瀏覽器 GPU 基準測試能測什麼，又不能測什麼

我們自己開發瀏覽器基準測試，所以不妨把這篇文章當成廠商主動印在包裝上的副作用說明。瀏覽器 GPU 分數確實測量了真實存在的東西，但這個東西與 3DMark 測量的並不相同。假裝兩者一樣，正是基準數字淪為玄學的開始。

這個數字實際包含什麼

當我們的效能測試報告你的裝置能以穩定影格率承載 600,000 個粒子時，這個數字是一整條鏈路共同作用的結果：

• GPU 晶片本身，這是顯而易見的；
• 驅動程式，以及瀏覽器包在它外面的轉接層；
• 瀏覽器合成器，它決定繪製的畫面何時真正到達螢幕；
• JavaScript 及其垃圾回收器，尤其是在偏重 CPU 的場景中；
• 作業系統的電源管理器，它每秒都在決定裝置可以使用多高的時脈；
• 散熱條件——機身、風扇曲線，以及距離上一次測試過了多久；
• 還有同時運作的一切：40 個分頁、視訊會議，以及防毒軟體的午後掃描。

原生基準測試會有意繞過其中一些環節，以便隔離硬體效能。瀏覽器基準測試則保留整條鏈路，這既是缺點，也是價值所在。

什麼時候不該看瀏覽器分數

跨系統替 GPU 排名。 同一張顯示卡在不同瀏覽器、驅動版本或作業系統下，分數可能出現有意義的差異，因為瀏覽器本身就是一層翻譯：WebGL 呼叫會被轉換成底層的原生圖形 API，例如 macOS 上的 Metal、Windows 上的 Direct3D。如果你想知道兩款 GPU 誰的純硬體效能更強，應該閱讀使用原生測試的專業評測；那才是合適的儀器。

預測遊戲的絕對 FPS。 經過數週專項最佳化的遊戲引擎，不會像瀏覽器畫布一樣運作。瀏覽器分數與遊戲效能存在寬泛關聯，卻無法準確預報具體遊戲影格率。

解讀細小差距。 任何瀏覽器基準連續執行五次，都會自然出現幾個百分點的波動。小於這個範圍的差別只是雜訊。我們會標記因溫度而降速的測試，並允許你查看各場景結果，正是為了避免過度解讀微小差距。

什麼時候瀏覽器分數恰好最合適

測量網頁實際能用到的效能。 如果你關心的是大型 Web App、Canvas 工具、地圖和 WebGL 網站在一台裝置上的體驗，轉譯層就不是測量誤差，而是被測對象本身。原生基準看不到某次瀏覽器退步讓真實網頁效能減半；瀏覽器基準則正好運作在這條鏈路之中。

讓自己的裝置與自身比較。 同一裝置、同一瀏覽器，在驅動更新、系統升級或可疑變慢的前後各測一次——這是瀏覽器基準最有價值的場景，因為除改動項以外，其餘條件都保持不變。分數歷史只保存在你的裝置中，正是為了這種比較。

大規模比較同一鏈路。 同一個版本的工作負載累積上萬次測試，再按 GPU 系列分組，就能得到真正有價值的中位數：例如 M 系列 MacBook 或中階 Android 手機在瀏覽器裡通常能達到什麼水準。我們的匿名樣本會逐步形成這套資料，並且只有樣本數達到門檻才會公開。

快速檢查你不擁有的硬體。 無須安裝、無須管理員權限，在待驗的二手筆電或管控嚴格的辦公電腦上也能執行。能真正跑起來的測試，勝過無法安裝的「更好」測試。（也可參閱二手裝置螢幕檢查流程。）

我們如何讓數字保持誠實

完整細節見分數如何計算，這裡先概括基本原則：

• 測影格時間，不看 FPS 計數器。 我們在數秒視窗內評估影格時間的第 95 百分位數；把卡頓平均掉的基準測試，測到的只是行銷數字。
• 固定影格預算。 無論顯示器更新率是多少，預算始終為 16.67 毫秒，因此 120Hz 筆電不會因為螢幕更好而受罰。
• 工作負載版本化。 只要改變一個場景的繪製內容，基準版本就會升級，不同版本的分數永不互比。
• 明確標記降速，而不是混入平均。 如果裝置在執行途中變慢（通常是過熱），結果會直接說明，而不是悄悄把降頻後的表現揉進一個數字。
• 不假裝實驗室。 這項分數就叫瀏覽器工作負載分數，因為它測量的正是這個。

如何得到值得保留的數字

盡量關閉其他程式，接上電源，關閉省電模式，讓裝置先冷卻，執行期間不要操作——背景負載和溫度，是我們看到的兩大波動來源。然後連續執行兩次，更信任第二次；第一次往往承擔了各種預熱成本。