作者通过Geekbench 7基准测试对比M5 Max与新款Razer Blade 18，揭示Mac在生产力性能上的绝对优势及Windows高功耗模式的设置细节

硬件升级与评测背景

去年将雷蛇Blade 18与MacBook对比时，结果毫无悬念。今年新款Razer Blade 18进行了显著升级：搭载RTX 5090显卡（显存从16GB增至24GB）以及Intel全新的Core Ultra 9处理器，贴纸也进行了更新。尽管硬件参数大幅提升，但作者的核心关切并非单纯的运行速度，而是“性价比”问题：面对高达5000至6000美元的价格标签，用户究竟获得了什么？

“去年的抱怨不在于它有多慢，而在于你花了这么多钱到底得到了什么。”

为了客观评估性能，作者选择运行Geekbench 7作为基准测试工具。虽然合成跑分不能完全代表日常体验，但它是衡量性能基线的重要指标。Geekbench的单核分数反映编辑器的响应速度、语言服务器延迟及TypeScript类型检查的流畅度，即机器是否“跟手”；而多核分数则对应构建、编译、运行测试套件及Docker启动等需要等待的任务。考虑到笔记本常需移动使用，未插电状态下的性能表现尤为关键。MacBook M5 Max默认采用自动能量模式，但作者将其设置为“高性能”以确保资源充分分配。

初始测试与Windows性能调优

在首次未插电且处于“平衡模式”下，Razer Blade 18的Geekbench跑分并不理想：单核得分仅为1,840，多核得分为15,118。这一数据表明电源管理策略对性能影响巨大。相比之下，MacBook无论是否插电均保持全功率运行（因已设为高性能模式）。为了挖掘Razer的极限性能，作者将其连接电源并调整至“高能效”模式。

Windows系统默认隐藏了最高性能选项，作者通过命令行工具powercfg进行了深度设置：以管理员身份运行终端，复制现有的“终极性能”方案并命名为高功率模式。具体操作包括使用powercfg -duplicatescheme e9a42b02-d5df-448d-aa00-03f14749eb61（示例GUID）复制方案，再通过powercfg -setactive <scheme_GUID>激活。设置完成后，系统电源选项中出现“高功率”模式，该模式优先保证性能但会增加能耗。值得注意的是，今年Razer在开启高性能后风扇噪音控制极佳，机器运行非常安静，这与去年插电即狂转的风扇形成鲜明对比。

Geekbench 7基准测试数据对比

在重新配置电源策略后，作者再次运行Geekbench 7。结果显示，插电与否是性能差异的关键因素。在“高功率”模式下，Razer Blade 18的跑分大幅提升；而在平衡模式下得分相近。以下是详细的数据对比表格：

从数据可见，Razer Blade 18在高性能模式下多核得分达到24,149，但MacBook M5 Max的多核得分高达35,623。此外，作者指出在MacBook上运行的Windows 11虚拟机中（分配了24个核心），其跑分约为物理机 bare metal 的94%，证明了虚拟机性能损耗在可接受范围内，这也为后续Visual Studio测试提供了参考基准。

生产力场景与生态选择逻辑

尽管Razer Blade 18拥有强大的硬件，但在纯生产力基准测试中仍大幅落后于M5 Max。作者强调，大多数用户不会同时购买两台价值6000美元的笔记本电脑，而是需要一台兼顾生产力与游戏的设备。虽然Razer在游戏体验上优于Mac，但对于重度依赖AI工作流的用户而言，Mac的能效比和统一内存架构更具优势。作者日常混合使用GPT（研究）、Claude（编码）、Gemini（长上下文）以及Midjourney、Flux等图像模型，这种多模态工作流对本地推理和云端调度的灵活性要求极高。

在此背景下，作者推荐了Abacus AI的Chat LM平台。该平台整合了对最新GPT、Claude、Gemini、Groq及DeepSeek等模型的支持，通过Route LLM自动为每个提示词选择最佳模型。其功能涵盖专业演示文稿生成、AI检测规避的文本重写，以及支持复杂应用构建和24/7运行的Agent服务。订阅费用低至10美元/月，且包含应用托管、后端数据库及O支持（原文可能指Ops或Support），相比单独订阅各平台更具成本效益。这一部分展示了在硬件性能之外，软件生态与云端服务整合能力也是决定最终用户体验的关键变量。

Web开发场景下的单核性能实测：浏览器内核的较量

作为Web开发者，日常工作中不仅涉及React、Angular等框架代码，更核心的是VS Code、Cursor或Windsurf等编辑器本身。这些工具大多基于Electron构建，本质上是在运行浏览器内核。因此，Web Tooling Benchmark的分数不仅仅代表网页浏览速度，更直接反映了开发者日常使用的编辑器、开发服务器以及拥有30个标签页时的多任务切换性能。这是开发者一天中绝大部分时间所处的环境。

