Geekbench: hoe het eigenlijk werkt

Bij het benchmarken van smartphones en computers worden de prestaties van apparaten in een aantal verschillende categorieën getest. U kunt verschillende statistieken vergelijken, waaronder grafische prestaties, kunstmatige intelligentie en berekeningen. Geekbench is een benchmark die een belangrijk onderdeel van de benchmarkingwereld is geworden en die zich vooral richt op berekeningen. Geekbench 6 is de nieuwste versie, maar wat is het precies? Wat wordt er getest, en hoe?

Wat is Geekbench?

Geekbench is een platformonafhankelijke benchmarkingtoepassing die een score kan toekennen aan zowel de single-core als multi-core rekenmogelijkheden van uw apparaat. Deze score kan worden gebruikt als vergelijkingspunt met aangrenzende apparaten en wordt gekalibreerd tegen a basisscore van 2.500, wat volgens Primate Labs de score is van een Dell Precision 3460 met een Intel Core i7-12700. Toegegeven, het bladeren door Geekbench 6-scores lijkt erop te wijzen dat die specifieke CPU nauwelijks 2000 punten haalt in single-core, maar afgezien daarvan is het uitgangspunt dat een apparaat dat 5000 scoort naar verluidt twee keer zo goed presteert als het apparaat i7-12700.

In het geval van Geekbench 6 is dit de nieuwste versie van de Geekbench-benchmarksuite, en het is bedoeld om meet de mogelijkheden van uw smartphone op de manieren die er echt toe doen als het gaat om het gebruik van een van de beste telefoons.

• Grotere foto's in resoluties vastgelegd door moderne smartphones (12-48 MP)
• HTML-voorbeelden die representatief zijn voor moderne webontwerpstandaarden
• Een grotere bibliotheek met afbeeldingen voor importtests
• Grotere kaarten voor navigatietests
• Grotere en modernere PDF-voorbeelden
• Een toename van de omvang van de Clang-werklast

Er zijn ook GPU-berekeningstests, en deze kan OpenCL, Metal en Vulkan testen. De GPU-berekeningsbenchmark maakt gebruik van machine learning-workloads zoals achtergrondvervaging en gezichtsdetectie om de mogelijkheden van objectherkenning te testen. Bovendien voert het werklasten voor beeldbewerking uit, zoals horizondetectie, randdetectie en Gaussiaanse vervaging. Ten slotte zijn er werklasten voor beeldsynthese die feature-matching en stereo-matching uitvoeren, samen met een simulatiebenchmark die deeltjesfysica simuleert.

Welke platforms ondersteunt Geekbench 6?

Geekbench 6 ondersteunt de volgende platforms, met Windows on Arm-ondersteuning voor sommige van de beste laptops wordt geleverd met Geekbench 6.1:

Hoe werkt de CPU-benchmark van Geekbench?

De CPU-benchmark van Geekbench is opgesplitst in een aantal belangrijke tests met een single-core en multi-core sectie. Elke sectie is gegroepeerd in twee subsecties: werklasten met gehele getallen en werklasten met drijvende komma. Er zijn standaard pauzes tussen elke test van twee seconden om het effect dat thermische problemen op de prestaties hebben tot een minimum te beperken.

Geekbench 6 introduceerde een gedeeld taakmodel voor multithreading-testen, waarbij werklasten over meerdere threads worden gedeeld om realistischere werklasten weer te geven. Voorheen verspreidde Geekbench de werklast over individuele threads, wat goed schaalbaar is maar zeer weinig communicatie tussen threads biedt. In het geval van gedeelde taakmodellen verwerkt elke thread een deel van een grotere gedeelde taak. Het schaalt niet zo goed, maar is representatiever voor gebruiksscenario's in de echte wereld.

Scores worden berekend met behulp van een gewogen rekenkundig gemiddelde van subsectiescores, met het gehele getal subsectie is goed voor 65% van de score en de drijvende-komma-subsectie is verantwoordelijk voor de resterende 35%.

Wat betreft de manier waarop Geekbench de capaciteiten van de chipset van uw apparaat test: het test verschillende soorten werklasten, opgesplitst in categorieën. Deze categorieën zijn opgesplitst in productiviteit, ontwikkelaar, machine learning en beeldsynthese.

Geekbench 6 Productiviteitswerklasten

Dit zijn workloads die testen hoe goed uw apparaat presteert bij dagelijkse kritieke taken.

