Apple M3 Max (16-CPU 40-GPU) vs Google Tensor G2
Letzte Aktualisierung:
CPU-Vergleich mit Benchmarks
|
 |
|
| Apple M3 Max (16-CPU 40-GPU) | Google Tensor G2 | |
CPU VergleichIn diesem CPU-Vergleich stellen wir den Apple M3 Max (16-CPU 40-GPU) und den Google Tensor G2 gegenüber und prüfen anhand von Benchmarks, welcher Prozessor schneller ist.
Wir vergleichen den Apple M3 Max (16-CPU 40-GPU) 16-Kern Prozessor der im Q4/2023 erschienen ist mit dem Google Tensor G2, welcher 8 CPU-Kerne besitzt und im Q4/2022 vorgestellt wurde. |
||
| Apple M series (25) | Familie | Google Tensor (3) |
| Apple M3 (6) | CPU Gruppe | Google Tensor G2 (1) |
| 3 | Generation | 2 |
| M3 | Architektur | G2 |
| Mobile | Segment | Mobile |
| Apple M2 Max (30-GPU) | Vorgänger | Google Tensor |
| -- | Nachfolger | -- |
|
|
||
CPU Kerne und TaktfrequenzDer Apple M3 Max (16-CPU 40-GPU) ist ein 16-Kern Prozessor mit einer Taktfrequenz von 0,70 GHz (4,06 GHz). Der Prozessor kann zeitgleich 16 Threads berechnen. Der Google Tensor G2 taktet mit 2,85 GHz, besitzt 8 CPU-Kerne und kann parallel 8 Threads berechnen. |
||
| Apple M3 Max (16-CPU 40-GPU) | Eigenschaft | Google Tensor G2 |
| 16 | Kerne | 8 |
| 16 | Threads | 8 |
| hybrid (big.LITTLE) | Kernarchitektur | hybrid (Prime / big.LITTLE) |
| Nein | Hyperthreading | Nein |
| Nein | Übertaktbar ? | Nein |
| 0,70 GHz (4,06 GHz) 12x P-Core |
A-Kern | 2,85 GHz 2x Cortex-X1 |
| 0,74 GHz (2,75 GHz) 4x E-Core |
B-Kern | 2,35 GHz 2x Cortex-A78 |
| -- | C-Kern | 1,80 GHz 4x Cortex-A55 |
Künstliche Intelligenz und Maschinelles LernenProzessoren mit Unterstützung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) können viele Berechnungen insbesondere der Audio-, Bild- und Videoverarbeitung sehr viel schneller verarbeiten als klassische Prozessoren. Algorithmen für ML verbessern ihre Leistung je mehr Daten sie per Software gesammelt haben. ML-Aufgaben können bis zu 10.000 Mal so schnell verarbeitet werden wie mit einem klassischen Prozessor. |
||
| Apple M3 Max (16-CPU 40-GPU) | Eigenschaft | Google Tensor G2 |
| Apple Neural Engine | KI-Hardware | Google Tensor AI |
| 16 Neural cores @ 35 TOPS | KI-Spezifikationen | Google Edge TPU @ 4 TOPS |
Interne GrafikEine in den Prozessor integrierte Grafik (iGPU) ermöglicht nicht nur die Bildausgabe ohne auf eine dedizierte Grafiklösung angewiesen zu sein, sondern kann auch die Videowiedergabe effizient beschleunigen. |
||
| Apple M3 Max (40 Core) | GPU | ARM Mali-G710 MP7 |
| 0,39 GHz | Grafik-Taktfrequenz | 0,90 GHz |
| 1,40 GHz | GPU (Turbo) | -- |
| -- | GPU Generation | Vallhall 3 |
| 3 nm | Technologie | 4 nm |
| 5 | Max. Bildschirme | 1 |
| 640 | Ausführungseinheiten | 7 |
| 5120 | Shader | -- |
| Ja | Hardware Raytracing | Nein |
| Nein | Frame Generation | Nein |
| 128 GB | Max. GPU Speicher | -- |
| -- | DirectX Version | 12 |
Codec-Unterstützung in HardwareEin in Hardware beschleunigter Foto- oder Videocodec kann die Arbeitsgeschwindigkeit eines Prozessors stark beschleunigen und die Akkulaufzeit von Notebooks oder Smartphones bei der Wiedergabe von Videos verlängern. |
