分數如何計算

本頁內容

PC Score 將速度、延遲與均勻性整合為一個無因次指數。它無法直接換算成 FPS 或「Windows 加速百分比」。以下說明引擎 0.5.2 的 score-model-1.2-candidate-1 模型。取得原始指標的條件描述於方法論。

原始指標

在區塊內，吞吐量依有效記錄數以及第一筆與最後一筆記錄的時間差計算：

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

同一負載的三次重複，取各區塊吞吐量的平均值。不應改取整個階段的總行，因為那樣會把不同時間點的情境混在同一區塊中。

CPU 幀時間：CPU 工作的持續時間。對於 GPU 與 Combined，幀間隔依相鄰兩次各自 GPU 工作開始的 timestamp 計算。GPU 工作本身從開始到結束的持續時間則另行記錄。

正向延遲不會被移除，即使它們使數值變差。不正確的時間戳會另行標示。若某項指標不存在，它會保持為 unavailable，不會以零代入。

計算本身適用一項可用性規則：非正、缺失、NaN 與無限的關鍵輸入會使評分整體失效。數值不會被夾限，也不會以邊界值取代——此模型沒有「修正過的」輸入。

對於已排序的值，使用線性插值 Hyndman-Fan Type 7：

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

索引從零開始。P50 對應中位數；P99 顯示約有 99% 的觀測值低於此界線。

這些數值是幀時間百分位數的倒數，而不是最差百分比幀數的平均 FPS。若採用其他 Low FPS 定義，同一批資料上的數字可能不同。

此外還會計算平均值、最小值、最大值、P90、P95、除以 n 的標準差、中位數絕對偏差與變異係數。

對於速度而言「越大越好」，因此正規化後的量為 измерение / эталон。對於延遲與尾部對中位數的比值而言「越小越好」，因此使用 эталон / измерение。

加權幾何平均：

G(x, w) = exp(Σ(w × ln(x)) / Σw)

它整合的是各測量值與基準的比值，因此不同單位不會相加。每個成分的影響取決於其權重：將其中一個加倍並不會使最終結果加倍。

基準是一組固定的正規化常數，在此稱為 provisional-dev-reference-2026-08-21。它不是「市場平均」，也不是業界標準。若與基準值完全一致，最終指數等於 10 000。

GPU = G(Geometry / 740, Shader / 360, Compute / 7600)
Performance = 10000 × G(CPU / 4000, GPU, Combined / 665)

在這兩個公式中，各引數彼此均衡。在 Performance 中，CPU 與 Combined 的貢獻相同（各佔三分之一），而三個 GPU 情境各自在對數部分貢獻九分之一。

使用內部延遲的 P50、P95 與 P99，從軟體訊號到 GPU 工作完成。

情境	P50，毫秒	P95，毫秒	P99，毫秒
Baseline	2,5	4	6
Loaded	9	12	16

對每個情境以權重 50/30/20 計算 G(эталон P50 / P50, эталон P95 / P95, эталон P99 / P99)。接著：

Core Latency Score = 10000 × G(Baseline, Loaded; 權重 40/60)

延遲降低時分數上升。測量本身以毫秒為單位，則相反地以較小值為佳。

此成分檢視 P99 / P50 的比值，顯示延遲的強尾部相對於典型時間的關係。它不是各次執行之間重現性的指標。

對每個輸入計算 эталон / измеренное отношение，然後取五個值以相等權重的幾何平均並乘以 10 000。在目前模型中，GPU 尾部取自 Shader，而不是取自 Geometry、Shader 與 Compute 的混合整體。

PC Score = 10000 ×
  (Performance / 10000)^0.50 ×
  (Core Latency Score / 10000)^0.30 ×
  (Consistency / 10000)^0.20

權重 50/30/20 是方法論內部所定義。它們並不代表適用於所有遊戲的 CPU、GPU 與延遲通用占比。因此比較結果時，必須同時查看成分拆解與原始指標。

為了敏感度分析，引擎也會計算權重 60/20/20 與 40/40/20 的變體。此外，對每個葉節點輸入還會輸出解析敏感度：該輸入偏離 +1、+5 與 +10% 時的最終分數。它們有助於看出權重選擇與個別輸入的影響，但不能取代主要評估。

在八次執行的檢查中，四項評分全部由已儲存的彙總指標重新計算。差異小於 0,000001 分。這種重新計算驗證的是模型的算術。重新計算無法把不可用的擷取變成可用的：被取消、不完整與診斷性的執行，無論如何重新處理都仍屬不可用。計時器精度與硬體上的重現性則需要另行檢查。

已驗證：2026-09-20。