去年，我将雷蛇Blade 18与我的MacBook进行对比，结果毫无悬念。即便是M4 Pro芯片也轻松击败它。好吧，这是新款机型，配备了RTX 5090显卡而非4090，显存从16GB提升至24GB，内部还采用了英特尔全新的Core Ultra 9处理器。甚至连贴纸都更新了，所以它肯定更好吧？这正是我想探究的。因为去年我的抱怨并非因为它运行缓慢，而是关于性价比问题——这些机器价格昂贵。雷蛇凭什么收取如此高昂的费用？我不清楚。
我不想过多讨论合成基准测试，因为它们并不能完全代表实际体验，但它们是衡量当前性能水平的良好指标。因此，这次我将运行Geekbench 7基准测试。开箱即用状态下，雷蛇Blade处于平衡模式且未连接电源。顺便提一下，Geekbench评分对应的是你日常全天都能感受到的性能表现。对于开发者而言，单核分数类似于你的代码编辑器响应速度、语言服务器延迟（如TypeScript类型检查），以及机器是否感觉灵敏或卡顿。
多核分数则涵盖了所有需要等待的任务，如构建和编译、运行测试套件、Docker启动以及生产环境打包。对于笔记本电脑来说，一个关键因素是你经常需要携带它外出，因此并不总是连接电源。这是搭载M5 Max芯片的苹果MacBook。其能源模式通常自动分配资源，但我将其设置为高性能模式以便测试。我知道你可能会说：“亚历克斯，这不公平，一个是平衡模式，另一个是高性能。”别担心，我们稍后也会运行雷蛇的高性能测试。
这里还有几个设置需要调整。针对去年的一些评论，虽然这是一台游戏本而MacBook是生产力笔记本，但你既可以在Mac上玩游戏，也可以在这款雷蛇上工作。不过，雷蛇会提供更好的游戏体验。大多数不会购买两台价值5000至6000美元的笔记本电脑，他们只会买一台。如果你买的这一台既要用于生产力工作又要玩游戏，你就需要知道它在处理生产力任务时的表现。
在未连接电源的情况下运行Geekbench 7，雷蛇的单核得分为1840，多核为15118。表现并不惊艳，这也是为什么在视频剩余部分我会让它连接电源运行。对于MacBook来说，无论是否插电都始终全速运行（如我设置的那样）。但对于雷蛇，我认为连接电源后性能会有所提升。我将它插上电源，并设置为高性能模式。
有两种方法可以设置此选项：一是在“系统-电源”设置中，选择插电时最佳性能；二是在控制面板的电源选项下。目前它设置为平衡模式且无法直接更改，但可以通过命令行实现。以管理员身份打开终端，运行powercfg命令复制方案（我使用了高性能方案的网格配置）。基本上就是复制该方案并将其命名为“高功率”。
接着运行命令设置此方案为默认。退出后再重新进入，你会发现高性能选项已出现。选择它后显示“偏向性能但可能消耗更多能源”。值得一提的是，去年插上雷蛇电源时风扇会狂转，而今年这台机器非常安静，令我印象深刻。此外，一旦以这种方式设置高性能模式，“电源模式”选项将不再可选，它将始终处于最佳性能状态。
我再次运行Geekbench 7并完成了测试。这里有个重要变化：我之前以两种方式进行了测试，这与去年不同。第一种是在高性能模式下运行（如前所示），单核得分2918，多核24149。表现相当不错。我也在平衡模式下运行了一次，得分为单核2908、多核23957。结果基本相同，无论是高性能还是平衡模式差别不大。
真正关键的区别在于是否连接电源。让我们取较高的分数（即高性能模式的得分，略高一些）并与MacBook进行对比。等等，这里有个插曲：单核3220、多核22658。但这实际上是在MacBook上运行的Windows 11虚拟机中的得分。雷蛇拥有24个核心，而MacBook上的虚拟机分配了12个核心。有趣的是，虚拟机的表现与在裸机上运行的真实系统（拥有24核）相差不到6%。
稍后我会进行更多虚拟机测试，例如Visual Studio相关项目。以下是MacBook本身的实际得分：单核3756，多核高达35623。这简直疯狂至极。我并不指望一个AI提示词就能为我构建整个项目，实际上我会根据任务在不同模型间切换：GPT用于研究、Claude用于编码、Gemini处理大规模上下文，还有Nano Banana、Midjourney和Flux生成图片，以及Seed Dance和Cling制作视频。
正因如此，Abacus AI推出的Chat LM平台显得尤为重要。它第一时间支持最新的GPT、Claude、Gemini、Groq和DeepSeek等模型，并将它们整合在一处。你可以从界面中选择任意模型，或者让Route LLM自动为每个提示词选择最佳模型。该平台还能创建包含图表和深度研究的演示文稿，生成专业内容；需要人类口吻的文案时，人工润色功能可改写文本以规避AI检测器。
需要视觉素材？可选择前沿或开源模型。除了聊天功能，Abacus AI代理还能协助构建复杂应用和网站、连接支付系统或运行全天候自动化任务。最棒的是，应用托管、后端数据库和技术支持均包含在订阅服务中。起步价仅为每月10美元，远低于单独购买各项服务的费用。访问chatlm.abacus.ai或点击下方链接了解详情。
接下来，这个测试直接在浏览器中运行。我知道有些观众可能会想：“我不做网页开发，这与我何干？”理由如下：Speedometer测试运行的是真实的……
框架加载，React View、Angular，这些是我们实际交付的大量代码。我是一名 Web 开发者，这就是我工作的内容类型。但人们忽略的关键部分是：如果你运行 VS Code、Cursor 或 Windsurf，即使你不做 Web 开发，你也已经在浏览器中操作了。那就是 Electron。所以这个分数不仅仅是网页，它包括你的编辑器、开发服务器以及打开 30 个标签页的开发工具。快速在这些标签间切换，这才是你大部分时间的日常操作。得分 48.3，这实际上是我在 Windows 笔记本上看到的最佳分数，真的很不错。去年的机器得分为 23。而在 Mac 上是 49.4，所以它们基本持平，这确实令人惊讶。哦，呃，哎呀，又是在虚拟机里测的。好吧，行，我不再对你耍这种花招了。这才是真正的结果：M5 Max 这里得了 63.5。在这里，击败 M5 芯片非常困难。自 2020 年 Apple Silicon 问世以来，苹果一直是单核性能的领导者。但我必须明确一点：对于 Windows 笔记本来说，接近 50 的分数确实很好。
顺便提一下，这是 V8 团队提供的 Web 工具基准测试。是的，就是那个创建 JavaScript 引擎的同一个 V8。好，让我们开始吧。这是典型的来自八年前的 JavaScript 代码，那是当时流行的东西，其中一些至今仍在使用。Babel、TypeScript、解析器、缩小器。这里没有磁盘访问，也没有 I/O 操作。这是纯粹的计算负载。这是我第一次听到 Razer 的风扇稍微启动的声音，虽然它仍然是一台非常安静的机器，不像去年那款那样安静，但我确实听到了风声。现在两者差距很小：Mac 上 Babel 每秒运行 39.6 次，Razer 上是 34.4；CoffeeScript Mac 上为 37.2，Razer 上是 26.06；而我最关心的 TypeScript，Mac 上为 53.39，Razer 上是 47.29。非常接近。几何平均值为 41.9 对比 35.99，这实际上非常好。我是否提过我一直认为 Razer 有点像 Windows 版的 MacBook？它像坦克一样坚固，全金属机身。这款 18 英寸的机型真的让人感觉像是如果 MacBook 有 18 英寸会是什么样子。Razer 的键盘也非常好，我欣赏这个细节：尽管这里有数字小键盘，但他们将触控板居中放置。有些笔记本制造商并不这样做。
不管怎样，我有点跑题了。我们仍在进行性能测试，但我开始思考硬件，特别是内部的 SSD，因为 Mac 在这代产品上取得了巨大的飞跃，因为他们现在使用 Gen 5 驱动器。哦是的，那是内部非常不同类型的驱动器，速度几乎是 Razer 的两倍。不过 Razer 也不逊色。去年的 Mac 型号数字基本相同：Razer 的顺序读取速度为 7,000，写入为 6,300；而 Mac 的读取速度为 13,769，写入速度为 13,555。顺序读取基本上意味着你只是将一个大型文件直接转储进去。但是这里还有另一个数字呢？随机读写，开发者关心这个指标，因为它在一定程度上代表了编译代码。在这一项上，Razer 比 Mac 表现稍好一些。所以这很重要，因为当你进行编译时，你不仅使用处理器，还在做大量的磁盘 I/O。我们稍后就会看到它的作用。
我还想看看外部读写性能如何，因为这两款设备内部都有相同的 Thunderbolt 5 驱动器。我使用的是三星的 9100，这是 Gen 5 驱动器，是目前你能买到的最快的东西之一。当然，Mac 有三个 Thunderbolt 5 端口，而 Razer 只有一个。让我们看看结果如何。之所以重要是因为当你购买 Mac 时，你只能使用现有的配置。因此人们往往倾向于购买更昂贵的型号，因为可能会遇到空间不足的问题；或者你可能会想：“好吧，我不需要新一代提供的那种超高速内部驱动器，我使用外部驱动就够了，那已经足够快了。”在这里我们看到 Mac 的数值大幅下降：读取为 6,960，写入为 6,600。随机读写数字实际上差不多相同。但在 Razer 上，我们看到数值大幅下降，尤其是写入速度：读取约为 4,000。我要再测一次，因为这看起来太低了。写入速度仅为 1300，这确实很低。第二次读取速度重复测试正常，但写入速度仍约为 1300。所以表现不佳。