Bestandscompressie

Bestandscompressiewerklasten testen hoe goed uw apparaat is in het comprimeren en decomprimeren van bestanden met behulp van verschillende compressieformaten. Het modelleert gebruiksgevallen waarin een gebruiker een bestand wil comprimeren om naar iemand anders te verzenden om de gegevens en bandbreedte te verminderen. Het comprimeert het Ruby 3.1.2-bronarchief, een archief van 75 MB met 9.841 bestanden, met behulp van LZ4- en ZSTD-compressie. Vervolgens worden de gecomprimeerde bestanden geverifieerd via een SHA-1-hash.

Deze bestanden worden vervolgens opgeslagen met behulp van een in het geheugen gecodeerd bestandssysteem, en deze werklast gebruikt instructies die de AES-codering en decodering versnellen. Het maakt ook gebruik van instructies die SHA-1-hashing-algoritmen versnellen.

Navigatie

We gebruiken navigatie op allerlei soorten apparaten, vooral smartphones. De navigatiewerklast is bedoeld om routebeschrijvingen te genereren tussen een reeks locaties en modelleert mensen die apps zoals Google Maps offline gebruiken. Het gebruikt het algoritme van Dijkstra om 24 verschillende routes op twee verschillende OpenStreetMap-kaarten te berekenen. Eén bevindt zich in Waterloo, Ontario, en één bevindt zich in Toronto, Ontario.

HTML5-browser

De HTML5-browser opent een aantal HTML5-pagina's en modelleert een gebruiker die op internet surft in een moderne browser zoals Chrome of Safari. Het maakt gebruik van een browser zonder hoofd en opent, parseert, lay-outt en rendert teksten en afbeeldingen op basis van populaire sites, waaronder Instagram, Wikipedia en Ars Technica. Het maakt gebruik van de volgende bibliotheken:

• Google Gumbo als HTML-parser
• litehtml als de CSS-parser, lay-out en rendering-engine
• FreeType als lettertype-engine
• Anti-Grain Geometry als bibliotheek voor het renderen van 2D-afbeeldingen
• libjpeg-turbo en libpng als de afbeeldingscodecs

Deze test geeft acht pagina's weer in de single-core-modus en 32 pagina's in de multi-core-modus.

PDF-weergave

De werklast voor het renderen van PDF's opent complexe PDF-documenten met behulp van PDFium, de PDF-renderer van Chrome. Het rendert PDF's van parkkaarten van de American National Park Service, met afmetingen variërend van 897 kb tot 1,5 MB. Deze bestanden bevatten grote vectorafbeeldingen, lijnen en tekst.

Deze test rendert vier PDF's in de single-coremodus en 16 PDF's in de multi-coremodus.

Fotobibliotheek

De werklast voor het organiseren van foto's categoriseert en tagt foto's op basis van de objecten die ze bevatten, waardoor gebruikers hun foto's kunnen doorzoeken op trefwoord in apps voor het organiseren van afbeeldingen. Het maakt gebruik van MobileNet 1.0 om foto's te classificeren en een SQLite-database om de metagegevens van de foto's naast hun tags op te slaan.

Deze werklast voert de volgende stappen uit voor elke foto:

1. Decomprimeer de foto uit een gecomprimeerd JPEG-bestand.
2. Bewaar fotometagegevens in een SQLite-database. Deze database is vooraf gevuld met metadata voor meer dan 70.000 foto's.
3. Genereer een voorbeeldminiatuur en codeer deze als JPEG.
4. Genereer een gevolgtrekkingsminiatuur.
5. Voer een afbeeldingsclassificatiemodel uit op de inferentieminiatuur.
6. Bewaar afbeeldingsclassificatietags in een SQLite-database.

De werklast van de fotobibliotheek werkt op 16 foto's in de single-coremodus en 64 foto's in de multi-coremodus.

Geekbench 6 Ontwikkelaarswerklasten

De workloads voor ontwikkelaars in Geekbench 6 meten hoe goed uw apparaat typische ontwikkelaarstaken verwerkt, zoals tekstbewerking, codecompilatie en activacompressie.

Klang

De Clang-compiler wordt gebruikt om de Lua-interpreter te compileren, waarbij de use-case wordt gemodelleerd van ontwikkelaars die hun code bouwen en just-in-time-compilatie die gebruikers vaak op hun apparaten zullen ervaren. Het gebruikt musl libc als de C-standaardbibliotheek voor de gecompileerde bestanden. Het compileert acht bestanden in single-core en 96 bestanden in multi-core modus.

Tekstverwerking

Tekstverwerking laadt talloze bestanden, parseert de inhoud ervan met behulp van reguliere expressies, slaat metagegevens op in een SQLite-database en exporteert de inhoud naar een ander formaat. Het modelleert typische tekstverwerkingsalgoritmen die gegevens manipuleren, analyseren en transformeren voor publicatie en inzicht.

Deze werklast is geïmplementeerd in een combinatie van Python en C++, met behulp van Python 3.9.0 en het verwerken van 190 markdown-bestanden voor invoer.

Compressie van activa

Middelcompressie comprimeert 3D-textuur- en geometrische elementen met behulp van een verscheidenheid aan populaire compressiecodecs zoals ASTC, BC7 en DXT5. Het modelleert de standaard inhoudscompressiepijplijnen die door game-ontwikkelaars worden gebruikt.

De werklast gebruikt bc7enc voor de BC&- en DXTC-implementaties, en Arm ASTC Encoder voor de ASTC-implementatie.

Machine Learning-werkbelastingen

Machine learning-workloads meten voornamelijk hoe goed uw CPU overweg kan met het herkennen van objecten in afbeeldingen en scènes.

Objectdetectie

De werklast voor objectdetectie maakt gebruik van machine learning, zodat objecten in foto's kunnen worden gedetecteerd en geclassificeerd. Het maakt gebruik van een convolutioneel neuraal netwerk genaamd MobileNet v1 SSD om objecten in foto's te detecteren en te classificeren, en de foto's hebben een formaat van 300x300 pixels. Het voert de volgende stappen uit om objecten in een afbeelding te identificeren:

1. Laad de foto
2. Extraheer objecten uit de foto met MobileNet v1 SSD
3. Genereer een betrouwbaarheids- of detectiescore die de nauwkeurigheid van de detectie vertegenwoordigt
4. Teken een kader rond het object en voer een betrouwbaarheidsscore uit

Objectdetectie verwerkt 16 foto's in single-core modus en 64 foto's in multi-core modus.

Achtergrondvervaging

De werkbelasting voor achtergrondvervaging scheidt de voorgrond van de achtergrond in videostreams en vervaagt de achtergrond, net zoals services zoals Zoom, Discord en Google Meet kunnen doen.

Foto bewerken

Beeldbewerkingswerklasten meten hoe goed uw CPU zowel eenvoudige als complexe beeldbewerkingen aankan.

Objectverwijderaar

De werklast van de objectverwijderaar verwijdert objecten uit foto's en vult het achtergelaten gat op, waarbij een inhoudbewuste vulling en Google's eigen Magic Eraser worden gemodelleerd. De werklast krijgt een 3MP-afbeelding met een ongewenst gebied, en de werklast verwijdert dit gebied en gebruikt een inpainting-schema om het gat dat achterblijft te reconstrueren.

Horizondetectie

De werklast voor horizondetectie kan ongelijkmatige of scheve horizonlijnen detecteren en rechttrekken om foto's te verbeteren. Het modelleert horizonlijncorrectors in fotobewerkingsapps en gebruikt de Canny edge-detector om een ​​Hough-transformatie toe te passen om de horizonlijn te detecteren. Het gebruikt een 48 MP-foto als invoer.

Fotofilter

De werklast voor fotofilters past filters toe om de weergave van foto's te verbeteren, waarbij veelgebruikte filters in sociale media-apps zoals Instagram worden gemodelleerd. Het past de volgende effecten toe op 10 verschillende foto's, met foto's variërend in grootte van 3 MP tot 15 MP.

• Kleur- en vervagingsfilters
• Niveau aanpassingen
• Bijsnijden en schalen
• Beeldcompositie

HDR

De HDR-werklast combineert zes gewone foto's om één enkele HDR-foto te creëren die kleurrijk en levendig is. Het modelleert HDR-functies die te vinden zijn in moderne camera-apps voor smartphones, waardoor één 16 MP HDR-beeld wordt gecreëerd uit zes gewone 16 MP-beelden.

Beeldsynthese

Deze werklasten meten hoe uw CPU omgaat met het maken van volledig kunstmatige afbeeldingen.

Raytracer

Ray tracing is een rage en kan worden gebruikt om fotorealistische beelden te genereren door te modelleren hoe lichtstralen interageren met objecten in virtuele scènes. Dit modelleert de renderingprocessen die 3D-renderingsoftware zoals Blender of Cinema 4D zou gebruiken.

Structuur vanuit beweging

Structuur uit beweging is een techniek die 3D-geometrie genereert uit meerdere 2D-beelden. Augmented reality-systemen gebruiken dit soort technieken om scènes uit de echte wereld te begrijpen. Deze werklast omvat negen 2D-afbeeldingen van dezelfde scène en construeert een schatting van de 3D-coördinaten van de punten die zichtbaar zijn in beide afbeeldingen.

Hoe Geekbench te downloaden

Geekbench is een van de favoriete benchmarks die mensen gebruiken om apparaten zoals de beste telefoons, laptops en tablettenen je kunt het downloaden van de Apple App Store, de Google Play Store en de Primate Labs-website.