||
| Apple M3 Max (40 Core) | GPU | ARM Mali-G710 MP7 |
| Dekodieren / Enkodieren | Codec h265 / HEVC (8 bit) | Dekodieren / Enkodieren |
| Dekodieren / Enkodieren | Codec h265 / HEVC (10 bit) | Dekodieren / Enkodieren |
| Dekodieren / Enkodieren | Codec h264 | Dekodieren / Enkodieren |
| Dekodieren / Enkodieren | Codec VP9 | Dekodieren / Enkodieren |
| Dekodieren | Codec VP8 | Dekodieren / Enkodieren |
| Dekodieren | Codec AV1 | Dekodieren |
| Dekodieren | Codec AVC | Dekodieren / Enkodieren |
| Dekodieren | Codec VC-1 | Dekodieren / Enkodieren |
| Dekodieren / Enkodieren | Codec JPEG | Dekodieren / Enkodieren |
Arbeitsspeicher & PCIeBis zu 128 GB Arbeitsspeicher in maximal 4 Speicherkanälen werden vom Apple M3 Max (16-CPU 40-GPU) unterstützt, während der Google Tensor G2 maximal 12 GB Arbeitsspeicher mit einer maximalen Speicherbandbreite von 53,0 GB/s ermöglicht. |
||
| Apple M3 Max (16-CPU 40-GPU) | Eigenschaft | Google Tensor G2 |
| LPDDR5-6400 | Arbeitsspeicher | LPDDR5-5500 |
| 128 GB | Max. Speicher | 12 GB |
| 4 (Quad Channel) | Speicherkanäle | 2 (Dual Channel) |
| 409,6 GB/s | Max. Bandbreite | 53,0 GB/s |
| Nein | ECC | Nein |
| 36,00 MB | L2 Cache | 8,00 MB |
| -- | L3 Cache | 4,00 MB |
| 4.0 | PCIe Version | -- |
| -- | PCIe Leitungen | -- |
| -- | PCIe Bandbreite | -- |
LeistungsaufnahmeDer Apple M3 Max (16-CPU 40-GPU) besitzt eine TDP von 57 W. Die TDP des Google Tensor G2 liegt bei 10 W. Systemintegratoren orientieren sich bei der Dimensionierung der Kühllösung an der TDP des Prozessors. |
||
| Apple M3 Max (16-CPU 40-GPU) | Eigenschaft | Google Tensor G2 |
| 57 W | TDP (PL1 / PBP) | 10 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | -- |
| 100 °C | Tjunction max. | -- |
Technische DatenDer Apple M3 Max (16-CPU 40-GPU) besitzt 36,00 MB Cache und wird in 3 nm hergestellt. Der Cache des Google Tensor G2 liegt bei 12,00 MB. Der Prozessor wird in 4 nm gefertigt. |
||
| Apple M3 Max (16-CPU 40-GPU) | Eigenschaft | Google Tensor G2 |
| 3 nm | Technologie | 4 nm |
| Chiplet | Chip-Design | Chiplet |
| Armv8-A (64 bit) | Befehlssatz (ISA) | Armv8-A (64 bit) |
| Rosetta 2 x86-Emulation | ISA Erweiterungen | -- |
| -- | Sockel | -- |
| Apple Virtualization Framework | Virtualisierung | Keine |
| Ja | AES-NI | Nein |
| macOS, iPadOS | Betriebssysteme | Android |
| Q4/2023 | Erscheinungsdatum | Q4/2022 |
| -- | Erscheinungspreis | -- |
| weitere Daten anzeigen | weitere Daten anzeigen | |
16C 16T @ 0,70 GHz (4,06 GHz) jetzt bei Amazon.de im Angebot kaufen !
8C 8T @ 2,85 GHz jetzt bei Amazon.de im Angebot kaufen !
|
||
Bewerte diese Prozessoren
Durchschnittliche Leistung in Benchmarks
⌀ Einkern Leistung in 2 CPU Benchmarks
⌀ Mehrkern Leistung in 2 CPU Benchmarks
Geekbench 5, 64bit (Single-Core)
Der Geekbench 5 Benchmark misst die Leistung des Prozessors und bezieht dabei auch den Arbeitsspeicher mit ein. Ein schnellerer Arbeitsspeicher kann das Ergebnis stark verbessern. Der Single-Core Test nutzt nur einen CPU-Kern, die Anzahl der Kerne sowie Hyperthreading beeinflussen das Ergebnis nicht.
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Geekbench 5, 64bit (Multi-Core)
Der Geekbench 5 Benchmark misst die Leistung des Prozessors und bezieht dabei auch den Arbeitsspeicher mit ein. Ein schnellerer Arbeitsspeicher kann das Ergebnis stark verbessern. Der Multi-Core Test bezieht alle CPU-Kerne mit ein und zieht einen großen Nutzen aus Hyperthreading.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 3,60 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Geekbench 6 (Single-Core)
Geekbench 6 ist ein Benchmark für moderne Computer, Notebooks und Smartphones. Neu ist eine optimierte Auslastung neuerer CPU-Architekturen die z.B. auf das big.LITTLE Konzept aufbauen und unterschiedlich große CPU-Kerne miteinander kombinieren. Der Einkern-Benchmark bewertet nur die Leistung des schnellsten CPU-Kerns, die Anzahl der CPU-Kerne eines Prozessors spielt hier keine Rolle.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Geekbench 6 (Multi-Core)
Geekbench 6 ist ein Benchmark für moderne Computer, Notebooks und Smartphones. Neu ist eine optimierte Auslastung neuerer CPU-Architekturen die z.B. auf das big.LITTLE Konzept aufbauen und unterschiedlich große CPU-Kerne miteinander kombinieren. Der Mehrkern-Benchmark bewertet die Leistung aller CPU-Kerne des Prozessors. Virtuelle Threadverbesserungen wie die AMD SMT oder Intels Hyper-Threading haben einen positiven Einfluss auf das Benchmark-Ergebnis.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 3,60 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
iGPU - FP32 Rechenleistung (Einfache Genauigkeit GFLOPS)
Die theoretische Rechenleistung der internen Grafikeinheit des Prozessors bei einfacher Genauigkeit (32 bit) in GFLOPS. GFLOPS gibt an, wie viele Milliarden Gleitkommaoperationen die iGPU pro Sekunde durchführen kann.
|
|
Apple M3 Max (16-CPU 40-GPU)
Apple M3 Max (40 Core) @ 1,40 GHz |
||
|
|
Google Tensor G2
ARM Mali-G710 MP7 @ 0,90 GHz |
||
Leistung für Künstliche Intelligenz (KI) und Maschnielles Lernen (ML)
Prozessoren mit Unterstützung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) können viele Berechnungen insbesondere der Audio-, Bild- und Videoverarbeitung sehr viel schneller verarbeiten als klassische Prozessoren. Die Leistung wird in der Anzahl (Billionen) an Rechenoperationen pro Sekunde angegeben (TOPS).
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 0,70 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench 2024 (Single-Core)
Der Cinebench 2024 Benchmark basiert auf der Redshift-Rendering Engine die auch im 3D-Programm Cinema 4D des Herstellers Maxon zum Einsatz kommt. Die Benchmark-Durchläufe sind je 10 Minuten lang um zu Testen ob der Prozessor durch seine Wärmeentwicklung limitiert wird.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench 2024 (Multi-Core)
Der Mehrkern-Test des Cinebench 2024-Benchmarks nutzt alle CPU-Kerne zum Rendern mit der Redshift-Rendering-Engine, die auch in Maxons Cinema 4D zum Einsatz kommt. Der Benchmark-Lauf dauert 10 Minuten, um zu testen, ob der Prozessor durch seine Wärmeentwicklung eingeschränkt wird.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench R23 (Single-Core)
Cinebench R23 ist die Weiterentwicklung von Cinebench R20 und basiert ebenso auf der Cinema 4D Suite, einem weltweit eingesetzten Programm, das benutzt wird um 3D-Inhalte und Formen zu generieren. Der Single-Core Test nutzt nur einen CPU-Kern, die Anzahl der Kerne sowie Hyperthreading beeinflussen das Ergebnis nicht.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench R23 (Multi-Core)
Cinebench R23 ist die Weiterentwicklung von Cinebench R20 und basiert ebenso auf der Cinema 4D Suite, einem weltweit eingesetzten Programm, das benutzt wird um 3D-Inhalte und Formen zu generieren. Der Multi-Core Test bezieht alle CPU-Kerne mit ein und zieht einen großen Nutzen aus Hyperthreading.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 3,60 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench R20 (Single-Core)