在最新的Web工具基准测试中，Razer Blade 18取得了48.3分的成绩。这是一个非常惊人的数据，因为它是作者在Windows笔记本上见过的最高分数。相比之下，去年的机型仅为23分，而Mac方面去年为49.4分（后修正为63.5分）。尽管M系列芯片自2020年Apple Silicon发布以来就在单核性能上保持领先，但Windows笔记本能接近60分的水平已属极佳表现。这表明在纯Web开发负载下，高端Windows笔记本与MacBook之间的体验差距正在迅速缩小。

V8引擎原生工具链性能：编译与解析的硬碰硬

为了排除磁盘I/O干扰，测试引入了V8团队开发的Web工具链基准（包含Babel、TypeScript等），专注于纯CPU计算的JavaScript处理任务。测试涵盖了8年前流行的技术栈，如Babel、CoffeeScript和TypeScript的解析与压缩。在此过程中，Razer的风扇开始轻微运转，但整体噪音控制依然优秀。

具体数据如下表所示：

作者特别指出，TypeScript是其最关心的部分。虽然Mac在各项指标上仍保持领先，但Razer的表现非常接近。这种差距在实际开发中可能并不显著，尤其是考虑到Windows笔记本在硬件构建上的扎实程度。作者将Razer比作“18英寸的MacBook”，称赞其全金属机身如坦克般坚固，且即便带有数字小键盘，触控板依然居中设计，体现了优秀的工业设计理念。

存储子系统深度解析：Gen5 SSD与Thunderbolt瓶颈

硬件层面的巨大差异体现在SSD上。新款MacBook Pro采用了Gen 5 SSD，其顺序读写速度几乎是Razer的两倍。然而，在开发者更关心的“随机读取”性能（代表编译代码时的碎片化IO）上，Razer甚至略优于Mac。这说明在纯本地编译场景下，Windows笔记本的存储延迟控制依然出色。

内部硬盘性能对比：

为了模拟外部扩展存储（许多Mac用户因内部空间不足或成本考虑会使用外接高速硬盘），测试使用了三星9100 Gen 5移动固态硬盘，并通过Thunderbolt接口连接。Mac拥有三个雷电4/5端口，而Razer仅有一个。然而，外接硬盘的表现揭示了Windows笔记本在Thunderbolt支持上的短板。

当使用Razer右侧未标记的USB-C端口（非雷电口）连接外接硬盘时，写入速度暴跌至约1,300 MB/s。即使切换到正确的雷电5端口，虽然顺序读取有所提升，但写入速度依然维持在极低的1,300 MB/s左右。作者指出：“They still have some work to do as far as their Thunderbolt support.” 这表明在外部高速存储扩展性上，Intel平台的Windows笔记本目前仍落后于Apple Silicon生态。

多核算力与.NET编译实战：全核心负载下的表现

在多核性能测试中，使用了Python实现的Matelroad算法进行压力测试。该算法会占满所有可用核心至100%负载。MacBook Pro M5 Max（12个性能核+6个超级核心）在11.3秒内完成计算，而拥有更多核心的Razer Blade 18耗时13.5秒。尽管Mac的核心数较少，但凭借极高的单核频率和架构优势，在多核密集型任务中依然略胜一筹。Windows端的Task Manager显示所有核心均被拉满，证明了测试的有效性。

随后进行了基于.NET的Devbench编译基准测试。虽然视频片段在此处截断，但作者预判Razer凭借多核优势可能在小型应用（Hello World级别）的编译中获胜。这暗示了在多线程并行构建场景下，Windows笔记本的核心数量优势可能开始显现，与单核主导的Web工具链测试形成鲜明对比。

C#大型项目构建：MacBook M5 Max 全面胜出

在C#开发环境的基准测试中，评测者首先尝试了一个包含10万个类和命名空间的大型项目。尽管Razer Blade 18在之前的Hello World测试中表现不佳，但这次面对更复杂的真实项目结构时，MacBook M5 Max 依然展现了显著的优势。在冷启动构建（Cold Build）环节，MacBook耗时45秒完成编译，而Razer Blade 18则花费了56秒。MacBook的构建速度比Windows设备快约24%，且CPU核心利用率分布更为分散，反映出更真实的负载情况。

"56 seconds for the Razer for the cold build and 15 seconds for the warm build. two times longer."（Razer冷构建需56秒，暖构建15秒，耗时是Mac的两倍。）

随后的“Orchard”真实CMS项目测试进一步证实了这一结论。MacBook在冷构建、暖构建（Warm Build）和增量构建（Incremental Build）三个维度上均大幅领先。具体数据对比如下：

评测者原本预期Razer凭借更强的硬件规格能在真实项目中反超，但结果恰恰相反。MacBook M5 Max在C#构建任务中实现了近乎两倍的冷启动速度提升，这主要得益于其高效的统一内存架构和CPU多核调度能力。

