Google Tensor G2 vs Apple M2 Max (30-GPU)
Letzte Aktualisierung:
CPU-Vergleich mit Benchmarks
|
 |
|
| Google Tensor G2 | Apple M2 Max (30-GPU) | |
CPU VergleichGoogle Tensor G2 oder Apple M2 Max (30-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 G2 besitzt 8 Kerne mit 8 Threads und taktet mit maximal 2,85 GHz. Es werden bis zu 12 GB Arbeitsspeicher in 2 Speicherkanälen unterstützt. Erschienen ist der Google Tensor G2 im Q4/2022. Der Apple M2 Max (30-GPU) besitzt 12 Kerne mit 12 Threads und taktet mit maximal 3,50 GHz. Die CPU unterstützt bis zu 96 GB Arbeitsspeicher in 4 Speicherkanälen. Erschienen ist der Apple M2 Max (30-GPU) im Q1/2023. |
||
| Google Tensor (3) | Familie | Apple M series (25) |
| Google Tensor G2 (1) | CPU Gruppe | Apple M2 (8) |
| 2 | Generation | 2 |
| G2 | Architektur | M2 |
| Mobile | Segment | Mobile |
| Google Tensor | Vorgänger | Apple M1 Max (24-GPU) |
| -- | Nachfolger | Apple M3 Max (14-CPU 30-GPU) |
|
|
||
CPU Kerne und TaktfrequenzDer Google Tensor G2 besitzt 8 CPU-Kerne und kann 8 Threads parallel berechnen. Die Taktfrequenz des Google Tensor G2 liegt bei 2,85 GHz während der Apple M2 Max (30-GPU) 12 CPU-Kerne besitzt und 12 Threads gleichzeitig berechnen kann. Die Taktfrequenz des Apple M2 Max (30-GPU) liegt bei 0,66 GHz (3,50 GHz). |
||
| Google Tensor G2 | Eigenschaft | Apple M2 Max (30-GPU) |
| 8 | Kerne | 12 |
| 8 | Threads | 12 |
| hybrid (Prime / big.LITTLE) | Kernarchitektur | hybrid (big.LITTLE) |
| Nein | Hyperthreading | Nein |
| Nein | Übertaktbar ? | Nein |
| 2,85 GHz 2x Cortex-X1 |
A-Kern | 0,66 GHz (3,50 GHz) 8x Avalanche |
| 2,35 GHz 2x Cortex-A78 |
B-Kern | 0,60 GHz (2,42 GHz) 4x Blizzard |
| 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 G2 | Eigenschaft | Apple M2 Max (30-GPU) |
| Google Tensor AI | KI-Hardware | Apple Neural Engine |
| Google Edge TPU @ 4 TOPS | KI-Spezifikationen | 16 Neural cores @ 15.8 TOPS |
Interne GrafikDer Google Tensor G2 oder Apple M2 Max (30-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-G710 MP7 | GPU | Apple M2 Max (30 Core) |
| 0,90 GHz | Grafik-Taktfrequenz | 0,45 GHz |
| -- | GPU (Turbo) | 1,40 GHz |
| Vallhall 3 | GPU Generation | 2 |
| 4 nm | Technologie | 5 nm |
| 1 | Max. Bildschirme | 5 |
| 7 | Ausführungseinheiten | 480 |
| -- | Shader | 3840 |
| Nein | Hardware Raytracing | Nein |
| Nein | Frame Generation | Nein |
| -- | Max. GPU Speicher | 96 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-G710 MP7 | GPU | Apple M2 Max (30 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 G2 kann bis zu 12 GB Arbeitsspeicher in 2 Speicherkanälen nutzen. Die maximale Speicherbandbreite liegt bei 53,0 GB/s. Bis zu 96 GB Arbeitsspeicher unterstützt der Apple M2 Max (30-GPU) in 4 Speicherkanälen und erreicht eine Speicherbandbreite von bis zu 409,6 GB/s. |
||
| Google Tensor G2 | Eigenschaft | Apple M2 Max (30-GPU) |
| LPDDR5-5500 | Arbeitsspeicher | LPDDR5-6400 |
| 12 GB | Max. Speicher | 96 GB |
| 2 (Dual Channel) | Speicherkanäle | 4 (Quad Channel) |
| 53,0 GB/s | Max. Bandbreite | 409,6 GB/s |
| Nein | ECC | Nein |
| 8,00 MB | L2 Cache | 36,00 MB |
| 4,00 MB | L3 Cache | -- |
| -- | PCIe Version | 4.0 |
| -- | PCIe Leitungen | 32 |
| -- | PCIe Bandbreite | 63,0 GB/s |
LeistungsaufnahmeDie Thermal Design Power (kurz TDP) des Google Tensor G2 liegt bei 10 W, während der Apple M2 Max (30-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 G2 | Eigenschaft | Apple M2 Max (30-GPU) |
| 10 W | TDP (PL1 / PBP) | 45 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | -- |
| -- | Tjunction max. | 100 °C |
Technische DatenDer Google Tensor G2 wird in 4 nm gefertigt und verfügt über 12,00 MB Cache. Der Apple M2 Max (30-GPU) wird in 5 nm gefertigt und verfügt über einen 36,00 MB großen Cache. |
||
| Google Tensor G2 | Eigenschaft | Apple M2 Max (30-GPU) |
| 4 nm | Technologie | 5 nm |
| Chiplet | 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, iPadOS |
| Q4/2022 | Erscheinungsdatum | Q1/2023 |
| -- | Erscheinungspreis | -- |
| weitere Daten anzeigen | weitere Daten anzeigen | |
|
8C 8T @ 2,85 GHz jetzt bei Amazon.de im Angebot kaufen !