Cinebench R20 ist die Weiterentwicklung von Cinebench R15 und basiert ebenso auf der Cinema 4D Suite, einem weltweit eingesetzten Programm, das benutzt wird um 3D-Inhalte und Formen zu generieren. Der Single-Core Test nutzt nur einen CPU-Kern, die Anzahl der Kerne sowie Hyperthreading beeinflussen das Ergebnis nicht.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench R20 (Multi-Core)
Cinebench R20 ist die Weiterentwicklung von Cinebench R15 und basiert ebenso auf der Cinema 4D Suite, einem weltweit eingesetzten Programm, das benutzt wird um 3D-Inhalte und Formen zu generieren. Der Multi-Core Test bezieht alle CPU-Kerne mit ein und zieht einen großen Nutzen aus Hyperthreading.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 3,60 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
AnTuTu 9 Benchmark
Der AnTuTu 9 Benchmark eignet sich sehr gut um die Leistung eines Smartphones zu messen. AnTuTu 9 ist recht 3D-Grafik lastig und kann nun auch die Grafikschnittstelle "Metal" nutzen. In AnTuTu werden zudem der Arbeitsspeicher sowie die UX (Benutzererfahrung) durch Simulation der Browser- und App-Nutzung getestet. Die Version 9 von AnTuTu kann jede ARM-CPU vergleichen, die unter Android oder iOS ausgeführt wird. Geräte sind möglicherweise nicht direkt vergleichbar, wenn der Benchmark unter verschiedenen Betriebssystemen durchgeführt wurde.
Im AnTuTu 9 Benchmark ist die Einkern-Leistung eines Prozessors nur gering gewichtet. Die Bewertung setzt sich aus der Mehrkern-Leistung des Prozessors, der Geschwindigkeit des Arbeitsspeichers und der Leistungsfähigkeit der internen Grafik zusammen.
Im AnTuTu 9 Benchmark ist die Einkern-Leistung eines Prozessors nur gering gewichtet. Die Bewertung setzt sich aus der Mehrkern-Leistung des Prozessors, der Geschwindigkeit des Arbeitsspeichers und der Leistungsfähigkeit der internen Grafik zusammen.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 0,70 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench R15 (Single-Core)
Cinebench R15 ist die Weiterentwicklung von Cinebench 11.5 und basiert ebenso auf der Cinema 4D Suite, einem weltweit eingesetzten Programm, das benutzt wird um 3D-Inhalte und Formen zu generieren. Der Single-Core Test nutzt nur einen CPU-Kern, die Anzahl der Kerne sowie Hyperthreading beeinflussen das Ergebnis nicht.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 4,06 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Cinebench R15 (Multi-Core)
Cinebench R15 ist die Weiterentwicklung von Cinebench 11.5 und basiert ebenso auf der Cinema 4D Suite, einem weltweit eingesetzten Programm, das benutzt wird um 3D-Inhalte und Formen zu generieren. Der Multi-Core Test bezieht alle CPU-Kerne mit ein und zieht einen großen Nutzen aus Hyperthreading.
|
|
Apple M3 Max (16-CPU 40-GPU)
16C 16T @ 3,60 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
CPU-Leistung pro Watt (Effizienz)
Effizienz des Prozessors unter voller Auslastung im Cinebench R23 (Mehrkern) Benchmark. Die erreichte Punktzahl wird durch die durchschnittlich benötigte Energie (CPU Package Power in Watt) geteilt. Je höher der Wert, desto effizienter ist die CPU unter Volllast.
|
|
Apple M3 Max (16-CPU 40-GPU)
24.028 CB R23 MC @ 57 W |
||
|
|
Google Tensor G2
2,85 GHz |
||
Geräte mit diesem Prozessor |
|
| Apple M3 Max (16-CPU 40-GPU) | Google Tensor G2 |
| Apple MacBook Pro 14 (2023) Apple MacBook Pro 16 (2023) |
Google Pixel 7 Google Pixel 7 Pro |
Apple M3 Max (16-CPU 40-GPU) - Beschreibung des Prozessors
Den Apple M3 Max gibt es in zwei verschiedenen Ausführungen: einmal mit 16 CPU-Kernen und 40 GPU-Kernen und einmal mit 14 CPU-Kernen und 30 GPU-Kernen. Beide Modelle gibt es aktuell im Apple MacBook Pro 14 und Apple MacBook Pro 16.Der Apple M3 Max (16-CPU 40-GPU) besitzt 12 große P-Kerne die mit 0,7 GHz sehr niedrig takten. Bei Bedarf können die P-Kerne mit bis zu 4,06 GHz takten. Die vier kleineren E-Kerne sind nochmal etwas effizienter und takten mit 0,74 GHz. Auch die E-Kerne können bei Bedarf ihre Taktfrequenz auf bis zu 2,75 GHz erhöhen.
