Apple A12Z Bionic vs Intel Xeon Gold 5317

Cinebench R23 (Single-Core)

Cinebench R23 является преемником Cinebench R20 и также основан на Cinema 4 Suite. Cinema 4 — всемирно используемая программа для создания 3D-форм. В одноядерном тесте используется только одно ядро ЦП, количество ядер или возможность гиперпоточности не учитываются.

Cinebench R23 (Multi-Core)

Cinebench R23 является преемником Cinebench R20 и также основан на Cinema 4 Suite. Cinema 4 — всемирно используемая программа для создания 3D-форм. Многоядерный тест задействует все ядра ЦП и использует большое преимущество гиперпоточности.

Geekbench 5, 64bit (Single-Core)

Geekbench 5 — кроссплатформенный бенчмарк, интенсивно использующий системную память. Быстрая память сильно подтолкнет результат. В одноядерном тесте используется только одно ядро ЦП, количество ядер или возможность гиперпоточности не учитываются.

Geekbench 5, 64bit (Multi-Core)

Geekbench 5 — кроссплатформенный бенчмарк, интенсивно использующий системную память. Быстрая память сильно подтолкнет результат. Многоядерный тест задействует все ядра ЦП и использует большое преимущество гиперпоточности.

Geekbench 6 (Single-Core)

Geekbench 6 — это бенчмарк для современных компьютеров, ноутбуков и смартфонов. Новым является оптимизированное использование новых архитектур ЦП, например, основанное на концепции big.LITTLE и объединении ядер ЦП разного размера. Одноядерный тест оценивает только производительность самого быстрого ядра ЦП, количество ядер ЦП в процессоре здесь не имеет значения.

Geekbench 6 (Multi-Core)

Geekbench 6 — это бенчмарк для современных компьютеров, ноутбуков и смартфонов. Новым является оптимизированное использование новых архитектур ЦП, например, основанное на концепции big.LITTLE и объединении ядер ЦП разного размера. Многоядерный тест оценивает производительность всех ядер процессора. Усовершенствования виртуальных потоков, такие как AMD SMT или Intel Hyper-Threading, положительно влияют на результат теста.

iGPU — производительность FP32 (гигафлопс с одинарной точностью)

Теоретическая вычислительная производительность внутреннего графического блока процессора с простой точностью (32 бита) в GFLOPS. GFLOPS указывает, сколько миллиардов операций с плавающей запятой iGPU может выполнять в секунду.

AnTuTu 9 Benchmark

Тест AnTuTu 9 очень хорошо подходит для измерения производительности смартфона. AnTuTu 9 довольно требователен к 3D-графике и теперь также может использовать графический интерфейс «Metal». В AnTuTu память и UX (пользовательский опыт) также проверяются путем имитации использования браузера и приложений. AnTuTu версии 9 может сравнить любой процессор ARM, работающий на Android или iOS. Устройства могут быть несовместимы напрямую при тестировании в разных операционных системах.

В тесте AnTuTu 9 одноядерная производительность процессора незначительно взвешена. Рейтинг складывается из многоядерной производительности процессора, скорости оперативной памяти и производительности встроенной графики.

AnTuTu 8 Benchmark

AnTuTu 8 Benchmark измеряет производительность SoC. AnTuTu оценивает ЦП, ГП, память, а также UX (пользовательский опыт), имитируя использование браузера и приложений. AnTuTu может сравнить любой процессор ARM, работающий под управлением Android или iOS. Устройства могут не поддаваться прямому сравнению, если эталонный тест выполнялся в разных операционных системах. В тесте AnTuTu 8 одноядерная производительность процессора незначительно взвешена. Оценка состоит из многоядерной производительности процессора, скорости оперативной памяти и производительности встроенной графики.

Предполагаемые результаты PassMark CPU Mark

Некоторые из процессоров, перечисленных ниже, были протестированы CPU-monkey. Однако большинство процессоров не тестировались, а результаты оценивались по секретной фирменной формуле CPU-monkey. Как таковые, они не точно отражают фактические значения оценок ЦП Passmark и не одобрены PassMark Software Pty Ltd.

Производительность искусственного интеллекта / машинного обучения

Процессоры с поддержкой искусственного интеллекта (AI) и машинного обучения (ML) могут выполнять многие вычисления, особенно аудио, изображения и видео, намного быстрее, чем классические процессоры. Алгоритмы машинного обучения улучшают свою производительность по мере того, как больше данных они собирают с помощью программного обеспечения. Задачи машинного обучения можно обрабатывать до 10 000 раз быстрее, чем с помощью классического процессора.