关于AI Benchmark
你的手机准备好迎接人工智能了吗?运行 AI Benchmark 来检查它的性能!
十亿参数线性模型、神经图像生成、人脸识别、图像分类、问答……
您的智能手机是否能够运行最新的深度神经网络来执行这些以及许多其他基于人工智能的任务?它是否配备了专用的人工智能芯片?它的速度是否足够快?运行 AI Benchmark 来专业评估其人工智能性能!
当前手机排名:http://ai-benchmark.com/ranking
AI Benchmark 可测量多个关键人工智能、计算机视觉和自然语言处理模型的速度、准确性、功耗和内存需求。测试的解决方案包括线性模型、神经图像生成、图像分类和人脸识别方法,用于图像/视频超分辨率和照片增强的神经网络,以及用于自动驾驶系统和智能手机的实时深度估计和语义图像分割的人工智能解决方案。算法输出的可视化功能可让您以图形方式评估其结果,并了解各个人工智能领域的最新进展。
AI 基准测试总共包含 83 项测试,分为以下 30 个部分:
第 1 部分:分类,MobileNet-V4
第 2 部分:分类,EfficientNet-B4
第 3 部分:人脸识别,Swin Transformer
第 4 部分:分类,ConvNeXT-V2
第 5 部分:分类,MobileViT-V2
第 6 部分:光学字符识别,ViT Transformer
第 7/8 部分:并行模型执行,8 x EfficientNet-B4
第 9 节:目标跟踪,YOLO-V8
第 10 节:语义分割,DeepLabV3+
第 11 节:并行分割,2 x DeepLabV3+
第 12 节:语义分割,Segment Anything
第 13 节:图像去模糊,IMDN
第 14 节:图像超分辨率,SwinIR
第 15 节:图像超分辨率,SRGAN
第 16 节:图像去噪,SplitterNet
第 17 节:深度估计,Depth-Anything-V2
第 18/19 节:图像增强,DPED
第 20 节:学习型相机 ISP,PyNET
第 21 节:散景效果渲染,U-Net
第 22/23 节:4K 视频超分辨率,XLSR
第 24/25 节:4K 视频超分辨率,VideoSR
第 26 节:神经文本生成,GPT2
第 27 节:神经文本生成,Llama2 1.1B
第 28 节:神经图像生成,Stable Diffusion V1.5
第 29 节:神经文本生成,Llama2 110M 4W16A
第 30 节:内存限制,ResNet
此外,用户还可以在 PRO 模式下加载并测试自己的 TFLite 深度学习模型。
测试的详细说明请参见:http://ai-benchmark.com/tests.html
注意:所有配备专用 NPU 和 AI 加速器的移动 SoC 均支持硬件加速,包括高通骁龙、联发科天玑/Helio、谷歌 Tensor、海思麒麟、三星 Exynos 和紫光展锐 Tiger 芯片组。从 AI Benchmark v4 开始,用户还可以在旧设备上的设置中启用基于 GPU 的 AI 加速(“加速”->“启用 GPU 加速”/“Arm NN”,需要 OpenGL ES 3.0 或更高版本)。
最新版本7.0.0的更新日志
2. Added LiteRT V2 runtime (version 2.0.3).
3. LiteRT (TFLite) runtime updated to version 1.4.2.
4. Added an optional test checking the performance of 4-bit quantized LLMs with 16-bit activations.
5. Updated Qualcomm QNN, MediaTek Neuron, Samsung ENN, TFLite NNAPI and GPU delegates.
6. Updated in-app ranking table.












