Apple A14 Bionic vs AMD EPYC 7713

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.

AnTuTu 9 Benchmark

يعتبر معيار AnTuTu 9 مناسبًا جدًا لقياس أداء الهاتف الذكي. AnTuTu 9 ثقيل جدًا في الرسومات ثلاثية الأبعاد ويمكنه الآن أيضًا استخدام واجهة الرسومات "المعدنية". في AnTuTu ، يتم أيضًا اختبار الذاكرة و UX (تجربة المستخدم) من خلال محاكاة استخدام المتصفح والتطبيق. يمكن للإصدار 9 من AnTuTu مقارنة أي وحدة معالجة مركزية ARM تعمل على Android أو iOS. قد لا تكون الأجهزة قابلة للمقارنة بشكل مباشر عند قياسها على أنظمة تشغيل مختلفة.

في معيار AnTuTu 9 ، يتم ترجيح أداء المعالج أحادي النواة بشكل طفيف فقط. يتكون التصنيف من الأداء متعدد النواة للمعالج وسرعة الذاكرة العاملة وأداء الرسومات الداخلية.

AnTuTu 8 Benchmark

يقيس AnTuTu 8 Benchmark أداء شركة نفط الجنوب. يقيس AnTuTu وحدة المعالجة المركزية ووحدة معالجة الرسومات والذاكرة بالإضافة إلى UX (تجربة المستخدم) من خلال محاكاة استخدام المتصفح والتطبيق. يمكن لـ AnTuTu قياس أداء أي وحدة معالجة مركزية ARM تعمل تحت نظام Android أو iOS. قد لا تكون الأجهزة قابلة للمقارنة بشكل مباشر إذا تم تنفيذ المعيار تحت أنظمة تشغيل مختلفة. في معيار AnTuTu 8 ، يتم ترجيح أداء المعالج أحادي النواة بشكل طفيف فقط. يتكون التقييم من أداء متعدد النواة للمعالج وسرعة ذاكرة الوصول العشوائي وأداء الرسومات الداخلية.

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.

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.