有些人可能注意到我将此设备插在了左侧。顺便说一句，这些端口没有标签。这里有一个 USBC 端口，右侧也有一个。它们都没有标记。你必须知道右边那个是 Thunderbolt 5 接口。果然，当我将外部驱动器插入该端口并再次运行此测试时，顺序读取得分更高了，但写入速度仍为 1300。再次强调，仅底部端口的随机读写表现更好，但整体随机得分仍低于 Mac。所以在 Thunderbolt 支持方面他们还有一些工作要做。而且这是一台 Intel 设备，所以他们需要加快进度了。
说到继续推进，我将进入一些多核测试环节。这是用 Python 实现的 Mattelroad 算法，这是一种相当激烈的算法。它利用所有可用核心并将其峰值运行至最大负载。现在我将发送 1600 个参数，其余输出到 dev null（空设备），我们看不到输出。我在 Mac 上使用 time 命令，在 Windows PowerShell 中使用 measure-command 来获取各自的计时结果。好，让我们开始吧。现在我把拇指都搓热了。我通常会剪掉这部分内容，但嘿，它完成了。哇。两者都很快：Mac 上仅用了 11.3 秒，Windows 机器上为 13.5 秒。两者都非常快。顺便说一下，这就是在 Windows 机器上运行时的样子：那一刻每个核心都达到了峰值负载。为了让你看看 Mac 上的情况，我们有 12 个性能核心和 6 个超级核心。你可以看到绿色的士兵在行进，那基本上就是它看起来的样子。模式非常相似：所有核心都在使用中，但 Mac 的核心数量比 Windows 机器少六个。
现在让我们进行一些编译测试。Damian Edwards（他是 .NET 团队的架构师）创建了一个名为 Devbench 的仓库，包含 .NET 编译测试。这个工具运行有几个不同的选项。我们从“Hello World”开始，这是一个小型的 .NET 应用程序构建。应该不会花很长时间，我原本怀疑 Razer 会赢，正如我之前所说，它确实完成了。
但Mac赢了。嗯，这个基准测试的好处在于我们会再做一次，别担心，它会进行冷启动构建、热启动构建以及增量构建。在每一项中，MacBook都表现不错。好吧，“Hello World”测试在Razer那边没成功。让我们试试下一个，这是一个包含10万个类和命名空间的大型项目。好嘞，这需要
一点时间，虽然不算太久，但这代表了一个相当庞大的项目。接下来我们将对一个真实项目进行实际构建。好了，Mac上的冷启动构建在45秒内完成。热启动构建为8.9秒。你可以看到它如何占用CPU核心，分布得比较分散。这就是为什么这是一个更贴近实际的构建示例。而且这里使用的是
磁盘。哇，这出乎我的意料。Razer的冷启动构建耗时56秒，热启动为15秒。时间长达两倍之长。好了，让我们再做最后一个测试。这是名为Orchard的真实CMS项目。顺便说一下，这个代码库是可用的。如果你想在自己的系统上尝试一下，你可以克隆它并自行构建。看看你的结果如何。我会在下方提供链接。是的。
所以，这证明了这一点。Razer的冷启动构建耗时42秒，热启动9秒，增量构建7.9秒。Mac上的所有速度都更快：冷启动21.88秒，速度快了两倍；热启动6秒，增量5.9秒。这本来是我认为Razer会赢的测试项目，但结果并非如此。然而，Razer
手中还有一张王牌可能挽回局面，那就是RTX 5090。之前我提到过我们会回到Windows和Visual Studio的话题。这里我有Visual Studio，这是一个仅限Windows的程序，因为Visual Studio for Mac已经停止开发有一段时间了。让我们看看创建新项目需要多长时间。如果你记得去年看过的视频，在Mac虚拟机上创建并启动新项目的速度实际上比Windows更快。让我们看看结果如何。我处于最后一步，我将点击创建，看哪个先弹出。[音乐] 快点啊。它正在创建中。哦，我想这个其实已经完成了。Nvidia使用收集数据功能，我不知道这是怎么回事，但在我看来Razer实际上创建项目
更快。虽然不是快很多，但还是快了。当然，这会创建一个Hello World Blazer应用程序。好嘞。如果问题还没解决，我们应该会看到一些提示。是的，在这儿。项目配置为使用SSL。别再问我了。它还是会再问我。它会一直问下去。是的，是的，别再问了。>> [笑声] >> 注意到模式了吗？好嘞。再来一次。四次之后，
