AMD Ryzen 5 7640HS vs Intel Xeon E5-1650 v4

Cinebench 2024 (Single-Core)

Cinebench 2024 벤치마크는 Maxon의 3D 프로그램 Cinema 4D에서도 사용되는 Redshift 렌더링 엔진을 기반으로 합니다. 벤치마크 실행은 프로세서가 열 발생으로 인해 제한되는지 여부를 테스트하기 위해 각각 10분씩 실행됩니다.

Cinebench 2024 (Multi-Core)

Cinebench 2024 벤치마크의 멀티 코어 테스트는 Maxons Cinema 4D에서도 사용되는 Redshift 렌더링 엔진을 사용하여 렌더링하기 위해 모든 CPU 코어를 사용합니다. 벤치마크 실행은 프로세서가 열 발생으로 인해 제한되는지 테스트하는 데 10분 동안 소요됩니다.

Geekbench 5, 64bit (Single-Core)

Geekbench 5는 시스템 메모리를 많이 사용하는 플랫폼 간 벤치마크입니다. 빠른 메모리는 결과를 많이 푸시합니다. 단일 코어 테스트는 하나의 CPU 코어만 사용하며 코어 수 또는 하이퍼스레딩 기능은 포함되지 않습니다.

Geekbench 5, 64bit (Multi-Core)

Geekbench 5는 시스템 메모리를 많이 사용하는 플랫폼 간 벤치마크입니다. 빠른 메모리는 결과를 많이 푸시합니다. 멀티 코어 테스트는 모든 CPU 코어를 포함하며 하이퍼스레딩의 큰 이점을 취합니다.

Geekbench 6 (Single-Core)

Geekbench 6은 최신 컴퓨터, 노트북 및 스마트폰의 벤치마크입니다. 새로운 점은 예를 들어 big.LITTLE 개념을 기반으로 하고 다양한 크기의 CPU 코어를 결합하는 등 최신 CPU 아키텍처의 최적화된 활용입니다. 단일 코어 벤치마크는 가장 빠른 CPU 코어의 성능만 평가하며 프로세서의 CPU 코어 수는 여기에서 관련이 없습니다.

Geekbench 6 (Multi-Core)

Geekbench 6은 최신 컴퓨터, 노트북 및 스마트폰의 벤치마크입니다. 새로운 점은 예를 들어 big.LITTLE 개념을 기반으로 하고 다양한 크기의 CPU 코어를 결합하는 등 최신 CPU 아키텍처의 최적화된 활용입니다. 멀티 코어 벤치마크는 프로세서의 모든 CPU 코어 성능을 평가합니다. AMD SMT 또는 Intel의 Hyper-Threading과 같은 가상 스레드 개선 사항은 벤치마크 결과에 긍정적인 영향을 미칩니다.

iGPU - FP32 성능(단정밀도 GFLOPS)

GFLOPS의 단순한 정확도(32비트)로 프로세서 내부 그래픽 장치의 이론적인 컴퓨팅 성능. GFLOPS는 iGPU가 초당 몇 십억 개의 부동 소수점 연산을 수행할 수 있는지 나타냅니다.

3DMark Time Spy ([graphics_score])

3DMark Time Spy

PassMark CPU Mark에 대한 예상 결과

아래 나열된 CPU 중 일부는 CPU-monkey에서 벤치마킹되었습니다. 그러나 대부분의 CPU는 테스트되지 않았으며 결과는 CPU-monkey의 비밀 독점 공식으로 추정되었습니다. 따라서 실제 Passmark CPU 표시 값을 정확하게 반영하지 않으며 PassMark Software Pty Ltd에서 보증하지 않습니다.

Blender 2.81 (bmw27)

Blender는 3D 바디를 렌더링(생성)하기 위한 무료 3D 그래픽 소프트웨어로, 소프트웨어에서 텍스처링 및 애니메이션도 가능합니다. 블렌더 벤치마크는 미리 정의된 장면을 만들고 전체 장면에 필요한 시간을 측정합니다. 필요한 시간은 짧을수록 좋습니다. 벤치마크 장면으로 bmw27을 선택했습니다.

CPU-Z Benchmark 17 (Multi-Core)

CPU-Z 벤치마크는 시스템이 모든 벤치마크 계산을 완료하는 데 걸리는 시간을 측정하여 프로세서의 성능을 측정합니다. 벤치마크가 빨리 완료될수록 점수가 높아집니다.

AI/ML 성능

인공 지능(AI) 및 기계 학습(ML)을 지원하는 프로세서는 많은 계산, 특히 오디오, 이미지 및 비디오 처리를 기존 프로세서보다 훨씬 빠르게 처리할 수 있습니다. ML용 알고리즘은 소프트웨어를 통해 더 많은 데이터를 수집할수록 성능이 향상됩니다. ML 작업은 기존 프로세서보다 최대 10,000배 빠르게 처리할 수 있습니다.