Lenovo Yoga AI Mini PC: 180 TOPS, 64 ГБ и вопрос, потянет ли он большие LLM

Коротко (TL;DR)

Lenovo Yoga AI Mini PC — это цилиндрический мини-ПК на 600 грамм на новом чипе Intel Core Ultra X7 358H (Panther Lake) с встроенной графикой Arc B390 и нейромодулем NPU. Флагманская версия несёт 64 ГБ распаянной памяти LPDDR5X и 1 ТБ SSD, стоит 17 999 юаней (около $2651 на 6 июля 2026) и продаётся только в Китае через JD.com. Вендор обещает «до 180 TOPS» и запуск локальных языковых моделей до 80 млрд параметров.

Этот обзор Lenovo Yoga AI Mini PC — про то, что здесь маркетинг, а что реальность, если цель — мини-ПК для локального ИИ. Коротко: 64 ГБ памяти делают устройство любопытной платформой под LLM, но NPU считает только маленькие модели, основная нагрузка ложится на iGPU Arc B390, а пропускная способность памяти в полтора–два раза ниже, чем у unified-memory конкурентов. Независимых замеров токенов в секунду именно этого устройства на 7 июля 2026 нет ни у кого — поэтому все оценки скорости ниже даны расчётно и по аналогии, с явной пометкой.

Кому интересно: тем, кто присматривается к компактному локальному ИИ на мини-ПК и хочет понять, за что здесь просят деньги и где узкие места.

Это не тот Yoga, о котором писали в январе

Первая ловушка — имя. На CES 2026 Lenovo показала Yoga Mini i Gen 11: тот же цилиндрический корпус, старт от $699.99, до 32 ГБ памяти, продажи в США с июня 2026. Именно эту модель разобрали десятки изданий зимой. А в июле в Китае появилась YOGA AI MINI — внешне тот же аппарат (внутренний код у обоих Yoga_Mini_01IPH11), но с 64 ГБ памяти, топовым чипом X7 358H и ценником около $2651.

Bybit · Rewards Hubдо $30,100Внеси депозит, торгуй 14 дней — и забери награды в Rewards HubЗабрать бонус →

Разница принципиальная. Глобальный спецлист Lenovo (PSREF) на 7 июля 2026 всё ещё ограничивает эту модель 32 ГБ памяти. То есть 64 ГБ-конфигурация, ради которой устройство и интересно под локальные LLM, — это отдельная китайская SKU, и шансов на мировой релиз у неё, по оценке Notebookcheck, мало. Если вы видели заголовок «Yoga Mini за $700 с ИИ» — это не та машина, что тянет большие модели. Разница в памяти вдвое и в цене почти вчетверо.

Lenovo выпустила Yoga AI Mini PC на Intel Core Ultra X7 358H и Arc B390

AMD выпустила для Ryzen AI Halo собственный Linux на Debian с ROCm из коробки

DeepSeek V4 Pro и DSpark: что это на самом деле, сколько стоит и можно ли запустить дома

Какую локальную LLM выбрать в 2026: 11 моделей под задачу и железо

Цены на память снова растут: серверная DRAM подорожает на 13–18% в III квартале

Практический вывод: под задачу «локальный ИИ» смотреть нужно именно на 64 ГБ-версию, а её за пределами Китая официально не купить. Тот же кремний в свободной продаже есть у других вендоров — к этому вернёмся в разделе про цену.

Intel Core Ultra X7 358H: характеристики и что внутри

Разберём железо по спецификации, а не по пресс-релизу. Ниже — сведённые характеристики Intel Core Ultra X7 358H и самого устройства в флагманской комплектации.

Пара терминов простыми словами. NPU (нейропроцессор) — отдельный блок чипа, заточенный под матричные операции нейросетей при низком энергопотреблении. iGPU — встроенная в процессор графика; в отличие от дискретной видеокарты, у неё нет своей видеопамяти, она делит общую системную. TOPS — триллионы операций в секунду, пиковая «синтетическая» цифра, а не измеренная скорость модели. LPDDR5X — мобильная память, здесь распаяна на плате: докупить или заменить её нельзя, 64 ГБ — это потолок навсегда.

Ключевая для локального ИИ строка — пропускная способность памяти. Около 153.6 ГБ/с (расчётная величина, её одинаково выводят независимые базы CPUTronic и NanoReview) — это то, чем в итоге ограничена скорость генерации: языковая модель на каждый токен «прочитывает» свои веса из памяти, и чем уже канал, тем медленнее ответ.

