W teście opublikowanym 26 października 2026 r. StorageReview uzyskał 5 083 pkt w wielowątkowym teście Cinebench 2026 na konfiguracji ThinkPad P1 Gen 9 21UE000XUS. Ten sam wariant osiągnął wysokie wyniki w dwóch testach lokalnej AI, ale 7,7 GB pamięci dostępnej dla GPU nie wystarczyło do uruchomienia większych testów modeli, które wymagały około 16 GB.
Testowana konfiguracja to 21UE000XUS
Test dotyczył konkretnego zestawu: procesora Intel Core Ultra 9 386H, 64 GB pamięci LPCAMM2, dysku SSD 2 TB i karty NVIDIA RTX PRO 2000 Blackwell z limitem mocy 50 W. Laptop miał ekran IPS o rozdzielczości 3840 × 2400. StorageReview prowadził testy przy zasilaniu sieciowym, w trybie Windows Best performance i Lenovo Ultra Performance.
Wyniki opisują ten wariant, a nie każdą konfigurację ThinkPad P1 Gen 9. Recenzja wideo Tech Deals dotyczy innego zestawu: Intel Core Ultra X7 368H, 32 GB RAM i SSD 1 TB.
Procesor dobrze wypada w testach wielowątkowych
ThinkPad uzyskał więcej punktów w Cinebench 2026 i szybciej ukończył kompilację LLVM niż porównywany Dell Pro Max 14 Premium. W teście kompilacji niższy czas oznacza szybsze wykonanie zadania.
| Test | ThinkPad P1 Gen 9, 21UE000XUS | Dell Pro Max 14 Premium |
| Cinebench 2026, wiele rdzeni | 5 083 pkt | 4 292 pkt |
| Kompilacja LLVM 21.1.4 | 309,1 s | 393,9 s |
| Llama 3.1 8B, MLPerf Client | 64,8 tokena/s | 54,7 tokena/s |
| Phi-4-mini, MLPerf Client | 111,9 tokena/s | 88,0 tokena/s |
Porównanie procesorów obejmuje dwa różne limity mocy karty RTX PRO 2000: 50 W w ThinkPadzie i 47 W w Dellu. W około 30-minutowej pętli Cinebench testowany P1 utrzymał 4 811 pkt; stosunek wyniku ustalonego do pierwszego przebiegu wyniósł 0,983.
Pamięć GPU wyznacza granicę testów lokalnej AI
W MLPerf Client v2.0 konfiguracja ThinkPada osiągnęła 64,8 tokena/s dla Llama 3.1 8B i 111,9 tokena/s dla Phi-4-mini. Są to wyniki tych dwóch obciążeń testowych, a nie ogólna miara działania każdego modelu AI.
RTX PRO 2000 ma 8 GB pamięci GDDR7, z czego test wykazał 7,7 GB dostępne dla GPU. To pamięć karty graficznej, odrębna od 64 GB pamięci RAM laptopa. Testy ładowania modeli i zadań coding-agent w zestawie StorageReview zaczynały się od gpt-oss:20b i wymagały około 16 GB. Te poziomy testów nie uruchomiły się na badanej konfiguracji, podczas gdy opisane wyżej testy MLPerf działały.
Dla jakich zadań pasuje ten wynik?
Pomiary wskazują na mocną stronę wariantu 21UE000XUS w obciążeniach wielowątkowych, takich jak kompilacja, oraz na sprawne działanie w dwóch sprawdzonych zadaniach lokalnej AI. Jeśli kluczowa jest praca z modelami wymagającymi około 16 GB pamięci GPU, konfiguracja z RTX PRO 2000 nie spełniła progu użytego w tych testach StorageReview.
