基准测试网站

打开Geekbench的基准网页，输入一台手机的测试型号，几秒后你就能看到单核、网站多核分数。基准这套流程太顺滑了，测试顺滑到很少有人停下来问一句：这些数字到底是网站怎么跑出来的？

我最早接触基准测试是几年前折腾黑苹果。为了让一台老ThinkPad的基准CPU被macOS正确识别，论坛里有人建议先跑一遍Geekbench 5，测试看分数是网站否落在同型号MacBook的合理区间内。那次我盯着屏幕上跳出来的基准分数看了很久——单核1123，多核3400多。测试数字挺具体，网站具体到让人产生一种"性能被量化了"的基准踏实感。但跑第二遍，测试分数变成了1098和3380。网站第三遍又不一样。我这才意识到，这个数字本身就是浮动的，它更像一次抽样调查，而不是一锤定音的判决。

这些网站到底在测什么

Geekbench测的是CPU和GPU在特定任务集下的表现。它的任务集包括压缩、加密、图像处理、物理模拟等，每个任务跑完算一个加权分，最后汇总。问题在于，这些任务和大多数人日常用的场景——刷网页、看视频、写文档——重合度并不高。一台手机在Geekbench上多核跑分碾压另一台，实际打开淘宝的速度可能完全反过来。因为真实使用里，调度策略、内存带宽、散热衰减、系统优化，每一项都能把纸面分数搅得面目全非。

3DMark的情况类似。Time Spy跑的是DirectX 12下的图形负载，分数高基本意味着显卡在游戏里不会太差。但笔记本上有个经典陷阱：跑分时风扇拉满、功耗墙放开，分数好看；实际玩游戏半小时后，温度上来，频率降下去，帧数直接掉一个档。所以老玩家看3DMark分数，第一反应不是"这卡真强"，而是"这分数是在什么功耗下跑出来的"。

AnandTech（现在归到Tom's Hardware旗下）曾经做过一件很硬核的事：他们不满足于跑现成工具，而是自己写测试脚本，测浏览器加载真实网页的耗时、测SSD在混合读写下的延迟分布。这种测试更接近真实体验，但代价是没法标准化，不同网站测出来的结果没法直接比。于是大多数人还是回到Geekbench和3DMark，图个方便。

分数背后的生意

厂商比谁都清楚基准测试的传播力。发布会PPT上放一根柱状图，新机比旧机高出一截，观众就记住了一个数字。于是出现了一种微妙的博弈：芯片厂商在驱动里针对特定测试做优化，手机厂商在系统里给跑分应用开白名单、拉高频率。这些操作不违法，甚至不违反测试软件的规则，但它让分数和日常体验之间的距离又拉大了一截。

Geekbench的母公司Primate Labs后来推出了Geekbench 6，改了任务集，增加了对AI负载的测试。3DMark也在更新，加入了光追和DLSS相关的项目。测试工具在进化，厂商的应对方式也在进化，这场猫鼠游戏没有终点。

我现在的用法

我依然会看基准测试分数，但只把它当参考系，不当结论。比如两台笔记本之间选，我会先看Notebookcheck的详细评测，那里有跑分，也有跑分时的功耗、温度、风扇噪音，还有实际游戏帧数。如果只有Geekbench分数，我会把它和同芯片的其他机型对比，看有没有异常偏低——偏低往往意味着散热或调度出了问题，这比绝对分数更有信息量。

基准测试网站是有用的，前提是你知道它测的是什么、没测什么。那些数字不是性能本身，只是性能在特定条件下的一个投影。投影可以帮你排除明显不行的选项，但选哪台机器，最终还是得回到你自己的使用场景里。