分数如何计算

本页内容

PC Score 是一个无量纲指数。在新模型中，它综合了 CPU、GPU 和内部延迟。基础权重：CPU 60%、GPU 20%、Latency 20%。 下文中的基准值和权重描述的是基础配置，而不是对在线排行榜设置永不改变的承诺：服务器可能会发布新的方法学。

原始指标

对于吞吐量块，根据有效记录数以及第一条和最后一条记录之间的时间来计算：

throughput = (N_valid − 1) × QPC_frequency / (last_QPC − first_QPC)

对于同一负载的三个块，取吞吐量的算术平均值。CPU frame time 描述 CPU 工作的时间。对于 GPU 和 Combined，帧间隔根据相邻的 GPU 工作开始时间戳确定；GPU 工作本身的持续时间单独存储。基准测试的条件帧数不是游戏 FPS。

缺失的测量值不会用零替代。如果数据不足以评估，组件的不可用不能被解释为零性能。

百分位数与 Low FPS

百分位数通过对排序后的值进行 Hyndman–Fan Type 7 线性插值计算：

h = (n − 1) × p
i = floor(h)
percentile = x[i] + (h − i) × (x[min(i + 1, n − 1)] − x[i])

P50 是中位数。帧时间的 P99 表征慢速尾部：大约 99% 的观测值不超过该边界。

1% Low = 1000 / P99 帧时间，以毫秒计。
0,1% Low = 1000 / P99,9 帧时间。

这里的 Low FPS 是反向百分位数，而不是最差百分之一帧的平均 FPS。来自另一个采用不同 Low FPS 定义的测试的数字，即使在相同数据上也可能不同。0,1% Low 对罕见事件和记录长度敏感。在新的基础公式中，CPU 使用 P99；P99,9 作为附加指标显示，并且在 PC Score 中没有单独的权重。

归一化与几何平均

对于速度，归一化值等于 measurement / reference，对于延迟为 reference / measurement。加权几何平均：

G(x, w) = exp(Σ(w × ln(x)) / Σw)

基准值是用于归一化的固定数字，而不是所有计算机的平均值或市场标准。基础评估的尺度为 10 000：所有使用的输入与基准值一致时得到 10 000 分。权重按其总和归一化。

CPU Score

CPU 综合了 CPU 场景的执行速度和其帧时间的 P99。基础基准值：吞吐量 4000 条件帧/秒，P99 0,3 毫秒。CPU 内部权重：60% 速度和 40% 帧时间尾部。

CPU Score = 10000 ×
  (CPU throughput / 4000)^0.60 ×
  (0.3 / CPU frame P99_ms)^0.40

第二部分等价于将 1% Low CPU 归一化到 1000 / 0.3，即大约 3333,33 条件帧/秒。更罕见的延迟即使平均吞吐量接近，也可能改善 CPU Score。这不是 CS2 或其他游戏中的 1% Low：测量的是基准测试自身的 CPU 模拟。

GPU Score

场景	基准吞吐量，条件帧/秒	GPU 内部权重
Geometry	740	45%
Shader	360	45%
Compute	7600	10%

GPU Score = 10000 ×
  (Geometry / 740)^0.45 ×
  (Shader / 360)^0.45 ×
  (Compute / 7600)^0.10

Compute 的权重低于两个图形场景。因此，单独较高的计算着色器速度并不意味着成比例的高总分。GPU Score 还取决于驱动程序、命令提交和系统状态；这不是显卡的孤立标称评估。

Core Latency

使用延迟的 P50、P95 和 P99 从软件信号到 GPU 工作完成。

场景	基准 P50，毫秒	基准 P95，毫秒	基准 P99，毫秒	场景权重
Baseline	2,5	4	6	20%
Loaded	9	12	16	80%

在每个场景内，P50/P95/P99 的权重为 50/30/20：

Baseline = (2.5 / B50)^0.50 × (4 / B95)^0.30 × (6 / B99)^0.20
Loaded = (9 / L50)^0.50 × (12 / L95)^0.30 × (16 / L99)^0.20
Core Latency Score = 10000 × Baseline^0.20 × Loaded^0.80

以毫秒计的延迟越小越好；相应的分数随之提高。PresentMon 的帧输出指标不包含在此组件中。

最终 PC Score

PC Score = 10000 ×
  (CPU Score / 10000)^0.60 ×
  (GPU Score / 10000)^0.20 ×
  (Core Latency Score / 10000)^0.20

这是几何和，而不是算术和。例如，在其他输入不变的情况下：

CPU 吞吐量增加 10% 会使 PC Score 提高约 3,5%：1.10^(0.60 × 0.60)；
CPU P99 减少 10% 会使 PC Score 提高约 2,6%：(1 / 0.90)^(0.40 × 0.60)；
Compute 翻倍会使 PC Score 提高约 1,4%：2^(0.10 × 0.20)。

这些是算术示例，而不是测量到的超频或优化效果。在实践中，一项设置可能同时改变多个指标。

Performance

在旧结果和扩展诊断中可能保留 Performance。其基础公式综合了 CPU、Geometry、Shader、Compute 和 Combined，相对权重为 3/1/1/1/3，基准值为 4000/740/360/7600/665。在 CPU/GPU/Latency 模型中，Performance 不是最终 PC Score 的输入。 Combined 仍然是单独测量的场景，但不直接进入新的最终公式。

Consistency

Consistency 描述一次运行内慢速尾部与典型时间的关系。基础诊断使用 CPU、Shader 和 Combined 的 P99/P50 比值，归一化到 1,20 / 1,15 / 1,20，并以相等权重通过几何平均合并。

Consistency 不是新公式中的单独乘数。 这不是放弃对流畅度的评估：CPU 的 P99 已在 CPU Score 中考虑，而延迟的 P95/P99 包含在 Latency 中。完整运行之间的可重复性仍会单独检查。

方法学更新与旧结果

客户端从服务器获取评估参数。在发布新方法学后，服务器可以根据现有测量值重新计算已保存的结果，并改变排行榜中的名次。重新计算会改变分数，但不会重复测试，也不会修正旧的负载、驱动程序或运行条件。

排行榜不会仅因方法学版本而分成单独的表格。对于自己的前后对比实验，仍应选择相同版本的负载和条件。如果旧结果的某个组件缺少必要数据，不能从总分中恢复它们，也不能将缺失值视为零。

归档的版本 0.5.2 系列保留了旧 Performance / Latency / Consistency 模型的原始分数，权重为 50/30/20。其表格和脚本不是对新公式的验证。中间的 70/20/10 也属于旧模型，而不是此处描述的 CPU/GPU/Latency。

更新日期：2026-10-02。