分數如何計算

本頁內容

PC Score 是一個無因次指數。在新模型中，它合併了 CPU、GPU 與內部延遲。基礎權重：CPU 60%、GPU 20%、Latency 20%。 以下所述的基準與權重描述的是基礎配置，而非對線上排名設定永不變更的承諾：伺服器可能發布新的方法論。

原始指標

對於區塊，吞吐量是根據有效記錄數以及第一筆與最後一筆之間的時間計算：

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

對於同一負載的三個區塊，取吞吐量的算術平均值。CPU frame time 描述 CPU 工作時間。對於 GPU 與 Combined，幀間隔是根據相鄰的 GPU 工作開始時間戳判定；GPU 工作本身的持續時間則另行儲存。基準測試的條件幀數並非遊戲 FPS。

缺失的測量不會以零取代。若資料不足以評估，則元件的不可用不能解讀為零效能。

百分位數與 Low FPS

百分位數是針對已排序的值，以 Hyndman–Fan Type 7 線性插值計算：

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

P50 是中位數。P99 的幀時間刻劃慢速尾端：約 99% 的觀測值不超過此界限。

1% Low = 1000 / P99 的幀時間，以毫秒計。
0,1% Low = 1000 / P99,9 的幀時間。

在此，Low FPS 是反向百分位數，而非最差百分之一幀的平均 FPS。來自另一項對 Low FPS 有不同定義的測試的數字，即使在相同資料上也可能不同。0,1% Low 對罕見事件與記錄長度很敏感。在新的基礎公式中，CPU 使用 P99；P99,9 作為附加指標顯示，且在 PC Score 中沒有單獨的權重。

正規化與幾何平均

對於速度，正規化值等於 measurement / reference，對於延遲則為 reference / measurement。加權幾何平均：

G(x, w) = exp(Σ(w × ln(x)) / Σw)

基準是用於正規化的固定數字，而非所有電腦的平均值或市場標準。基礎評估的尺度為 10 000：所有使用的輸入都與基準一致時，可得 10 000 分。權重會以其總和進行正規化。

CPU Score

CPU 合併了 CPU 情境的執行速度與其幀時間的 P99。基礎基準：吞吐量 4000 條件幀/秒，P99 0,3 毫秒。CPU 的內部權重：60% 速度與 40% 幀時間尾端。

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

第二部分等同於將 1% Low CPU 正規化至 1000 / 0.3，即約 3333,33 條件幀/秒。更罕見的延遲即使平均吞吐量相近，也可能改善 CPU Score。這不是 CS2 或另一款遊戲中的 1% Low：所測量的是基準測試自身的 CPU 模擬。

GPU Score

情境	吞吐量基準，條件幀/秒	GPU 內部權重
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 的權重低於兩個圖形情境。因此，單獨較高的運算著色器速度並不代表整體分數會成比例地提高。GPU Score 也取決於驅動程式、指令提交與系統狀態；這不是對顯示卡的孤立標稱評估。

Core Latency

使用從軟體訊號到 GPU 工作完成的 P50、P95 與 P99 延遲。

情境	P50 基準，毫秒	P95 基準，毫秒	P99 基準，毫秒	情境權重
Baseline	2,5	4	6	20%
Loaded	9	12	16	80%

在每個情境內，P50/P95/P99 的權重為 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

以毫秒計的延遲數值越小越好；對應的分數則隨之提高。PresentMon 的幀輸出指標不包含在此元件中。

最終 PC Score

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

這是幾何和，而非算術和。例如，在其他輸入不變的情況下：

CPU 吞吐量增加 10% 會使 PC Score 提高約 3,5%：1.10^(0.60 × 0.60)；
CPU P99 減少 10% 會使 PC Score 提高約 2,6%：(1 / 0.90)^(0.40 × 0.60)；
Compute 加倍會使 PC Score 提高約 1,4%：2^(0.10 × 0.20)。

這些是算術範例，而非實測的超頻或最佳化效果。在實務中，一項設定可能同時改變多個指標。

Performance

在舊結果與擴充診斷中可能保留 Performance。其基礎公式合併 CPU、Geometry、Shader、Compute 與 Combined，相對權重為 3/1/1/1/3，基準為 4000/740/360/7600/665。在 CPU/GPU/Latency 模型中，Performance 不是最終 PC Score 的輸入。 Combined 仍是單獨測量的情境，但不直接納入新的最終公式。

Consistency

Consistency 描述單次執行內慢速尾端與典型時間的比值。基礎診斷使用 CPU、Shader 與 Combined 的 P99/P50 比值，正規化至 1,20 / 1,15 / 1,20，並以等權重合併為幾何平均。

Consistency 不是新公式中的單獨乘數。 這並非放棄流暢度評估：CPU 的 P99 已在 CPU Score 中納入考量，而 P95/P99 延遲則包含在 Latency 中。完整執行之間的重現性仍會另行檢查。

方法論更新與舊結果

用戶端從伺服器取得評估參數。在發布新方法論後，伺服器可能會根據現有測量重新計算已儲存的結果，並改變排名位置。重新計算會改變分數，但不會重跑測試，也不會修正舊的負載、驅動程式或執行條件。

排名不會僅因方法論版本而分成不同的表。若要進行自己的前後對照實驗，仍請選擇相同版本的負載與條件。若舊結果的某個元件缺少必要資料，不能從總分還原它們，也不能將缺失值視為零。

封存的版本 0.5.2 系列保留了舊 Performance / Latency / Consistency 模型的原始分數，權重為 50/30/20。其表格與腳本並非對新公式的驗證。中間的 70/20/10 同樣屬於先前的模型，而非此處所述的 CPU/GPU/Latency。

更新日期：2026-10-02。