AMD Ryzen 7 7840H vs MediaTek Dimensity 1000

Cinebench R23 (Single-Core)

Cinebench R23是Cinebench R20的下一代产品，也基于Cinema 4套件。Cinema 4是一款用于创建3D表单的软件。单核测试仅使用一个CPU核心，CPU核心的数量以及超线程技术将不会影响该项测试成绩。

Cinebench R23 (Multi-Core)

Cinebench R23是Cinebench R20的下一代产品，也基于Cinema 4套件。Cinema 4是一款用于创建3D表单的软件。多核测试涉及所有CPU核心，并且能充分利用超线程技术。

Geekbench 5, 64bit (Single-Core)

Geekbench 5是一个大量使用系统内存的跨平台基准测试。高速的系统内存将极大地提升测试成绩。单核测试仅使用一个CPU核心，CPU核心的数量以及超线程技术将不会影响该项测试成绩。

Geekbench 5, 64bit (Multi-Core)

Geekbench 5是一个大量使用系统内存的跨平台基准测试。高速的系统内存将极大地提升测试成绩。多核测试涉及所有CPU核心，并且能充分利用超线程技术。

Geekbench 6 (Single-Core)

Geekbench 6 は、最新のコンピューター、ノートブック、スマートフォンのベンチマークです。 新しいのは、たとえば big.LITTLE コンセプトに基づいてさまざまなサイズの CPU コアを組み合わせるなど、新しい CPU アーキテクチャの最適化された利用です。 シングルコア ベンチマークは、最速の CPU コアのパフォーマンスのみを評価します。ここでは、プロセッサ内の CPU コアの数は関係ありません。

Geekbench 6 (Multi-Core)

Geekbench 6 是现代计算机、笔记本电脑和智能手机的基准测试。 新的是对更新的 CPU 架构的优化利用，例如基于 big.LITTLE 概念并结合不同大小的 CPU 内核。 多核基准测试评估处理器所有 CPU 内核的性能。 AMD SMT 或 Intel 的超线程等虚拟线程改进对基准测试结果产生了积极影响。

核芯显卡FP32性能（单精度GFLOPS）

处理器核芯显卡的理论计算性能（32bit，以GFLOPS为单位）。GFLOPS表示核芯显卡每秒可以执行多少亿个浮点操作。

3DMark Time Spy ([graphics_score])

3DMark Time Spy 是测试计算机游戏能力的基准测试。 CPU和显卡（GPU）的性能都进行了测试。

根据3DMark Time Spy基准测试，该软件显示三个分数：总分，其中包括CPU和GPU的性能、图形分数和CPU分数。 由于我们只对此基准测试中的图形性能感兴趣，因此我们仅使用此基准测试中的图形点。 这些也构成了 3DMark Time Spy 总体评分的大部分。

注意：如果您将获得的分数与互联网上的其他值进行比较，请确保某些网站使用总分，而其他网站（例如我们）仅使用图形分数。

3DMark Time Spy 是实践中最好的 3D 基准测试之一，因为游戏性能的确定非常真实。

AnTuTu 8 Benchmark

AnTuTu 8基准测试可以衡量一个SoC（片上系统）的性能。通过模拟浏览器和应用程序的使用，AnTuTu对CPU、GPU、内存以及UX（用户体验）进行基准测试。AnTuTu可以对运行在Android或iOS下的任何ARM CPU进行基准测试。如果基准测试是在不同的操作系统下执行的，成绩可能不具有可比较性。 在AnTuTu 8基准测试中，处理器单核性能只占很小的比重。AnTuTu基准测试评估包括处理器的多核性能、RAM速度和GPU性能。

PassMark CPU Mark的估计结果

以下列出的CPU中，有一部分基准测试是由CPU-panda团队完成的。但是，大部分的CPU并没有被实际测试，其成绩由CPU-monkey团队的“秘密配方”估计得到。因此，这些分数不能准确反映实际的Passmark CPU基准测试，并且不受到PassMark Software私人有限公司的认可。

CPU-Z Benchmark 17 (Single-Core)

CPU-Z 基准测试通过测量系统完成所有基准计算所需的时间来衡量处理器的性能。 基准测试完成得越快，分数就越高。

CPU-Z Benchmark 17 (Multi-Core)

CPU-Z 基准测试通过测量系统完成所有基准计算所需的时间来衡量处理器的性能。 基准测试完成得越快，分数就越高。

人工智能 (AI) 和机器学习 (ML) 的性能

在人工智能 (AI) 和机器学习 (ML) 支持下的处理器可以处理许多计算，尤其是音频、图像和视频处理，比传统处理器快得多。 通过软件收集的数据越多，机器学习算法的性能就会提高。 ML 任务的处理速度比传统处理器快 10,000 倍。