Google Tensor vs Apple M1 Pro (10-CPU 16-GPU)
Letzte Aktualisierung:
CPU-Vergleich mit Benchmarks
|
 |
|
| Google Tensor | Apple M1 Pro (10-CPU 16-GPU) | |
CPU VergleichGoogle Tensor oder Apple M1 Pro (10-CPU 16-GPU) - 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 Google Tensor besitzt 8 Kerne mit 8 Threads und taktet mit maximal 2,80 GHz. Es werden bis zu 12 GB Arbeitsspeicher in 2 Speicherkanälen unterstützt. Erschienen ist der Google Tensor im Q4/2021. Der Apple M1 Pro (10-CPU 16-GPU) besitzt 10 Kerne mit 10 Threads und taktet mit maximal 3,20 GHz. Die CPU unterstützt bis zu 32 GB Arbeitsspeicher in 2 Speicherkanälen. Erschienen ist der Apple M1 Pro (10-CPU 16-GPU) im Q3/2021. |
||
| Google Tensor (3) | Familie | Apple M series (25) |
| Google Tensor (1) | CPU Gruppe | Apple M1 (9) |
| 1 | Generation | 1 |
| G1 | Architektur | M1 |
| Mobile | Segment | Mobile |
| -- | Vorgänger | -- |
| Google Tensor G2 | Nachfolger | Apple M2 Pro (12-CPU 19-GPU) |
|
|
||
CPU Kerne und TaktfrequenzDer Google Tensor besitzt 8 CPU-Kerne und kann 8 Threads parallel berechnen. Die Taktfrequenz des Google Tensor liegt bei 2,80 GHz während der Apple M1 Pro (10-CPU 16-GPU) 10 CPU-Kerne besitzt und 10 Threads gleichzeitig berechnen kann. Die Taktfrequenz des Apple M1 Pro (10-CPU 16-GPU) liegt bei 0,60 GHz (3,20 GHz). |
||
| Google Tensor | Eigenschaft | Apple M1 Pro (10-CPU 16-GPU) |
| 8 | Kerne | 10 |
| 8 | Threads | 10 |
| hybrid (Prime / big.LITTLE) | Kernarchitektur | hybrid (big.LITTLE) |
| Nein | Hyperthreading | Nein |
| Nein | Übertaktbar ? | Nein |
| 2,80 GHz 2x Cortex-X1 |
A-Kern | 0,60 GHz (3,20 GHz) 8x Firestorm |
| 2,25 GHz 2x Cortex-A76 |
B-Kern | 0,60 GHz (2,06 GHz) 2x Icestorm |
| 1,80 GHz 4x Cortex-A55 |
C-Kern | -- |
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. |
||
| Google Tensor | Eigenschaft | Apple M1 Pro (10-CPU 16-GPU) |
| Google Tensor AI | KI-Hardware | Apple Neural Engine |
| Google Edge TPU @ 1.6 TOPS | KI-Spezifikationen | 16 Neural cores @ 11 TOPS |
Interne GrafikDer Google Tensor oder Apple M1 Pro (10-CPU 16-GPU) verfügt über eine integrierte Grafik, kurz iGPU genannt. Die iGPU nutzt den Arbeitsspeicher des Systems als Grafikspeicher und sitzt auf dem Die des Prozessors. |
||
| ARM Mali-G78 MP20 | GPU | Apple M1 Pro (16 Core) |
| 0,76 GHz | Grafik-Taktfrequenz | 0,39 GHz |
| -- | GPU (Turbo) | 1,30 GHz |
| Vallhall 2 | GPU Generation | 1 |
| 5 nm | Technologie | 5 nm |
| 1 | Max. Bildschirme | 3 |
| 20 | Ausführungseinheiten | 256 |
| 320 | Shader | 2048 |
| Nein | Hardware Raytracing | Nein |
| Nein | Frame Generation | Nein |
| -- | Max. GPU Speicher | 16 GB |
| 12 | DirectX Version | -- |
