Geekbench 7 remanie les tests CPU et GPU avec des charges de travail réelles et CUDA

Geekbench 7 est arrivé le 23 juillet avec son premier backend CUDA, une notation multicœur repensée et des charges de travail axées sur les tâches média et IA modernes. Pour les lecteurs qui suivent le débat autour du benchmark nvidia tom, le changement important ne réside pas dans une nouvelle hausse des scores. Primate Labs a modifié ce que ces scores représentent.

La mise à jour teste le partage d’écran AV1, la compression audio Opus, les sous-titres propulsés par Whisper, la physique de jeux, l’upscaling d’images et le flou d’arrière-plan. Sa suite GPU fonctionne désormais via CUDA, OpenCL, Vulkan ou Metal. Cela offre pour la première fois au matériel Nvidia un chemin CUDA natif dans Geekbench.

Le conflit plus large concerne le réalisme. Les benchmarks synthétiques nécessitent un travail cohérent pour permettre les comparaisons, mais les logiciels réels utilisent rarement tous les cœurs d’un processeur de manière égale. Geekbench 7 répond à ce problème en n’appliquant le multithreading que lorsque l’application modélisée se comporte ainsi. Le résultat devrait être plus représentatif, mais rompt également avec la continuité des classements familiers de Geekbench 6.

Geekbench 7 reconstruit le travail derrière chaque score

Geekbench 7 transforme le benchmark en remplaçant plusieurs charges de travail abstraites par des activités reconnaissables réalisées sur les ordinateurs et téléphones actuels.

Primate Labs a publié le benchmark pour Android, iOS, Linux, macOS et Windows. Les changements de Geekbench 7 de l’entreprise couvrent la suite CPU, la suite GPU, la méthodologie multicœur et les jeux de données d’entrée.

Trois nouvelles charges de travail média constituent le cœur de la mise à jour CPU. L’une encode des vidéos de partage d’écran avec AV1, un codec vidéo moderne conçu pour une compression efficace. Une autre compresse la musique et la parole avec Opus, le codec couramment utilisé pour l’audio internet interactif.

Une troisième charge de travail lit de l’audio et de la vidéo tout en générant des sous-titres avec Whisper, un modèle de reconnaissance vocale. Cette combinaison est importante, car le sous-titrage en direct mobilise simultanément le décodage, le traitement audio et l’inférence. Elle se rapproche d’une activité utilisateur complète plutôt que d’une boucle mathématique isolée.

Geekbench 7 ajoute également un test de physique de jeu basé sur le moteur Jolt Physics. Jolt gère la détection des collisions et la simulation physique dans des jeux commerciaux. Cette charge de travail apporte à la suite CPU un scénario d’informatique interactive actuel sans transformer Geekbench en test de fréquence d’images.

Les tests liés à la photo ont reçu des changements plus étendus. La charge de travail Photo Editor applique une collection de retouches plus riche, tandis que Photo Library importe désormais des fichiers JPEG XL et DNG. JPEG XL est un format d’image moderne, tandis que DNG stocke des données d’appareil photo offrant davantage de latitude de retouche qu’une image traitée.

Primate Labs a aussi élargi les matériaux traités par les tests existants. File Compression fonctionne désormais avec du code source, du code objet et des documents texte. PDF Viewer reçoit du contenu allant de cartes de parcs à des articles universitaires et des documents techniques.

Ces entrées plus volumineuses et variées sont importantes, car de petits jeux de données peuvent rester dans les caches les plus rapides d’un processeur. Une fois les données sorties de ces caches, la bande passante et la latence mémoire exercent une influence plus forte. Cela offre souvent une meilleure image des performances soutenues des applications.

La version modifie donc plus que la liste des sujets du benchmark. Elle modifie la pression exercée sur les caches, la mémoire, les moteurs média, les cœurs d’exécution et les frameworks logiciels. Un processeur optimisé pour un test étroit peut réagir différemment lorsque l’ensemble de travail grandit.

La conséquence immédiate concerne la comparabilité. Les scores Geekbench 7 ne doivent pas être considérés comme des prolongements directs des scores Geekbench 6. Les charges de travail, les jeux de données, la référence et les règles multicœurs ont trop fortement changé.

Cette remise à zéro est peu pratique pour les graphiques historiques. C’est aussi précisément l’objectif. Un benchmark qui préserve une continuité parfaite peut progressivement cesser de représenter les logiciels que les gens utilisent réellement.

Les recherches Nvidia Tom mènent désormais à un test CUDA natif

La prise en charge de CUDA offre aux GPU Nvidia un chemin Geekbench plus pertinent, mais ne rend pas les résultats interchangeables entre toutes les API de calcul.

Geekbench proposait auparavant des tests GPU via OpenCL, Vulkan et Metal. Geekbench 7 ajoute CUDA, la plateforme de programmation de Nvidia pour le calcul GPU généraliste. CUDA sous-tend de nombreuses applications de visualisation professionnelle, de calcul scientifique et d’apprentissage automatique.

Ce changement permet aux propriétaires de tester un GPU Nvidia dans l’environnement logiciel le plus étroitement associé à son marché du calcul. La couverture de CUDA rend également Geekbench plus pertinent pour les stations de travail utilisées pour l’IA et la création de contenu.

C’est le lien le plus clair pour les lecteurs arrivant sur l’article via le mot-clé nvidia tom. Nvidia bénéficie depuis longtemps d’une vaste base logicielle CUDA. Geekbench peut désormais mesurer son matériel par cette voie native au lieu de s’appuyer uniquement sur des interfaces plus portables.

Cependant, une API n’est pas simplement une étiquette placée sur une exécution identique. CUDA, OpenCL, Vulkan et Metal utilisent des pilotes, compilateurs, modèles de mémoire et chemins d’optimisation différents. Ces couches peuvent influencer les performances enregistrées par une charge de travail.

Geekbench a l’expérience de la gestion de ce problème. Son précédent framework GPU utilisait une couche d’abstraction appelée Thorium, qui permettait à des charges de travail communes de cibler différentes API de calcul. Les internes documentés de Geekbench 6 décrivaient des implémentations propres à chaque API conçues pour éviter de désavantager un framework.

Geekbench 7 ne peut toujours pas effacer toutes les différences logicielles. Un résultat CUDA montre les performances de la charge de travail via CUDA. Un résultat OpenCL montre ses performances via OpenCL. Les scores restent utiles, mais le backend sélectionné devient une partie du sens du résultat.

Cette distinction est particulièrement importante lors de la comparaison des fournisseurs. Le chemin Metal d’Apple, le chemin CUDA de Nvidia et un chemin Vulkan sur un autre GPU ne partagent pas des piles logicielles identiques. Le benchmark contrôle le travail de haut niveau, tandis que chaque pile détermine comment ce travail atteint le matériel.

La prise en charge de CUDA exerce donc une pression dans deux directions. Nvidia obtient une voie de premier plan qui reflète sa position logicielle la plus forte. Les fournisseurs de GPU concurrents font face à des comparaisons avec un écosystème doté d’outils matures et d’optimisations étendues.

Nvidia fait également l’objet d’un examen plus attentif. Une option CUDA native supprime une explication courante des résultats interplateformes faibles ou incohérents. Les testeurs peuvent comparer CUDA avec OpenCL ou Vulkan sur la même carte et examiner dans quelle mesure le backend modifie le résultat.

Ces comparaisons doivent rester circonscrites. Un solide résultat composite ne prédit pas automatiquement les performances dans Blender, un modèle de langage local ou un solveur scientifique. Chaque application utilise des noyaux, types de données, modèles de mémoire et bibliothèques différents.

La meilleure utilisation initiale du nouveau backend est diagnostique. Exécutez les mêmes charges de travail prises en charge via plusieurs API sur un GPU Nvidia. De grands écarts peuvent révéler la maturité des pilotes, le comportement du compilateur ou une optimisation propre au backend, plutôt qu’une différence matérielle fondamentale.

