結論直接看
整體來看，兩者的基礎 CPU 架構一致，因此在 科學計算 (Rodinia, NAMD)、基礎壓縮/解壓縮、系統微基準 (ctx_clock, Sysbench CPU) 上，效能差異極小，幾乎完全相同。
但在 需要持續高性能的多執行緒負載（編譯、渲染、影音編碼、演算法 AI）上，m8i.large 明顯優於 m8i-flex.large：
- m8i.large：
適合 長時間持續高效能任務，如大型專案編譯、渲染、影片轉碼、演算法/AI 模擬，效能領先 m8i-flex.large 10% 到 20%。 - m8i-flex.large：
適合 一般計算、間歇性工作負載，在多數基礎測試與科學計算上表現相近，性價比佳，但在長時間編譯/渲染/編碼上略遜色。
Ｗei 啥的結論
考量到兩者的價差真的很小... AWS 計算機隨需的價格為 m8i.large $0.10584/hr 及 m8i-flex.large $0.10055/hr。
Web 仔就用 m8i-flex，足夠把所有的需求都搞定了。
運算仔直接開 m8i，開完就關掉。
自己付錢的 RI 仔 你買不到 RI 了，這個世代沒賣了。
吃代理商大鍋飯 SP 的用 m8i。理論上比較通用，拿來當 EKS node 什麼的。
至於老闆一直說很貴的還是去用 t3，出事再改 m8i 吧。
還有想要從 m7i 或是 m7a 上來的，下面是價格。
m7i.large $0.1008/hr、m7i-flex.large $0.09576/hr 及 m7a.large $0.11592/hr。
m7i 來的：
漲價但值得。預算不差那一點的，可以升級 m8i。
m7a 來的：
如果你本來就是 AMD yes 的真核仔，那繼續用 m7a，等 m8a 出來應該會很香。
從 intel 不得不轉 AMD 的，也不討厭超執行緒的，可以回來 m8i 了，這顆 CPU 挺香的，還可以跟老闆一直說很貴的在安利一下，順勢回到 intel 擁抱。
起因
突然發現自己那時候填的 AWS 問卷送的 $100 鎂會在十一月底到期...
那...就來跑個分好了？反正是白嫖的。
這次用 phoronix-test-suite 來跑跑看，有興趣的可以去 Github 上看看。
用一些比較可能會用在線上服務的 instance type 來跑跑。
測試的 Region 選在 Oregon。
OS 選擇 Amazon Linux 2023 AMI 2023.8.20250915.0 x86_64 HVM kernel-6.1。
EBS 選用普遍的 gp3 IOPS 3000，Throughput 125。
用 lscpu 來看 CPU 參數。
過程
安裝 phoronix-test-suite
# 需要 git 與 php-cli
sudo yum install -y php-cli php-xml git gcc unzip wget
# clone 最新版
git clone https://github.com/phoronix-test-suite/phoronix-test-suite.git
cd phoronix-test-suite
# 安裝
sudo ./install-sh
m8i 與 m8i-flex的差別
兩個的 CPU 都是 AWS 向 Intel 訂製的 Intel Xeon 6975P-C。
Processor: Intel Xeon 6975P-C (1 Core / 2 Threads), Motherboard: Amazon EC2 m8i.large (1.0 BIOS), Chipset: Intel 440FX 82441FX PMC, Memory: 1 x 8GB DDR5-7200MT/s, Disk: 107GB Amazon Elastic Block Store, Network: Amazon Elastic
Processor: Intel Xeon 6975P-C (1 Core / 2 Threads), Motherboard: Amazon EC2 m8i-flex.large (1.0 BIOS), Chipset: Intel 440FX 82441FX PMC, Memory: 1 x 8GB DDR5-7200MT/s, Disk: 107GB Amazon Elastic Block Store, Network: Amazon Elastic
有趣的是高負載情況下 m8i-flex.large 在跑滿兩小時後，會自動把使用率壓制在 80% 附近，難道這就是 flex 的機制？
跑分比較
EC2 m8i.large vs m8i-flex.large
科學計算類
- Rodinia LavaMD：模擬分子動力學計算，考驗浮點數效能，越低越好。
