Web Bench測試專案
Web Bench 透過 8 個類別、數十項細分測試,觀察裝置在瀏覽器中的表現。你可以在下方瞭解每個類別測的是什麼、與日常使用的哪些體驗相關,以及數值是越高越好還是越低越好。裝置或瀏覽器不支援的專案會被自動排除,所有數值都會因環境而異,僅供參考。
CPU單核
CPU 單核測試的是單個核心完成文字處理、JSON 解析、壓縮、雜湊、影象處理、排序、路徑搜尋、物理模擬、光線追蹤和線性代數等真實任務的速度。網頁載入、應用響應速度,以及一次只做一件事的程式,其體驗大體與這個數值接近。單位是每秒完成的運算元,數值越高,說明同樣時間內完成的工作越多。AES-GCM、Deflate 等需要瀏覽器 API 的專案,在不支援時會被排除,只用剩餘專案計算得分。
- 文字處理 · 單核
- 分詞及正則表達式搜索與替換
- JSON · 單核
- 大型文件解析和序列化
- LZ壓縮 · 單核
- 自實現LZ壓縮與解壓
- SHA-256 · 單核
- JavaScript哈希處理量
- 影像處理 · 單核
- 高斯模糊、縮放和色彩轉換
- 排序與數據結構 · 單核
- 排序、哈希表和優先隊列
- A*尋路 · 單核
- 含障礙物的大網格最短路徑
- 物理模擬 · 單核
- n體引力與彈性碰撞
- CPU光線追蹤 · 單核
- 球體場景渲染
- 線性代數 · 單核
- 矩陣乘法與部分選主元LU分解
- 大整數 · 單核
- BigInt乘法和64位素數檢測
- 文件解析 · 單核
- 標記分詞和樹構建
- AES-GCM · 單核
- SubtleCrypto加密與解密
- Deflate · 單核
- CompressionStream壓縮與解壓
CPU多核
CPU 多核把同類任務分配給多個 Worker 同時執行,測試多個核心協同工作時的吞吐量。影片編碼、大檔案處理,以及同時使用多個標籤頁和應用時,差異最為明顯。單位是每秒運算元,越高越好。不過它會受到瀏覽器所用 Worker 數量和同步方式的影響,請不要只用物理核心數來解讀。在無法使用加密或壓縮 API 的環境中,相應專案會被排除。
- 文字處理 · 多核
- 分詞及正則表達式搜索與替換
- JSON · 多核
- 大型文件解析和序列化
- LZ壓縮 · 多核
- 自實現LZ壓縮與解壓
- SHA-256 · 多核
- JavaScript哈希處理量
- 影像處理 · 多核
- 高斯模糊、縮放和色彩轉換
- 排序與數據結構 · 多核
- 排序、哈希表和優先隊列
- A*尋路 · 多核
- 含障礙物的大網格最短路徑
- 物理模擬 · 多核
- n體引力與彈性碰撞
- CPU光線追蹤 · 多核
- 球體場景渲染
- 線性代數 · 多核
- 矩陣乘法與部分選主元LU分解
- 大整數 · 多核
- BigInt乘法和64位素數檢測
- 文件解析 · 多核
- 標記分詞和樹構建
- AES-GCM · 多核
- SubtleCrypto加密與解密
- Deflate · 多核
- CompressionStream壓縮與解壓
記憶體
記憶體測試會同時考察連續 16 MB 區域的讀取、寫入、複製吞吐量,以及隨機追蹤資料時的訪問延遲。處理大圖或影片剪輯、開啟大量標籤頁、遊戲載入等需要搬運大量資料的場景,都與它密切相關。吞吐量以 GB/s 為單位,越高越好;隨機訪問延遲以 ns 為單位,越低越好。由於會不斷改變訪問範圍的大小,還可以大致判斷速度在快取層級的哪個位置發生變化。
- 順序讀取
- 16 MB連續記憶體處理量
- 順序寫入
- 16 MB連續記憶體處理量
- 順序複制
- 16 MB連續記憶體處理量
