Apple M6 GPU (12-core) против M4 GPU (10-Core)

Мы сравнили две интегрированные мобильные графические карты: Apple M6 GPU (12-core) с 192 конвейерами и 1536 шейдерами против M4 GPU (10-Core), которая вышла на 2 года и 4 месяца раньше и имеет 160 конвейеров и 1280 шейдеров. Ниже вы найдете детальные тесты производительности, игровые бенчмарки и спецификации GPU.

Обзор

Игры
Производительность в DirectX, OpenCL и Vulkan
Проф. приложения
3D моделирования, видеомонтаж и рендеринг
Энергоэффективность
Энергопотребление в различных сценариях
Оценка NanoReview
Общая оценка видеокарты
Оценки, отмеченные знаком (*) сделаны на основе ранних тестов.

Ключевые отличия

Ключевые отличия и преимущества M4 GPU (10-Core) перед M6 GPU (12-core)
Причины выбрать Apple M6 GPU (12-core)
  • Изготовлена по более эффективному 2 нм техпроцессу
  • На 29% выше максимальная теоретическая производительность (4.9 vs 3.8 TFLOPS)
  • Обеспечивает на 42% лучшую пропускную способность памяти: 170 против 120 ГБ/с

Бенчмарки

Тесты производительности видеокарт в бенчмарках

3D Mark

Бенчмарк, который напрямую коррелирует с производительностью в современных играх
Steel Nomad Lite Score
Solar Bay - 16554
Wild Life Extreme - 9610
Источники: 3DMark [1]

GeekBench 6 GPU Compute

GPU тест для вычислительных задач (обработка изображений, компьютерное зрение, ML и другое)
GB6 Compute Score
Background Blur - 72.2 img/sec
Face Detection - 48.3 img/sec
Horizon Detection - 1.4 Gpixels/sec
Edge Detection - 1.94 Gpixels/sec
Gaussian Blur - 1.5 Gpixels/sec
Feature Matching - 0.53 Gpixels/sec
Stereo Matching - 123.3 Gpixels/sec
Particle Physics - 4938.4 FPS
API - OpenCL
Источники: Geekbench [3]

Cinebench 2024 GPU

Тест производительности карты с использованием движка Cinema 4D от Maxon
Cinebench 2024 GPU

Blender

Тест производительности GPU в 3D-рендеринга
Blender GPU
Источники: Blender [9] – 551 samples

Тесты ИИ

Производительность в задачах машинного обучения и ИИ

GeekBench 6 ML

GB6 ML Single Precision
GB6 ML Half Precision
GB6 ML Quantized
Image Classification (SP) - 4874
Image Segmentation (HP) - 8168
Image Super Resolution (Q) - 11983
Face Detection (HP) - 17036
Pose Estimation (Q) - 31171
Text Classification (SP) - 2964
Machine Translation (HP) - 3410
Object Detection (SP) - 5112
Depth Estimation (Q) - 22700
Style Transfer (SP) - 60872
Framework - Core ML
Backend - GPU
Источники: Geekbench [9], [10]

Технические характеристики

Подробные характеристики Apple M6 GPU (12-core) и M4 GPU (10-Core)

Общая информация

Производитель Apple Apple
Сборка Интегрированная Интегрированная
Дата выхода 25 августа 2026 7 мая 2024
Форм-фактор Для ноутбука Для ноутбука
Назначение Универсальная Профессиональная
Сегмент Средний Средний
Архитектура Apple M GPU Apple M GPU
Кодовое имя Custom Custom
Аналог конкурента - Adreno X2-90 - Adreno X1-85
Преемник - - Apple M5 GPU (10-Core)
Рекомендуемый процессор - Apple M6 (12-Core) или лучше - Apple M4 (10-Core) или лучше
Используется в процессорах - Apple M6 (12-Core) - Apple M4 (10-Core)

Графический процессор

Базовая частота - 500 МГц
Boost частота 1600 МГц 1470 МГц
Шейдерные блоки 1536 1280
Текстурные блоки (TMUs) 96 80
Блоки вывода (ROPs) 80 40
Вычислительные блоки (Pipelines) 192 160
Тензорные ядра No -
Ядра трассировки лучей No -
Инструкций в такт 2 IPC 2 IPC

Теоретическая производительность

Pixel Fill Rate 128 ГПикс/с 59 ГПикс/с
Texture Fill Rate 154 ГТекс/с 118 ГТекс/с
FLOPS (FP32)
4.9 терафлопс
3.8 терафлопс

Производство

Интерфейс Custom Custom
TGP - 18 Вт
Производство TSMC TSMC
Техпроцесс 2 нм 3 нм
Количество транзисторов - 28 млрд.
Максимальная температура - 100°C

Память

Тип памяти System Shared System Shared
Частота памяти 10667 МГц 7500 МГц
Эффективная частота памяти - 15000 Мбит/с
Шина 128-бит 128-бит
ECC Нет Нет
Пропускная способность
170 ГБ/с
120 ГБ/с

API

CUDA No -
Трассировка лучей Да Да
DLSS No No

Опрос

Выберите между двумя видеокартами
0 (0%)
0 (0%)
Всего проголосовало: < 1

Мнение пользователей

Вы можете поделиться своим мнением или задать вопрос в комментариях ниже
🌐 Зарегистрируйте свой профиль и станьте частью сообщества NanoReview!