Visual Studio 项目创建与启动：Razer Blade 18 意外获胜

尽管在构建环节落后，但当测试转向Windows专属的Visual Studio IDE时，局势发生了逆转。评测者对比了在两台设备上创建新项目并启动运行所需的时间。Razer Blade 18在IDE的项目初始化阶段表现出了更快的响应速度，尽管差距并不巨大，但Razer确实率先弹出了项目窗口。

然而，这种速度优势伴随着糟糕的用户体验。Razer在启动过程中频繁弹出SSL配置确认对话框，评测者不得不连续点击“Don't ask me again”（不再询问）四次才能完成设置。这种繁琐的交互流程部分抵消了其启动速度上的微弱优势，但就纯粹的“从点击创建到浏览器弹出”这一端到端耗时而言，Razer Blade 18最终赢得了这一轮测试。

"Now we're waiting for that browser to pop up. And yes, the Razer actually wins this one by quite a bit this time around."（等待浏览器弹出，Razer这次确实赢了不少。）

在随后的暖启动构建测试中，两者的速度趋于接近，Razer仅以微弱优势保持领先。这表明在特定的Windows原生开发工作流中，NVIDIA硬件与Visual Studio的深度优化结合，能在项目初始化和轻量级编译阶段提供比Mac更流畅的体验。

本地大模型推理：上下文长度与内存架构的关键差异

在AI基准测试中，评测者使用LM Studio加载Quen 34B多模态模型（4bit量化），测试了不同上下文长度对性能的影响。Razer Blade 18受限于24GB的显存容量，在处理长上下文时遭遇了严重的性能瓶颈。当设定最大上下文长度262,000 tokens时，Razer的显存被完全占用（23.5/24 GB），导致部分数据溢出至CPU，推理速度骤降至18-25 tokens/秒。

相比之下，MacBook M5 Max凭借128GB的统一内存（Unified Memory）优势，能够轻松处理同等长度的上下文。由于CPU和GPU共享同一块巨大内存池，MacBook在262,000 tokens上下文下仍能保持稳定的181 tokens/秒的生成速度。即使将Razer的上下文长度降低至68,000 tokens以释放显存，其推理速度（129-168 tokens/秒）虽然有所提升，但仍无法在长文本处理上超越MacBook。

"The reason this is able to do it without even blinking is because this Mac has 128 GB of memory... Unified memory is what it called."（Mac能毫不费力地做到这一点，是因为它有128GB内存……这被称为统一内存。）

这一测试揭示了显存容量对本地大模型推理上限的决定性作用。对于需要长上下文记忆的应用场景，MacBook的大内存统一架构提供了Razer无法比拟的可行性。

大模型生成性能：NVIDIA GPU在纯算力上的绝对统治

尽管MacBook在内存容量上占优，但在纯粹的模型生成速度（Token Generation）和提示词处理（Prompt Processing）上，搭载RTX 5090的Razer Blade 18展现了压倒性的算力优势。评测者使用Llama.cpp运行更大规模的模型，结果清晰显示NVIDIA GPU在并行计算任务中的高效性。

具体性能数据对比如下：

注：原文中Quen 3.6生成速度Razer为169.1，Mac为95。虽然绝对数值不高，但结合前文Razer在较小模型上的巨大优势（4235 vs 3215），以及评测者“Not even close”的评价，Razer在可加载模型范围内的生成速度明显更快。

评测者指出，对于1220亿参数的超大模型（Quen 3.5），只有MacBook能够运行，因为它使用了94GB内存。在这种情况下，MacBook以139 tokens/秒的处理速度和47 tokens/秒的生成速度完成了任务。然而，在双方都能运行的中等规模模型测试中，Razer Blade 18凭借RTX 5090的算力实现了“毫不接近”的胜利。评测者总结道，去年的Razer可能无法证明其高昂价格的合理性，但在今年的测试中，凭借NVIDIA GPU在AI生成任务中的绝对性能优势，它完全 justified its price（证明了其价格的合理性）。

GPU显存瓶颈与桌面级硬件的局限性

在视频演示的最后阶段，重点观察了GPU使用率曲线（蓝色线条），这直接反映了模型生成过程中的负载情况。评测者指出，目前市面上没有任何笔记本电脑能够胜任这种规模的AI模型运行任务。除非用户拥有配备128GB内存的极端高端设备（如Strix Halo架构机器），否则普通轻薄本或主流游戏本均无法应对。即便是性能强劲的桌面级RTX Pro 6000显卡，或者拥有32GB显存的桌面级RTX 5090，也无法运行如此庞大的模型。这一结论揭示了当前移动设备在超大参数AI推理方面的物理极限，强调了统一内存架构（UMA）在大模型场景下的独特优势。