기본 콘텐츠로 건너뛰기

[Chrome Performance Testing] Macbook Air M1 vs. Lenovo Yoga7 vs. Macbook Air(2015) vs. Google Pixelbook(2017)

 

Macbook Air M1 2020 vs. Macbook Air 2015-Intel7

Chrome Browser Benchmark   


나의 회사 업무는 크롬 브라우저 기반 Google Workspace 를  사용하고 있다. 출근후 모든 업무는 
크롬 브라우저로 시작해서 크롬 브라우저로 끝나는 작업이 대부분이다. 그만큼 크롬 브라우저의 의존도는 매우 높다고 할 수 있다.

Apple이 자체 개발한 CPU 실리콘 M1 칩을 탑재하여 새롭게 출시한 MacBook Pro M1 와  MacBook Air M1 에 관심을 갖게 되었다.  특히 MacBook Air M1 인 경우는 팬이 없어도 성능을 유지하고 발열을 잡은 기기라고 하여 더 관심을 갖게 되었다. 애플코리아에서 12월초 국내 예약 판매 실시하자 마다 바로 예약 주문하여 배송 받았다.

국내외 많은 유튜브 채널을 통해서 타 기기와 성능 비교 영상을 확인 할 수 있었다. 다만, 이 영상들에서는 나의 가장 관심사이기도 한 크롬 브라우저에 대한 성능이 Intel 기반 맥북과 얼마나 차이가 나는지 찾을 수가 없었다.

그래서, 아래와 같이 두대의 MacBook Air (Intel 7 CPU 를 탑재한 2015년 초기 버전 8GB 모델과 이번 2020 M1 CPU 8GB 모델)에서 크롬 브라우저 성능 측정을 해 보았다. 

크롬 브라우저는 M1 (ARM) 용 네이티브 모드로 동작하는 버전이 구글에서 제공되고 있어서, M1 Macbook Air 에서는 M1용 을 설치하였다. 

성능 측정은 Octane Benchmark 와 Browserbech.org 에서 제공하는 JetStream2, Motion Mark, SpeedMeter로 비교 측정을 해 보았다. 


  • Octane Benchmark: Javascript Engine 성능 

  • https://browserbench.org/ 

    • JetStream 2 : 브라우저와 같은 다른 기능의 성능뿐만 아니라 웹 브라우저의 JavaScript 및 WebAssembly 성능을 테스트합니다. 

    • Motion Mark  : 브라우저 그래픽 성능 측정

    • SpeedMeter  : 브라우저 기반 앱 응답 속도 


(*참고로 큰 수치가 성능이 좋다는 의미 *)



참고로 Lenovo Yoga 7 라이젠 4800U 기기와 구글 크롬북 Pixelbook 2017(Intel5) 기기 측정치도 추가 했음.
 

Macbook Air M1

Lenovo Yoga 7

Ryzen 4800U

Macbook Air 2015(Intel7)

Google Pixelbook 2017(Intel5) Chromebook

Chrome Octane Benchmark

64,467

45,391

32,146

16,072

JetStream2 (Chrome)

156.90

128.90

81.29

75.47

Motion Mark

594.68

349.31

192.28

102.46

Speedmeter

170.00

106.00

77.80

50.40





결과적으로는 크롬 브라우저의 성능은 2020년 MacBook Air M1 모델이 MacBook Air 2015년 버전 보다 거의 2배 이상의 성능을 보여 주고 있다. 

사실 인텔7 CPU 기반 MacBook Air 에서도 크롬 브라우저 성능은 사용상 전혀 문제없이 빵빵하게 돌아가는데, M1 MacBook Air 에서는 대략 2배 이상의 성능을 보이는 것에 놀라지 않을 수 없었다. 

특히, Motion Mark 측정시에는 Intel7 Macbook Air에서 팬이 돌기 시작을 하였다. M1용 MacBook Air에서는 팬이 없는데도 불구하고 성능은 거의 2배에 발열이 거의 없었다는 사실이다. 

댓글

이 블로그의 인기 게시물

[Gemini Deep Research 200% 활용법] Gemini 활용 전문가 팁

  Gemini 활용 전문가 팁 Gemini Deep Research 200% 활용법 AI에게 '알아서' 리서치를 시키는 것을 넘어, '최고의 결과물'을 받아내는 2단계 프롬프트 전략 Google Gemini의 'Deep Research' 기능, 정말 강력하죠. 하지만 "어떻게 질문해야 이 기능을 제대로 쓸 수 있을까?" 고민해 본 적 없으신가요? 원하는 답변 대신 너무 광범위하거나 초점이 맞지 않는 결과를 받아보고 실망한 경험도 있으실 겁니다. 오늘은 이 고민을 한 번에 해결해 드릴, 정말 간단하면서도 강력한  ' 2단계 메타 프롬프팅'  전략을 소개합니다. 이 방법은 AI 전문가가 아닌 일반 사용자 누구나 따라 할 수 있으며, 여러분을 단순한 '질문자'에서 AI의 잠재력을 이끌어내는 '프로젝트 감독'으로 만들어 줄 것입니다. 핵심 아이디어는 이렇습니다. "최고의 리서치 프롬프트를 내가 직접 쓰는 대신,  Gemini에게 '최고의 프롬프트를 만들어달라'고 먼저 요청 하는 것" 입니다. AI가 자기 자신을 가장 잘 아는 원리를 이용하는 거죠! 2단계로 완성하는 '전문가급 리서치' 이제부터 딱 두 단계만 따라 해보세요. 놀라운 결과물을 얻게 될 겁니다. 1  프롬프트 '설계도' 요청하기 먼저, 우리가 어떤 정보를 원하는지 Gemini에게 알려주고, 그에 맞는 완벽한 'Deep Research 실행용 프롬프트'를 만들어달라고 요청합니다. 아래 템플릿을 복사해서 여러분의 주제에 맞게 내용을 채워보세요. # 페르소나 당신은 Google Gemini의 'Deep Research' 기능에 대해 완벽하게 이해하고 있는 최고의 프롬프트 엔지니어입니다. 당신의 임무는 사용자의 연구 목표를 기반으로, Deep Research 기능의 성능을 극한까지 끌어낼 수 있는 가장 효과적이고 정교한 ...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

[복잡한 프롬프트 엔지니어링은 이제 그만, 동료와 대화하듯 소통하세요]

AI와 자연스러운 대화법 프롬프트 엔지니어링은 이제 그만, 동료와 대화하듯 소통하세요 핵심 철학 AI는 복잡한 명령어가 필요한 기계가 아닙니다. 자연스러운 대화로 협업하는 지능적인 파트너입니다. 프롬프트 패러다임의 변화 초기 생성형 AI 시대 (2022-2023) 한계:  제한적 추론 능력, 정적 학습 데이터, 단순 패턴 매칭 결과:  복잡한 프롬프트 엔지니어링 기법 필수 Chain-of-Thought   Few-shot Learning   Role Playing 현재 AI 시대 (2024-2025) 발전:  강화된 추론 능력, 실시간 웹 검색, 심층 리서치 결과:  자연스러운 대화만으로 충분한 성능 실시간 검색   고도화된 추론   맥락 이해 🔄 패러다임 전환의 핵심 AI의 능력이 향상되면서  "사용자가 AI에 맞춰야 하는 시대" 에서  "AI가 사용자에게 맞춰주는 시대" 로 변화했습니다. 1 맥락 제공하기 동료에게 업무를 요청할 때처럼, 상황과 배경을 자연스럽게 설명해주세요. "고객 발표용 자료를 만들어야 하는데, 비전문가들이 이해하기 쉽게 설명하고 싶어요." 2 단계적 대화 한 번에 완벽한 결과를 기대하지 말고, 대화를 통해 점진적으로 발전시켜나가세요. "먼저 전체 구조부터 잡아볼까요? 그다음에 세부 내용을 채워넣죠." 3 명확한 의도 표현 복잡한 구조 대신, 왜 이것이 필요한지 목적을 솔직하게 말해주세요. "팀 회의에서 사용할 건데, 논점을 명확하게 정리하고 싶어요." 4 자연스러운 피드백 마음에 들지 않는 부분이 있으면 편하게 수정을 요청하세요. 협업의 일부입니다. "이 부분은 좀 더 구체적으로 설명해줄 수 있을까요? 예시도 넣어주시고요." Before vs After 복잡한 프롬프트 엔지니어링 당신은 10년 이상의 경험을 가진 마케팅 전문가로서 행동하세요. AIDA 프레임워크를 사용하여 포괄적인 마케팅 전략을 수립하세요. 다음을 포함하세요: ...

정보 과잉 시대의 필수 스킬: Deep Research 잘하는 법 (SCOPE 프레임워크 활용)

  정보 과잉 시대의 필수 스킬: Deep Research 잘하는 법 (SCOPE 프레임워크 활용) 영희:  철수 박사님, 안녕하세요! 평소 생성형 AI나 검색형 AI에 관심이 많았는데, 최근에 'Deep Research'라는 개념이 새롭게 떠오르는 것 같더라고요. 박사님은 이 분야 전문가시니, 제가 Deep Research에 대해 좀 자세히 배울 수 있을까요? 철수:  안녕하세요, 영희 씨! 물론입니다. Deep Research는 기존의 AI 검색 방식과는 차원이 다른 심층적인 정보 탐색 및 분석 능력을 의미합니다. 마치 관광 여행과 현지 생활의 차이처럼 생각하시면 이해하기 쉬울 거예요. 일반 AI가 유명 관광지를 빠르게 둘러보는 패키지여행과 같다면, Deep Research는 그 지역에서 몇 달간 살아보며 현지 문화를 깊이 이해하는 경험과 비슷합니다. 영희:  아, 비유가 정말 와닿네요! 그럼 일반 AI와 Deep Research는 구체적으로 어떻게 다른 건가요? 철수:  핵심적인 차이점은 정보를 다루는 깊이와 방식에 있습니다. 일반 AI는 주로 학습된 데이터나 제한적인 검색 결과에 의존하여 즉각적인 답변을 제공하는 반면, Deep Research 에이전트는 자율적으로 다양한 출처를 탐색하고, 여러 단계의 심층적인 조사를 수행합니다. 예를 들어, 일반 AI에게 "비트코인 가격에 영향을 미치는 요인은 무엇인가요?"라고 질문하면, 학습된 데이터를 바탕으로 일반적인 요인들, 예를 들어 공급과 수요, 규제 환경 등을 나열하는 수준의 답변을 얻을 수 있습니다. 하지만 Deep Research 에이전트에게 "2018년부터 현재까지 비트코인 가격과 미국 금리 변동의 상관관계를 분석해주세요. 특히 금리 인상/인하 결정 발표 전후 비트코인 가격 변동 패턴, 시차 효과, 그리고 이 관계가 시간에 따라 어떻게 변화했는지 패턴화해주세요."와 같이 구체적인 질문을 던지면, Deep Research 가 스스로 자료를 조사하고 보기 ...