 5–6 godzin.
Dwa poziomy RTX Spark różnią się pamięcią i układem
Wyniki testu 32-gigabajtowej wersji nie opisują automatycznie mocniejszej konfiguracji. NVIDIA podaje dwa poziomy N1X dla laptopów: różnią się liczbą rdzeni CPU i GPU, maksymalną pamięcią zunifikowaną oraz deklarowaną wydajnością obliczeń AI w FP4. FP4 to format niskiej precyzji; podane wartości są specyfikacjami NVIDIA, a nie wynikami testu Yoga Pro 9n.
| Poziom laptopowego N1X | Rdzenie CPU | Rdzenie GPU Blackwell | Maksymalna pamięć zunifikowana | Wydajność FP4 | TDP |
| 18-rdzeniowy | 18 | 5 120 | 32 GB | 827 TFLOPS | 45–80 W |
| 20-rdzeniowy | 20 | 6 144 | 128 GB | 1 petaflop | 45–80 W |
NVIDIA podaje specyfikacje obu poziomów RTX Spark. Wersje Yoga Pro 9n z większą ilością pamięci należą do poziomu 20-rdzeniowego. Jeśli konkretne zadanie wymaga większej puli pamięci, to właśnie ten wariant oferuje wyższy limit. Sama pojemność pamięci nie rozstrzyga jednak, czy określony model AI albo aplikacja będą działać zgodnie z oczekiwaniami.
Osobny test RTX Spark w Blenderze opisany przez NeoTeo dotyczył HP OmniBook Ultra 16 z 128 GB pamięci i renderowania rozbudowanej sceny. To inny laptop i inne obciążenie niż testowana Yoga.
Windows on Arm: udokumentowana ścieżka dla CUDA i PyTorch
Windows on Arm działa na 64-bitowej architekturze Arm. Część programów może działać w wersji natywnej Arm64, a część przez emulację. To rozróżnienie ma praktyczne znaczenie: NVIDIA zaznacza, że pakiety dla Windows x64, Windows Arm64 i Linux Arm64 nie są wymienne. Natywny Python Arm64 nie może też ładować rozszerzeń x64.
NVIDIA opisuje instalację CUDA Toolkit w wersji 13.4.2 lub nowszej oraz ścieżkę instalacji PyTorch z CUDA dla natywnego Windows Arm64. Instrukcja dla deweloperów RTX Spark oraz przewodnik NVIDIA po Windows on Arm opisują te ścieżki i rozróżniają środowiska natywne od emulowanych. To konkretna droga dla zgodnego zestawu oprogramowania, a nie obietnica działania dowolnej aplikacji czy gry.
W przypadku TensorRT ograniczenia są inne: macierz NVIDIA oznacza obsługę DLA w Windows on Arm dla TensorRT 11.4.0 i 11.4.1 jako beta. Dotyczy ona ograniczonego zestawu warstw i rozmiaru partii 1, a silniki DLA nie mają w tym trybie awaryjnego przełączenia na GPU. Macierz obsługi TensorRT pokazuje więc, że sama obecność CUDA nie oznacza jednakowej obsługi wszystkich elementów stosu AI.
Do jakich zastosowań pasują wyniki testu
Dla osób pracujących z lokalną AI istotne będą poziom układu i dostępna pamięć, ale także zgodność konkretnego środowiska programistycznego. Konfiguracja 18-rdzeniowa kończy się na 32 GB, natomiast wariant 20-rdzeniowy pozwala na większą pulę. Testy gier nie mierzą wydajności lokalnych modeli AI, a specyfikacje FP4 nie zastępują pomiarów w używanym programie.
Jeśli najważniejsze są gry, Zachary Boddy wskazuje tradycyjny laptop gamingowy z dedykowaną pamięcią GPU jako rozsądniejszy kierunek. W jego teście Yoga Pro 9n osiągała wysokie średnie klatkaże w dwóch tytułach, ale towarzyszyły im problemy ze zgodnością, zacięcia i krótki czas pracy przy pełnym obciążeniu graficznym.
