Dos años después, llega el mini PC real: Asus Ascent Q10 y Snapdragon X2 Elite a prueba

Hace dos años, el Snapdragon X Elite se presentó y luego se retiró; solo se enviaron unos cientos de kits y los compradores fueron reembolsados. Ese vacío se convirtió en una larga espera por un escritorio real de Windows on ARM. Mientras tanto, Project Voltera y su sucesor Windows Dev Kit 2023 ya habían habilitado el ARM64 nativo para Visual Studio y .NET, aunque iban rezagados en velocidad. Frente al primer portátil X Elite, Voltera marcaba 14 frente a 26 en Speedometer y tardaba unos 90 segundos en el Mandelbrot de Python, aproximadamente la mitad del ritmo. El retraso empujó la producción en volumen de Qualcomm de 2025 a 2026.

Asus Ascent Q10: el primer escritorio real con X2 Elite

El Asus Ascent Q10 (también llamado QN10 en prensa) llena ese vacío como la primera máquina de producción con Snapdragon X2 Elite . La unidad de revisión incluye 32 GB LPDDR5X y 512 GB de almacenamiento , con tres USB4 , Ethernet 2,5 GbE y Wi-Fi 7 en la parte trasera. La alimentación proviene de un voluminoso adaptador de 180 W; el revisor lo señala con razón en 2026 y se pregunta si el chip llegará a necesitar todos esos vatios. La máquina se mantiene silenciosa, se calienta bajo carga pero sin hacer ruido. El consumo de pared es de unos 109 W durante la compilación y de 120-125 W para la ejecución de Python.

Anatomía del X2 Elite 88-100

Dentro está el Snapdragon X2 Elite X2E-88-100 : Oryon de tercera generación en 3 nm , 18 núcleos (12 prime hasta 4,7 GHz, 6 performance hasta 3,4 GHz) y 53 MB de caché . Todos los núcleos son grandes, sin núcleos de eficiencia pequeños. El controlador es LPDDR5X-9523, de 128 bits, 152 GB/s ; la variante Extreme alcanza 228 GB/s . Como referencia, el M4 ofrece 120 GB/s y el M4 Pro 273 GB/s . Los gráficos corren a cargo de un Adreno X2-90 a 1,7 GHz , con 2,3x de rendimiento por vatio reclamados frente a la primera generación; la NPU Hexagon sube a 80 TOPS (INT8) desde 45. El diseño escala la misma arquitectura del portátil al escritorio.

Para los desarrolladores, la clave es el software. Visual Studio , .NET , Node.js y Python ya se distribuyen como binarios ARM64 nativos. Instala el binario equivocado y entra en acción la traducción Prism, muy al estilo de Rosetta en Apple, traduciendo x64 sobre la marcha con una clara ralentización. El vídeo muestra esta trampa dos veces: primero Node, luego Python en forma x64 reduciendo la velocidad a la mitad. Cambiar al binario ARM64 correcto duplica o triplica la puntuación. En Windows on ARM, esta elección es el error más caro.

Puntuaciones sintéticas: de Geekbench a la fluidez del navegador

En sintéticos, Geekbench es claro: el Q10 va un 26 por ciento por delante en un solo núcleo y un 27 por ciento en multinúcleo frente al kit X Elite cancelado, superando a las máquinas AMD HX470 e Intel Panther Lake entre un 20 y un 30 por ciento en ambos sentidos, rozando al Mac Mini M4 Pro y superando al M5 del MacBook Air (3597 un núcleo / 17550 multinúcleo) . El mismo día, Speedometer 2/3 sorprende: Q10 48,6 , M4 47,8 , M4 Pro 45 , HX470 37 — es la primera vez que Apple queda por detrás en fluidez de un solo núcleo; la puntuación proviene de la pasada en Chrome, así que refleja la sensación diaria del navegador y, con la pila correcta, el X2 Elite iguala o supera a la familia M4.