Разбираем «180 TOPS»: почему это не одна цифра

180 TOPS в заголовках — это сумма трёх разных блоков: iGPU Arc B390 (122 TOPS), NPU (50 TOPS) и вклад CPU. Складывать их в одно число можно только на слайде. В реальной задаче работает какой-то один блок, а не все сразу, и точность вычислений у них разная (INT8 у NPU и GPU — это 8-битная целочисленная арифметика, для LLM обычно используют другие форматы).

Независимый обзор TechRadar, тестировавший тот же чип в другом корпусе, формулирует прямо: «180 TOPS — это гетерогенная суммарная цифра, реальное распределение ИИ-нагрузки сильно зависит от фреймворка и модели». То есть 180 TOPS нельзя ставить в лоб против «TOPS» у AMD или Apple — это не одна и та же измеримая величина, а маркетинговая арифметика.

Bybit · Rewards Hubдо $30,100Внеси депозит, торгуй 14 дней — и забери награды в Rewards HubЗабрать бонус →

Что из этого следует практику: оценивать устройство под нейросети нужно не по «платформенной» цифре, а по тому, какой блок и с какой памятью реально считает вашу модель. А это уже совсем другой разговор.

NPU против iGPU: кто реально считает LLM

Здесь главное заблуждение всех обзоров-рерайтов: «есть NPU на 50 TOPS — значит, тянет ИИ». На практике NPU для локальных LLM — узкоспециализированный инструмент. Официальная матрица поддержки Intel/OpenVINO (актуальна на май 2026) валидирует на NPU только компактные модели: Qwen3 1.7B, 4B и 8B в INT4, а также несколько мелких Qwen2.5. Крупные dense-модели — Llama 3 8B Instruct, Mistral 7B, Qwen2-7B, а также MoE-модели вроде GPT-OSS 20B — в NPU-колонке стоят как «нет». Их путь — CPU или iGPU.

Почему так. NPU делит ту же системную память, и практически доступная ему полоса, по оценке аналитиков (это оценка одного источника, не спецификация Intel), — порядка 80-120 ГБ/с из общих 153.6 ГБ/с. Для сравнения, у дискретной RTX 3060 своя память на 360 ГБ/с без конкуренции за шину. Архитектурный вывод — NPU и iGPU упираются в общую память — подтверждают два независимых источника. Отсюда роль NPU: энергоэффективные фоновые задачи и маленькие модели, а не запуск крупных LLM.

Значит, основная работа с языковыми моделями здесь — на iGPU. Arc B390 для нейросетей задействуется через Vulkan, SYCL или OpenVINO; с апреля 2026 OpenVINO стал официальным бэкендом в llama.cpp, так что GGUF-модели можно гонять на CPU, GPU и NPU из основного репозитория. Ниже — что и где реально запускается.

Вывод из таблицы: 64 ГБ памяти открывают доступ к моделям, которые не влезут в потребительскую видеокарту с 8-16 ГБ, но NPU для локальных LLM тут не главный герой. Если в описании вы видите «NPU 50 TOPS для ИИ» — держите в голове, что для 8B-модели и выше считать будет iGPU.

Сколько токенов в секунду ждать

Честная часть: прямых замеров скорости именно Arc B390 в этом устройстве нет ни у одного издания. Поэтому дадим обоснованный диапазон по аналогии с близким железом — и явно пометим, что это расчёт, а не факт про B390.

Нижняя граница ожиданий. Единичный воспроизводимый замер (личный gist со скриншотами) на Intel Arc 140V — это iGPU прошлого поколения Lunar Lake, слабее B390 по числу Xe-ядер и такту — показал на Qwen3 8B в кванте Q4_K_M около 17-18 токенов в секунду генерации через IPEX-LLM и Ollama, против 9.18 токенов на одном CPU. Это один источник, не триангулированный, и заведомо более слабый чип — берём как пол ожиданий, не как обещание.

Ориентир сверху из официального источника. В бенчмарках Intel/OpenVINO для близкого по поколению чипа Core Ultra 7/X7 368H на iGPU модель Qwen2.5-7B в INT4-MIXED выдаёт около 22.47 «второго токена» в секунду (это не тот же самый B390, а соседний SKU того же семейства). Сложив два ориентира, для 7-8B-моделей в 4-битном кванте на B390 разумно ожидать примерно 17-25 токенов в секунду — расчётно, по аналогии. Для крупных моделей (20B+) скорость упадёт кратно, и комфорт диалога станет спорным.

Что это значит на практике. 17-25 токенов в секунду — это читаемый, но не мгновенный темп: примерно скорость быстрого чтения текста. Для локального ассистента на 8B-модели — приемлемо; для тяжёлых задач с длинным контекстом — уже на грани терпения. Реальные цифры появятся, когда до устройства доберутся независимые тестеры; до тех пор ориентируйтесь на диапазон, а не на «до 180 TOPS».

