웹 벤치 점수 읽는 법 — 8개 카테고리와 싱글·멀티 코어 점수의 의미

웹 벤치(Web Bench)로 측정을 마치면 큰 종합 점수 하나와 8개 카테고리 막대가 나옵니다. 숫자가 높으면 빠르다는 건 직관적으로 알겠는데, 막상 "CPU 멀티 점수가 싱글보다 열 배쯤 높은데 이게 정상인가요?", "메모리 점수가 낮은데 PC가 느린 건가요?" 같은 질문이 따라옵니다. 이 글은 결과 화면의 숫자를 어떻게 읽어야 하는지, 각 카테고리가 실제 사용 체감과 어떻게 이어지는지, 그리고 점수를 비교할 때 무엇을 조심해야 하는지 차례대로 풀어 설명합니다.

종합 점수는 무엇을 합친 숫자일까

종합 점수는 카테고리 점수를 가중 기하평균으로 합친 값입니다. 세부 테스트마다 3번 측정해 중간값을 쓰고, 그 값을 기준값에 견주어 점수로 바꿉니다. 같은 카테고리 안의 세부 테스트 점수를 고르게 평균해 카테고리 점수를 만들고, 카테고리 점수들을 다시 가중치를 두어 평균하면 종합 점수가 됩니다. 점수는 높을수록 빠릅니다.

이 점수는 만점이 정해진 시험 점수가 아니라, 측정값을 같은 방식으로 환산한 상대적인 눈금입니다. 높을수록 빠르다는 뜻이고, 특정 숫자에 합격선이 있는 것도 아닙니다. 다만 점수 공식은 버전이 바뀔 수 있으니, 비교할 때는 같은 공식 버전의 결과끼리 견주는 것이 좋습니다. CPU 멀티는 아래에서 설명하듯 코어 활용 배율만큼 싱글보다 훨씬 높게 나옵니다.

카테고리별 가중치는 다음과 같습니다. 가중치가 큰 카테고리가 종합 점수에 더 많이 반영됩니다.

• CPU 싱글 17%, CPU 멀티 17%
• 메모리 12.75%, GPU 그래픽 12.75%, GPU 연산 12.75%
• 브라우저 8.5%
• 저장소 4.25%
• AI 추론 15% (선택 항목이며, 측정하지 않으면 종합 점수에서 제외됩니다)

기하평균을 쓰기 때문에 한 카테고리만 유난히 높다고 종합 점수가 크게 오르지는 않습니다. 반대로 한 카테고리가 아주 낮으면 종합 점수도 눈에 띄게 끌려 내려갑니다. 한쪽으로 치우친 기기보다 고르게 균형 잡힌 기기가 유리한 구조입니다. 또 기기나 브라우저가 지원하지 않는 항목은 오류가 아니라 자동으로 제외되고, 측정된 카테고리만으로 종합 점수를 계산합니다.

CPU 싱글과 멀티: 코어 하나의 순발력, 코어 전체의 힘

CPU 싱글은 코어 하나로 텍스트 처리, JSON 파싱, 압축, 해시, 이미지 처리, 정렬, 경로 탐색, 물리 시뮬레이션, 레이 트레이싱, 선형대수 같은 실제 작업을 얼마나 빨리 끝내는지 잽니다. 단위는 초당 작업 수이고 높을수록 같은 시간에 더 많은 일을 했다는 뜻입니다.

일상에서 이 값과 가장 가까운 것은 "한 번에 한 가지 일을 할 때의 반응 속도"입니다. 웹 페이지가 열리는 속도, 앱을 눌렀을 때의 반응, 문서나 스프레드시트처럼 한 줄로 이어지는 작업의 체감이 대체로 싱글 점수와 비슷하게 움직입니다. 코어가 많아도 프로그램이 일을 한 줄로만 처리한다면 그 프로그램은 코어 하나의 속도에 좌우되기 때문입니다.

그래서 "요즘 PC가 코어는 많은데 왜 가끔 답답하지?"라는 의문의 답이 싱글 점수에 있는 경우가 많습니다. 싱글 점수가 낮은 기기는 코어 수가 아무리 많아도 한 가지 일이 끝나기를 기다리는 시간이 길게 느껴질 수 있습니다.

참고로 AES-GCM이나 Deflate처럼 브라우저 API가 필요한 항목은 지원되지 않는 환경에서 제외되고, 남은 항목으로만 계산합니다.

그렇다면 CPU 멀티는 왜 싱글보다 몇 배나 높게 나올까요? CPU 멀티는 같은 종류의 작업을 여러 Worker에 나누어 실행해, 코어를 함께 쓸 때의 처리량을 잽니다. 영상 인코딩, 대용량 파일 처리, 여러 탭과 앱을 동시에 쓰는 상황에서 체감 차이가 나타납니다.

