Lenovo Yoga Pro 9n mit NVIDIA RTX Spark kaufen

Lenovo verkauft das Yoga Pro 9n (15", 11) seit Oktober 2026 im eigenen Shop: ab 3.329 € inkl. MwSt. mit RTX Spark N1X in der kleineren Stufe (18 Kerne, 5.120 GPU-Kerne), 32 GB und 512 GB SSD, und für 4.749 € mit 20 Kernen, 64 GB und 1 TB (Lenovo-Shop Deutschland, Stand 3. November 2026). Nelpx nennt den Preis für Ihre Konfiguration netto im Angebot. Die Anfrage über das Anfrage-Tool ist unverbindlich: Stückzahl und Speicherwunsch angeben, absenden - Preis und verbindlicher Liefertermin folgen im Angebot.

Das Yoga Pro 9n ist seit dem NVIDIA-Marktstart am 16. Oktober 2026 erhältlich. Lenovo führt es als Yoga Pro 9 15N1X11 (Maschinentyp 83SR); deutsche Händler führen 32- und 64-GB-Modelle ab Lager, die 128-GB-Ausstattung mit 2 TB liefert Lenovo laut Shop für Geschäftskunden zwischen dem 24. und 26. November 2026 (Stand 3. November 2026). Nelpx nennt den verbindlichen Liefertermin im Angebot.

Die Anfrage ist unverbindlich: kein Kaufvertrag, keine Anzahlung, keine Abnahmepflicht. Sie geben Stückzahl, gewünschten Arbeitsspeicher und Einsatzzweck an, Nelpx meldet sich mit einem Angebot inklusive Nettopreis und Liefertermin. Erst mit der Annahme dieses Angebots entsteht eine Bestellung.

Nein. Das Yoga Pro 9n hat keine dedizierte Grafikkarte, sondern den NVIDIA RTX Spark - einen Superchip, bei dem Grace-CPU und Blackwell-RTX-GPU auf einem Chip sitzen und sich bis zu 128 GB Unified Memory teilen. „RTX PRO Blackwell“ bezeichnet dagegen NVIDIAs dedizierte Workstation-Grafikkarten, die es als Laptop-GPU mit maximal 24 GB GDDR7 gibt (bei Lenovo in den ThinkPad-P-Mobile-Workstations). Für lokale Sprachmodelle ist der Unterschied entscheidend: Beim RTX Spark kann das Modell den Großteil des gemeinsamen Arbeitsspeichers nutzen (laut NVIDIA bei 128 GB mindestens rund 102 GB), bei einer dedizierten GPU nur deren Grafikspeicher.

Mit 128 GB Unified Memory passen in 4-Bit-Quantisierung praktisch alle offenen Modelle bis zur 70B-Klasse komplett in den Speicher - Llama 3.3 70B (42,5 GB), Qwen3 32B (19,8 GB), Qwen3.8-27B (16,5 GB) - und dazu die großen Mixture-of-Experts-Modelle: gpt-oss-120b (63,4 GB) und Nemotron 3 Super 120B (83,8 GB), jeweils mit Reserve für Kontext und Betriebssystem. NVIDIA nennt für RTX Spark Sprachmodelle mit bis zu 120 Milliarden Parametern bei einer Million Token Kontext, ohne Modell oder Token/s zu benennen. Die Einschränkung liegt beim Tempo: Dichte Modelle ab 27 Milliarden Parametern generieren auf dieser Speicherbandbreite nur rund 10 Token pro Sekunde, dichte 70B-Modelle 3 bis 4 - Mixture-of-Experts-Modelle mit wenigen aktiven Parametern dagegen 40 bis 83 Token pro Sekunde (Referenzwerte vom DGX Spark, der laut NVIDIA-CEO denselben Chip nutzt). Mit 64 GB (laut NVIDIA rund 48 GB für die GPU) reicht es sicher für die 30B-Klasse; Llama 3.3 70B passt in 4 Bit (42,5 GB) nur noch mit kleinem Kontext, gpt-oss-120b (63,4 GB) nicht mehr. Mit 24 oder 32 GB (kleine N1X-Stufe) endet die Liste bei Modellen bis etwa 20 Milliarden Parametern. Der Praxis-Check auf dieser Seite listet die realen Dateigrößen.

Ehrliche Antwort: Seit dem Marktstart am 16. Oktober 2026 erscheinen die ersten Tests von RTX-Spark-Notebooks (etwa von Notebookcheck und Artificial Analysis), eine vergleichbare Messreihe für einzelne Geräte gibt es noch nicht. Die nächste belastbare Referenz ist der NVIDIA DGX Spark, der laut NVIDIA-CEO denselben Chip nutzt: Dort erreicht gpt-oss-120b 40 bis 55 Token pro Sekunde (llama.cpp, Ollama, NVIDIA-Developer-Blog), gpt-oss-20b 58 bis 83, Qwen3 32B 9,4, Gemma 3 27B 10,8 und Llama 3.1 70B 2,7 bis 4,4 Token pro Sekunde. Das Notebook hat rund 10 Prozent mehr Speicherbandbreite (laut NVIDIA 300 statt 273 GB/s), aber eine niedrigere TDP (45 bis 80 W statt 140 W) - das bremst vor allem die Prompt-Verarbeitung, weniger das Generieren, das an der Bandbreite hängt. Faustregel: Mixture-of-Experts-Modelle laufen flüssig, dichte Modelle ab 27B sind spürbar langsam. Für Durchsatz und mehrere Nutzer bleibt der LLM-Server die richtige Klasse.