Заявка «80B на 64 ГБ»: маркетинг или проверенный факт

Lenovo заявляет, что 64 ГБ достаточно для локальных моделей до 80 млрд параметров. Обе формулировки в первоисточниках явно приписаны вендору («according to the company»), а не подтверждены тестом. Разберём арифметику. Модель на 80B в 4-битном квантовании — это примерно 40-45 ГБ весов, что технически влезает в 64 ГБ. Но сверху нужны Windows, драйверы и контекстное окно (память под сам диалог), а с ними запас тает быстро. Независимого бенчмарка именно 80B-модели на этом чипе на 7 июля 2026 нет.

Паттерн узнаваемый. У конкурента GMKtec с тем же чипом фигурирует технология aiDAPTIV+ (подкачка данных между памятью и SSD) с обещанием «до 70B на 64 ГБ» — и она тоже независимо не проверена. Такие заявки про «модель больше памяти» стоит читать как верхнюю теоретическую границу при агрессивном квантовании и, возможно, с выгрузкой на диск (что резко роняет скорость), а не как «поставил и работает». До появления замеров это гипотеза вендора, не характеристика.

Цена: Lenovo против GMKtec, Strix Halo и Mac mini

Самый неудобный для Lenovo факт. Ровно тот же кремний — Core Ultra X7 358H, Arc B390, 64 ГБ, 1 ТБ — продаётся в мини-ПК GMKtec EVO-T2 по стартовой цене около $1899 (в европейской рознице примерно 1699.99 евро). У Lenovo за физически идентичный набор просят около $2651. Разница более $750 — это плата за бренд и форм-фактор, а не за производительность в локальном ИИ.

Дальше сравнение по формфакторам на близкий бюджет.

Что важно для локального ИИ в этой таблице — колонка полосы памяти. У платформы Intel она примерно в полтора раза уже, чем у AMD Strix Halo (около 215 ГБ/с реально измеренных из 256 теоретических), и почти вдвое — чем у Apple M4 Pro (273 ГБ/с). А именно полоса памяти определяет скорость генерации токенов. Поэтому по производительности под LLM оба unified-memory конкурента идут впереди при сопоставимой цене.

Наш разбор Ryzen AI Max+ 395 показывает, почему Strix Halo стал эталоном компактного локального ИИ: 40 вычислительных блоков Radeon 8060S, до 128 ГБ общей памяти и вдвое более широкий канал. Независимый обзор TechRadar по тому же чипу X7 358H подытоживает без обиняков: «B390 может выглядеть хорошо на фоне Arc 140T и Radeon 890M, но с Radeon 8060S он рядом не стоит». Слова ревьюера — это его оценка на реальном железе, приводим её с атрибуцией, а не как замер.

Стоит взглянуть и на Apple. В нашем материале про Mac mini M4 Pro видно, что при тех же 64 ГБ он даёт 273 ГБ/с полосы — почти вдвое больше Intel — и это ощутимо в скорости ответа модели. Из компактных PC-платформ на Intel Arc ближе к бюджетному входу стоит сборка на Intel Arc B580 — дискретная карта с собственной видеопамятью решает проблему узкой шины иначе, чем встроенная графика.

Слабые места и риски

Прежде чем присматриваться к устройству под локальный ИИ, взвесьте узкие места. Здесь их несколько, и они существенные.

• Узкая полоса памяти. Около 153.6 ГБ/с (расчётно) — в полтора–два раза меньше, чем у Strix Halo и Mac mini M4 Pro. Для генерации токенов это главный ограничитель; крупные модели будут заметно медленнее, чем на unified-memory конкурентах.
• NPU не для больших LLM. Официально валидированы на NPU только модели до 8B. Ожидание «нейромодуль ускорит любую LLM» ошибочно — считать 8B и выше будет iGPU.
• Баг Vulkan на MoE-моделях. Задокументированная проблема (GitHub issue ollama/ollama #13964, обновлялась в начале февраля 2026): на Intel iGPU того же семейства драйверов модели от 3B через Vulkan могут выдавать мусор, а MoE — падать по 10-секундному таймауту xe-драйвера. Официального фикса на момент фиксации не было. Для новичка в Ollama на этом чипе — реальный риск потратить вечер на отладку.
• Panther Lake отсутствует в списке верифицированных платформ NPU в документации Intel IPEX-LLM на 7 июля 2026 — то есть официальная NPU-поддержка именно этого чипа держится пока на пути OpenVINO, а не на полной валидации.
• Память распаяна, апгрейда нет. 64 ГБ — это потолок на весь срок жизни устройства. Аппетиты вырастут — менять придётся весь мини-ПК.
• Тепло и троттлинг корпуса не проверены. Устойчивое энергопотребление именно цилиндрического 0.65-литрового корпуса Lenovo независимо не тестировали; под долгой ИИ-нагрузкой чип может сбрасывать частоты, и это скажется на скорости.
• Переплата и доступность. Около $750 сверху за тот же кремний, что у GMKtec, плюс продажи только в Китае. За пределами Китая купить эту 64 ГБ-версию официально нельзя.

