Samsung Exynos 7884 | AMD Epyc 7763 | |
Max TDP | 280 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 |
Samsung Exynos 7884 vs AMD Epyc 7763
Samsung Exynos 7884 beroperasi dengan 8 dan thread CPU 8 Ini berjalan di 1.60 GHz base 1.35 GHz semua inti sementara TDP disetel di .Prosesor dipasang ke soket CPU N/A Versi ini menyertakan -- cache L3 pada satu chip, mendukung saluran memori 0 LPDDR4-1866 RAM dan fitur PCIe Gen lanes}. Tjunction tetap di bawah -- derajat C. Secara khusus, Cortex-A73 / Cortex-A53 ditingkatkan dengan 14 nm dan mendukung None . Produk diluncurkan pada Q2/2018
AMD Epyc 7763 beroperasi dengan 643 dan thread CPU 8 Ini berjalan di 3.50 GHz base semua inti sementara TDP disetel di 280 W .Prosesor dipasang ke soket CPU SP3 Versi ini menyertakan 256.00 MB cache L3 pada satu chip, mendukung saluran memori 8 DDR4-3200 RAM dan fitur 4.0 PCIe Gen 128 lanes}. Tjunction tetap di bawah -- derajat C. Secara khusus, Milan (Zen 3) ditingkatkan dengan 7 nm dan mendukung AMD-V, SVM . Produk diluncurkan pada Q1/2021
Samsung Exynos 7884
AMD Epyc 7763
Bandingkan Detail
1.60 GHz | Frekuensi | 2.45 GHz |
8 | Core | 643 |
1.60 GHz | Turbo (1 Inti) | 3.50 GHz |
1.35 GHz | Turbo (Semua Core) | |
No | Hyperthreading | Yes |
No | Overclocking | No |
hybrid (big.LITTLE) | Arsitektur Inti | normal |
ARM Mali-G71 MP2 | GPU | no iGPU |
No turbo | GPU (Turbo) | No turbo |
14 nm | Teknologi | 7 nm |
No turbo | GPU (Turbo) | No turbo |
11 | Versi DirectX | |
1 | Max. menampilkan | |
LPDDR4-1866 | Penyimpanan | DDR4-3200 |
0 | Saluran memori | 8 |
Memori maksimal | ||
No | ECC | Yes |
2.00 MB | L2 Cache | -- |
-- | L3 Cache | 256.00 MB |
Versi PCIe | 4.0 | |
PCIe lanes | 128 | |
14 nm | Teknologi | 7 nm |
N/A | Stopkontak | SP3 |
TDP | 280 W | |
None | Virtualisasi | AMD-V, SVM |
Q2/2018 | Tanggal rilis | Q1/2021 |
Cinebench R23 (Single-Core)
Cinebench R23 adalah penerus Cinebench R20 dan juga didasarkan pada Cinema 4 Suite. Cinema 4 adalah perangkat lunak yang digunakan di seluruh dunia untuk membuat bentuk 3D. Tes inti tunggal hanya menggunakan satu inti CPU, jumlah inti atau kemampuan hyperthreading tidak dihitung.
Cinebench R23 (Multi-Core)
Cinebench R23 adalah penerus Cinebench R20 dan juga didasarkan pada Cinema 4 Suite. Cinema 4 adalah perangkat lunak yang digunakan di seluruh dunia untuk membuat bentuk 3D. Tes multi-core melibatkan semua core CPU dan memanfaatkan hyperthreading.
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.
Estimated results for PassMark CPU Mark
Beberapa CPU yang tercantum di bawah ini telah diukur dengan CPU-Comparison. Namun sebagian besar CPU belum diuji dan hasilnya telah diperkirakan oleh rumus kepemilikan rahasia CPU-Comparison. Karena itu, mereka tidak secara akurat mencerminkan nilai tanda CPU Passmark yang sebenarnya dan tidak didukung oleh PassMark Software Pty Ltd.
Monero Hashrate kH/s
Mata uang kripto Monero telah menggunakan algoritma RandomX sejak November 2019. Algoritma PoW (bukti kerja) ini hanya dapat dihitung secara efisien menggunakan prosesor (CPU) atau kartu grafis (GPU). Algoritma CryptoNight digunakan untuk Monero hingga November 2019, tetapi dapat dihitung menggunakan ASIC. RandomX mendapat manfaat dari sejumlah besar inti CPU, cache, dan koneksi memori yang cepat melalui saluran memori sebanyak mungkin