Das Yoga Pro 9n läuft mit Windows 11 on Arm. Native Arm64-Anwendungen laufen direkt, darunter laut Microsoft Adobe Photoshop und Premiere Pro, Blender und DaVinci Resolve; klassische x86-Software läuft über Microsofts Prism-Emulation, die laut Microsoft auf den RTX Spark abgestimmt ist. CUDA läuft nativ: NVIDIA hat CUDA 13.4 für Windows on Arm im September 2026 zunächst als Developer Preview freigegeben; die Release Notes zu CUDA 13.4 Update 2 führen arm64 (Windows) als unterstützte Architektur und nennen für RTX Spark den Windows-Treiber ab Version 616.41. NVIDIA nennt TensorRT for RTX, PyTorch, llama.cpp und Ollama als native Arm64-Software; Ollama unterstützt CUDA auf Windows Arm64 seit Version 0.32.3, LM Studio gibt es nativ für Windows on Arm. Nicht zugesagt sind vLLM und TensorRT-LLM unter Windows (Linux-Software), ein natives Linux auf RTX Spark und GPU-Beschleunigung für x86-CUDA-Programme unter Emulation. Wer Linux-Werkzeuge braucht, nimmt einen Desktop der DGX-Spark-Klasse; wer x86-Treiber oder Legacy-Tools benötigt, prüft vor dem Kauf die Arm64-Verfügbarkeit.

Für lokale Sprachmodelle möglichst 128 GB - der Speicher ist fest verlötet und später nicht erweiterbar, und Modelle der 70B-Klasse belegen in 4-Bit-Quantisierung mit Kontext und Betriebssystem rund 60 GB - sie laufen deshalb nur mit 128 GB komfortabel, 64 GB reichen für die 30B-Klasse. Lenovo bietet 32, 64 und 128 GB an (Lenovo-PSREF); die 32-GB-Version hat laut Lenovo-Shop die kleinere Stufe mit 18 Kernen, die 128-GB-Ausstattung nennt Lenovo nur für ausgewählte Konfigurationen. Im Anfrage-Tool lässt sich der Speicherwunsch angeben, Nelpx bestätigt Verfügbarkeit und Liefertermin im Angebot.

Das Yoga Pro 9i ist Lenovos Intel-Modell: Yoga Pro 9i Aura Edition (16", 11) mit Intel Core Ultra der Serie 3 und dedizierter GeForce RTX 5050, 5060 oder 5070 Laptop-GPU mit 8 bzw. 12 GB Grafikspeicher, maximal 64 GB Arbeitsspeicher. Das Yoga Pro 9n („n“ für NVIDIA) setzt auf den Arm-Superchip RTX Spark mit bis zu 128 GB Unified Memory, von denen laut NVIDIA bei 128 GB mindestens rund 102 GB der GPU zur Verfügung stehen. Für lokale KI-Modelle ist das Pro 9n damit die deutlich stärkere Wahl; das Pro 9i bleibt die Wahl für x86-Software ohne Emulation.

In der 20-Kern-Ausstattung (6.144 GPU-Kerne, bis zu 128 GB Unified Memory) nutzen beide denselben NVIDIA RTX Spark - bei der KI-Leistung gibt es dann auf dem Papier keinen Unterschied; die Einstiegsmodelle (Yoga Pro 9n mit 32 GB, ProArt P16 mit 24 GB) haben die kleinere 18-Kern-Stufe. Das Yoga Pro 9n ist das 15,3-Zoll-Gerät mit 2.5K-OLED und 48 bis 165 Hz, zwei M.2-Slots, haptischem Force Pad und ab 1,65 kg. Der ASUS ProArt P16 bietet ein 16-Zoll-4K-OLED mit 120 Hz und laut ASUS bis zu 1.600 nits, 99 Wh Akku bei 1,77 kg. Wer Bildwiederholrate und Stift will, nimmt das Yoga; wer 4K-Farbarbeit will, den ProArt. Beide sind bei Nelpx lieferbar.

Der ASUS Ascent GX10 und der NVIDIA DGX Spark bieten dieselbe 128-GB-Speicherklasse als 15-cm-Desktop mit Linux und vorinstalliertem NVIDIA-AI-Stack - kurzfristig lieferbar (GX10) bzw. ab Lager (DGX Spark), koppelbar, aber nicht mobil und ohne Windows. Der Lenovo ThinkCentre X Ultra ist das x86-Desktop-Pendant mit AMD Ryzen AI Max+ und Windows. Das Yoga Pro 9n ist die Wahl, wenn die 128 GB mit Display, Akku und Windows unterwegs gebraucht werden - Demo beim Kunden, Außendienst, Hörsaal.

Es lohnt sich für Entwickler und Data Scientists, die Sprachmodelle bis zur 70B-Klasse lokal ausführen, testen und mitnehmen wollen; für Creator, die KI-Bildgenerierung und Videoschnitt auf einem farbgenauen OLED brauchen; und für Unternehmen mit sensiblen Daten, die KI-Assistenten ohne Cloud betreiben. Weniger geeignet ist es, wenn Durchsatz zählt (mehrere Nutzer, Produktions-Inferenz - dann LLM-Server) oder wenn x86-Software ohne Emulation Pflicht ist (dann Yoga Pro 9i oder ThinkCentre X Ultra).