Qualcomm Snapdragon 460 vs Apple A17 Pro

Geekbench 5ベンチマークはプロセッサの性能を測定するものであり、それには RAM も含まれます。より高速なメモリの場合、結果が大幅に改善されます。シングルコア試験では CPU コアが一つのみ使用され、コアの数やハイパースレッディングが結果に影響することはありません。

Geekbench 5ベンチマークはプロセッサの性能を測定するものであり、それには RAM も含まれます。より高速なメモリの場合、結果が大幅に改善されます。マルチコア試験は全ての CPU コアを含み、ハイパースレッディングから多くの恩恵を受けます。

GFLOPSの単純な精度（32ビット）でのプロセッサーの内部グラフィックスユニットの理論上の計算パフォーマンス。 GFLOPSは、iGPUが1秒間に実行できる浮動小数点演算の数を示します。

AnTuTu 9ベンチマークは、スマートフォンのパフォーマンスの測定に非常に適しています。 AnTuTu 9は3Dグラフィックスに非常に重く、「メタル」グラフィックスインターフェイスも使用できるようになりました。 AnTuTuでは、ブラウザとアプリの使用状況をシミュレートすることで、メモリとUX（ユーザーエクスペリエンス）もテストされます。 AnTuTuバージョン9は、AndroidまたはiOSで実行されている任意のARMCPUを比較できます。 異なるオペレーティングシステムでベンチマークを行った場合、デバイスを直接比較できない場合があります。

AnTuTu 9ベンチマークでは、プロセッサのシングルコアパフォーマンスはわずかに重み付けされています。 評価は、プロセッサのマルチコアパフォーマンス、作業メモリの速度、および内部グラフィックスのパフォーマンスで構成されます。

Geekbench 6 は、最新のコンピューター、ノートブック、スマートフォンのベンチマークです。 新しいのは、たとえば big.LITTLE コンセプトに基づいてさまざまなサイズの CPU コアを組み合わせるなど、新しい CPU アーキテクチャの最適化された利用です。 シングルコア ベンチマークは、最速の CPU コアのパフォーマンスのみを評価します。ここでは、プロセッサ内の CPU コアの数は関係ありません。

Geekbench 6 は、最新のコンピューター、ノートブック、スマートフォンのベンチマークです。 新しいのは、たとえば big.LITTLE コンセプトに基づいてさまざまなサイズの CPU コアを組み合わせるなど、新しい CPU アーキテクチャの最適化された利用です。 マルチコア ベンチマークは、プロセッサのすべての CPU コアのパフォーマンスを評価します。 AMD SMT や Intel のハイパースレッディングなどの仮想スレッドの改善は、ベンチマークの結果にプラスの影響を与えます。

AnTuTu 10 ベンチマークは、モバイル プロセッサ用の最もよく知られたベンチマークの 1 つであり、バージョン 10 で利用できるようになりました。 Android ベースのスマートフォンおよびタブレット用のバージョンと、Apple モバイル デバイス (iPhone や iPad など) 用のバージョンがあります。

Antutu 10 ベンチマークには 3 つのフェーズがあります。 最初のフェーズではデバイスの RAM がテストされ、フェーズ 2 ではグラフィックスがテストされ、最終フェーズでは 3D グラフィックスのレンダリングによってデバイス全体がパフォーマンスの限界まで引き上げられます。

したがって、Antutu 10 は、さまざまなデバイスのパフォーマンスを比較するのに最適です。

AnTuTu 8ベンチマークは、SoCのパフォーマンスを測定します。 AnTuTuは、ブラウザーとアプリの使用状況をシミュレートすることにより、CPU、GPU、メモリ、およびUX（ユーザーエクスペリエンス）のベンチマークを行います。 AnTuTuは、AndroidまたはiOSで実行される任意のARMCPUのベンチマークを実行できます。ベンチマークが異なるオペレーティングシステムで実行された場合、デバイスを直接比較できない場合があります。

AnTuTu 8ベンチマークでは、プロセッサのシングルコアパフォーマンスはわずかに重み付けされています。評価は、プロセッサのマルチコアパフォーマンス、RAMの速度、および内部グラフィックスのパフォーマンスで構成されます。

人工知能 (AI) と機械学習 (ML) をサポートするプロセッサーは、多くの計算、特に音声、画像、ビデオの処理を従来のプロセッサーよりもはるかに高速に処理できます。 ML のアルゴリズムは、ソフトウェア経由で収集したデータが増えるほどパフォーマンスが向上します。 ML タスクは、従来のプロセッサよりも最大 10,000 倍高速に処理できます。パフォーマンスは、1 秒あたりの算術演算数 (兆) (TOPS) で表されます。