AMD Ryzen 5 7640HS vs Intel Core i5-11500

Cinebench 2024 (Single-Core)

يعتمد معيار Cinebench 2024 على محرك عرض Redshift، والذي يُستخدم أيضًا في برنامج Maxon ثلاثي الأبعاد Cinema 4D. تبلغ مدة كل اختبار قياسي 10 دقائق لاختبار ما إذا كان المعالج مقيدًا بتوليد الحرارة.

Cinebench 2024 (Multi-Core)

يستخدم الاختبار متعدد النواة لمعيار Cinebench 2024 جميع مراكز وحدة المعالجة المركزية للعرض باستخدام محرك عرض Redshift، والذي يستخدم أيضًا في Maxons Cinema 4D. يبلغ طول الاختبار المعياري 10 دقائق لاختبار ما إذا كان المعالج محدودًا بتوليد الحرارة.

Cinebench R23 (Single-Core)

Cinebench R23 هو خليفة Cinebench R20 وهو يعتمد أيضًا على Cinema 4 Suite. Cinema 4 هو برنامج يستخدم في جميع أنحاء العالم لإنشاء أشكال ثلاثية الأبعاد. يستخدم الاختبار أحادي النواة نواة واحدة فقط لوحدة المعالجة المركزية ، ولا يتم احتساب كمية النوى أو قدرة التشعب.

Geekbench 5, 64bit (Single-Core)

Geekbench 5 عبارة عن معيار قياسي متقاطع يستخدم بشكل كبير ذاكرة الأنظمة. الذاكرة السريعة ستدفع النتيجة كثيرًا. يستخدم الاختبار أحادي النواة نواة واحدة فقط لوحدة المعالجة المركزية ، ولا يتم احتساب كمية النوى أو قدرة التشعب.

Geekbench 5, 64bit (Multi-Core)

Geekbench 5 عبارة عن معيار قياسي متقاطع يستخدم بشكل كبير ذاكرة الأنظمة. الذاكرة السريعة ستدفع النتيجة كثيرًا. يتضمن الاختبار متعدد النواة جميع نوى وحدة المعالجة المركزية ويستفيد بشكل كبير من خيوط المعالجة.

Geekbench 6 (Single-Core)

يعد Geekbench 6 معيارًا لأجهزة الكمبيوتر الحديثة وأجهزة الكمبيوتر المحمولة والهواتف الذكية. الجديد هو الاستخدام الأمثل لهياكل وحدة المعالجة المركزية الأحدث ، على سبيل المثال استنادًا إلى مفهوم big.LITTLE والجمع بين نوى وحدة المعالجة المركزية ذات الأحجام المختلفة. يقوم معيار أحادي النواة فقط بتقييم أداء أسرع نواة وحدة المعالجة المركزية ، وعدد أنوية وحدة المعالجة المركزية في المعالج غير ذي صلة هنا.

Geekbench 6 (Multi-Core)

يعد Geekbench 6 معيارًا لأجهزة الكمبيوتر الحديثة وأجهزة الكمبيوتر المحمولة والهواتف الذكية. الجديد هو الاستخدام الأمثل لهياكل وحدة المعالجة المركزية الأحدث ، على سبيل المثال استنادًا إلى مفهوم big.LITTLE والجمع بين نوى وحدة المعالجة المركزية ذات الأحجام المختلفة. يقوم المعيار متعدد النواة بتقييم أداء جميع نوى وحدة المعالجة المركزية في المعالج. إن تحسينات الخيط الافتراضي مثل AMD SMT أو Hyper-Threading من Intel لها تأثير إيجابي على نتيجة الاختبار.

معالج iGPU - أداء FP32 (دقة GFLOPS أحادية)

أداء الحوسبة النظرية لوحدة الرسوميات الداخلية للمعالج بدقة بسيطة (32 بت) في GFLOPS. يشير GFLOPS إلى عدد مليار عملية فاصلة عائمة يمكن أن يؤديها iGPU في الثانية.

3DMark Time Spy ([graphics_score])

3DMark Time Spy

Blender 3.1 Benchmark

في Blender Benchmark 3.1 ، يتم عرض مشاهد "monster" و "junkshop" و "classroom" ويتم قياس الوقت الذي يتطلبه النظام. في معيارنا نقوم باختبار وحدة المعالجة المركزية وليس بطاقة الرسومات. تم تقديم Blender 3.1 كإصدار مستقل في مارس 2022.

النتائج المقدرة لـ PassMark CPU Mark

تم قياس بعض وحدات المعالجة المركزية المدرجة أدناه بواسطة CPU-monkey. ومع ذلك ، لم يتم اختبار غالبية وحدات المعالجة المركزية (CPU) وتم تقدير النتائج بواسطة صيغة الملكية السرية الخاصة بـ CPU-monkey. على هذا النحو ، فهي لا تعكس بدقة قيم علامة Passmark CPU الفعلية ولا يتم اعتمادها من قبل PassMark Software Pty Ltd.

CPU-Z Benchmark 17 (Single-Core)

يقيس معيار CPU-Z أداء المعالج عن طريق قياس الوقت الذي يستغرقه النظام لإكمال جميع الحسابات المعيارية. كلما تم الانتهاء من المعيار بشكل أسرع ، زادت النتيجة.

CPU-Z Benchmark 17 (Multi-Core)

يقيس معيار CPU-Z أداء المعالج عن طريق قياس الوقت الذي يستغرقه النظام لإكمال جميع الحسابات المعيارية. كلما تم الانتهاء من المعيار بشكل أسرع ، زادت النتيجة.

Monero Hashrate kH/s

تستخدم العملة المشفرة Monero خوارزمية RandomX منذ نوفمبر 2019. لا يمكن حساب خوارزمية إثبات العمل (PoW) إلا باستخدام معالج (CPU) أو بطاقة رسومات (GPU). تم استخدام خوارزمية CryptoNight لـ Monero حتى نوفمبر 2019 ، ولكن يمكن حسابها باستخدام ASICs. يستفيد RandomX من عدد كبير من أنوية وحدة المعالجة المركزية وذاكرة التخزين المؤقت والاتصال السريع للذاكرة عبر أكبر عدد ممكن من قنوات الذاكرة. تم الاختبار مع XMRig v6.x ضمن نظام التشغيل HiveOS .

لتداول Monero ، يمكنك التسجيل لدى وسيط التشفير Kraken.com . لقد كنا عملاء هناك منذ بضع سنوات ، وكنا راضين جدًا حتى الآن.

أداء AI / ML

يمكن للمعالجات التي تدعم الذكاء الاصطناعي (AI) والتعلم الآلي (ML) معالجة العديد من العمليات الحسابية ، خاصةً معالجة الصوت والصور والفيديو ، أسرع بكثير من المعالجات التقليدية. تعمل خوارزميات ML على تحسين أدائها كلما زادت البيانات التي جمعتها عبر البرنامج. يمكن معالجة مهام ML بسرعة تصل إلى 10000 مرة مقارنة بالمعالج الكلاسيكي.