Qualcomm Snapdragon 480 5G vs Intel Xeon Gold 6242R

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

ประสิทธิภาพ iGPU - FP32 (GFLOPS แบบ Single-precision)

ประสิทธิภาพการคำนวณตามทฤษฎีของหน่วยกราฟิกภายในของโปรเซสเซอร์ที่มีความแม่นยำอย่างง่าย (32 บิต) ใน GFLOPS GFLOPS ระบุจำนวนการทำงานของจุดลอยตัวที่ iGPU สามารถทำได้ต่อวินาที

AnTuTu 8 Benchmark

เกณฑ์มาตรฐาน AnTuTu 8 วัดประสิทธิภาพของ SoC AnTuTu เปรียบเทียบ CPU, GPU, หน่วยความจำ ตลอดจน UX (ประสบการณ์ผู้ใช้) ด้วยการจำลองการใช้งานเบราว์เซอร์และแอป AnTuTu สามารถเปรียบเทียบ ARM CPU ใดๆ ที่ทำงานภายใต้ Android หรือ iOS อุปกรณ์อาจไม่สามารถเปรียบเทียบได้โดยตรงหากทำการวัดประสิทธิภาพภายใต้ระบบปฏิบัติการที่แตกต่างกัน ในการวัดประสิทธิภาพ AnTuTu 8 ประสิทธิภาพของโปรเซสเซอร์แบบ single-core นั้นมีน้ำหนักเพียงเล็กน้อยเท่านั้น การประเมินประกอบด้วยประสิทธิภาพแบบมัลติคอร์ของโปรเซสเซอร์ ความเร็วของ RAM และประสิทธิภาพของกราฟิกภายใน

ผลลัพธ์โดยประมาณสำหรับ PassMark CPU Mark

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

ประสิทธิภาพของ AI / ML

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