好嘞。现在我们在等待浏览器弹出。是的，这次Razer确实赢了不少。做得不错。这就是它应该弹出的速度。我当然希望更快一点，但你也知道情况如此。现在让我们进行后续构建，因为已经热起来了。好嘞。[音乐] 现在它们差不多相同了，但我认为Razer稍微快一点点。女士们先生们，
我们要进行一些AI测试了。我将从一个非常简单的测试开始。我们将使用LM Studio，这是Quen 34B的多模态版本。这里我有MLX版本和GGUF版本，但它们都是4bit量化版。我在Mac上运行MLX，因为那是针对Mac优化的。让我们把上下文长度增加到26.2万。加载模型并尝试我的
第一个提示词：嗨。好嘞。你好，最近怎么样？天哪。怎么回事？每秒25个令牌。这里肯定有问题。Mac上是每秒181个令牌。这是一个小模型，在这里应该快得多。让我们给LM Studio加把劲再试一次。每秒21.9个令牌。恐怕这是内存容量的限制所致。如果你看一下
这里的GPU，你会发现它确实在使用GPU，但也占用了所有可用的显存。23.5GB / 24GB。其中一些数据溢出到了CPU上。这就是为什么需要花费较长时间的原因。虽然我们这里有24GB的可用显存，但我指定的上下文大小占用了全部空间。LM Studio直接告诉你
估算的内存使用情况：全满了，全都用完了。所以我需要降低上下文长度到更实用的水平。我不知道具体多少好，让我们试试6.8万吧。啊，现在终于跑起来了。你好。我知道你厌倦了我的简短提示词，但这证明了一个观点。它立刻展示了速度有多快。所以上下文长度在这里确实很重要。我们达到了每秒129到160个令牌的速度。不知为何，
结果并不一致。这里是168。还不错。这里我们得到了每秒181个令牌。而我指定了2.62万的完整上下文长度。Mac之所以能毫不费力地做到这一点，是因为这台Mac拥有128GB内存，其中大部分可以与GPU共享。我做过很多关于这方面的视频。这被称为统一内存（Unified Memory），即CPU和GPU从同一个
大池子中抽取数据。当然，在这台电脑上这个池子很大。MacBook也有16GB的版本，内存甚至没有这台机器多。这就是MLX和LM Studio的情况。我还运行了稍大一点的模型，并在Llama CPP中运行了GGUF版本，这可能是目前最流行的运行方式。除非你是为大量用户提供服务VLM（视觉语言模型）。那是
另一个话题，与在本地机器上运行AI无关。你可以参考我其他带有更大配置的视频作为示例。目前，我可以看出提示词处理（即推理的初始阶段）在Razer上快得多。对于Gemma 412B、Quen 3.5-27B（这是一个密集模型，所以这里的数字稍低）以及Quen 3.6-35B（另一个混合专家模型），后者在提示词处理方面达到了每秒4,235个令牌，而Mac Max仅为3,215。最后是令牌生成。同样，Razer赢了，而且优势明显：Quen 3.6在Razer上达到每秒169.1个令牌，而Mac仅为95个。你也可以看到Gemma 4和Quinn 3.5的数据。去年我说这台机器不值这个价，但今年在这个
测试中，它绝对值得了。不过Mac还有另一张王牌。这里我启动了Llama CLI并在终端中给它一个提示词。但请注意我使用的模型：Quen 3.5-120B参数量的大模型，它输出得非常快。我们目前的提示词处理速度为每秒139个令牌，生成速度为47个令牌。这台机器正在使用
94GB的内存。
还有那个GPU，就是那条蓝色的线。那是生成过程中的 GPU 使用情况。除非你拥有配备 128GB 内存的 Stricks Halo 机器，否则没有任何笔记本电脑能达到这种水平。或者如果你使用台式机并配备 RTX Pro 6000 GPU，但即使是拥有 32GB 内存的桌面版 RTX 5090，也无法运行如此庞大的模型。
总的来说，雷蛇今年确实是一台令人印象深刻的机器，有得有失，这取决于你的工作内容。如果你在笔记本电脑上进行游戏和 AI 工作，那么这无疑是一台值得购买的笔记本，尤其是今年它做工精良、非常安静（真的很静），并且拥有出色的屏幕。当然，我也有一些批评的地方，但这里有一个需要注意的事项：
如果你正在选购，请确保购买的是配备 Intel Core Ultra 9 290HX 的 2026 款型号，而不是会让你失望的 2025 年版。如果你对 M4 Max 与 2025 款版本的对比感兴趣，请点击这里观看视频。否则，[音乐] 感谢收看，我们下次再见。