Em uma execução de gpt-oss-120b, o ASUS ProArt P16 com RTX Spark terminou em 33min13s, enquanto o desktop com GeForce RTX 5090 levou 52min51s. A diferença foi de 19min38s, mas o desktop gerou mais tokens de conclusão, então os tempos não representam uma comparação de throughput com saídas iguais. Brad Chacos, da PCWorld, relatou o teste em uma análise publicada em 29 de outubro.
Uma carga, dois tempos diferentes
Os dois sistemas rodaram o mesmo modelo, com os mesmos prompts, entradas, limites de etapa e configurações de inferência. A busca na web em tempo real e a aquisição de estado ficaram fora do trecho cronometrado. Ainda assim, o volume de saída não foi igual: o ProArt gerou 79.903 tokens de conclusão; o desktop, 92.270, uma diferença de 12.367 tokens.
| Medida | ProArt P16 com RTX Spark | Desktop com GeForce RTX 5090 |
| Processador e GPU | CPU Grace de 20 núcleos e gráficos Blackwell integrados | Intel Core i7-14700K e GeForce RTX 5090 |
| Memória | 128 GB de LPDDR5X unificada; cerca de 96 GB alocados aos gráficos | 96 GB de RAM do sistema; 32 GB de GDDR7 na GPU |
| Tempo decorrido | 33min13s | 52min51s |
| Tokens de conclusão | 79.903 | 92.270 |
A diferença entre os tempos é de 19min38s, ou 37,1% menos tempo decorrido em relação à execução no desktop. Esse cálculo compara a duração dos dois testes, não uma taxa de geração por token: as quantidades de tokens de conclusão foram diferentes.
A memória ajuda a explicar o resultado
O ProArt testado reúne CPU e GPU em um pool de 128 GB de memória LPDDR5X. A ferramenta MyASUS permitiu reservar até 96 GB para os gráficos, e Chacos usou cerca de 96 GB nas cargas de IA maiores. A RTX 5090 do desktop tinha 32 GB de memória GDDR7 própria. Na explicação do avaliador, a demanda de memória dessa carga favoreceu o pool maior e compartilhado do notebook.
A PCWorld também ressalvou que a RTX 5090 tem muito mais potência bruta de GPU e pode ter vantagem quando a carga cabe com folga em seus 32 GB de VRAM, a memória dedicada da placa de vídeo. Portanto, esse resultado descreve uma execução grande de gpt-oss-120b, não um ranking geral de desempenho em IA.
A NeoTeo já abordou o ProArt P16 H7607 e o RTX Spark em IA e criação. Aqui, a comparação se concentra em uma carga local específica contra um desktop com RTX 5090.
Bateria e ajustes durante o uso
Durante a execução de 33min13s, o indicador de bateria do ProArt caiu de 100% para 54%, uma redução de 46 pontos percentuais. Em uma rotina separada, dividida em sete etapas, o notebook gerou 150.995 tokens em 415 segundos; nesse teste, a bateria passou de 74% para 65%.
Chacos também relatou ventoinhas barulhentas, execuções que falharam ou foram truncadas e problemas de contexto que exigiram ajustes nos prompts e nas configurações. Na máquina testada, modelos de 120 bilhões de parâmetros devidamente quantizados puderam rodar localmente, mas a experiência incluiu esses obstáculos operacionais.
Para quais cargas o resultado é relevante
O teste interessa sobretudo a quem pretende executar localmente modelos muito grandes, cuja demanda de memória pode ultrapassar os 32 GB de VRAM da RTX 5090. Nesse cenário específico, o pool unificado do ProArt permitiu concluir a execução antes. Para cargas que cabem na memória da placa, a análise de Chacos aponta a maior potência bruta da RTX 5090 como uma vantagem relevante. Os tempos publicados não resolvem a comparação para outros modelos ou tipos de tarefa.
