百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

矿潮时代!Quadro T600能拯救预算有限的游戏佬吗 测评+个人向体验

ztj100 2025-03-03 21:15 44 浏览 0 评论

首先声明,因为本人没有类似等级的显卡可以测试,所以所对比的显卡成绩都是取自网络上的相关评测(我会尽可能保证其余硬件接近),即使如此肯定也会有驱动测试环境的差异,所以这些成绩仅供参考。

还是先说结论,由于我判断的失误,英伟达对于T600的功耗墙限制不可改,换了这个30+10块钱的散热器后,散热效果有明显提升但是性能提升微乎其微。然而T600的游戏性能有惊喜,在理论测试基本不如1050ti的情况下,很多实际游戏表现反而反超。

背景

上回说到,在发现Quadro T600的散热规格不够之后,我在淘宝上找了一个适用的规格看起来更好的散热器,想替换下看下表现

散热器4线PWM风扇,价格30+运费10元。

散热器的对比安装

散热器到手之后,拿在手里感觉分量确实比原装的要重不少。风扇上的索泰标志说明这个风扇应该是原来索泰某款显卡用的

背面有预涂好的硅脂,还有个塑料盖保护,孔径是43mm*23mm。

拆开上盖看看,外面是一层黑色金属盖,本身也有一定散热效果,这点比原装要好。内部的散热器比外观看起来要小不少。

和原装散热器对比一下,这个规格也算是提升明显了,面积从5*5.5cm提升到5.2*8.4cm,厚度更是原装的2倍,想必散热也会有很大的提升

风扇是动力的(原装是台达的),含油轴承(最便宜的轴承

),其余规格与原装相同。标签上的2008诉说着这个散热器的所经历过的沧桑

安装到显卡上试一下吧,完美贴合

之前看评论里还有说和P620有兼容问题,需要打磨。T600把供电那两个高电容给换成矮一点的了,刚好中间留有1mm的间隙。

缺点就是有两个显存芯片照顾不到了,不过这个GDDR6运行在1250MHz,是我见过的频率最低的GDDR6显存,想必散热也不会有什么问题。

装上外壳后上机,现在这张卡得占两个卡槽了

上机散热与噪音测试

首先说一下我的失误。虽然英伟达在nvidia-smi命令里面提供了对于核心和显存频率的锁定功能(频率必须在它限定的组合里面),虽然在显存5000MHz的时候可以把核心频率锁定到2010MHz,但是我忽略了功耗墙啊

T600英伟达给定的功耗墙就是41.55W而且这个没办法改,就算我把核心频率锁定到了2010MHz,搞负荷运转时还是会因为功耗墙的限制把频率给拉低到1650MHz左右

先说一下怎么设定频率吧,Windows左下角搜索框输入“cmd”打开命令行,先用nvidia-smi -q -d SUPPORTED_CLOCKS查看一下BIOS支持的核心和频率组合。T600支持的最高显存频率就是5000,还有810、410,然后显存5000下支持的最高核心频率就是2010。然后我们再输入nvidia-smi -lgc 2010,就可以把频率锁定到2010MHz了(重启要重新设置...)。但是我在AfterBurner中查看频率只是被固定在了1845MHz,可能还是功耗的原因?

先不管了,跑个3D Mark看看吧。测试平台还是上次那个,室温依旧是27度,打开机箱侧盖测试

  • CPU:英特尔 i5-10400F
  • 主板:微星 B560M迫击炮WIFI
  • 散热器:利民 AK120MINI
  • 内存:科赋 DDR4 马甲条 3200 8GB * 2
  • 硬盘:三星 970EVO 500GB
  • 电源:长城 TF750 750W白金
  • 机箱:小喆 C2
  • 机箱风扇:乔思伯 9025 PWM(后置)

Time Spy是2257分,相比于之前的2200分几乎可以说是误差了

看了下跑分时的核心频率,果然还是最高被限制在1600MHz左右,全程顶着42W的功耗墙在跑,这我也没办法了

重新装好了DX11之后跑了下FireStrike和FireStrike Extreme,分别是6961和3151,FireStrike居然超过了1050ti(一般在6600~6700左右)