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. |
||
| ARM Mali-G78 MP20 | GPU | Apple M1 Pro (16 Core) |
| 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 / Enkodieren | Codec VP8 | Dekodieren |
| Dekodieren | Codec AV1 | Nein |
| Dekodieren / Enkodieren | Codec AVC | Dekodieren |
| Dekodieren / Enkodieren | Codec VC-1 | Dekodieren |
| Dekodieren / Enkodieren | Codec JPEG | Dekodieren / Enkodieren |
Arbeitsspeicher & PCIeDer Google Tensor kann bis zu 12 GB Arbeitsspeicher in 2 Speicherkanälen nutzen. Die maximale Speicherbandbreite liegt bei 53,0 GB/s. Bis zu 32 GB Arbeitsspeicher unterstützt der Apple M1 Pro (10-CPU 16-GPU) in 2 Speicherkanälen und erreicht eine Speicherbandbreite von bis zu 102,4 GB/s. |
||
| Google Tensor | Eigenschaft | Apple M1 Pro (10-CPU 16-GPU) |
| LPDDR5-5500 | Arbeitsspeicher | LPDDR5-6400 |
| 12 GB | Max. Speicher | 32 GB |
| 2 (Dual Channel) | Speicherkanäle | 2 (Dual Channel) |
| 53,0 GB/s | Max. Bandbreite | 102,4 GB/s |
| Nein | ECC | Nein |
| 8,00 MB | L2 Cache | 28,00 MB |
| -- | L3 Cache | -- |
| -- | PCIe Version | 4.0 |
| -- | PCIe Leitungen | -- |
| -- | PCIe Bandbreite | -- |
LeistungsaufnahmeDie Thermal Design Power (kurz TDP) des Google Tensor liegt bei 10 W, während der Apple M1 Pro (10-CPU 16-GPU) eine TDP von 45 W besitzt. Die TDP gibt die notwendige Kühllösung vor, die benötigt wird um den Prozessor ausreichend zu kühlen. |
||
| Google Tensor | Eigenschaft | Apple M1 Pro (10-CPU 16-GPU) |
| 10 W | TDP (PL1 / PBP) | 45 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | -- |
| -- | Tjunction max. | -- |
Technische DatenDer Google Tensor wird in 5 nm gefertigt und verfügt über 8,00 MB Cache. Der Apple M1 Pro (10-CPU 16-GPU) wird in 5 nm gefertigt und verfügt über einen 28,00 MB großen Cache. |
||
| Google Tensor | Eigenschaft | Apple M1 Pro (10-CPU 16-GPU) |
| 5 nm | Technologie | 5 nm |
| Unbekannt | Chip-Design | Chiplet |
| Armv8-A (64 bit) | Befehlssatz (ISA) | Armv8.5-A (64 bit) |
| -- | ISA Erweiterungen | Rosetta 2 x86-Emulation |
| -- | Sockel | -- |
| Keine | Virtualisierung | Apple Virtualization Framework |
| Nein | AES-NI | Ja |
| Android | Betriebssysteme | macOS |
| Q4/2021 | Erscheinungsdatum | Q3/2021 |
| -- | Erscheinungspreis | -- |
| weitere Daten anzeigen | weitere Daten anzeigen | |
|
8C 8T @ 2,80 GHz jetzt bei Amazon.de im Angebot kaufen !
10C 10T @ 0,60 GHz (3,20 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.
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
ARM Mali-G78 MP20 @ 0,76 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
Apple M1 Pro (16 Core) @ 1,30 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).
