Geekbench: Cum funcționează de fapt

Evaluarea comparativă a smartphone-urilor și computerelor implică testarea performanței dispozitivului în câteva categorii diferite. Puteți compara diferite valori, inclusiv performanța grafică, inteligența artificială și calculul. Geekbench este un benchmark care a devenit un element de bază al lumii benchmarking-ului și se concentrează în primul rând pe calcul. Geekbench 6 este cea mai recentă versiune, dar ce este mai exact? Ce testează și cum?

Ce este Geekbench?

Geekbench este o aplicație de analiză comparativă multiplatformă care poate atribui un scor atât capacităților de calcul single-core, cât și multi-core ale dispozitivului dvs. Acest scor poate fi folosit ca punct de comparație față de dispozitivele adiacente și este calibrat față de a scor de bază de 2.500, despre care Primate Labs spune că este scorul unui Dell Precision 3460 cu un Intel Core i7-12700. Desigur, răsfoirea prin scorurile Geekbench 6 pare să indice că acel procesor abia acumulează 2000 de puncte în single-core, dar în afară de asta, premisa este că un dispozitiv care are 5000 se spune că are performanța de două ori mai mare decât i7-12700.

În cazul Geekbench 6, este cea mai recentă iterație a suitei de benchmarking Geekbench și își propune să măsurați capacitățile smartphone-ului dvs. în moduri care contează de fapt atunci când vine vorba de utilizarea oricăruia dintre cele mai bune telefoane.

• Fotografii mai mari la rezoluții capturate de smartphone-urile moderne (12-48MP)
• Exemple HTML reprezentative pentru standardele moderne de design web
• O bibliotecă mai mare de imagini pentru teste de import
• Hărți mai mari pentru teste de navigație
• Exemple PDF mai mari și mai moderne
• O creștere a volumului de lucru Clang

Există și teste de calcul GPU și poate testa OpenCL, Metal și Vulkan. Benchmark-ul de calcul al GPU utilizează sarcini de lucru de învățare automată, cum ar fi neclaritatea fundalului și detectarea feței pentru a testa capabilitățile de recunoaștere a obiectelor. În plus, rulează încărcături de lucru de editare a imaginilor, cum ar fi detectarea orizontului, detectarea marginilor și estomparea gaussiană. În cele din urmă, există sarcini de lucru de sinteză a imaginilor care execută potrivirea caracteristicilor și potrivirea stereo, împreună cu un benchmark de simulare care simulează fizica particulelor.

Ce platforme acceptă Geekbench 6?

Geekbench 6 acceptă următoarele platforme, cu suport Windows on Arm pentru unele dintre ele cele mai bune laptopuri se pregătește să vină cu Geekbench 6.1:

Cum funcționează benchmark-ul procesorului Geekbench?

Benchmark-ul procesorului Geekbench este împărțit într-un număr de teste cheie care au o secțiune cu un singur nucleu și mai multe nuclee. Fiecare secțiune este grupată în două subsecțiuni: sarcini de lucru întregi și sarcini de lucru în virgulă mobilă. În mod implicit, există intervale între fiecare test de două secunde pentru a minimiza efectul pe care problemele termice îl au asupra performanței.

Geekbench 6 a introdus un model de sarcini partajate pentru testarea multithreading, unde sarcinile de lucru sunt partajate pe mai multe fire pentru a reprezenta sarcini de lucru mai realiste. Anterior, Geekbench a distribuit sarcinile de lucru pe fire individuale, care se scalează bine, dar oferă foarte puțină comunicare între fire. În cazul modelelor de sarcini partajate, fiecare fir procesează o parte a unei sarcini partajate mai mari. Nu se scalează la fel de bine, dar este mai reprezentativ pentru cazurile de utilizare din lumea reală.

Scorurile sunt calculate folosind o medie aritmetică ponderată a scorurilor subsecțiunilor, cu numărul întreg subsecțiunea reprezentând 65% din scor și subsecțiunea cu virgulă mobilă reprezentând restul de 35%.

În ceea ce privește modul în care Geekbench testează capacitatea chipset-ului dispozitivului dvs., testează diferite tipuri de sarcini de lucru împărțite în categorii. Aceste categorii sunt împărțite în productivitate, dezvoltator, învățare automată și sinteză de imagini.

Sarcini de lucru Geekbench 6 Productivitate

Acestea sunt sarcini de lucru care testează cât de performant este dispozitivul dvs. la sarcinile critice de zi cu zi.

Comprimarea fișierelor

Sarcinile de lucru pentru compresia fișierelor testează cât de bun este dispozitivul dvs. la comprimarea și decomprimarea fișierelor folosind diferite formate de compresie. Modelează cazuri de utilizare în care un utilizator poate căuta să comprima un fișier pentru a-l trimite altcuiva pentru a reduce datele și lățimea de bandă. Acesta comprimă arhiva sursă Ruby 3.1.2, care este o arhivă de 75 MB care conține 9.841 de fișiere, folosind compresia LZ4 și ZSTD. Apoi verifică fișierele comprimate printr-un hash SHA-1.

Aceste fișiere sunt apoi stocate folosind un sistem de fișiere criptat în memorie, iar această sarcină de lucru utilizează instrucțiuni care accelerează criptarea și decriptarea AES. De asemenea, utilizează instrucțiuni care accelerează algoritmii de hashing SHA-1.

Navigare

Folosim navigarea pe tot felul de dispozitive, în special pe smartphone-uri. Volumul de lucru de navigare urmărește să genereze indicații între o secvență de locații și să modeleze oamenii care folosesc aplicații precum Google Maps în modul offline. Utilizează algoritmul lui Dijkstra pentru a calcula 24 de rute diferite pe două hărți diferite OpenStreetMap. Unul este în Waterloo, Ontario, iar unul este în Toronto, Ontario.

Browser HTML5

Browserul HTML5 deschide un număr de pagini HTML5 și modelează un utilizator care navighează pe web într-un browser modern, cum ar fi Chrome sau Safari. Utilizează un browser fără cap și deschide, analizează, așează și redă texte și imagini bazate pe site-uri populare, inclusiv Instagram, Wikipedia și Ars Technica. Utilizează următoarele biblioteci:

• Google Gumbo ca parser HTML
• litehtml ca parser CSS, aspect și motor de randare
• FreeType ca motor de font
• Geometrie Anti-Grain ca bibliotecă de randare a graficelor 2D
• libjpeg-turbo și libpng ca codecuri de imagine

Acest test redă opt pagini în modul single-core și 32 de pagini în modul multi-core.

Redare PDF

Volumul de lucru de randare PDF deschide documente PDF complexe folosind PDFium, care este instrumentul de redare PDF al Chrome. Redă PDF-uri ale hărților parcurilor de la Serviciul American de Parcuri Naționale, cu dimensiuni cuprinse între 897 kb și 1,5 MB. Aceste fișiere conțin imagini vectoriale mari, linii și text.

Acest test redă patru PDF-uri în modul single-core și 16 PDF-uri în modul multi-core.

Biblioteca foto

Volumul de lucru al organizației foto clasifică și etichetează fotografiile în funcție de obiectele pe care le conțin, permițând utilizatorilor să își caute fotografiile după cuvinte cheie în aplicațiile de organizare a imaginilor. Utilizează MobileNet 1.0 pentru a clasifica fotografiile și o bază de date SQLite pentru a stoca metadatele fotografiilor alături de etichetele lor.

Această sarcină de lucru realizează următorii pași pentru fiecare fotografie:

1. Decomprimați fotografia dintr-un fișier JPEG comprimat.
2. Stocați metadatele fotografiilor într-o bază de date SQLite. Această bază de date este pre-populată cu metadate pentru peste 70.000 de fotografii.
3. Generați o miniatură de previzualizare și codificați-o ca JPEG.
4. Generați o miniatură de inferență.
5. Rulați un model de clasificare a imaginilor pe miniatura de inferență.
6. Stocați etichetele de clasificare a imaginilor într-o bază de date SQLite.

Volumul de lucru al bibliotecii foto operează pe 16 fotografii în modul single-core și 64 de fotografii în modul multi-core.

Sarcini de lucru pentru dezvoltatori Geekbench 6

Sarcinile de lucru pentru dezvoltatori din Geekbench 6 măsoară cât de bine gestionează dispozitivul dvs. sarcinile tipice ale dezvoltatorului, cum ar fi editarea textului, compilarea codului și comprimarea elementelor.

Zăngăni

Compilatorul Clang este folosit pentru a compila interpretul Lua, modelând cazul de utilizare al dezvoltatorilor care își construiesc codul și compilarea just-in-time pe care utilizatorii le vor experimenta frecvent pe dispozitivele lor. Folosește musl libc ca bibliotecă standard C pentru fișierele compilate. Compilează opt fișiere în modul single-core și 96 fișiere în modul multi-core.

Procesarea textului

Procesarea textului încarcă numeroase fișiere, le analizează conținutul folosind expresii regulate, stochează metadate într-o bază de date SQLite și exportă conținutul într-un format diferit. Modelează algoritmi tipici de procesare a textului care manipulează, analizează și transformă datele pentru publicare și obținerea de informații.

Această sarcină de lucru este implementată într-un amestec de Python și C++, folosind Python 3.9.0 și procesând 190 de fișiere de reducere pentru intrare.

