Apple M3 Pro (12-CPU 18-GPU) vs Google Tensor G2
Letzte Aktualisierung:
CPU-Vergleich mit Benchmarks
|
 |
|
| Apple M3 Pro (12-CPU 18-GPU) | Google Tensor G2 | |
CPU VergleichApple M3 Pro (12-CPU 18-GPU) oder Google Tensor G2 - welcher Prozessor ist schneller ? In diesem Vergleich betrachten wir die Unterschiede und analysieren welche dieser beiden CPUs besser ist. Dabei vergleichen wir die technischen Daten und Benchmark-Ergebnisse.
Der Apple M3 Pro (12-CPU 18-GPU) besitzt 12 Kerne mit 12 Threads und taktet mit maximal 4,06 GHz. Es werden bis zu 36 GB Arbeitsspeicher in 2 Speicherkanälen unterstützt. Erschienen ist der Apple M3 Pro (12-CPU 18-GPU) im Q4/2023. Der Google Tensor G2 besitzt 8 Kerne mit 8 Threads und taktet mit maximal 2,85 GHz. Die CPU unterstützt bis zu 12 GB Arbeitsspeicher in 2 Speicherkanälen. Erschienen ist der Google Tensor G2 im Q4/2022. |
||
| 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 Pro (12-CPU 19-GPU) | Vorgänger | Google Tensor |
| -- | Nachfolger | -- |
|
|
||
CPU Kerne und TaktfrequenzDer Apple M3 Pro (12-CPU 18-GPU) besitzt 12 CPU-Kerne und kann 12 Threads parallel berechnen. Die Taktfrequenz des Apple M3 Pro (12-CPU 18-GPU) liegt bei 0,70 GHz (4,06 GHz) während der Google Tensor G2 8 CPU-Kerne besitzt und 8 Threads gleichzeitig berechnen kann. Die Taktfrequenz des Google Tensor G2 liegt bei 2,85 GHz. |
||
| Apple M3 Pro (12-CPU 18-GPU) | Eigenschaft | Google Tensor G2 |
| 12 | Kerne | 8 |
| 12 | Threads | 8 |
| hybrid (big.LITTLE) | Kernarchitektur | hybrid (Prime / big.LITTLE) |
| Nein | Hyperthreading | Nein |
| Nein | Übertaktbar ? | Nein |
| 0,70 GHz (4,06 GHz) 6x P-Core |
A-Kern | 2,85 GHz 2x Cortex-X1 |
| 0,74 GHz (2,75 GHz) 6x 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 Pro (12-CPU 18-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 GrafikDer Apple M3 Pro (12-CPU 18-GPU) oder Google Tensor G2 verfügt über eine integrierte Grafik, kurz iGPU genannt. Die iGPU nutzt den Arbeitsspeicher des Systems als Grafikspeicher und sitzt auf dem Die des Prozessors. |
||
| Apple M3 Pro (18 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 |
| 3 | Max. Bildschirme | 1 |
| 288 | Ausführungseinheiten | 7 |
| 2304 | Shader | -- |
| Ja | Hardware Raytracing | Nein |
| Nein | Frame Generation | Nein |
| 36 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 Pro (18 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 & PCIeDer Apple M3 Pro (12-CPU 18-GPU) kann bis zu 36 GB Arbeitsspeicher in 2 Speicherkanälen nutzen. Die maximale Speicherbandbreite liegt bei 153,6 GB/s. Bis zu 12 GB Arbeitsspeicher unterstützt der Google Tensor G2 in 2 Speicherkanälen und erreicht eine Speicherbandbreite von bis zu 53,0 GB/s. |
||
| Apple M3 Pro (12-CPU 18-GPU) | Eigenschaft | Google Tensor G2 |
| LPDDR5-6400 | Arbeitsspeicher | LPDDR5-5500 |
| 36 GB | Max. Speicher | 12 GB |
| 2 (Dual Channel) | Speicherkanäle | 2 (Dual Channel) |
| 153,6 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 | -- |
LeistungsaufnahmeDie Thermal Design Power (kurz TDP) des Apple M3 Pro (12-CPU 18-GPU) liegt bei 35 W, während der Google Tensor G2 eine TDP von 10 W besitzt. Die TDP gibt die notwendige Kühllösung vor, die benötigt wird um den Prozessor ausreichend zu kühlen. |
||
| Apple M3 Pro (12-CPU 18-GPU) | Eigenschaft | Google Tensor G2 |
| 35 W | TDP (PL1 / PBP) | 10 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | -- |
| 100 °C | Tjunction max. | -- |
Technische DatenDer Apple M3 Pro (12-CPU 18-GPU) wird in 3 nm gefertigt und verfügt über 36,00 MB Cache. Der Google Tensor G2 wird in 4 nm gefertigt und verfügt über einen 12,00 MB großen Cache. |
||
| Apple M3 Pro (12-CPU 18-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 | |
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 3,80 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 Pro (12-CPU 18-GPU)
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 3,80 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 Pro (12-CPU 18-GPU)
Apple M3 Pro (18 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 Pro (12-CPU 18-GPU)
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 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 Pro (12-CPU 18-GPU)
12C 12T @ 3,80 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 Pro (12-CPU 18-GPU)
12C 12T @ 0,70 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Erwartete Ergebnisse für PassMark CPU Mark
Nicht alle der hier aufgelisteten Prozessoren wurden von uns getestet. Einige der Ergebnisse wurden basierend auf einer Formel errechnet und können von Passmark CPU mark Ergebnissen abweichen und sind unabhängig von PassMark Software Pty Ltd. Der PassMark CPU Mark generiert Primzahlen um die Geschwindigkeit eines Prozessors zu messen. Hierbei werden alle CPU-Kerne sowie Hyperthreading genutzt.
|
|
Apple M3 Pro (12-CPU 18-GPU)
12C 12T @ 3,80 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
Geräte mit diesem Prozessor |
|
| Apple M3 Pro (12-CPU 18-GPU) | Google Tensor G2 |
| Apple MacBook Pro 14 (2023) Apple MacBook Pro 16 (2023) |
Google Pixel 7 Google Pixel 7 Pro |
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