여기서 가장 많이 놀라는 부분이 점수의 크기입니다. 현재 점수 공식(v4)에서 멀티 점수의 기준값은 같은 작업의 싱글 기준값, 즉 코어 1개의 처리량으로 잡혀 있습니다. 그래서 멀티 점수는 대략 "싱글 점수 × 코어 활용 배율"이 됩니다. 코어가 많은 기기일수록 멀티 점수가 싱글보다 훨씬 높게 나오는 것이 정상이며, 점수가 부풀려진 것이 아닙니다. 결과 화면의 "멀티코어 N배 빠름" 표시가 바로 이 배율입니다.

이 방식의 장점은 멀티 점수만 봐도 "코어를 얼마나 잘 쓰는 기기인지"가 드러난다는 점입니다. 단점은 두 점수의 숫자 크기를 그대로 맞대어 "멀티가 훨씬 높으니 멀티가 더 좋다"고 읽으면 안 된다는 것입니다. 싱글과 멀티는 서로 다른 질문에 답하는 점수입니다.

• 싱글이 높다: 하나씩 처리하는 일이 빠르다. 일상 반응 속도에 유리합니다.
• 멀티가 높다: 쪼개서 동시에 처리할 수 있는 일이 빠르다. 영상 변환이나 대량 처리에 유리합니다.
• 멀티 배율이 낮다: 코어 수가 적거나, 브라우저가 쓰는 Worker 수가 적거나, 열·전력 제한으로 코어를 마음껏 쓰지 못하는 경우일 수 있습니다.

주의할 점도 있습니다. 멀티 배율은 브라우저가 쓰는 Worker 수와 동기화 방식에 영향을 받습니다. 그래서 물리 코어 수나 클럭으로 배율을 곧바로 환산하지 마세요. 암호화나 압축 API를 쓸 수 없는 환경에서는 해당 항목이 제외되기도 합니다. 결과 화면의 고급 정보에서 논리 코어 수와 이번 측정에 쓴 멀티 Worker 수를 함께 확인할 수 있습니다.

메모리: 처리량과 지연은 다른 이야기

메모리는 연속된 16 MB 구간을 읽고 쓰고 복사하는 처리량과, 데이터를 무작위로 따라가며 접근할 때의 지연 시간을 함께 봅니다. 처리량은 GB/s 단위라 높을수록 좋고, 랜덤 접근 지연은 ns 단위라 낮을수록 좋습니다.

큰 이미지나 영상 편집, 탭을 많이 연 상태, 게임 로딩처럼 데이터를 많이 옮기는 작업에서 처리량이 체감과 이어집니다. 반대로 여기저기 흩어진 데이터를 따라가는 작업은 지연 시간의 영향을 더 받습니다. 한 가지 숫자만 좋고 다른 숫자가 나쁠 수 있으므로 둘을 따로 읽는 습관이 도움이 됩니다.

지연 측정은 접근하는 구간의 크기를 바꿔 가며 반복합니다. 구간이 작으면 CPU 안쪽의 빠른 캐시에서 해결되어 지연이 짧고, 구간이 커져 캐시를 넘어서면 느린 메모리까지 가야 해서 지연이 늘어납니다. 곡선이 꺾이는 지점이 대략 캐시 계층의 경계라고 보면 됩니다. 다만 빠른 측정은 대표 크기 2개만 재므로 곡선은 기본 측정에서 확인할 수 있습니다.

한 가지 오해하기 쉬운 부분이 있습니다. 이 점수는 메모리 용량(GB)을 재는 것이 아닙니다. 용량이 부족해서 디스크로 넘어가는 상황도 이 측정에 포함되지 않습니다. "16GB냐 32GB냐"는 사양표에서 확인하고, 점수는 메모리가 데이터를 얼마나 빨리 주고받는지로 이해하세요.

GPU 그래픽과 GPU 연산: 그리는 힘, 계산하는 힘

GPU는 두 갈래로 나누어 잽니다. GPU 그래픽은 화면에 보이지 않는 곳에서 대량의 삼각형, 131,072개 파티클, 블룸과 블러 후처리를 그려 평균 FPS를 재는 항목입니다. 웹 게임, 3D 지도, 시각 효과가 많은 페이지가 얼마나 부드럽게 움직이는지와 관련이 있습니다. 화면에 표시하지 않기 때문에 모니터 주사율에 막히지 않고 GPU가 해낸 작업량을 볼 수 있습니다.

GPU 연산은 그래픽이 아니라 계산을 GPU에 맡겼을 때의 속도입니다. f32·f16 행렬곱, 이미지 컨볼루션, 파티클 시뮬레이션, 병렬 합을 실행하고 결과 버퍼가 맞는지도 검증합니다. 브라우저 안의 영상 처리나 AI 추론처럼 병렬 계산이 많은 작업과 가장 가깝습니다. 행렬곱은 GFLOPS, 나머지는 초당 처리 원소 수로 표시하며 모두 높을수록 좋습니다.

그래픽 점수는 높은데 연산 점수가 낮거나 비어 있는 경우가 있습니다. GPU 항목은 WebGPU를 우선 쓰고, 쓸 수 없으면 그래픽에 한해 WebGL2 경로로 대신 실행하기 때문입니다. 연산 항목은 WebGPU가 있어야 하고, f16 행렬곱은 shader-f16 기능이 지원될 때만 실행됩니다. WebGPU와 WebGL2 결과를 같은 줄에 놓고 우열을 가리면 오해하기 쉬우니, 비교할 때는 두 결과의 그래픽 경로가 같은지 먼저 확인하세요. 지원되지 않아 제외된 항목은 결과 화면에 제외 사유가 표시됩니다.

브라우저와 저장소: 웹을 쓰는 체감과 파일을 다루는 체감

브라우저 카테고리는 DOM 조작과 레이아웃, Canvas 2D 드로잉, 화면 주사율과 프레임 일관성을 잽니다. 복잡한 웹 앱을 열었을 때의 반응, 스크롤과 애니메이션의 부드러움처럼 매일 느끼는 체감과 직접 이어집니다. DOM과 Canvas는 초당 작업 수라 높을수록 좋고, 프레임 간격은 ms 단위라 낮을수록 좋습니다.

이 항목은 하드웨어뿐 아니라 브라우저 엔진과 화면 설정의 영향을 크게 받습니다. 같은 기기에서도 브라우저를 바꾸면 점수가 달라질 수 있으니, 이 카테고리는 같은 브라우저끼리 비교하세요.

저장소는 브라우저가 제공하는 OPFS에 임시 파일을 만들어 순차 쓰기, 순차 읽기, 랜덤 쓰기, 랜덤 읽기 속도를 재고, 끝나면 파일을 삭제합니다. 큰 파일을 내려받거나 오프라인 앱 데이터를 불러올 때의 체감과 관련이 있습니다. 단위는 MB/s이며 높을수록 좋습니다. 브라우저가 OPFS를 지원하지 않거나 개인정보 보호 모드 등으로 막혀 있으면 이 카테고리는 제외됩니다.

저장소는 종합 점수에서 가중치가 가장 작은 카테고리(4.25%)입니다. 저장소 점수가 낮아도 종합 점수는 크게 흔들리지 않지만, 큰 파일을 자주 다루는 사람에게는 이 카테고리가 체감을 좌우할 수 있습니다. 가중치는 "종합 점수에 미치는 영향"이지 "내 사용에서의 중요도"가 아니라는 점을 기억하세요.

AI 추론: 선택 항목이라 다르게 다룹니다

AI 추론은 선택 항목으로, 모델 다운로드에 동의한 경우에만 실행합니다. 고정된 테스트 문장과 이미지를 입력해 브라우저 안에서 텍스트 생성과 이미지 모델이 얼마나 빨리 돌아가는지 재며, 개인 파일은 사용하지 않습니다. 온디바이스 AI 기능이 얼마나 쾌적할지 가늠하는 참고 지표이고, 처리 속도 값은 높을수록 좋습니다.

동의하지 않으면 실행하지 않고 종합 점수 계산에서도 제외합니다. 그래서 AI를 포함한 결과와 포함하지 않은 결과는 공식 버전이 서로 달라(AI 포함은 v4-ai) 직접 비교할 수 없습니다. 결과 화면에서 AI 카테고리가 "미측정"으로 보이는 것은 오류가 아니라 선택하지 않았다는 표시입니다.

WebGPU를 쓸 수 없으면 WASM 경로로 대신 실행되고, 그 사실은 결과에 따로 표시됩니다. WASM은 CPU로 계산하기 때문에 같은 기기라도 훨씬 느리게 나올 수 있습니다. 이는 고장이 아니라 실행 경로의 차이이므로, AI 결과는 경로와 정밀도가 같은 것끼리만 견주세요.

강점·약점 표시와 막대 그래프 읽기

결과 화면에는 "강점: ○○ · 상대적 약점: △△"라는 한 줄이 표시됩니다. 측정된 카테고리 중 점수가 가장 높은 것이 강점, 가장 낮은 것이 상대적 약점입니다. 여기서 "상대적"이 핵심입니다. 약점으로 표시되었다고 해서 그 부분이 나쁘다는 뜻이 아니라, 이 기기 안에서 다른 카테고리에 견주어 가장 낮다는 뜻입니다. 모든 카테고리가 훌륭한 기기에도 약점 한 줄은 어김없이 붙습니다.

카테고리 점수 막대 그래프는 한 가지를 알고 읽어야 합니다. 막대 길이는 최댓값 대비 제곱근 비율로 그려집니다. 점수가 100배 차이 나면 막대는 10배 차이로 보인다는 뜻입니다. CPU 멀티처럼 점수가 유난히 큰 카테고리가 있어도 나머지 막대가 지나치게 짧아지지 않게 하려는 장치입니다. 막대 옆의 숫자는 실제 점수 그대로입니다.

• 막대 길이는 대략적인 균형을 보는 용도입니다. 정확한 차이는 옆의 숫자로 확인하세요.
• 막대 길이가 반이라고 점수가 반인 것은 아닙니다. 제곱근 비율이므로 점수는 훨씬 더 낮을 수 있습니다.
• 막대가 없고 "제외" 또는 "미측정"이라 적힌 카테고리는 지원되지 않거나 선택하지 않은 항목입니다. 점수 0이 아닙니다.

점수가 참고값인 이유, 그리고 기기 비교 요령

웹 벤치는 브라우저 안에서 실행됩니다. 그래서 같은 기기라도 브라우저 종류와 버전, 전원 모드, 발열, 백그라운드 앱, 탭이 앞에 있는지 여부에 따라 점수가 달라집니다. 점수는 하드웨어의 등급을 보증하는 값이 아니라, 그 순간 그 환경에서 해낸 속도를 보여 주는 참고값입니다. 결과 화면에도 "브라우저·전원 모드·발열에 따라 달라지는 참고값"이라는 문구를 붙여 둔 이유입니다.

기기 두 대 또는 어제와 오늘의 결과를 비교할 때는 다음을 지키면 해석이 훨씬 정확해집니다.

1. 같은 공식 버전끼리 비교합니다. 점수 공식이 바뀌면 이전 결과와 비교 키가 달라져 섞이지 않습니다. 예를 들어 v4의 CPU 멀티 점수는 이전 버전보다 훨씬 크게 나오므로 버전이 다른 결과는 직접 비교할 수 없습니다.
2. 같은 측정 방식끼리 비교합니다. 빠른 측정(약 30초)과 기본 측정(약 2~3분)은 측정하는 항목 수가 다릅니다.
3. 같은 브라우저, 같은 GPU 경로(WebGPU 또는 WebGL2), 같은 AI 경로를 확인합니다. 유효하게 측정된 항목 구성이 같은 결과끼리 견주는 것이 원칙입니다.
4. 노트북은 전원 연결 여부와 전원 모드를 맞춥니다. 측정 전에 다른 앱을 닫고, 측정 중에는 탭을 앞에 둡니다.
5. 한 번의 결과로 결론을 내지 말고 같은 조건에서 두세 번 실행해 범위를 봅니다. 몇 퍼센트 차이는 오차 범위로 보는 편이 안전합니다.

작은 차이는 무시하고, 크게 벌어진 카테고리를 중심으로 해석하세요. 예를 들어 두 기기의 싱글 점수는 비슷한데 멀티 점수가 많이 다르다면 코어 활용 능력이 다르다는 뜻이고, GPU 연산 점수만 크게 다르다면 GPU 경로나 지원 기능의 차이일 가능성부터 확인해 볼 만합니다.

더 오래 부하가 걸렸을 때 성능이 유지되는지는 스트레스 테스트(5분·10분)로 따로 볼 수 있습니다. 스트레스 점수는 기본 측정과 별도이며, 스로틀링은 성능 하락으로 추정하는 값이지 온도를 직접 측정한 값이 아닙니다.

웹 벤치는 설치와 로그인 없이 브라우저에서 바로 실행됩니다. 측정은 기기 안에서 이루어지며 순위 등록에 동의하지 않는 한 결과를 서버로 보내지 않습니다. 처음에는 약 30초짜리 빠른 측정으로 대략의 수준을 보고, 더 자세히 알고 싶을 때 기본 측정으로 넓혀 가세요. 결과가 나오면 이 글을 열어 두고 종합 점수, 싱글과 멀티의 차이, 강점과 약점을 하나씩 짚어 보면 내 기기의 성격이 훨씬 또렷하게 보입니다.

웹 벤치 열기