Перейти к содержимому

Apple M4 Pro (GPU, 16 ядер) vs GeForce RTX 2080 SUPER: сравнение характеристик и тестов

AApple · Apple Silicon

Apple M4 Pro (GPU, 16 ядер)

  • 16 ядер GPU

2024

BNVIDIA · Turing

NVIDIA GeForce RTX 2080 SUPER

  • 8 ГБ GDDR6
  • 250 Вт

23 июля 2019 · $699 на старте

Короткий вывод

NVIDIA GeForce RTX 2080 SUPER впереди во всех сценариях, где есть сопоставимые тесты: рендеринг и вычисления. Это не означает преимущества в задачах, для которых тестов нет.

Сравнить с помощью ИИ
← Apple M4 Pro (GPU, 16 ядер)GeForce RTX 2080 SUPER →

  • Рендеринг и вычисления

    B +8,7 %

    NVIDIA GeForce RTX 2080 SUPER впереди в этом сценарии (до 8,7 % в сопоставимых тестах).

Пока нет сопоставимых тестов: игры: растеризация, игры: трассировка лучей, энергоэффективность.

Преимущества

Только измеренное и паспортное: заметная разница в тесте и параметры, где больше — лучше.

Чем лучше Apple M4 Pro (GPU, 16 ядер)0

По данным в базе преимуществ не найдено.

Чем лучше GeForce RTX 2080 SUPER0

По данным в базе преимуществ не найдено.

Тесты

Сравниваются результаты одного теста одной версии при одинаковых условиях.

  • Blender Benchmark 4.5.0

    GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal) · сэмплов/мин, больше — лучше

    разница 3,7 % — в пределах порога

    Место среди всех моделей в базе (100)

    B · 2 293A · 2 378
    05 00010 00015 000
    Каждая точка — медиана одной модели в этом тесте. Шкала от нуля, сэмплов/мин.

    Разница 3,7 % — ниже порога заметности (5 %).

    Об измерении и источнике
    A · Apple M4 Pro (GPU, 16 ядер)

    2 378 сэмплов/мин · измерение сообщества, выборка 63 · 14 ноября 2026

    Blender Open Data (Blender Foundation)

    Медиана 63 отправок (исключено выбросов: 9), межквартильный размах 2365.8–2385.36; отправки 2025-07-17 — 2026-02-28; бэкенд METAL. Снимок 2026-11-14.

    B · NVIDIA GeForce RTX 2080 SUPER

    2 292,6 сэмплов/мин · измерение сообщества, выборка 40 · 14 ноября 2026

    Blender Open Data (Blender Foundation)

    Медиана 40 отправок (исключено выбросов: 3), межквартильный размах 2221.12–2330.97; отправки 2025-07-24 — 2026-09-26; бэкенд OPTIX. Снимок 2026-11-14.

    разница = |A − B| ÷ меньшее из значений × 100 %. Порог заметности 5 % — UX-эвристика, а не статистическая значимость.

    Рендер Cycles в Blender Benchmark. Медиана суммы сэмплов в минуту по трём сценам после отсечения выбросов.

Другие сопоставимые тесты (2)
ТестABРазница
Blender Benchmark 4.3.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 3322 253,2A +3,5 %
Blender Benchmark 4.4.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 366,22 571,2B +8,7 %

У каждой версии теста своя шкала: числа сравниваются только внутри строки.

