ASUS ProArt P16 H7607 do AI i pracy kreatywnej

Sztuczna inteligencja to przyszłość. Nikt nie powinien mieć co do tego żadnych wątpliwości. Jednak zwykły szarak może z niej korzystać głównie w chmurze. Nowy laptop ASUS ProArt P16 H7607 z układem RTX Spark sprawia, że to się zmienia. AI odpalisz lokalnie, a do tego wykorzystasz w pracy kreatywnej. Postanowiłem to sprawdzić. ASUS ProArt P16 H7607 to jeden z pierwszych laptopów z układem NVIDIA RTX Spark. Obiecuje obsługę dużych modeli językowe, generowanie obrazu, render 3D i montaż wideo w jednej obudowie o wadze 1,77 kg, a to wszystko lokalnie. O ile Maciej pokusił się już o recenzję tego urządzenia, o tyle ja skupię się na jego możliwościach właśnie w pracy kreatywnej oraz AI. Zobaczmy, co NVIDIA RTX Spark ma do zaoferowania. NVIDIA RTX Spark, czyli co? NVIDIA odeszła od klasycznej receptury, w której laptop łączył procesor x86 z grafiką GeForce RTX. Zamiast tego Zieloni zaprezentowali coś nowego, przynajmniej w swoim portfolio. Układ RTX Spark N1X to: 20-rdzeniowy procesor Arm Grace, który składa się z 10 wydajnych i 10 energooszczędnych rdzeni oraz grafika Blackwell z 6144 jednostkami CUDA, czyli tyloma, ile ma GeForce RTX 5070. Współdzielą one jedną pulę pamięci LPDDR5X o przepustowości do 300 GB/s, która w przypadku testowanego modelu liczy sobie aż 128 GB. NVIDIA deklaruje wydajność na poziomie 1 PFLOPS w obliczeniach FP4. Kafelek GPU ma 174 mm2, CPU 208 mm2, a całość 382 mm2. Największą zaletą NVIDIA RTX Spark jest właśnie pamięć. Chociaż ma mniejszą przepustowość niż GDDR7 w GeForce RTX 5070 (672 GB/s) to ogromną zaletą jest jej pojemność. Przywołana karta graficzna ma do dyspozycji tylko 12 GB, gdzie tutaj jest w teorii ponad 10 razy więcej. To sprawia, że model AI czy scena 3D nie muszą mieścić się w kilku gigabajtach. Ceną jest właśnie niższa przepustowość. Lokalne, duże modele, czyli największa zaleta Zdecydowanie największą zaletą NVIDIA RTX Spark jest możliwość uruchamiania lokalnych modeli AI, w tym między innymi Hermes, OpenClaw, Perplexity czy WorkBuddy. Działają one bezpośrednio na komputerze, a nie w chmurze. Dzięki temu unikamy dodatkowych kosztów za tokeny, a dane pozostają tylko na laptopie. W tym laptop radzi sobie naprawdę dobrze. Qwen3.8 w wersji 27B zajmuje około 17 GB, a razem z kontekstem około 42 GB. Z kolei Qwen3.8 8B to już 5 GB. Ten drugi przy pustym kontekście osiągał okolice 52 tokenów na sekundę. Przy głębokości 4096 wynik spadał do mniej więcej 45 tokenów na sekundę, a przy 16384 już 34 tokenów na sekundę.Z kolei wariant 27B mógł pochwalić się wynikiem 32 tokenów na sekundę, co jest lepszym rezultatem, niż podaje NVIDIA. Sprawdziłem jeszcze model 35B-A3B (typu mixture-of-experts), który dobił do ponad 90 tokenów na sekundę. Całkiem nieźle wypada to też w llama.cpp, gdzie możemy liczyć na około 16 tokenów na sekundę w modelu 27B i 56 tokenów na sekundę na małej Llamie 3.1 8B. Nieco słabszą stroną jest przetwarzanie długiego promptu. Przy 16 tys. tokenów kontekstu na modelu 27B pierwsza odpowiedź pojawiała się po ponad 23 sekundach, przy 32 tys. po niemal 50. To wystarczy do pracy z briefem czy scenariuszem, ale nie jest to tempo chmury. Nie jest to żadne zaskoczenie. Można powiedzieć, że coś za coś. Chmura oferuje wciąż lepszą wydajność, w końcu wykorzystuje mocarne serwery. Natomiast laptop jest zauważalnie wolniejszy, ale za to lokalny i przede wszystkim darmowy (w kontekście ceny za tokeny, bo sam laptop przecież trzeba kupić).Należałoby też odnieść się do wydajności RTX 5090. Ten też radzi sobie lepiej niż RTX Spark, ale tylko w małych modelach (8B), które mieszą się w jego pamięci. Laptop ASUSA obsługuje też znacznie większe modele, z którymi klasyczny GPU sobie nie poradzi. Dlatego też wybieranie tańszych modeli z 32 GB lub 64 GB pamięci trochę traci sens. Ten środkowy jeszcze może się sprawdzić, ale przy 32 GB pojawiają się duże ograniczenia. Jeśli chodzi o generowanie grafiki, to w MLPerf (FLux 2 Klein 4B) potrzebował średnio mniej niż 2 sekundy na stworzenie obrazu w rozdzielczości 1024 × 1024 pikseli. Osiągał wynik na poziomie średnio 36,5 obrazu na minutę. Z kolei pełny Flux 2 Dev w ComfyUI potrzebował już 42 sekundy na grafikę. Warto też wspomnieć, że dodatkowo na laptopie ASUSA dostępne jest własne narzędzie w postaci MuseTree, które korzysta z modelu FLUX w formacie NVFP4. NVIDIA RTX Spark do pracy kreatywnej NVIDIA chwali się długą listą obsługiwanych aplikacji do pracy kreatywnej, które