Le score multicœur cesse de prétendre que chaque application se met à l’échelle

Geekbench 7 fait un compromis défendable : il sacrifie les récits simples sur la mise à l’échelle des cœurs afin de modéliser la manière dont les applications répartissent réellement le travail.

Les benchmarks multicœurs traditionnels exécutent souvent chaque charge de travail sur tous les threads disponibles. Cette approche est facile à comprendre. Elle récompense aussi les processeurs pour un parallélisme qu’une application modélisée n’utilisera peut-être jamais.

Geekbench 7 modifie ce comportement. Une charge de travail n’entre dans la suite multicœur sous une forme threadée que lorsque l’application réelle correspondante utilise un parallélisme significatif. Le test HTML5 Browser est exclu, car le travail du navigateur est généralement monothread ou peu threadé.

Cette refonte modifie l’interprétation d’un score multicœur. Il ne demande plus seulement à quelle vitesse tous les cœurs peuvent terminer un ensemble uniformément parallèle. Il demande comment l’ensemble du processeur gère un mélange de tâches présentant des limites réalistes de mise à l’échelle.

Cette différence peut affecter le plus visiblement les processeurs à grand nombre de cœurs. Une puce peut dominer le rendu ou la compression tout en tirant peu profit de cœurs supplémentaires lors de l’exécution web. Combiner ces comportements produit un chiffre moins spectaculaire, mais un modèle plus équilibré de l’usage général.

Les processeurs hybrides ajoutent une autre couche. Les puces modernes pour ordinateurs de bureau et portables combinent fréquemment des cœurs de performance plus rapides avec des cœurs d’efficacité plus petits. Leurs ordonnanceurs décident où s’exécutent les threads, tandis que les limites de puissance déterminent combien de temps les fréquences maximales durent.

Une suite multicœur réaliste peut révéler ces coûts de coordination. Elle peut aussi introduire une plus grande sensibilité à l’ordonnancement du système d’exploitation, à l’activité en arrière-plan et au firmware. Deux machines physiquement identiques peuvent diverger lorsque leurs réglages d’alimentation ou leurs conditions thermiques diffèrent.

Primate Labs affirme que la nouvelle méthode produit une mesure plus précise du travail réel. C’est un objectif de conception raisonnable, et non une conclusion établie de manière indépendante. La méthodologie nécessite des tests publics sur différentes familles de processeurs avant que les testeurs puissent quantifier l’amélioration.

Il n’existe pas non plus de définition unique d’un comportement multicœur réaliste. Un développeur logiciel compilant un grand projet sollicite un processeur différemment d’une personne participant à des appels vidéo. Un créateur exportant une vidéo observe un autre schéma, et un joueur se soucie de la latence en plus du débit.

Un benchmark composite doit choisir des pondérations entre ces activités. Ces pondérations contiennent un jugement éditorial, même lorsque chaque charge de travail individuelle provient de logiciels réels. Le score reste un modèle plutôt qu’une mesure universelle de la vitesse d’un ordinateur.

L’ancienne alternative présentait néanmoins une faiblesse évidente. Répartir chaque tâche sur chaque thread peut décrire une mise à l’échelle théorique plutôt que le comportement observé des applications. Cela peut favoriser le nombre de cœurs sans montrer quand ces cœurs restent inutilisés.

La nouvelle méthode exerce une pression sur le marketing des puces construit autour d’un unique grand chiffre multicœur. AMD, Apple, Intel, Qualcomm et les fabricants d’appareils ont désormais besoin de nouveaux résultats Geekbench 7. Ils ne peuvent pas réutiliser sans risque le récit établi par Geekbench 6.

Les testeurs doivent également publier le contexte au niveau des charges de travail. Un score composite peut résumer un appareil, mais il ne peut pas expliquer si l’avantage provient de l’encodage AV1, de la compilation, de la physique, du traitement d’images ou d’une autre tâche.

C’est le mécanisme central de cette refonte. Geekbench rend le modèle logiciel plus strict, même lorsque cela complique l’explication du chiffre en titre.