Hatte Apple in den M-Prozessoren bisher mindestens immer die gleiche Anzahl von E-Kernen im Verhältnis zu den P-Kernen verbaut, kommt im Apple M3 Max (16-CPU 40-GPU) erstmals eine Konfiguration zum Einsatz, die über deutlich mehr P-Kerne verfügt.
Auch an Bord ist die neue AI-Recheneinheit, die auf 16 Neurale-Kerne kommt und eine Rechenleistung von bis zu 35 TOPS aufweist. Die AI-Recheneinheit kommt bei der Bild- und Videoverarbeitung genauso zum Einsatz wie in Kombination mit der GPU bei grafiklastigen Anwendungen.
Die integrierte Grafik hat Apple mit der dritten Generation der Apple M Prozessoren deutlich überarbeitet. Diese unterstützt nun den freien AV1-Videocodec (dekodieren) sowie die Berechnung von Lichtstrahlen über die Hardware (Raytracing). Außerdem hat Apple die Speicherlogik des SoCs geändert. Über den Dynamic Cache kann der gemeinsame Speicher, den sich CPU und GPU teilen deutlich effizienter genutzt werden.
Maximal sind bis zu 128 GB Speicher beim Apple M3 Max möglich. Dieser ist über 4 Speicherkanäle angebunden und kommt so auf eine sehr hohe Speicherbandbreite von 409,6 GB pro Sekunde. Der Prozessor selbst unterstützt PCIe 4.0 und kann über eine nicht bekannte Anzahl von PCIe-Leistungen so externe Geräte schnell anbinden. Der SoC wird in 3 nm bei TSMC in Taiwan gefertigt.
Google Tensor G2 - Beschreibung des Prozessors
Der Google Tensor G2 ist ein von Google entwickelter Smartphone Prozessor, der exklusiv im Google Pixel 7 und Google Pixel 7 Pro von Google eingesetzt wird. Die CPU besitzt 8 CPU-Kerne und setzt auf einen hybriden Kernaufbau. Die Besonderheit dabei ist, dass der Google Tensor G2 nicht einen sehr hoch getakteten Prime-Kern besitzt, sondern gleich zwei.Die Prime-Kerne nutzen das Cortex-X1 Design von ARM und takten mit bis zu 2,85 GHz. Sie werden ergänzt durch zwei Cortex-A78, die mit 2,35 GHz takten. Zusätzlich sind vier weitere Cortex-A55 Energiesparkerne, die mit nur noch 1,8 GHz arbeiten, dafür aber besonders Energieeffizient sind. In mobilen Geräten kann das die Akkulaufzeit verlängern, da die größeren CPU-Kerne in einen Standby-Zustand versetzt werden und nur genutzt werden wenn diese auch benötigt werden.
Beim Thema KI-Beschleunigung kann der Google Tensor G2 auf die Google Edge TPU mit einer KI-Rechenleistung von bis zu 4 TOPS zurückgreifen. Die Google Edge TPU beschleunigt z.B. Kamerafunktionen, Bild- und Videoverarbeitung. Auch die KI-Beschleunigung kann so dazu beitragen, dass die CPU-Kerne möglichst wenig gefordert werden.
Als Grafikkarte setzt der Google Tensor G2 eine ARM Mali-G710 MP7 ein. Mit einer theoretischen GPU Rechenleistung von 0,7 TFLOPS ist diese durchaus geeignet um die meisten Smartphone-Spiele flüssig wiederzugeben.
Der Google Tensor G2 unterstützt bis zu 12 GB Arbeitsspeicher vom Typ DDR5-5500 mit einer maximalen Speicherbandbreite von bis zu 53 GB/s. Für ein Smartphone ist dieses Speicherbandbreite ziemlich gut und bewegt sich auf Niveau von vielen Notebooks.
Die TDP des Google Tensor G2 gibt Google nicht direkt an, anhand der Energieverbräuche und Taktfrequenzen schätzen wir die TDP daher auf 10 Watt. Damit liegt sie in einem Bereich, in dem viele moderne Smartphone Prozessoren arbeiten.
Beliebte Vergleiche mit einer dieser CPUs
Zurück zur Startseite
