MediaTek Dimensity 1000 vs Intel Core i7-6900K

Cinebench R23 (Single-Core)

Cinebench R23은 Cinebench R20의 후속 제품이며 Cinema 4 Suite를 기반으로 합니다. Cinema 4는 3D 형태를 생성하기 위해 전 세계적으로 사용되는 소프트웨어입니다. 단일 코어 테스트는 하나의 CPU 코어만 사용하며 코어 수 또는 하이퍼스레딩 기능은 포함되지 않습니다.

Cinebench R23 (Multi-Core)

Cinebench R23은 Cinebench R20의 후속 제품이며 Cinema 4 Suite를 기반으로 합니다. Cinema 4는 3D 형태를 생성하기 위해 전 세계적으로 사용되는 소프트웨어입니다. 멀티 코어 테스트는 모든 CPU 코어를 포함하며 하이퍼스레딩의 큰 이점을 취합니다.

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.

AnTuTu 8 Benchmark

AnTuTu 8 Benchmark는 SoC의 성능을 측정합니다. AnTuTu는 브라우저 및 앱 사용을 시뮬레이션하여 CPU, GPU, 메모리 및 UX(사용자 경험)를 벤치마킹합니다. AnTuTu는 Android 또는 iOS에서 실행되는 모든 ARM CPU를 벤치마킹할 수 있습니다. 벤치마크가 다른 운영 체제에서 수행된 경우 장치를 직접 비교할 수 없습니다. AnTuTu 8 벤치마크에서 프로세서의 단일 코어 성능은 약간만 가중치가 부여됩니다. 평가는 프로세서의 멀티 코어 성능, RAM의 속도 및 내부 그래픽의 성능으로 구성됩니다.

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.

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.