Les charges de travail IA et média vont au-delà d’un score GPU générique

La suite GPU actualisée teste des fonctionnalités visibles des produits, plaçant l’apprentissage automatique aux côtés du traitement d’images, du travail vidéo et de la simulation physique.

Le benchmark GPU de Geekbench 7 ajoute le suivi de visage avec filtres en temps réel, l’upscaling d’images par apprentissage automatique et le flou d’arrière-plan vidéo. Ces tâches correspondent à des fonctionnalités de réseaux sociaux, de visioconférence et de création de contenu déjà familières aux utilisateurs.

L’upscaling d’images estime les détails manquants tout en augmentant la résolution. Le flou d’arrière-plan sépare une personne de la scène environnante avant d’appliquer un effet. Le suivi de visage suit les positions faciales afin que les filtres restent alignés pendant les mouvements.

La suite introduit également le traitement d’images RAW, l’étalonnage des couleurs par table de correspondance, le path tracing et la simulation de fluides. Une table de correspondance, ou LUT, associe les couleurs d’entrée aux couleurs de sortie. Le path tracing simule les trajets de la lumière pour produire des images physiquement informées.

Cette combinaison élargit le rôle des GPU au-delà du jeu vidéo. Les GPU modernes accélèrent les pipelines média, l’inférence locale, la visualisation et les effets interactifs. Ces activités peuvent exploiter le même matériel différemment d’un jeu rendu par rastérisation.

La mise à jour ne doit pas être confondue avec un remplacement complet de Geekbench AI. Ce benchmark distinct évalue les CPU, GPU, unités de traitement neuronal et processeurs de signal numérique à l’aide de plusieurs frameworks d’inférence.

Sa conception publiée des charges de travail d’IA comprend des tâches de vision par ordinateur et de langage. Elle fournit des scores en simple précision, demi-précision et quantifiés, puis ajuste les résultats des charges de travail à l’aide de mesures de précision.

La suite GPU principale de Geekbench 7 pose une question différente. Elle évalue l’apprentissage automatique comme un élément d’une charge de calcul plus large. Cette approche reflète les applications où l’inférence s’insère dans un pipeline média plus vaste.

Le test de sous-titrage Whisper illustre la même idée côté CPU. Les utilisateurs ne perçoivent pas la reconnaissance vocale comme un appel de modèle isolé. Ils voient le décodage vidéo, le traitement audio, la transcription et l’affichage des sous-titres se produire ensemble.

Ce cadrage au niveau de l’application est utile aux acheteurs. Un ordinateur portable choisi pour les appels vidéo a besoin de plus que d’un simple débit matriciel brut. Il doit offrir des performances constantes tout en décodant des médias et en appliquant un effet d’IA dans une enveloppe thermique limitée.

Les développeurs devraient néanmoins considérer ce résultat comme un point de départ. Les modèles et tailles d’entrée inclus ne peuvent représenter tous les systèmes de production. Les modèles génératifs d’images, les grands modèles de langage, les systèmes de recommandation et les réseaux scientifiques imposent des exigences très différentes au matériel.

La précision compte également. Certains accélérateurs excellent dans les opérations quantifiées, qui utilisent des formats numériques compacts, tandis que d’autres sont plus performants à plus haute précision. Un composite GPU unique peut masquer cette distinction, sauf si les testeurs publient les résultats des sous-tests.

Le contexte de recherche nvidia tom rend cela particulièrement pertinent. Nvidia commercialise des GPU pour le jeu, la création, l’IA et l’informatique professionnelle. Geekbench 7 aborde chacune de ces catégories, mais ne reproduit pas un flux de production complet pour l’une d’elles.

Cette limite protège le rôle multiplateforme du benchmark. Un test trop étroitement lié à une bibliothèque d’un fournisseur deviendrait moins portable. Un test trop éloigné des applications réelles perdrait en pertinence.

Geekbench 7 tente de se situer entre les deux. Il utilise des tâches reconnaissables, des algorithmes courants et plusieurs API. Le succès de cette approche dépendra de la cohérence des résultats indépendants et de leur capacité à expliquer les différences réelles entre applications.

