GET FREE $100 Welcome Offer

BUY AND SELL BTC, BNB, CAKE, DOGE, ETH AND 27 MORE

BUY AND SELL BTC,

BNB, CAKE, DOGE

ETH AND 27 MORE

Google Tensor vs Apple M1 Pro (8 Core)

返回首页

Google Tensor

Google Tensor与8内核和8 CPU线程一起运行。它在运行1.80 GHz (2.80 GHz)基地--所有内核，而TDP设定在10 W 。处理器已连接到N/A CPU插槽。该版本--的L3高速缓存，支持2存储器通道以支持LPDDR5-5500 RAM，并具有 PCIe Gen 通道。 Tjunction保持在--摄氏度以下。特别是， G1体系结构通过5 nm技术进行了None 。该产品于Q4/2021

Apple M1 Pro (8 Core)

Apple M1 Pro (8 Core)与8内核和8 CPU线程一起运行。它在运行No turbo基地No turbo所有内核，而TDP设定在30 W 。处理器已连接到N/A CPU插槽。该版本--的L3高速缓存，支持6存储器通道以支持LPDDR5-6400 RAM，并具有4.0 PCIe Gen 通道。 Tjunction保持在--摄氏度以下。特别是， M1体系结构通过5 nm技术进行了None 。该产品于Q3/2021

Google Tensor

Apple M1 Pro (8 Core)

Google Tensor

在亚马逊查询价格

在Ebay上查看价格

在速卖通查询价格

Apple M1 Pro (8 Core)

在亚马逊查询价格

在Ebay上查看价格

在速卖通查询价格

比较细节

1.80 GHz (2.80 GHz)	频率	3.20 GHz
8	核心数	8
1.80 GHz (2.80 GHz)	Turbo（1核心）	No turbo
--	Turbo（所有内核）	No turbo
No	超线程	No
No	超频	No
hybrid (Prime / big.LITTLE)	核心架构	hybrid (big.LITTLE)
ARM Mali-G78 MP20	GPU	Apple M1 Pro (14 Core)
No turbo	GPU（涡轮增压）	No turbo
5 nm	技术	5 nm
No turbo	GPU（涡轮增压）	No turbo
12	DirectX版本
1	最大限度。展示	3
LPDDR5-5500	记忆	LPDDR5-6400
2	记忆通道	6
	最大记忆体
No	ECC	No
8.00 MB	L2 Cache	24.00 MB
--	L3 Cache	--
	PCIe版本	4.0
	PCIe lanes
5 nm	技术	5 nm
N/A	插座	N/A
10 W	贸易发展计划	30 W
None	虚拟化	None
Q4/2021	发布日期	Q3/2021
显示更多数据		显示更多数据

Cinebench R23 (Single-Core)

Cinebench R23是Cinebench R20的后继产品，也是基于Cinema 4 Suite的。 Cinema 4是创建3D表单的全球通用软件。单核测试仅使用一个CPU核，核的数量或超线程能力不计算在内。

Google Tensor (0%)

Apple M1 Pro (8 Core) 1,545 (73%)

Cinebench R23 (Multi-Core)

Cinebench R23是Cinebench R20的后继产品，也是基于Cinema 4 Suite的。 Cinema 4是创建3D表单的全球通用软件。多核测试涉及所有CPU核，并具有超线程的巨大优势。

Google Tensor (0%)

Apple M1 Pro (8 Core) 9,572 (13%)

Geekbench 5, 64bit (Single-Core)

Geekbench 5是一个跨平台基准测试，大量使用系统内存。快速的记忆将大大推动结果。单核测试仅使用一个CPU核，核的数量或超线程能力不计算在内。

Google Tensor 1,049 (47%)

Apple M1 Pro (8 Core) 1,778 (84%)

Geekbench 5, 64bit (Multi-Core)

Geekbench 5是一个跨平台基准测试，大量使用系统内存。快速的记忆将大大推动结果。多核测试涉及所有CPU核，并具有超线程的巨大优势。

Google Tensor 2,916 (6%)

Apple M1 Pro (8 Core) 10,000 (26%)

iGPU - FP32 Performance (Single-precision GFLOPS)

GFLOPS中具有简单精度（32位）的处理器内部图形单元的理论计算性能。 GFLOPS表示iGPU每秒可以执行多少亿个浮点运算。

Google Tensor 1,944 (9%)

Apple M1 Pro (8 Core) 4,556 (44%)

Geekbench 3, 64bit (Single-Core)

Geekbench 3是一个跨平台基准测试，大量使用系统内存。快速的记忆将大大推动结果。单核测试仅使用一个CPU核，核的数量或超线程能力不计算在内。

Google Tensor 4,572 (66%)

Apple M1 Pro (8 Core) (0%)

Geekbench 3, 64bit (Multi-Core)

Geekbench 3是一个跨平台基准测试，大量使用系统内存。快速的记忆将大大推动结果。多核测试涉及所有CPU核，并具有超线程的巨大优势。

Google Tensor 12,597 (13%)

Apple M1 Pro (8 Core) (0%)

用电量估算

每天平均使用时间

平均CPU使用率（0-100％）

电力成本，每千瓦时美元

用电量估算

每天平均使用时间

平均CPU使用率（0-100％）

电力成本，每千瓦时美元

Google Tensor		Apple M1 Pro (8 Core)
10 W	Max TDP	30 W
NA	每天耗电量（kWh）	NA
NA	每天的运行成本	NA
NA	每年耗电量（kWh）	NA
NA	每年的运行成本	NA