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 0,60 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 0,60 GHz |
||
AnTuTu 8 Benchmark
Der AnTuTu 8-Benchmark misst die Leistung eines SoC. AnTuTu vergleicht die CPU, GPU, den Speicher sowie die UX (Benutzererfahrung) durch Simulation der Browser- und App-Nutzung. Die Version 8 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 8 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 8 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.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 0,60 GHz |
||
Blender 3.1 Benchmark
Im Blender Benchmark 3.1 werden die Szenen "monster", "junkshop" sowie "classroom" gerendert und die von dem System benötigte Zeit gemessen. In unserem Benchmark testen wir die CPU und nicht die Grafikkarte. Blender 3.1 wurde im März 2022 als eigenständige Version vorgestellt.
|
|
Google Tensor
8C 8T @ 2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
10C 10T @ 3,20 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.
|
|
Google Tensor
2,80 GHz |
||
|
|
Apple M1 Pro (10-CPU 16-GPU)
12.390 CB R23 MC @ 45 W |
||
Geräte mit diesem Prozessor |
|
| Google Tensor | Apple M1 Pro (10-CPU 16-GPU) |
| Google Pixel 6 Google Pixel 6 Pro |
Apple MacBook Pro 14 (2021) Apple MacBook Pro 16 (2021) |
News und Artikel für den Google Tensor und den Apple M1 Pro (10-CPU 16-GPU)
Apple M2 Pro mit mehr CPU-Kernen und 3 nm Fertigung ?
Veröffentlicht von Stefan am 28.06.2022
Nachdem Apple im Juni 2022 überraschend bereits den normalen Apple M2 Prozessor als ersten Nachfolger des Apple M1 vorgestellt hatte, sollen im Herbst der Apple M2 Pro und der Apple M2 Max folgen. Der Leistungsunterschied zur Basisversion könnte diesmal noch größer sein und im Bereich von 25 bis 40 Prozent liegen.
Wie Apple dies realisieren könnte und warum auch der Preis hoch gehen dürfte, beschreiben wir euch in diesem Artikel.
Wie Apple dies realisieren könnte und warum auch der Preis hoch gehen dürfte, beschreiben wir euch in diesem Artikel.
Apple M2 im Vergleich mit dem Apple M1 - Was sind die Unterschiede ?
Veröffentlicht von Stefan am 07.06.2022
Zur WWDC 2022 war es soweit: am 06.06.2022 hat Apple recht überraschend seinen neuen Apple M2 Prozessor vorgestellt. Dieser wird zunächst in einem komplett überarbeiteten Apple MacBook Air mit 13,6 Zoll und dem schon bekannten (alten) Apple MacBook Pro 13,3 mit Touchbar verbaut.
Gerechnet hatten viele Beobachter damit, dass Apple seinen neuen M-Prozessor der 2. Generation erst im Herbst vorstellt. Doch es kam anders. Und das hat sehr wahrscheinlich auch einen Grund: die Verbesserungen des Apple M2 halten sich gegenüber dem Vorgänger in Grenzen.
Gerechnet hatten viele Beobachter damit, dass Apple seinen neuen M-Prozessor der 2. Generation erst im Herbst vorstellt. Doch es kam anders. Und das hat sehr wahrscheinlich auch einen Grund: die Verbesserungen des Apple M2 halten sich gegenüber dem Vorgänger in Grenzen.
Google Tensor - Beschreibung des Prozessors
Der Google Tensor ist ein von dem amerikanischen Unternehmen Google entwickelter 64-bit System-on-a-Chip (SOC) Prozessor. Er wurde im vierten Quartal des Jahres 2021 veröffentlicht und kam in den Google eigenen Smartphones Google Pixel 6, Google Pixel 6 Pro und Google Pixel 6a zum Einsatz. Der Google Tensor ist die erste Generation der Tensor-Prozessoren und wird in einer Strukturbreite von 5 Nanometern gefertigt. Mit dem Google Tensor G2 kam im Jahr 2022 der Nachfolger der ersten Generation, welcher im Google Pixel 7 verbaut wird.Der Google Tensor basiert auf einer hybriden Prime big.LITTLE Kernarchitektur und besitzt insgesamt acht Prozessorkerne. Diese teilen sich in 2 Prime-Kerne, 2 Performance-Kerne und 4 Effizienz-Kerne auf. Die beiden Prime-Kerne takten mit bis zu 2,80 Gigahertz und basieren auf einem ARM Cortex-X1 Kern. Die zwei Performance-Kerne basieren auf dem ARM Cortex-A76 und takten mit bis zu 2,25 Gigahertz. Die vier Effizienz-Kerne, die zum Einsatz kommen wenn keine Rechenpower benötigt wird, um so die Akkulaufzeit des Smartphones zu verlängern, basieren auf dem ARM Cortex-A55 und takten mit maximal 1,80 Gigahertz.