El banco de herramientas web complementario confundió al principio. Como CLI de Node ejecutando TypeScript/Babel/Prettier/Lebab, daba 8,15 ejecuciones por segundo con Node x64 y 11,8 con Node ARM64 ; SER10 28, el antiguo kit X Elite 22. La misma suite como HTML de Chrome alcanzó entonces 63 en TypeScript y 49,89 de media geométrica , liderando el grupo. La diferencia se debe al envoltorio V8 distinto entre Node y Chrome más la correspondencia de arquitectura. La lección: si usas Node, ARM64 es obligatorio; de lo contrario, incluso el chip más rápido funciona a un tercio de su potencial.

Cargas reales de desarrollo: compilaciones y Python

Para código compilado, una compilación .NET personalizada con 100.000 espacios de nombres y código real en cada uno busca mantener honesto al compilador. Termina en 77 segundos , en silencio y apenas tibia, con la carcasa solo ligeramente caliente. El M4 Pro se lleva el primer puesto con 66 segundos , el M4 106 , el antiguo kit X Elite 86. Así, el Q10 es segundo en compilaciones multinúcleo mientras permanece silencioso en el escritorio durante horas. El consumo ronda los 109 W , así que el adaptador de 180 W no se satura.

El banco de Python interpretado Mandelbrot lleva todos los núcleos al 100 por ciento. Primero con Python x64: 50,43 segundos , ventiladores apenas audibles pero aún silenciosos. Con Python ARM64: 21,76 segundos, gana: M4 Pro 23,2 , M4 31,4 , kit antiguo y SER10 28,9. El consumo de pared es de 120-125 W . Juntas, las dos pruebas demuestran: con los binarios correctos, el X2 Elite queda modestamente detrás del M4 Pro en compilaciones multinúcleo pero lo supera en Python pesado de una sola tarea; con el binario equivocado, el mismo silicio paga el doble.

IA: intento de NPU, límite de GPU y sorpresa de CPU

La sección de IA modera las expectativas. El intento con la NPU Hexagon de 80 TOPS mediante Llama.cpp + backend Hexagon se atascó en el controlador y nunca llegó a ejecutarse. La memoria unificada es de 32 GB, pero vía OpenCL la GPU solo puede usar unos 15 GB , los otros 17 GB permanecen reservados, así que los modelos grandes recurren a la CPU. Curiosamente, la CPU supera a la GPU en todos los modelos aquí: Llama 3B CPU 41 frente a GPU 31 tokens por segundo , GPT-OSS 20B MoE 35 frente a 33 . Para situar: 5 tokens por segundo es velocidad de lectura , 40 es más rápido de lo que puedes ojear , 100 termina antes de que levantes la vista .

Entre modelos, el panorama se aclara. Llama 3.2 3B: Q10 41, kit antiguo 36, M4 46, M4 Pro 101 (Apple usa MLX , su mejor escenario). Los modelos densos de 27B caen a 5-6 tokens por segundo, velocidad de lectura, despertando cada parámetro en cada token. El mixture-of-experts (MoE) recupera el ritmo: GPT-OSS 20B 35 , Qwen 3 35B 27 tokens por segundo , y el Qwen de 22 GB cabe en los 32 GB del Q10 mientras que no cabe en un Mini de 16 GB. Un contexto realista de 16.000 tokens espera 53 segundos el primer token ; con un segundo usuario en la misma máquina, todos caen a unos 7 tokens por segundo , así que hoy es una máquina de escritorio para una sola persona.

El veredicto final es maduro. Para desarrolladores de Windows, ¿mata al Mac Mini? Sí: cumple la promesa de dos años y compite en la cima en compilaciones, navegador y Python. Para IA, no: a un precio más alto, el M4 base de 599 dólares con MLX es más rápido en modelos pequeños, el ancho de banda impulsa al M4 Pro en los grandes, y el Q10 cuesta más. Comprueba primero la compatibilidad ARM64. La ola del M6 reordenará la tabla, pero hoy el Q10 es una elección silenciosa y eficiente para los equipos que quieren potencia en un escritorio Windows.