potrafią wykorzystać architekturę RTX Spark. To między innymi: pakiet Adobe, affinity, DaVinci Resolve, CapCut, CorelDRAW, Unreal Engine, ComfyUI, OBS, Unity, Streamlabs, Blender, Skylum i wiele, wiele więcej. Na początek pokusiłem się o prosty test. Stworzyłem projekt 12-minutowego filmu w DaVinci Resolve 21. To kilkanaście różnych scen, bez efektownych przejść, ale z napisami, grafikami i lekką poprawą kolorów. Komputer z grafiką GeForce RTX 5080 poradził sobie z tym w czasie 3 minut i 39 sekund. Testowany laptop ASUSA z RTX Spark potrzebował do tego niewiele więcej, bo tylko 3 minuty i 50 sekund. Jak już mówiłem, nie był to skomplikowany projekt, bo nie jestem filmowcem, ale wynik okazał się wręcz zaskakujący. Co więcej, praktycznie się on nie różni niezależnie czy laptop jest podłączony do zasilania, czy nie. To ogromna zaleta w zestawieniu z klasycznymi komputerami przenośnymi, które tracą mnóstwo mocy obliczeniowej po odłączeniu od zasilacza.Tutaj też pokusiłem się o kilka testów. Zacznijmy od benchmarku PugetBench Resolve, w których laptop uzyskał 62 873 pkt w teście Standard oraz 45 898 w teście Extended. Wyniki są porównywalne do tego, co uzyskał w swoim teście Maciej i mieszczą się w ramach błędów pomiarowego. Niestety, są one znacznie gorszej niż w przypadku MacBooka Pro z układem M5 Max z 40-rdzeniowym GPU, i to niemal dwukrotnie. Z kolei w Blender Benchmark wyniki to: 175,6 dla monster, 131,6 dla junkshop oraz 87 dla classroom. Jeśli chodzi o renderowanie sceny w Blender 5.2, to zdecydowanie najlepsze wyniki uzyskacie przy wykorzystaniu OptiX, gdzie zajęło to około 16 sekund. GPU potrzebował na to samo zadanie 2 razy tyle czasu, a CPU już prawie 15 razy tyle. NVIDIA stworzyła też osobą wersję aplikacji Broadcast dla RTX Spark. O ile na zwykłych komputerach pozwala ona w czasie rzeczywistym poprawić jakość dźwięku z mikrofonu (np. wyciąć szumy w tle) czy obrazu z kamery, o tyle tutaj możliwości są znacznie większe. Przede wszystkim aplikacja pozwala nakładać efekty na już nagrane wideo, np. film stworzony w DaVinci lub Adobe Premier. Możemy tutaj skorzystać z RTX Video Super Resolution, które skaluje wideo do 4K i usuwa artefakty. Dodatkowo możemy też włączyć Frame Generation dla obrazu z kamerki, dostarczając w ten sposób płynne wideo w 60 klatkach na sekundę. Podsumowanie Po pełny test laptopa ASUS ProArt P16 H7607 odsyłam jeszcze raz do tekstu Macieja. Tam dowiecie się wszystkiego na temat jego budowy, kultury pracy czy też wydajności w grach. Sam skupiłem się na AI i pracy kreatywnej, bo w gruncie rzeczy do tego powstał układ NVIDIA RTX Spark. Oczywiście można na nim też grać, ale nie jest to jego główna rola. No i trzeba przyznać, że w AI laptop radzi sobie świetnie. Pozwala na lokalne uruchamianie dużych modeli. Działa wolniej niż chmura, ale za to odchodzi koszt tokenów i problemy związane z prywatnością danych. Natomiast nie sposób nie zauważyć, że to jednak konstrukcja dla fanatyków, a do tego z pokaźnym portfelem. Wersja ze 128 GB pamięci, która ma najwięcej sensu, kosztuje 27999 zł. Bardzo dużo. Jeśli ktoś zużywa mnóstwo tokenów, to z czasem pewnie by się to zwróciło, ale pytanie – jak szybko i ile dłużej zajęłyby poszczególne zadania? Sami musicie sobie odpowiedzieć czy warto.Jeśli chodzi o pracę kreatywną, to jest przyzwoicie, ale wydaje mi się, że nadal domyślnym wyborem dla grafików czy filmowców będzie MacBook Pro. Do tego platforma Arm z systemem Windows to wciąż problemy ze wsparciem dla wielu programów i rozwiązań, które albo nie działają w ogóle, albo działają w emulacji, czyli zwyczajnie gorzej. Na oficjalnie wsparcie wciąż trzeba trochę poczekać. Ogólnie rzecz biorąc NVIDIA RTX Spark to dobry początek, ale tylko początek. Cierpi na problemy wieku dziecięcego, chociaż już teraz potrafi zachwycić. Jestem przekonany, że z czasem Zieloni będą w stanie zaprezentować coraz to lepsze, dojrzalsze i bardziej dopracowane rozwiązania. Na razie to jeszcze trochę za mało i za drogo. Laptop ASUSA pokazuje też pewien problem z AI, które już przyczynia się do wykluczenia społecznego. Jasne, większość z nas korzysta ze sztucznej inteligencji do prostych zadań i pytań. Jednak jest jeszcze druga strona medalu – najbardziej zaawansowane i wymagające zadania, które dzisiaj wymagają ogromnych kosztów, czy to w postaci tokenów, czy też drogiego sprzętu. To wyklucza znaczną część osób, które może i miałyby odpowiednie możliwości, ale nie mają tak głębokiego portfela.