然后FireStrike Extreme还是在1050和1050ti之间

喜闻乐见的娱乐大师。旧版和新版分别是8万分和16.8万分,相比于未改散热超频前的7.7万分和16.4万分,还是有一丢丢的提升的,起码没白折腾

然后就是重头戏,单烤GPU测试了,也是改散热的主要目的所在。单烤GPU25分钟之后,核心频率维持在1275MHz,温度66度,基本上是个合格的游戏卡的温度了。相比于原装散热器的1230MHz@81度,这个表现可以提升巨大了,大尺寸的散热器还是有作用的,本次换散热器的主要目的达到了

最后是噪音测试,噪音即放在机箱底部中间。原装散热器在待机和单烤GPU时候的噪音分别是49~49.5DBA和55到55.5DBA。

更换新的散热器之后,待机和单烤GPU的噪音分别是50~50.5DBA和54~54.5DBA,待机噪音提升而满载噪音下降。这个散热器似乎风扇和散热片之间有轻微的震动出现,导致待机噪音偏高。整体来说噪音没有变化,都属于相对比较安静的,放在桌子下方根本听不到的那种

实际游戏测试

只有理论性能肯定不够,实际游戏表现还是要测一下,这里我选取了几个自带基准测试的游戏,以方便和其他GPU对比性能,包括配置要求不高的《CS:GO》,要求中等的《GTA5》,要求较高的《刺客信条:奥德赛》,以及要求很高的《古墓丽影:暗影》和《荒野大镖客2》。所有的性能对比都是在1920*1080的分辨率下。

首先是开箱比游戏好玩的CS:GO

用创意工坊的Benchmark测试,分别在全部最低和全部最高的设置下测试。

T600在最低和最高画质下分别取得297帧和平均212帧的成绩。1050ti在最低和最高画质下分别为314帧和221帧(数据来源:B站“装机杀手代号47”,油管“Benchmarks”)。另外,上次有人提到为什么不用5700G这种核显,因为性能真的差得远啊,5700G默频最低画质下只有194帧(数据来源:B站“极客湾”)

1050ti小胜T600。

接下来是今年买了没玩的GTA5

这个游戏画质设置比较乱,很少有见统一的标准,这里只能象征性地对比一下。使用自带基准测试,T600在最低画质下,帧率可以达到180帧以上,相对应的5700G只有8、90帧(数据来源:B站“极客湾”),进一步说明即使是顶级核显,和入门游戏独显也是有差距的

在中高画质下,T600能达到60帧以上,而1050ti是50多帧(数据来源:B站“铁锤砸电脑”)。

把画质全部设置为最高,T600也有35帧左右的表现,可以说是主机级帧率了

第三款游戏是众生平等奥德赛

使用游戏自带的基准测试,首先是高画质,T600是42帧,1050ti是42帧(数据来源:游民星空)

换成最低画质之后,T600是59帧而1050ti是58帧(数据来源:B站“装机杀手代号47”)。综合T600小胜1050ti。

然后是古墓丽影:暗影

同样使用游戏自带的基准测试,画质设置为最低。T600跑出了平均66帧的成绩,相对应的1050ti的成绩是60帧(数据来源:B站“中正评测”),T600再次小胜。

最后是我个人最喜欢的游戏,荒野大镖客2

依旧是游戏自带的基准测试。先是全部最低的画质,T600跑出了平均44帧。由于实在找不到合适的对比结果,大家只能自己看看了

稍微调高点画质至预设值中间,降到32帧,已经不太能玩了。

综上,这一级别的卡只能在1080p低画质下玩一些近几年的3A大作(甚至可能玩不了)。而T600在实际游戏中的表现让人有些惊喜,跑分不如1050ti的情况下,实际游戏中还能和1050ti打的有来有回

总结

由于锁功耗的原因,T600即使手动锁定频率,性能也没有有效的提升

而在换了这款某宝散热器之后,相比于原装,散热效果有显著提升,让我感觉完全可以解锁到50W甚至更高的功耗(T1000相同的散热器不就给了50W),但是黄氏刀法你懂的

另外实际游戏性能,在我测试的游戏和网上所找到的结果中,基本上可以和1050ti打个平手了,实际游戏中也没有出现异常卡顿或者贴图错误,拿来打游戏是OK的。考虑到1300块钱的新卡价格,相比于现在市面上1200~1300的N年前二手1050ti,可以说性价比完胜了。


本文经“什么值得买”社区作者@Arthur_Morgan授权转载,文章内容仅代表作者观点,与本站立场无关,未经授权请勿转载。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: