当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > AMD 890M核显实测:性能超GTX 1650?真假?

AMD 890M核显实测:性能超GTX 1650?真假?

来源:ITBear科技资讯 2024-08-14 14:48:40 0浏览 收藏

哈喽!大家好,很高兴又见面了,我是golang学习网的一名作者,今天由我给大家带来一篇《AMD 890M核显实测:性能超GTX 1650?真假?》,本文主要会讲到等等知识点,希望大家一起学习进步,也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧!

【ITBEAR】8月13日消息,近期,科技媒体TechEpiphany发布了一则引人注目的视频内容,通过对比10款游戏的实测表现,深入探讨了AMD Radeon 890M “RDNA 3.5” iGPU核显与英伟达台式机GeForce GTX 1650显卡之间的图形性能差异。在测试平台的搭建上,AMD Radeon 890M “RDNA 3.5” iGPU核显方面选用了华硕VivoBook 16笔记本电脑,该笔记本搭载了AMD Ryzen AI 9 HX 370 APU处理器和32 GB LPDDR5X-7500内存,确保了GPU性能的充分释放,运行时的TDP维持在45至60W区间。

AMD 890M核显实测:性能超GTX 1650?真假?

另一方面,英伟达台式机GeForce GTX 1650显卡的测试环境则是与AMD Ryzen 7 5800X 3D系统相搭配。

测试结果显示,在多款游戏的性能测试中,AMD Radeon 890M “RDNA 3.5” iGPU核显展现出了令人印象深刻的实力:

  • 在1080P(High)分辨率下运行《鬼泣5》时,890M的表现与GTX 1650不相上下,部分场景甚至仅落后5-10 FPS。
  • 在《战神》的1080P分辨率测试中,890M的性能表现更佳,多次超越了GTX 1650。
  • 在1080P分辨率下运行《地狱之刃:塞娜的献祭》时,890M同样取得了优于GTX 1650的成绩。
  • 在《赛博朋克2077》的1080P(低)设置下,AMD Radeon 890M “RDNA 3.5” iGPU的运行速度比GTX 1650快了高达45%。
  • 在《机械战警》的1080P(85% scaling / Low)测试中,890M的表现是GTX 1650的两倍。
  • 当以1080P(Medium)设置运行《机械战警》时,890M依然保持了5-10%的性能优势。
  • 在1080P(High)分辨率下运行《极限竞速地平线5》时,890M的RDNA 3.5架构相较于GTX 1650展现出了超过40%的领先优势。fenyefenye

    AMD 890M核显实测:性能超GTX 1650?真假?

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《AMD 890M核显实测:性能超GTX 1650?真假?》文章吧,也可关注golang学习网公众号了解相关技术文章。

版本声明
本文转载于:ITBear科技资讯 如有侵犯,请联系study_golang@163.com删除
为企业应用程序实施动态 RBAC 系统 - 简化为企业应用程序实施动态 RBAC 系统 - 简化
上一篇
为企业应用程序实施动态 RBAC 系统 - 简化
Golang框架如何解决代码复用问题?
下一篇
Golang框架如何解决代码复用问题?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    293次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    346次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    352次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    315次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    135次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码