Intel Core i3-2100 vs Qualcomm Snapdragon 865+

Geekbench 5, 64bit (Single-Core)

Geekbench 5是一个大量使用系统内存的跨平台基准测试。高速的系统内存将极大地提升测试成绩。单核测试仅使用一个CPU核心，CPU核心的数量以及超线程技术将不会影响该项测试成绩。

Geekbench 5, 64bit (Multi-Core)

Geekbench 5是一个大量使用系统内存的跨平台基准测试。高速的系统内存将极大地提升测试成绩。多核测试涉及所有CPU核心，并且能充分利用超线程技术。

Geekbench 6 (Single-Core)

Geekbench 6 は、最新のコンピューター、ノートブック、スマートフォンのベンチマークです。 新しいのは、たとえば big.LITTLE コンセプトに基づいてさまざまなサイズの CPU コアを組み合わせるなど、新しい CPU アーキテクチャの最適化された利用です。 シングルコア ベンチマークは、最速の CPU コアのパフォーマンスのみを評価します。ここでは、プロセッサ内の CPU コアの数は関係ありません。

Geekbench 6 (Multi-Core)

Geekbench 6 是现代计算机、笔记本电脑和智能手机的基准测试。 新的是对更新的 CPU 架构的优化利用，例如基于 big.LITTLE 概念并结合不同大小的 CPU 内核。 多核基准测试评估处理器所有 CPU 内核的性能。 AMD SMT 或 Intel 的超线程等虚拟线程改进对基准测试结果产生了积极影响。

核芯显卡FP32性能（单精度GFLOPS）

处理器核芯显卡的理论计算性能（32bit，以GFLOPS为单位）。GFLOPS表示核芯显卡每秒可以执行多少亿个浮点操作。

AnTuTu 9 Benchmark

AnTuTu 9 基准测试非常适合衡量智能手机的性能。 AnTuTu 9 在 3D 图形上相当重，现在也可以使用“金属”图形界面。 在 AnTuTu 中，内存和 UX（用户体验）也通过模拟浏览器和应用程序的使用情况进行测试。 AnTuTu 版本 9 可以比较任何运行在 Android 或 iOS 上的 ARM CPU。 在不同操作系统上进行基准测试时，设备可能无法直接比较。

在 AnTuTu 9 基准测试中，处理器的单核性能仅被略微加权。 该评级由处理器的多核性能、工作内存的速度和内部显卡的性能组成。

AnTuTu 8 Benchmark

AnTuTu 8基准测试可以衡量一个SoC（片上系统）的性能。通过模拟浏览器和应用程序的使用，AnTuTu对CPU、GPU、内存以及UX（用户体验）进行基准测试。AnTuTu可以对运行在Android或iOS下的任何ARM CPU进行基准测试。如果基准测试是在不同的操作系统下执行的，成绩可能不具有可比较性。 在AnTuTu 8基准测试中，处理器单核性能只占很小的比重。AnTuTu基准测试评估包括处理器的多核性能、RAM速度和GPU性能。

PassMark CPU Mark的估计结果

以下列出的CPU中，有一部分基准测试是由CPU-panda团队完成的。但是，大部分的CPU并没有被实际测试，其成绩由CPU-monkey团队的“秘密配方”估计得到。因此，这些分数不能准确反映实际的Passmark CPU基准测试，并且不受到PassMark Software私人有限公司的认可。

CPU-Z Benchmark 17 (Single-Core)

CPU-Z 基准测试通过测量系统完成所有基准计算所需的时间来衡量处理器的性能。 基准测试完成得越快，分数就越高。

CPU-Z Benchmark 17 (Multi-Core)

CPU-Z 基准测试通过测量系统完成所有基准计算所需的时间来衡量处理器的性能。 基准测试完成得越快，分数就越高。

Cinebench R15 (Single-Core)

Cinebench R15是Cinebench 11.5的下一代产品，它也基于Cinema 4套件，Cinema 4是一个常用于生成3D表单的软件。单核测试仅使用一个CPU核心，CPU核心的数量以及超线程技术将不会影响该项测试成绩。

Cinebench R15 (Multi-Core)

Cinebench R15是Cinebench 11.5的下一代产品，它也基于Cinema 4套件，Cinema 4是一个常用于生成3D表单的软件。多核测试涉及所有CPU核心，并且能充分利用超线程技术。

人工智能 (AI) 和机器学习 (ML) 的性能

在人工智能 (AI) 和机器学习 (ML) 支持下的处理器可以处理许多计算，尤其是音频、图像和视频处理，比传统处理器快得多。 通过软件收集的数据越多，机器学习算法的性能就会提高。 ML 任务的处理速度比传统处理器快 10,000 倍。