Comprimarea activelor

Comprimarea elementelor comprimă elementele texturale și geometrice 3D folosind o varietate de codecuri de compresie populare, cum ar fi ASTC, BC7 și DXT5. Modelează conductele standard de comprimare a conținutului care sunt utilizate de dezvoltatorii de jocuri.

Volumul de lucru folosește bc7enc pentru implementările sale BC& și DXTC și Arm ASTC Encoder pentru implementarea ASTC.

Sarcini de lucru de învățare automată

Sarcinile de lucru de învățare automată măsoară în primul rând cât de bine poate face CPU-ul dumneavoastră recunoașterea obiectelor din imagini și scene.

Detectarea obiectelor

Volumul de lucru pentru detectarea obiectelor folosește învățarea automată, astfel încât să poată detecta și clasifica obiectele din fotografii. Utilizează o rețea neuronală convoluțională numită MobileNet v1 SSD pentru a detecta și clasifica obiectele din fotografii, iar fotografiile au dimensiunea de 300x300 pixeli. Efectuează următorii pași pentru a identifica obiectele dintr-o imagine:

1. Încărcați fotografia
2. Extrageți obiecte din fotografie folosind SSD MobileNet v1
3. Generați un scor de încredere sau de detecție care reprezintă acuratețea detectării
4. Desenați o casetă de delimitare în jurul obiectului și scoateți un scor de încredere

Detectarea obiectelor procesează 16 fotografii în modul single-core și 64 de fotografii în modul multi-core.

Încețoșare de fundal

Volumul de lucru pentru estomparea fundalului separă primul plan de fundal în fluxurile video și estompează fundalul, la fel cum pot face servicii precum Zoom, Discord și Google Meet.

Editarea imaginilor

Volumul de lucru pentru editarea imaginilor măsoară cât de bine poate face CPU-ul dumneavoastră atât editările simple, cât și cele complexe.

Eliminator de obiecte

Volumul de lucru pentru îndepărtarea obiectelor elimină obiecte din fotografii și umple golul lăsat în urmă, modelând o umplere care ține cont de conținut și Google Magic Eraser. Volumul de lucru primește o imagine de 3MP cu o regiune nedorită, iar volumul de lucru elimină această regiune și utilizează o schemă de pictură pentru a reconstrui golul rămas în urmă.

Detectarea orizontului

Volumul de lucru pentru detectarea orizontului poate detecta și îndrepta liniile neuniforme sau strâmbe ale orizontului pentru a îmbunătăți fotografiile. Modelează corectoare de linie de orizont în aplicațiile de editare foto și folosește detectorul de margine Canny pentru a aplica o transformare Hough pentru a detecta linia de orizont. Utilizează o fotografie de 48 MP ca intrare.

Filtru foto

Volumul de lucru al filtrului foto aplică filtre pentru a îmbunătăți aspectul fotografiei, modelând filtre comune în aplicațiile de social media precum Instagram. Acesta aplică următoarele efecte la 10 fotografii diferite, cu dimensiuni variate de la 3MP la 15MP.

• Filtre de culoare și de estompare
• Ajustări de nivel
• Decuparea și scalarea
• Compunerea imaginilor

HDR

Volumul de lucru HDR combină șase fotografii obișnuite pentru a crea o singură fotografie HDR, colorată și vibrantă. Modelează caracteristicile HDR găsite în aplicațiile moderne de cameră pentru smartphone-uri, creând o singură imagine HDR de 16 MP din șase imagini obișnuite de 16 MP.

Sinteza imaginii

Aceste sarcini de lucru măsoară modul în care CPU-ul tău poate gestiona crearea de imagini complet artificiale.

Tracer de raze

Trasarea razelor este la modă și poate fi folosită pentru a genera imagini fotorealiste prin modelarea modului în care razele de lumină interacționează cu obiectele din scenele virtuale. Aceasta modelează procesele de randare pe care le-ar folosi software-ul de randare 3D precum Blender sau Cinema 4D.

Structura din mișcare

Structura din mișcare este o tehnică care generează geometrie 3D din mai multe imagini 2D. Sistemele de realitate augmentată folosesc tehnici ca acestea pentru a înțelege scenele din lumea reală. Această sarcină de lucru preia nouă imagini 2D ale aceleiași scene și construiește o estimare a coordonatelor 3D ale punctelor care sunt vizibile în ambele imagini.

Cum se descarcă Geekbench

Geekbench este unul dintre reperele de referință pe care oamenii le folosesc pentru a testa dispozitive precum cele mai bune telefoane, laptopuri și tablete, și îl puteți descărca din Apple App Store, Magazinul Google Play și site-ul Primate Labs.