Справочные результаты (119)
ТестABРазница
Blender Benchmark 4.2.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 379,62 234,5справочно
Blender Benchmark 5.1.1GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 612,92 171,8справочно
Blender Benchmark 5.2.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 579,42 202,7справочно
Blender Benchmark 3.6.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)1 701,72 634,8справочно
Blender Benchmark 4.0.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)1 488,92 282,1справочно
Blender Benchmark 5.0.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 362,2—нет пары
Blender Benchmark 5.1.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 608,22 168,2справочно
Blender Benchmark 5.3.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)2 199,8—нет пары
Blender Benchmark 2.81GPU, barbershop_interior (CUDA)—518,7нет пары
Blender Benchmark 2.81aGPU, barbershop_interior (CUDA)—522,6нет пары
Blender Benchmark 2.81GPU, barbershop_interior (OPTIX)—917,2нет пары
Blender Benchmark 2.81aGPU, barbershop_interior (OPTIX)—885,7нет пары
Blender Benchmark 2.81GPU, bmw27 (CUDA)—50,7нет пары
Blender Benchmark 2.81aGPU, bmw27 (CUDA)—49,9нет пары
Blender Benchmark 2.82GPU, bmw27 (CUDA)—50,6нет пары
Blender Benchmark 2.83GPU, bmw27 (CUDA)—50,7нет пары
Blender Benchmark 2.90GPU, bmw27 (CUDA)—55,6нет пары
Blender Benchmark 2.91.2GPU, bmw27 (CUDA)—51,7нет пары
Blender Benchmark 2.92GPU, bmw27 (CUDA)—53,2нет пары
Blender Benchmark 2.93.1GPU, bmw27 (CUDA)—46,1нет пары
Blender Benchmark 2.81GPU, bmw27 (OPTIX)—28,1нет пары
Blender Benchmark 2.81aGPU, bmw27 (OPTIX)—25,4нет пары
Blender Benchmark 2.82GPU, bmw27 (OPTIX)—25,4нет пары
Blender Benchmark 2.83GPU, bmw27 (OPTIX)—25,2нет пары
Blender Benchmark 2.90GPU, bmw27 (OPTIX)—25,1нет пары
Blender Benchmark 2.91.2GPU, bmw27 (OPTIX)—25,5нет пары
Blender Benchmark 2.92GPU, bmw27 (OPTIX)—26,1нет пары
Blender Benchmark 2.93.1GPU, bmw27 (OPTIX)—28,8нет пары
Blender Benchmark 2.81GPU, classroom (CUDA)—160,8нет пары
Blender Benchmark 2.81aGPU, classroom (CUDA)—163,2нет пары
Blender Benchmark 2.82GPU, classroom (CUDA)—158,6нет пары
Blender Benchmark 2.83GPU, classroom (CUDA)—159,1нет пары
Blender Benchmark 2.90GPU, classroom (CUDA)—163,3нет пары
Blender Benchmark 2.91.2GPU, classroom (CUDA)—165,6нет пары
Blender Benchmark 2.92GPU, classroom (CUDA)—166,3нет пары
Blender Benchmark 2.93.1GPU, classroom (CUDA)—149,3нет пары
Blender Benchmark 2.81GPU, classroom (OPTIX)—96,2нет пары
Blender Benchmark 2.81aGPU, classroom (OPTIX)—91,2нет пары
Blender Benchmark 2.82GPU, classroom (OPTIX)—90,8нет пары
Blender Benchmark 2.83GPU, classroom (OPTIX)—90,1нет пары
Blender Benchmark 2.90GPU, classroom (OPTIX)—90,2нет пары
Blender Benchmark 2.91.2GPU, classroom (OPTIX)—91,1нет пары
Blender Benchmark 2.92GPU, classroom (OPTIX)—94нет пары
Blender Benchmark 2.93.1GPU, classroom (OPTIX)—95,3нет пары
Blender Benchmark 2.81GPU, fishy_cat (CUDA)—87нет пары
Blender Benchmark 2.81aGPU, fishy_cat (CUDA)—88нет пары
Blender Benchmark 2.82GPU, fishy_cat (CUDA)—90,8нет пары
Blender Benchmark 2.83GPU, fishy_cat (CUDA)—92,8нет пары
Blender Benchmark 2.90GPU, fishy_cat (CUDA)—99,8нет пары
Blender Benchmark 2.91.2GPU, fishy_cat (CUDA)—89,9нет пары
Blender Benchmark 2.92GPU, fishy_cat (CUDA)—96,9нет пары
Blender Benchmark 2.93.1GPU, fishy_cat (CUDA)—90,9нет пары
Blender Benchmark 2.81GPU, fishy_cat (OPTIX)—40,4нет пары
Blender Benchmark 2.81aGPU, fishy_cat (OPTIX)—38,5нет пары
Blender Benchmark 2.82GPU, fishy_cat (OPTIX)—39,6нет пары
Blender Benchmark 2.83GPU, fishy_cat (OPTIX)—38,8нет пары
Blender Benchmark 2.90GPU, fishy_cat (OPTIX)—39,7нет пары
Blender Benchmark 2.92GPU, fishy_cat (OPTIX)—44,7нет пары
Blender Benchmark 2.93.1GPU, fishy_cat (OPTIX)—44,7нет пары
Blender Benchmark 2.81GPU, koro (CUDA)—149,8нет пары
Blender Benchmark 2.81aGPU, koro (CUDA)—150,6нет пары
