Przetestowano wydajność układu M1 Ultra – potężna wydajność

Podczas ostatniej konferencji Apple zaprezentowany został komputer Mac Studio. Jego najmocniejszy wariant wyposażony jest w zupełnie nowy układ M1 Ultra. Późnym wieczorem pojawiły się pierwsze wyniki testów wydajności tego chipa.

M1 Ultra – wydajność

Na stronie Apple przeczytać można, że M1 Ultra to dwie połączone struktury chipa M1 Max. Dzięki architekturze UltraFusion uzyskano przepustowość na poziomie 2,5 TB/s.

Podczas konferencji podano, że nowy układ jest o 80% szybszy od procesora Intel Xeon W 2,5 GHz z Turbo Boost do 4,4 GHz, w który wyposażony jest najmocniejszy model Maca Pro.

Wczoraj wieczorem pojawiły się pierwsze wyniki testu benchmarkowego chipa M1 Ultra. Mac Studio z tym procesorem osiągnął 1793 punkty w teście single core oraz 24055 w teście multi core.

Dla porównania, wspomniany wyżej 28-rdzeniowy Intel Xeon W zdobył w tych testach odpowiednio 1152 oraz 19951. Układ Ultra jest zatem w tym przypadku szybszy o około 56% (single core) i 21% (multi core). Do wspomnianych 80% nieco brakuje.

Dodajmy, że średni rezultat jaki osiąga układ M1 Max to 1747 oraz 12233 punktów.

Warto wspomnieć, że najwyższy wynik w teście single core osiąga obecnie procesor Intel Core i9 – 1997 punktów, a w teście multi core najlepszy jest AMD Ryzen Threadripper 3990X, który zdobył 25133 punktów.

Podziel się postem:

Najnowsze:

Oprogramowanie

Unia Europejska przejdzie na Linuxa? Powstaje dystrybucja EU OS

Unia Europejska może wkrótce podjąć kroki w kierunku uniezależnienia się od amerykańskiego oprogramowania. Społeczność entuzjastów pod patronatem władz UE pracuje nad projektem EU OS, który ma zastąpić system operacyjny Windows w instytucjach rządowych. Wybór padł na modyfikację dystrybucji Fedora Linux, która zostanie dostosowana do potrzeb urzędników poprzez interfejs przypominający Windows.

Bezpieczeństwo

Przełomowa kwantowa technologia generowania liczb losowych z WAT: Szczegółowa analiza i perspektywy

W dzisiejszym zaawansowanym technologicznie świecie, prawdziwie losowe liczby stanowią fundament wielu kluczowych dziedzin. Od zabezpieczania komunikacji poprzez kryptografię aż po przeprowadzanie złożonych symulacji naukowych i inżynierskich , generowanie nieprzewidywalnych sekwencji danych jest niezbędne. Losowość odgrywa również istotną rolę w grach losowych , w sektorze finansowym , gdzie zapewnia unikalność transakcji, oraz w badaniach statystycznych. W kryptografii, siła klucza szyfrującego jest bezpośrednio związana z jakością i stopniem losowości użytym do jego wygenerowania . Im wyższa entropia źródła losowego, tym trudniejszy do złamania staje się klucz. Prawdziwa losowość jest zatem kluczowym elementem zapewniającym bezpieczeństwo w cyberprzestrzeni, wzmacniając algorytmy szyfrujące i chroniąc integralność przesyłanych oraz przechowywanych danych . Zapotrzebowanie na generatory liczb losowych o wysokiej jakości i nieprzewidywalności stale rośnie, co jest bezpośrednio powiązane z postępem technologicznym i coraz większym znaczeniem bezpieczeństwa informacji. Wraz z dynamicznym przenoszeniem coraz większej liczby aspektów naszego życia do sfery cyfrowej, ilość generowanych i przesyłanych danych nieustannie wzrasta. Ochrona tych danych przed nieautoryzowanym dostępem i manipulacją staje się priorytetem, a prawdziwa losowość jest nieodzownym narzędziem do skutecznego szyfrowania i zabezpieczania przed różnego rodzaju atakami.

Bezpieczeństwo

Prawdopodobnie DeepSeek Zna Twoje Sekrety: Analiza Bezpieczeństwa Danych Treningowych LLM

Prawdopodobnie DeepSeek zna Wasze sekrety oraz klucze API! Takie ostrzeżenie pojawiło się na łamach Sekurak.pl. W dynamicznie rozwijającym się świecie dużych modeli językowych (LLM), gdzie innowacje pojawiają się niemal codziennie, DeepSeek AI szybko zyskał miano znaczącego gracza, budząc zainteresowanie swoimi możliwościami i efektywnością. Jednakże, wraz z postępem technologicznym, pojawiają się również nowe wyzwania w obszarze bezpieczeństwa. Niedawne odkrycie dokonane przez badaczy z Truffle Security rzuca nowe światło na potencjalne zagrożenia związane z danymi treningowymi tych zaawansowanych modeli. Wnikliwa analiza publicznie dostępnego zbioru danych Common Crawl, wykorzystywanego do trenowania LLM, w tym DeepSeek, ujawniła obecność licznych, potencjalnie wciąż aktywnych kluczy API i haseł.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *