Apple M2 Ultra (76-GPU) vs AMD EPYC 7713

Cinebench 2024 (Single-Core)

เกณฑ์มาตรฐาน Cinebench 2024 อิงตามกลไกการเรนเดอร์ Redshift ซึ่งใช้ในโปรแกรม 3D Cinema 4D ของ Maxon เช่นกัน การดำเนินการวัดประสิทธิภาพจะใช้เวลาทุกๆ 10 นาทีเพื่อทดสอบว่าโปรเซสเซอร์ถูกจำกัดด้วยการสร้างความร้อนหรือไม่

Cinebench 2024 (Multi-Core)

การทดสอบ Multi-Core ของเกณฑ์มาตรฐาน Cinebench 2024 ใช้แกน CPU ทั้งหมดในการเรนเดอร์โดยใช้กลไกการเรนเดอร์ Redshift ซึ่งใช้ใน Maxons Cinema 4D เช่นกัน การดำเนินการวัดประสิทธิภาพจะใช้เวลา 10 นาทีเพื่อทดสอบว่าโปรเซสเซอร์ถูกจำกัดโดยการสร้างความร้อนหรือไม่

Cinebench R23 (Single-Core)

Cinebench R23 เป็นรุ่นต่อจาก Cinebench R20 และมีพื้นฐานมาจาก Cinema 4 Suite Cinema 4 เป็นซอฟต์แวร์ที่ใช้ทั่วโลกเพื่อสร้างรูปแบบ 3 มิติ การทดสอบแบบ single-core ใช้ CPU คอร์เพียงตัวเดียว ไม่นับจำนวนคอร์หรือความสามารถไฮเปอร์เธรดดิ้ง

Cinebench R23 (Multi-Core)

Cinebench R23 เป็นรุ่นต่อจาก Cinebench R20 และมีพื้นฐานมาจาก Cinema 4 Suite Cinema 4 เป็นซอฟต์แวร์ที่ใช้ทั่วโลกเพื่อสร้างรูปแบบ 3 มิติ การทดสอบแบบมัลติคอร์นั้นเกี่ยวข้องกับคอร์ของ CPU ทั้งหมด และใช้ประโยชน์จากไฮเปอร์เธรดดิ้งอย่างมาก

Geekbench 5, 64bit (Single-Core)

Geekbench 5 เป็นเกณฑ์มาตรฐานข้ามแพลตฟอร์มที่ใช้หน่วยความจำของระบบอย่างหนัก หน่วยความจำที่รวดเร็วจะผลักดันผลมาก การทดสอบแบบ single-core ใช้ CPU คอร์เพียงตัวเดียว ไม่นับจำนวนคอร์หรือความสามารถไฮเปอร์เธรดดิ้ง

Geekbench 5, 64bit (Multi-Core)

Geekbench 5 เป็นเกณฑ์มาตรฐานข้ามแพลตฟอร์มที่ใช้หน่วยความจำของระบบอย่างหนัก หน่วยความจำที่รวดเร็วจะผลักดันผลมาก การทดสอบแบบมัลติคอร์นั้นเกี่ยวข้องกับคอร์ของ CPU ทั้งหมด และใช้ประโยชน์จากไฮเปอร์เธรดดิ้งอย่างมาก

Geekbench 6 (Single-Core)

Geekbench 6 เป็นเกณฑ์มาตรฐานสำหรับคอมพิวเตอร์ โน้ตบุ๊ก และสมาร์ทโฟนสมัยใหม่ สิ่งใหม่คือการใช้ประโยชน์จากสถาปัตยกรรม CPU ที่ใหม่กว่า เช่น ตามแนวคิด big.LITTLE และการรวมแกน CPU ที่มีขนาดต่างกัน การวัดประสิทธิภาพแบบ single-core จะประเมินเฉพาะประสิทธิภาพของคอร์ CPU ที่เร็วที่สุดเท่านั้น จำนวนคอร์ CPU ในโปรเซสเซอร์ไม่เกี่ยวข้องที่นี่

Geekbench 6 (Multi-Core)

Geekbench 6 เป็นเกณฑ์มาตรฐานสำหรับคอมพิวเตอร์ โน้ตบุ๊ก และสมาร์ทโฟนสมัยใหม่ สิ่งใหม่คือการใช้ประโยชน์จากสถาปัตยกรรม CPU ที่ใหม่กว่า เช่น ตามแนวคิด big.LITTLE และการรวมแกน CPU ที่มีขนาดต่างกัน เกณฑ์มาตรฐานแบบมัลติคอร์ประเมินประสิทธิภาพของคอร์ CPU ทั้งหมดของโปรเซสเซอร์ การปรับปรุงเธรดเสมือนจริง เช่น AMD SMT หรือ Hyper-Threading ของ Intel ส่งผลดีต่อผลการวัดประสิทธิภาพ

ประสิทธิภาพ iGPU - FP32 (GFLOPS แบบ Single-precision)

ประสิทธิภาพการคำนวณตามทฤษฎีของหน่วยกราฟิกภายในของโปรเซสเซอร์ที่มีความแม่นยำอย่างง่าย (32 บิต) ใน GFLOPS GFLOPS ระบุจำนวนการทำงานของจุดลอยตัวที่ iGPU สามารถทำได้ต่อวินาที

Blender 3.1 Benchmark

ใน Blender Benchmark 3.1 ฉาก "มอนสเตอร์" "ร้านค้าขยะ" และ "ห้องเรียน" จะถูกเรนเดอร์และเวลาที่ระบบต้องการจะถูกวัด ในเกณฑ์มาตรฐานของเรา เราทดสอบ CPU ไม่ใช่การ์ดกราฟิก Blender 3.1 ถูกนำเสนอเป็นเวอร์ชันสแตนด์อโลนในเดือนมีนาคม 2022

ผลลัพธ์โดยประมาณสำหรับ PassMark CPU Mark

CPU บางตัวที่แสดงด้านล่างได้รับการทดสอบโดย CPU-monkey อย่างไรก็ตาม CPU ส่วนใหญ่ยังไม่ได้รับการทดสอบและผลลัพธ์ถูกประเมินโดยสูตรลับเฉพาะของลิง CPU ด้วยเหตุนี้จึงไม่ถูกต้องสะท้อนถึงค่าเครื่องหมาย CPU ของ Passmark จริงและไม่ได้รับการรับรองโดย PassMark Software Pty Ltd.

Monero Hashrate kH/s

สกุลเงินดิจิตอลเข้ารหัส Monero ได้ใช้อัลกอริธึม RandomX ตั้งแต่เดือนพฤศจิกายน 2019 อัลกอริทึม PoW (การพิสูจน์การทำงาน) นี้สามารถคำนวณได้อย่างมีประสิทธิภาพโดยใช้โปรเซสเซอร์ (CPU) หรือการ์ดกราฟิก (GPU) เท่านั้น อัลกอริทึม CryptoNight ใช้สำหรับ Monero จนถึงเดือนพฤศจิกายน 2019 แต่สามารถคำนวณได้โดยใช้ ASIC RandomX ได้รับประโยชน์จากคอร์ CPU จำนวนมาก แคช และการเชื่อมต่อหน่วยความจำอย่างรวดเร็วผ่านช่องทางหน่วยความจำให้มากที่สุด ทดสอบกับ XMRig v6.x ภายใต้ระบบปฏิบัติการ HiveOS

ในการแลกเปลี่ยน Monero คุณสามารถลงทะเบียนกับโบรกเกอร์ crypto Kraken.com เราเป็นลูกค้าที่นั่นมาสองสามปีแล้วและพอใจมากจนถึงตอนนี้

ประสิทธิภาพของ CPU ต่อวัตต์ (ประสิทธิภาพ)

Cinebench R23（多核心）基準測試中滿載下處理器的效率。 基準測試結果除以所需的平均能量（CPU 封裝功率，以瓦為單位）。 該值越高，CPU 在滿載下的效率越高。

ประสิทธิภาพของ AI / ML

โปรเซสเซอร์ที่สนับสนุนปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML) สามารถประมวลผลการคำนวณจำนวนมาก โดยเฉพาะการประมวลผลเสียง ภาพ และวิดีโอ ซึ่งเร็วกว่าโปรเซสเซอร์แบบคลาสสิกมาก อัลกอริทึมสำหรับ ML ปรับปรุงประสิทธิภาพโดยรวบรวมข้อมูลผ่านซอฟต์แวร์ได้มากขึ้น งาน ML สามารถประมวลผลได้เร็วกว่าโปรเซสเซอร์แบบคลาสสิกถึง 10,000 เท่า