12C 12T @ 0,66 GHz (3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
ARM Mali-G710 MP7 @ 0,90 GHz |
||
|
|
Apple M2 Max (30-GPU)
Apple M2 Max (30 Core) @ 1,40 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 0,66 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 0,66 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.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
12C 12T @ 3,50 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 G2
2,85 GHz |
||
|
|
Apple M2 Max (30-GPU)
14.855 CB R23 MC @ 40 W |
||
Geräte mit diesem Prozessor |
|
| Google Tensor G2 | Apple M2 Max (30-GPU) |
| Google Pixel 7 Google Pixel 7 Pro |
Apple MacBook Pro 14 (2023) Apple MacBook Pro 16 (2023) |
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.
Apple M2 Max (30-GPU) - Beschreibung des Prozessors
Der Apple M2 Max (30-GPU) kam im ersten Quartal des Jahres 2023 auf den Markt und basiert auf der zweiten Generation der von Apple selbst entwickelten M-Serie. Der Prozessor wird in einer Strukturbreite von 5 Nanometern gefertigt und basiert auf einem Chiplet-Chipdesign. Es besitzt einen 36,00 Megabyte großen Level 3 Cache und unterstützt den 64-bit ISA Befehlssatz ARMv8-A64.Zusammen mit dem Prozessor wurde ein neuer Apple Mac Studio, sowie ein 14 Zoll und ein 16 Zoll großes MacBook Pro vorgestellt. Alle 3 Geräte kann man alternativ auch mit dem Apple M2 Max (38-GPU) käuflich erwerben.
Der Apple M2 Max (30-GPU) besitzt insgesamt 12 Prozessorkerne die sich aus 8 Performancekernen mit dem Codenamen Avalanche und 4 Effizienzkernen mit dem Codenamen Blizzard zusammensetzen. Die 8 Performancekerne takten mit bis zu 3,50 Gigahertz und die 4 Effizienzkerne mit bis zu 2,80 Gigahertz. Hyperthreading wird von der Apple-CPU nicht unterstützt und auch eine Übertaktung des Prozessors ist von Apple nicht vorgesehen.
Des Weiteren ist im Apple M2 Max (30-GPU) die Apple Neural Engine integriert, die mit 16 Kernen ausgestattet ist. Die Apple Neural Engine ist für die Hardware-Unterstützung von KI-Inhalten zuständig.
Die interne Grafikeinheit im Apple M2 Max (30-GPU) ist mit 30 Grafik-Kernen ausgestattet und taktet mit bis zu 1,40 Gigahertz. Es kommen 480 Ausführungseinheiten mit insgesamt 3840 Shadereinheiten zum Einsatz, womit die Grafikeinheit eine FP32-Rechenleistung von sehr starken 10,65 TerraFLOPS erreicht. Damit liegt sie leicht über einer NVIDIA GeForce RTX 3050 und ungefähr auf dem gleichen Niveau einer AMD Radeon RX 6600.
Der Apple M2 Max (30-GPU) wird ausschließlich mit fest verbauten Arbeitsspeicher gefertigt. Der Prozessor kann mit bis zu 96 Gigabyte Arbeitsspeicher vom Typ LPDDR5-6400 erworben werden. Mit seinen 4 Speicherkanälen erreicht der Arbeitsspeicher im Apple M2 Max (30-GPU) eine maximale Speicherbandbreite von 409,6 GB/s.
Beliebte Vergleiche mit einer dieser CPUs
Zurück zur Startseite
