Apple M3 Pro (12-CPU 18-GPU) 벤치마크, 테스트 및 사양

다른 CPU와 비교

벤치마크 결과

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.

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.

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.

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.