据机情前哨站报道,近日,几大板厂纷纷进行了 BIOS 更新,提供了全新的 Intel Default Setting 模式,在不影响游戏性能的情况下,提高了整机系统的稳定性。本篇文章将详细的为大家解读新 BIOS 的一些特性,以及新老 BIOS 的游戏性能差距。这里多说一句,我们的老 BIOS 匹配的是产品刚发布时的性能,这样才能做一个更好的区分与对比。
更新亮点 1:稳定性增强
最近一段时间,个别用户反映电脑出现电脑黑屏与死机蓝屏的情况。经过核查,发现老版本的主板 BIOS 存在功耗墙、电流墙过于激进的情况,导致电脑不稳定的情况发生。因此最新的 BIOS 按照 Intel 官网指定的标准数值对 PL 功耗进行了设定,也就是Intel Default Setting模式,解决了老 BIOS 电脑不稳定的问题。
更新亮点 2:游戏性能无影响
全新的 Intel Default Setting 模式是 Intel 的官方推荐模式,该模式相比产品刚发布性能的老版本 BIOS,在游戏性能方面几乎没有任何区别,玩家可以放心使用。为了论证这一观点,本文将进行实际的对比测试,看看到底新模式的表现怎么样。
性能实测环境介绍:
本次测试我使用 14700K 进行测试,搭配的主板为华硕 ROG Z790-E 主板,显卡是 RTX 4070,应该可以反映很多用户的实际使用场景。BIOS 版本号分别是新的 2301 与老的 2102 ,下面正式开始测试。
实际游戏性能测试:
英雄联盟是一款火爆全球的 MOBA 游戏,十余年经久不衰,是网吧里随处可见的热门游戏。
在英雄联盟这款游戏中,我们看到新版本的 BIOS 性能甚至还会略微超过产品刚发布性能的老版本 BIOS,有一定的性能优化效果。
孤岛惊魂新曙光是育碧公司的一款 3A 大作,玩家将扮演一个虚拟角色在一片新的世界里展开战斗的故事。
可以看到新 BIOS 的表现让人满意,性能依旧是领先了产品刚发布性能的老版本 BIOS。
银河撕裂者是一款策略类游戏,玩家需要扮演一名指挥官,指挥您的部队进行战斗。
这类 RTS 游戏对 CPU 压力极大,因此新 BIOS 的表现会略微低于产品刚发布性能的老版本 BIOS,但是性能损失幅度在可接受范围内。
全面战争三国是一款以三国为背景题材的策略类游戏,广阔的战场与排兵布阵是本游戏最大的乐趣。
全面战争三国同样属于策略类游戏,这类游戏对 CPU 压力极大,因此新 BIOS 的表现会略微低于产品刚发布性能的老版本 BIOS,但是性能损失幅度比较小,可以忽略不计。
古墓丽影暗影是一款冒险游戏,玩家扮演劳拉前往全球各地的古墓进行探险。
这款游戏两版本 BIOS 的区别微乎其微,几乎性能完全一致。
永劫无间是一款非常热门的多人竞技类游戏,目前在国内非常火爆。
这款游戏强调多人对战,产品刚发布性能的老版本 BIOS有一丢丢的性能优势,但是差距并不大,可以接受。
PUBG 是享誉全球的射击游戏,在国内仍然有数以十万计的铁杆粉丝游玩这款游戏。
新老 BIOS 差距在误差范围之内,表现几乎相同。由此可见新 BIOS 在一些游戏中比老 BIOS 还要更优秀,在另外一部分游戏中则是与产品刚发布性能的老版本 BIOS不相上下,也有一部分游戏有一丢丢的性能差距,总体上可以说性能基本一致,并无本质的性能差异。
总结:
综上所述,几大板厂的 BIOS 更新,提供了全新的 Intel Default Setting 模式,在不影响游戏性能的情况下,提高了整机系统的稳定性。新版 BIOS 只是按照 Intel 的推荐设置,优化了产品刚发布性能的老版本 BIOS 对功耗和电压的调度。玩家可以放心更新最新的 BIOS,毕竟既可以提高稳定度,又不影响游戏性能,何乐而不为呢?
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。