Плюсы и минусы

Плюсы: — 64 ГБ LPDDR5X: крупная модель помещается в память целиком — редкость для мини-ПК такого размера. — Три вычислителя в компактном корпусе (0,65 л): CPU, iGPU Arc B390 (Xe3) и NPU. — Рабочий путь инференса через Vulkan/OpenVINO на iGPU; есть поддержка OpenVINO-бэкенда в llama.cpp.

Минусы: — Узкая полоса памяти (~153,6 ГБ/с, расчётно) — в полтора–два раза ниже, чем у unified-memory конкурентов; это потолок скорости генерации токенов. — NPU ускоряет только модели из ограниченного списка (до 8B); крупные LLM ложатся на iGPU. — Продаётся только в Китае (JD.com), память распаяна без возможности апгрейда, цена $2651 (¥17 999 на 6 июля 2026) — против $1899 за тот же чип у GMKtec EVO-T2. — Нет независимых замеров tok/s; заявка «80B на 64 ГБ» не подтверждена; драйверы незрелы (баг Vulkan/MoE).

Кому подойдёт, а кому нет

Устройство логично для того, кому важен именно бренд Lenovo, тихий компактный цилиндр на столе и кто уже находится в Китае, где его можно купить. Как аккуратная домашняя ИИ-станция под модели до 8-14B в 4-битном кванте — рабочий вариант, особенно если 64 ГБ памяти нужны под параллельные задачи, а не под одну гигантскую модель.

Если же цель — максимальная скорость локального ИИ на мини-ПК за эти деньги, расклад не в пользу Lenovo. Тот же чип дешевле у GMKtec, а по производительности под большие LLM вперёд выходят unified-memory платформы с широкой полосой памяти — AMD Strix Halo и Apple Mac mini. Полный расклад по формфакторам и бюджетам — в нашем гайде о том, как выбрать железо для локального ИИ. Мини-ПК для нейросетей 2026 года стало много, и Yoga AI Mini — интересный, но не самый рациональный из них.

FAQ

Продаётся ли Lenovo Yoga AI Mini PC за пределами Китая?

На 7 июля 2026 — нет. Флагманская 64 ГБ-версия доступна только в Китае через JD.com по цене около $2651. Глобальный спецлист Lenovo всё ещё ограничивает эту модель 32 ГБ памяти, и шансов на мировой релиз именно 64 ГБ-конфигурации, по оценке отраслевых изданий, немного.

NPU на 50 TOPS ускорит запуск любой языковой модели?

Нет. Официально на NPU валидированы только компактные модели до 8 миллиардов параметров (Qwen3 1.7B/4B/8B). Крупные dense- и MoE-модели идут через iGPU или CPU. NPU здесь — для энергоэффективных фоновых задач, а не для тяжёлого LLM-инференса.

Правда ли, что 64 ГБ хватит для модели на 80B?

Это заявление вендора, независимо не подтверждённое. Арифметически 80B в 4-битном кванте (около 40-45 ГБ весов) в 64 ГБ помещается, но с учётом системы и контекстного окна запас невелик, а бенчмарка именно 80B на этом чипе пока нет. Разумнее считать цифру теоретическим максимумом.

Сколько токенов в секунду выдаёт Arc B390 в локальных LLM?

Прямых замеров B390 нет. По аналогии с близким железом для моделей 7-8B в 4-битном кванте разумно ожидать примерно 17-25 токенов в секунду — это расчётная оценка на основе замеров на Arc 140V и официальных бенчмарков OpenVINO для соседнего чипа, а не измерение самого B390.

Что взять вместо него под локальный ИИ?

Если нужен именно этот чип — тот же набор дешевле у GMKtec EVO-T2 (от $1899). Если важнее скорость больших моделей — смотрите в сторону AMD Ryzen AI Max+ 395 или Apple Mac mini M4 Pro: у них в полтора–два раза шире полоса памяти, что напрямую ускоряет генерацию токенов.