MediaTek Dimensity 1000 vs AMD Ryzen Threadripper 7980X

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.

Cinebench R23 (Multi-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. يتضمن الاختبار متعدد النواة جميع نوى وحدة المعالجة المركزية ويستفيد بشكل كبير من خيوط المعالجة.

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.

Cinebench R20 (Single-Core)

Cinebench R20 adalah penerus dari Cinebench R15 dan juga didasarkan pada Cinema 4 Suite. Cinema 4 adalah perangkat lunak yang digunakan di seluruh dunia untuk membuat bentuk 3D. Tes single-core hanya menggunakan satu core CPU, jumlah core atau kemampuan hyperthreading tidak dihitung.

Cinebench R20 (Multi-Core)

Cinebench R20 هو خليفة Cinebench R15 وهو يعتمد أيضًا على Cinema 4 Suite. Cinema 4 هو برنامج يستخدم في جميع أنحاء العالم لإنشاء أشكال ثلاثية الأبعاد. يتضمن الاختبار متعدد النواة جميع نوى وحدة المعالجة المركزية ويستفيد بشكل كبير من خيوط المعالجة.

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 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.

أداء وحدة المعالجة المركزية لكل واط (الكفاءة)

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.