根据RootMetrics发布的2025年上半年英国移动网络性能报告,尽管过去十年英国移动市场发生了巨大变化,但EE运营商连续第12年在全国综合排名中位居榜首。
RootMetrics的测试方法遵循两个基本标准:从消费者角度测试移动运营商性能,以及以易于理解的方式提供客观、准确、无偏见的性能评估。
在2025年上半年的测试中,RootMetrics进行了超过62.5万次驾驶和步行测试来衡量真实世界性能,评估了EE、沃达丰、Three和Virgin Media O2网络的可靠性、速度、5G可用性、通话、数据和短信服务。测试覆盖英国最大的16个城市和四个国家的农村社区,以及超过22000英里的道路和近800个室内场所。
在分析所有英国移动网络5G连接质量时,RootMetrics重点关注两个主要领域:网络可用性和性能质量。结果证明EE在英国提供最佳5G体验,拥有最高的平均5G下载速度(241.2 Mbps)。
EE还拥有英国最快的平均5G下载速度——是第二名沃达丰的两倍多(110.8 Mbps对48.4 Mbps)。在谢菲尔德,最快网络录得213.9 Mbps的中位下载速度,比最接近的竞争对手沃达丰快147.9 Mbps,这是英国城市级别最大的领先优势。伦敦出现了最显著的年度转变,EE速度提升50.9 Mbps,而第二快的运营商速度下降。
分析师表示,这些性能提升得益于EE 5G网络的广泛覆盖,英国监管机构Ofcom的数据显示其覆盖范围超过任何其他提供商。EE还赢得或共享了每个英国范围内的RootScore奖项,在国家和都市区域测试中获得最多奖项。EE还在英国四个国家中均获得总体RootScore奖项(有一次并列),并在测试的全部16个都市市场中获奖。
Three在主要城市获得30个奖项,在国家级别保持了四个RootScore奖项。其中三个来自短信性能——在英格兰、北爱尔兰和威尔士,第四个是北爱尔兰的通话性能奖。Three在主要城市的中位下载速度与2024年下半年基本相似,2025年上半年有14个市场速度超过50 Mbps,而上次为13个。
RootMetrics认为Virgin Media O2在2025年上半年取得进一步进展,提升了主要城市和各国的速度,同时改善了大多数测试城市的5G可用性。该运营商在中位下载速度超过50 Mbps的城市数量是前六个月的两倍,在南安普顿的5G可用性单城市增幅最大,达到21.9%。
已与Three合并的沃达丰在北爱尔兰与EE共享总体RootScore奖项,该奖项表彰该地区表现最佳的网络。沃达丰在2025年上半年在北爱尔兰共获得五个奖项,包括网络可靠性认可。
沃达丰在主要城市的速度与2024年后六个月的结果相对相似,大部分中位下载速度超过50 Mbps——在16个市场中有12个达到这一标准。然而,该运营商这次的奖项总数有所下降,都市区奖项从2024年下半年的45个降至21个,国家级奖项从13个降至5个。
Q&A
Q1:RootMetrics是如何测试英国移动网络性能的?
A:RootMetrics在2025年上半年进行了超过62.5万次驾驶和步行测试,评估EE、沃达丰、Three和Virgin Media O2网络的可靠性、速度、5G可用性、通话、数据和短信服务,覆盖英国最大的16个城市、四个国家的农村社区、超过22000英里道路和近800个室内场所。
Q2:EE在5G性能方面有什么优势?
A:EE在英国提供最佳5G体验,拥有最高的平均5G下载速度241.2 Mbps,是第二名沃达丰110.8 Mbps的两倍多。在谢菲尔德录得213.9 Mbps速度,比最接近竞争对手快147.9 Mbps,代表英国城市级别最大领先优势。
Q3:其他英国移动运营商表现如何?
A:Three获得30个城市奖项和4个国家级RootScore奖项,主要在短信和通话性能方面表现出色。Virgin Media O2取得进步,5G覆盖和速度都有提升。沃达丰在北爱尔兰与EE并列第一,但总体奖项数量有所下降。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。