Blender Benchmark 2.82GPU, koro (CUDA)—149,5нет пары
Blender Benchmark 2.83GPU, koro (CUDA)—156,7нет пары
Blender Benchmark 2.90GPU, koro (CUDA)—163,3нет пары
Blender Benchmark 2.91.2GPU, koro (CUDA)—150,6нет пары
Blender Benchmark 2.92GPU, koro (CUDA)—155,3нет пары
Blender Benchmark 2.93.1GPU, koro (CUDA)—147,3нет пары
Blender Benchmark 2.81GPU, koro (OPTIX)—71,4нет пары
Blender Benchmark 2.81aGPU, koro (OPTIX)—68,3нет пары
Blender Benchmark 2.82GPU, koro (OPTIX)—67,7нет пары
Blender Benchmark 2.83GPU, koro (OPTIX)—67нет пары
Blender Benchmark 2.90GPU, koro (OPTIX)—80,5нет пары
Blender Benchmark 2.92GPU, koro (OPTIX)—139,5нет пары
Blender Benchmark 2.93.1GPU, koro (OPTIX)—86нет пары
Blender Benchmark 2.81GPU, pavillon_barcelona (CUDA)—282,8нет пары
Blender Benchmark 2.81aGPU, pavillon_barcelona (CUDA)—283,9нет пары
Blender Benchmark 2.82GPU, pavillon_barcelona (CUDA)—284,6нет пары
Blender Benchmark 2.83GPU, pavillon_barcelona (CUDA)—283,5нет пары
Blender Benchmark 2.90GPU, pavillon_barcelona (CUDA)—301,9нет пары
Blender Benchmark 2.91.2GPU, pavillon_barcelona (CUDA)—277,9нет пары
Blender Benchmark 2.92GPU, pavillon_barcelona (CUDA)—279нет пары
Blender Benchmark 2.93.1GPU, pavillon_barcelona (CUDA)—253,5нет пары
Blender Benchmark 2.81GPU, pavillon_barcelona (OPTIX)—129,1нет пары
Blender Benchmark 2.81aGPU, pavillon_barcelona (OPTIX)—119,3нет пары
Blender Benchmark 2.82GPU, pavillon_barcelona (OPTIX)—123,3нет пары
Blender Benchmark 2.83GPU, pavillon_barcelona (OPTIX)—120,5нет пары
Blender Benchmark 2.90GPU, pavillon_barcelona (OPTIX)—118,7нет пары
Blender Benchmark 2.91.2GPU, pavillon_barcelona (OPTIX)—120,9нет пары
Blender Benchmark 2.92GPU, pavillon_barcelona (OPTIX)—122,6нет пары
Blender Benchmark 2.93.1GPU, pavillon_barcelona (OPTIX)—127,4нет пары
Blender Benchmark 2.81GPU, victor (CUDA)—378,4нет пары
Blender Benchmark 2.81aGPU, victor (CUDA)—380,6нет пары
Blender Benchmark 2.82GPU, victor (CUDA)—372нет пары
Blender Benchmark 2.83GPU, victor (CUDA)—376,7нет пары
Blender Benchmark 2.90GPU, victor (CUDA)—371,7нет пары
Blender Benchmark 2.91.2GPU, victor (CUDA)—356,8нет пары
Blender Benchmark 2.92GPU, victor (CUDA)—432нет пары
Blender Benchmark 2.93.1GPU, victor (CUDA)—385,3нет пары
Blender Benchmark 2.81GPU, victor (OPTIX)—409,6нет пары
Blender Benchmark 2.81aGPU, victor (OPTIX)—194,8нет пары
Blender Benchmark 2.82GPU, victor (OPTIX)—141,5нет пары
Blender Benchmark 2.83GPU, victor (OPTIX)—140,8нет пары
Blender Benchmark 2.90GPU, victor (OPTIX)—132,8нет пары
Blender Benchmark 2.91.2GPU, victor (OPTIX)—134,1нет пары
Blender Benchmark 2.92GPU, victor (OPTIX)—165нет пары
Blender Benchmark 2.93.1GPU, victor (OPTIX)—159,7нет пары
Blender Benchmark 3.0.1GPU, сумма сцен monster + junkshop + classroom (CUDA)—1 755,1нет пары
Blender Benchmark 3.1.0GPU, сумма сцен monster + junkshop + classroom (CUDA)—1 631,8нет пары
Blender Benchmark 3.2.1GPU, сумма сцен monster + junkshop + classroom (CUDA)—1 646,2нет пары
Blender Benchmark 3.3.0GPU, сумма сцен monster + junkshop + classroom (CUDA)—1 769,3нет пары
Blender Benchmark 3.4.0GPU, сумма сцен monster + junkshop + classroom (CUDA)—1 667,7нет пары
Blender Benchmark 3.0.1GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 537,9нет пары
Blender Benchmark 3.1.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 431,9нет пары
Blender Benchmark 3.2.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 425,3нет пары
Blender Benchmark 3.2.1GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 430,7нет пары
Blender Benchmark 3.3.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 485,1нет пары
Blender Benchmark 3.4.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 462,5нет пары
Blender Benchmark 3.5.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 644,5нет пары
Blender Benchmark 4.1.0GPU, сумма сцен monster + junkshop + classroom (OptiX / HIP / oneAPI / Metal)—2 327,6нет пары

