Apple A16 Bionic | Google Tensor G2 | |
8.5 W | Max TDP | 10 W |
NA | Konsumsi daya per hari (kWh) | NA |
NA | Biaya operasional per hari | NA |
NA | Konsumsi daya per tahun (kWh) | NA |
NA | Biaya operasional per tahun | NA |
Apple A16 Bionic vs Google Tensor G2
Apple A16 Bionic beroperasi dengan 6 dan thread CPU 6 Ini berjalan di 3.46 GHz base 2.02 GHz semua inti sementara TDP disetel di 8.5 W .Prosesor dipasang ke soket CPU N/A Versi ini menyertakan 24.00 MB cache L3 pada satu chip, mendukung saluran memori 1 LPDDR5-6400 RAM dan fitur PCIe Gen lanes}. Tjunction tetap di bawah -- derajat C. Secara khusus, A16 ditingkatkan dengan 4 nm dan mendukung None . Produk diluncurkan pada Q3/2022
Google Tensor G2 beroperasi dengan 8 dan thread CPU 6 Ini berjalan di 2.85 GHz base 1.80 GHz semua inti sementara TDP disetel di 10 W .Prosesor dipasang ke soket CPU N/A Versi ini menyertakan 4.00 MB cache L3 pada satu chip, mendukung saluran memori 2 LPDDR5-5500 RAM dan fitur PCIe Gen lanes}. Tjunction tetap di bawah -- derajat C. Secara khusus, G2 ditingkatkan dengan 4 nm dan mendukung None . Produk diluncurkan pada Q4/2022
Apple A16 Bionic
Google Tensor G2
Bandingkan Detail
3.46 GHz | Frekuensi | 2.85 GHz |
6 | Core | 8 |
3.46 GHz | Turbo (1 Inti) | 2.85 GHz |
2.02 GHz | Turbo (Semua Core) | 1.80 GHz |
No | Hyperthreading | No |
No | Overclocking | No |
hybrid (big.LITTLE) | Arsitektur Inti | hybrid (Prime / big.LITTLE) |
Apple A16 (5 GPU Cores) | GPU | ARM Mali-G710 MP7 |
No turbo | GPU (Turbo) | No turbo |
4 nm | Teknologi | 4 nm |
No turbo | GPU (Turbo) | No turbo |
Versi DirectX | ||
3 | Max. menampilkan | 1 |
LPDDR5-6400 | Penyimpanan | LPDDR5-5500 |
1 | Saluran memori | 2 |
Memori maksimal | ||
No | ECC | No |
20.00 MB | L2 Cache | 8.00 MB |
24.00 MB | L3 Cache | 4.00 MB |
Versi PCIe | ||
PCIe lanes | ||
4 nm | Teknologi | 4 nm |
N/A | Stopkontak | N/A |
8.5 W | TDP | 10 W |
None | Virtualisasi | None |
Q3/2022 | Tanggal rilis | Q4/2022 |
Geekbench 5, 64bit (Single-Core)
Geekbench 5 adalah patokan cross-plattform yang banyak menggunakan memori sistem. Memori yang cepat akan mendorong banyak hasil. Tes inti tunggal hanya menggunakan satu inti CPU, jumlah inti atau kemampuan hyperthreading tidak dihitung.
Geekbench 5, 64bit (Multi-Core)
Geekbench 5 adalah patokan cross-plattform yang banyak menggunakan memori sistem. Memori yang cepat akan mendorong banyak hasil. Tes multi-core melibatkan semua core CPU dan memanfaatkan hyperthreading.
iGPU - FP32 Performance (Single-precision GFLOPS)
Kinerja komputasi teoretis dari unit grafis internal prosesor dengan akurasi sederhana (32 bit) di GFLOPS. GFLOPS menunjukkan berapa miliar operasi floating point yang dapat dilakukan iGPU per detik.