Mit der Google Tensor AI (Google Edge TPU mit 1,6 TOPS Leistung) ist im Google Tensor eine spezielle Hardware verbaut, welche die Berechnung von KI bzw. ML in Hardware unterstützt.
Als interne Grafikeinheit ist im Google Tensor die ARM Mali-G78 mit 20 Ausführungseinheiten verbaut. Diese iGPU besitzt insgesamt 320 Shadereinheiten und taktet mit bis zu 760 Megahertz, einen Turbomodus besitzt die Grafikeinheit nicht. Die erreicht eine FP32-Rechenleistung von 1943 GigaFLOPS, bei einfacher Genauigkeit. Die ARM Mail-G78 wird in einer Strukturbreite von 5 Nanometern gefertigt und stammt aus der Generation Valhall 2.
Der Google Tensor G1 wurde mit bis zu 12 Gigabyte LPDDR5-5500 Speicher ausgestattet und besitzt 2 Speicherkanäle.
Apple M1 Pro (10-CPU 16-GPU) - Beschreibung des Prozessors
Der Apple M1X ist der zweite Apple Prozessor für Notebooks und Desktop PCs. Im Gegensatz zum Apple M1 setzt der Hersteller hier auf 10 "Firestorm" Kerne, die für eine sehr schnelle Rechenleistung sorgen. Die 2 "Icestorm" Kerne des Apple M1 finden sich auch im großen Bruder wieder. Die "Icestorm" CPU-Kerne sind für die hohe Effizienz des Prozessors verantwortlich und kümmern sich hauptsächlich um Hintergrundaufgaben. Bei hoher Rechenlast unterstützen die Effizienz-Kerne die Performance-Kerne beim rechnen.Der Apple M1X besitzt eine Taktfrequenz von 3,2 GHz in der Basis. Über einen Turbo-Modus verfügt der Prozessor nicht, ggf. kann dieser seine Taktfrequenz aber intern deutlich verringern. Dies machen zum Beispiel moderne AMD oder Intel Prozessoren so.
Wie auch der Apple M1, basiert auch der Apple M1X auf der ARM-64 Technologie, ist aber von Apple selbst entworfen worden. Er verfügt über eine sehr hohe Rechenleistung, die sich auch vor modernen Prozessoren anderer Hersteller nicht zu verstecken braucht. Der Prozessor wird in 5 nm bei TSMC gefertigt und gehört zu den effizientesten Prozessoren auf dem Markt. Durch seine hohe Effizienz ist auch seine Wärmeentwicklung relativ gering. Daher kann der Prozessor seine Rechenleistung auch in längeren Lastphasen stabil halten. Allerdings setzt das einen aktiven Lüfter voraus.
Auch bei der iGPU (internen Grafik) setzt Apple auf eine eigene Kreation. Die Apple M1X 16 Core Grafik erreicht 5,2 TFLOPS in FP32 Berechnungen (einfache Genauigkeit). Damit ist sie etwas schneller als eine NVIDIA GeForce GTX 1060 ti (4,7 TFLOPS) und etwas langsamer als eine NVIDIA GeForce GTX 1070 (6,5 TFLOPS).
Der Apple M1X unterstützt bis zu 64 GB LPDDR4X Arbeitsspeicher sowie PCIe 4.0. Über USB-C bzw. HDMI können bis zu 2 externe Bildschirme an das System angeschlossen werden (plus 1 interner Bildschirm).
Beliebte Vergleiche mit einer dieser CPUs
Zurück zur Startseite