У каждой версии теста своя шкала: числа сравниваются только внутри строки.

Характеристики

Чип

  • Графический чип

    AApple M4 Pro

    BTU104-450-A1

    различается

  • Архитектура

    AApple Silicon

    BTuring

    различается

  • Вычислительные блоки

    A16 ядер GPU

    Bнет данных

    нет данных у B

    SM (NVIDIA), CU (AMD) и Xe-core (Intel) — разные блоки, между производителями численно не сравниваются.

  • Шейдерные блоки

    Aнет данных

    B3 072 (CUDA-ядра)

    нет данных у A

    Число шейдерных блоков сравнимо только в пределах одной архитектуры.

Частоты

  • Базовая частота

    Aнет данных

    B1 650 МГц

    нет данных у A

  • Boost-частота

    Aнет данных

    B1 815 МГц

    нет данных у A

    Частоты разных архитектур не отражают производительность напрямую.

Память

  • Видеопамять

    Aнет данных

    B8 ГБ

    нет данных у A

  • Тип памяти

    AОбъединённая память

    BGDDR6

    различается

  • Шина памяти

    Aнет данных

    B256 бит

    нет данных у A

  • Пропускная способность

    Aнет данных

    B495,9 ГБ/с

    нет данных у A

    Без учёта кэша (Infinity Cache / L2), который по-разному влияет на эффективную пропускную способность.

Питание и размеры

  • Энергопотребление карты

    Aнет данных

    B250 Вт (TDP)

    нет данных у A

    TGP (NVIDIA) и TBP (AMD/Intel) считаются по-разному; больше — не значит лучше.

«Больше» не всегда означает «лучше»: более высокое энергопотребление или размер — это требования к системе, а не преимущество (такие полосы приглушены).

Сравнить с помощью ИИ

Нейросеть разберёт характеристики и тесты этой пары и даст вердикт простым языком: кому какая модель подойдёт.

ИИ-вердикт

Вопросы и ответы

Что быстрее: Apple M4 Pro (GPU, 16 ядер) или NVIDIA GeForce RTX 2080 SUPER?

NVIDIA GeForce RTX 2080 SUPER впереди во всех сценариях, где есть сопоставимые тесты: рендеринг и вычисления. Это не означает преимущества в задачах, для которых тестов нет.

Источники данных (3)
  • Apple — характеристики Apple M4 Pro (GPU, 16 ядер)проверено 14 ноября 2026
  • Википедия (англ.) — характеристики NVIDIA GeForce RTX 2080 SUPER, дата выхода и цена на стартепроверено 14 ноября 2026
  • Blender Open Data (Blender Foundation) — тест Blender Benchmark 2.81, тест Blender Benchmark 2.81a, тест Blender Benchmark 2.82, тест Blender Benchmark 2.83, тест Blender Benchmark 2.90, тест Blender Benchmark 2.91.2, тест Blender Benchmark 2.92, тест Blender Benchmark 2.93.1, тест Blender Benchmark 3.0.1, тест Blender Benchmark 3.1.0, тест Blender Benchmark 3.2.1, тест Blender Benchmark 3.3.0, тест Blender Benchmark 3.4.0, тест Blender Benchmark 4.2.0, тест Blender Benchmark 4.5.0, тест Blender Benchmark 5.1.1, тест Blender Benchmark 5.2.0, тест Blender Benchmark 3.6.0, тест Blender Benchmark 4.0.0, тест Blender Benchmark 4.3.0, тест Blender Benchmark 4.4.0, тест Blender Benchmark 5.0.0, тест Blender Benchmark 5.1.0, тест Blender Benchmark 5.3.0, тест Blender Benchmark 3.2.0, тест Blender Benchmark 3.5.0, тест Blender Benchmark 4.1.0проверено 14 ноября 2026

Как мы сравниваем — методология. Откуда данные — источники.

TelegramВКонтакте