- 隨機訪問·16 KB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·64 KB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·256 KB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·1 MB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·4 MB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·16 MB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·64 MB
- 通過相關指針追蹤測量快取層級延遲
- 隨機訪問·256 MB
- 通過相關指針追蹤測量快取層級延遲
GPU圖形
GPU 圖形測試會在螢幕之外繪製大量三角形、131,072 個粒子以及泛光和模糊後處理,並測出平均 FPS。它與網頁遊戲、3D 地圖和特效豐富的頁面執行是否流暢有關。單位是 FPS,越高越好。如果無法使用 WebGPU,可能會改用 WebGL2 路徑執行;如果兩者都不可用,這一類別會被排除。
- 大量三角形
- 離屏圖形渲染·平均FPS
- 131,072個粒子
- 離屏圖形渲染·平均FPS
- 泛光與模糊後處理
- 離屏圖形渲染·平均FPS
GPU計算
GPU 計算測的是把計算而非圖形交給 GPU 時的速度。它會執行 f32 和 f16 矩陣乘法、影象卷積、粒子模擬和並行求和,並校驗結果緩衝區是否正確。它與瀏覽器內的影片處理、AI 推理這類大量平行計算的任務最為接近。矩陣乘法以 GFLOPS 顯示,其餘以每秒處理的元素數顯示,都是越高越好。如果沒有 WebGPU 或 shader-f16 功能,相應專案會被排除。
- 矩陣乘法f32
- WebGPU計算·輸出緩沖區驗證
- 矩陣乘法f16
- WebGPU計算·輸出緩沖區驗證
- 影像卷積
- WebGPU計算·輸出緩沖區驗證
- 粒子模擬
- WebGPU計算·輸出緩沖區驗證
- 並行求和（reduction）
- WebGPU計算·輸出緩沖區驗證
瀏覽器
瀏覽器類別測試 DOM 操作與佈局、Canvas 2D 繪製、螢幕重新整理率和幀一致性。它直接對應開啟復雜網頁應用時的響應,以及滾動和動畫是否流暢等日常體驗。DOM 和 Canvas 以每秒運算元計,越高越好;幀間隔以 ms 計,越低越好。這些專案不僅取決於硬體,也深受瀏覽器引擎和顯示設定影響,因此請在同一瀏覽器之間比較。
- DOM操作與佈局
- 創建和修改虛擬列表並完成佈局
- Canvas 2D
- 路徑、圖形和文字繪制
- 刷新率與幀一致性
- requestAnimationFrame間隔·刷新率和p95偏差
儲存
儲存測試會在瀏覽器提供的 OPFS 中建立臨時檔案,測量順序寫入、順序讀取、隨機寫入和隨機讀取的速度,結束後刪除該檔案。它與下載大檔案、載入離線應用資料時的體驗有關。單位是 MB/s,越高越好。如果瀏覽器不支援 OPFS,或因隱私模式等原因被阻止,這一類別會被排除。
- 順序寫入
- OPFS暫存檔案讀寫·完成後刪除
- 順序讀取
- OPFS暫存檔案讀寫·完成後刪除
- 隨機寫入
- OPFS暫存檔案讀寫·完成後刪除
- 隨機讀取
- OPFS暫存檔案讀寫·完成後刪除
AI推論（可選）
AI 推理是可選專案,只有在你同意下載模型後才會執行。它輸入固定的測試語句和圖片,測量瀏覽器內文字生成和影象模型的執行速度,不會使用你的個人檔案。它可以作為評估裝置端 AI 功能是否流暢的參考指標,處理速度越高越好。如果你不同意,就不會執行,也不會計入總分;如果無法使用 WebGPU,則改用 WASM 路徑執行,並會單獨標明。
- 首個Token時間
- 從generate調用到首個Token·不含分詞
- 提示詞處理
- 輸入Token數 / 首次forward時間·不含分詞和採樣
- 文字生成
- greedy 128個Token·首個之後127個Token的處理量
- 單張影像分類
- 固定224×224 RGB影像·不含預處理·MobileNetV4 fp32