- 1340.62 秒 vs 1341.68 秒（幾乎相同）
- Rodinia CFD Solver：計算流體力學求解器，測試記憶體與計算效能，越低越好。
- 95.42 秒 vs 95.67 秒 （幾乎相同）
- NAMD ATPase / STMV：分子動力學模擬，模擬蛋白質與病毒，單位 ns/day 越高越好。
- ATPase：0.24267 vs 0.24327（幾乎相同）
- STMV：0.07108 vs 0.06969（m8i.large 較佳）
影音編碼類
- Kvazaar (HEVC/H.265 Encoder)：影片編碼效能，Frames Per Second 越高越好。
- 4K Slow：1.28 vs 1.07
- 4K Medium：1.31 vs 1.08
- 1080p Slow：7.15 vs 5.99
- 1080p Medium：7.34 vs 6.32
- 4K Very Fast：3.19 vs 2.63
- 4K Ultra Fast：5.33 vs 4.43
- 1080p Very Fast：15.03 vs 13.63
- 1080p Ultra Fast：24.92 vs 25.06（少數 m8i-flex 較佳）
- x264 / x265：常用影片編碼器 (H.264 / H.265)，測 CPU 多媒體處理效能。
- x264 4K：4.20 vs 3.62
- x264 1080p：19.01 vs 18.89
- x265 4K：3.30 vs 2.81
- x265 1080p：14.71 vs 13.50 （m8i.large 完勝，m8i-flex.large 只有85%~95%間）
壓縮與解壓縮
- 7-Zip Compression / Decompression：壓縮與解壓縮速度，MIPS 越高越好。
- 壓縮：12244 vs 12537（幾乎相同）
- 解壓：7313 vs 7336（幾乎相同）
AI / 演算法類
- Stockfish 16.1：國際象棋 AI，每秒節點數 (Nodes/s) 越高越好。
- 1,704,166 vs 1,480,447（m8i.large 優勢明顯，m8i-flex.large 輸 13%）
- asmFish：另一款高效象棋引擎，測演算法與記憶體效能。
- 3,657,558 vs 2,961,258（m8i.large 優勢明顯，m8i-flex.large 輸 19%）
編譯與建構
- GCC Compilation：C/C++ 編譯時間，越低越好。
- 4748.84 秒 vs 5606.78 秒 （m8i.large 比 m8i-flex.large 快了 15%）
- Linux Kernel Compilation (defconfig / allmodconfig)：核心編譯，測試系統 I/O 與 CPU 整體效能。
- defconfig：661.38 vs 788.13（m8i.large 比 m8i-flex.large 快約 16%）
- allmodconfig：9969.90 vs 12185.35 （m8i.large 比 m8i-flex.large 快約 18%）
- POV-Ray：光線追蹤渲染，模擬 3D 場景，越低越好。
- 274.01 秒 vs 328.70 秒（m8i.large 比 m8i-flex.large 快約 17%）
- Radiance (Serial / SMP)：建築光照模擬，單執行緒與多執行緒效能。
- Serial：489.28 vs 489.04（幾乎相同）
- SMP：426.84 vs 443.56（m8i.large 比 m8i-flex.large 快約 4%）
系統測試
- ctx_clock：系統 context switch（上下文切換）時間，越低越好。
- 194 vs 193（幾乎相同）
- Sysbench CPU：CPU 基準運算效能，Events/s 越高越好。
- 3532.75 vs 3532.74（幾乎相同）
結論
整體來看，兩者的基礎 CPU 架構一致，因此在 科學計算 (Rodinia, NAMD)、基礎壓縮/解壓縮、系統微基準 (ctx_clock, Sysbench CPU) 上，效能差異極小，幾乎完全相同。
但在 需要持續高性能的多執行緒負載（編譯、渲染、影音編碼、演算法 AI）上，m8i.large 明顯優於 m8i-flex.large：
- m8i.large：
適合 長時間持續高效能任務，如大型專案編譯、渲染、影片轉碼、演算法/AI 模擬，效能領先 m8i-flex.large 10%–20%。 - m8i-flex.large：
適合 一般計算、間歇性工作負載，在多數基礎測試與科學計算上表現相近，性價比佳，但在長時間編譯/渲染/編碼上略遜色。