Ce que les nouveaux scores ne peuvent toujours pas prouver

Un benchmark plus réaliste reste une approximation contrôlée, et les premiers classements de Geekbench 7 exigent davantage de contexte qu’un simple graphique.

La première incertitude concerne la rupture générationnelle. De nouvelles charges de travail et règles de notation signifient qu’un chiffre Geekbench 7 ne peut pas, à lui seul, montrer l’amélioration par rapport à Geekbench 6. Tout graphique mélangeant les deux versions risque de présenter une fausse tendance de performances.

La deuxième incertitude est l’équivalence des plateformes. Le benchmarking multiplateforme nécessite des compilateurs, pilotes, systèmes d’exploitation et API différents. Geekbench standardise la tâche visée, mais ne peut rendre ces couches logicielles identiques.

CUDA accentue ce problème plutôt que de l’éliminer. Un chemin natif Nvidia peut mieux représenter les applications CUDA. Il peut aussi produire un score influencé par les investissements de Nvidia dans ses compilateurs et pilotes, qui font partie de la valeur de la plateforme.

Les comparaisons nécessitent donc des libellés précis. Les testeurs devraient indiquer la version de Geekbench, le système d’exploitation, le backend, le mode d’alimentation, la configuration mémoire et l’état du refroidissement. Les résultats d’ordinateurs portables exigent une prudence particulière, car les fabricants appliquent des politiques d’alimentation et thermiques différentes.

La troisième incertitude concerne la pondération des charges de travail. Un score composite utilise une agrégation mathématique pour condenser différents tests en un seul chiffre. Cela rend les classements faciles à lire, mais masque les activités qui déterminent le résultat.

Le quatrième problème est la durée. Les charges de travail courtes peuvent mettre l’accent sur les performances en rafale, tandis que les applications soutenues se heurtent aux limites thermiques et de puissance. Une documentation antérieure de Geekbench décrivait des pauses entre les charges de travail afin de réduire les effets d’ordre thermique.

Cette technique favorise la répétabilité, mais ne reproduit pas un rendu ou une compilation d’une heure. Les acheteurs préoccupés par les performances soutenues ont toujours besoin de tests applicatifs et de mesures de stress plus longues.

Le cinquième problème est l’optimisation. Les optimisations conscientes d’un benchmark ne sont pas automatiquement illégitimes, car les applications reçoivent elles aussi des ajustements ciblés. Les problèmes surviennent lorsqu’un matériel détecte un benchmark et modifie un comportement auquel les logiciels ordinaires ne peuvent pas accéder.

Les testeurs indépendants devraient surveiller les écarts inhabituels entre Geekbench 7 et des applications comparables. Ils devraient également comparer les soumissions publiques entre versions de pilotes. Des changements brusques peuvent révéler une optimisation utile, un bug corrigé ou un comportement spécifique au benchmark.

La base de données publique de résultats sera utile une fois qu’elle contiendra suffisamment de soumissions. Les résultats générés par les utilisateurs exposent une gamme de systèmes plus large qu’un laboratoire de test contrôlé, mais incluent aussi des réglages incohérents et des processus d’arrière-plan non identifiés.

Les premiers classements subiront un biais de sélection. Les passionnés soumettent souvent d’abord les résultats de matériel nouveau, overclocké ou soigneusement réglé. Les résultats médians de configurations commerciales courantes deviendront plus instructifs à mesure que la base de données s’étoffera.

Le plus grand risque est la surinterprétation. Geekbench 7 ne peut pas prouver qu’un ordinateur portable est universellement plus rapide, qu’un GPU est le meilleur pour l’IA ou qu’une architecture offre une efficacité supérieure.

Il peut fournir des preuves reproductibles sur une collection définie de tâches. Ces preuves deviennent utiles lorsqu’elles sont associées à des tests d’autonomie, des benchmarks applicatifs, des mesures thermiques et des résultats au niveau des charges de travail.

Les lecteurs qui organisent des notes de test sur plusieurs appareils ont également besoin d’un contexte durable. Une base de connaissances technique consultable peut conserver les pilotes, micrologiciels, réglages de puissance et versions de benchmark à côté de chaque résultat. Sans ces détails, un score perd une grande partie de sa valeur diagnostique.

La méthodologie révisée mérite l’attention, car elle s’attaque à de véritables faiblesses des tests synthétiques. Elle n’échappe pas aux limites partagées par tous les benchmarks généralistes.

Trois signaux montreront si Geekbench 7 fonctionne

La prochaine phase porte sur la validation : la stabilité des résultats publics, la corrélation avec les applications et le comportement entre API détermineront si cette refonte gagne la confiance.

Le premier signal est la forme de la base de données publique. Geekbench collecte déjà des résultats de version 7 soumis par les utilisateurs via son navigateur. Les preuves les plus utiles apparaîtront lorsque les processeurs courants auront suffisamment de soumissions pour révéler des médianes stables et des variations normales.

Observez à quel point les résultats se regroupent sur un matériel identique. Des distributions étroites étayeraient la répétabilité du benchmark. Des distributions larges suggéreraient une forte sensibilité au refroidissement, à l’ordonnancement, à la mémoire, au micrologiciel ou aux logiciels d’arrière-plan.

Ce signal s’applique également aux appareils mobiles. Les téléphones et tablettes fonctionnent sous des limites thermiques strictes, et des exécutions répétées peuvent produire des résultats différents à mesure que les températures montent. Des classements stables sur plusieurs exécutions renforceraient la valeur pratique du nouveau score.

Le deuxième signal est la corrélation avec les applications. Les testeurs devraient comparer les sous-tests AV1, Opus, de compilation, de retouche photo, de physique de jeu et liés à l’IA à des logiciels représentatifs. Le classement n’a pas besoin de correspondre exactement à chaque programme.

Il devrait toutefois expliquer une part significative des performances observées. Si Geekbench 7 favorise régulièrement du matériel qui perd dans les applications correspondantes, son argument de réalisme s’affaiblira.

L’analyse des sous-tests comptera davantage que le score global. Un processeur qui domine en compilation mais accuse un retard en sous-titrage peut tout de même produire un composite compétitif. Ne publier que ce composite efface la raison du résultat.

Le troisième signal est la cohérence entre API, en particulier sur les GPU Nvidia. Les testeurs peuvent exécuter CUDA, OpenCL et Vulkan lorsque pris en charge, puis comparer les tendances au niveau des charges de travail.

Une différence modérée montrerait que les backends imposent des coûts différents tout en préservant un classement matériel globalement similaire. Des écarts extrêmes ou erratiques exigeraient une enquête sur les pilotes, les chemins de compilation et les réglages propres aux API.

Les résultats CUDA sur plusieurs générations de Nvidia seront particulièrement instructifs. Les architectures matures et actuelles peuvent réagir différemment aux kernels mis à jour. Les révisions de pilotes peuvent également modifier la situation après le lancement.

Les comparaisons avec Metal et Vulkan exigent une formulation prudente, car les API ne sont pas identiques. La question utile est de savoir si chaque backend produit des résultats stables et pertinents pour les applications sur sa propre plateforme.

Ces trois signaux mettront à l’épreuve le jugement central de l’article. Des distributions publiques stables soutiendraient la nouvelle méthodologie. Une forte corrélation avec les applications soutiendrait son argument de réalisme. Un comportement cohérent entre API soutiendrait des comparaisons GPU plus équitables.

Un échec sur l’une de ces mesures n’invaliderait pas l’ensemble de la suite. Il indiquerait où un score composite doit être nuancé. C’est ainsi que les benchmarks s’améliorent après une sortie majeure.

Pour toute personne suivant la couverture nvidia tom, la meilleure prochaine étape consiste à ignorer les scores records isolés. Recherchez des tests répétés, des backends d’API nommés, des ventilations par charge de travail et des résultats applicatifs correspondants.

Geekbench 7 a rendu son modèle du calcul plus actuel. Les tests indépendants doivent maintenant déterminer si ce modèle prédit le travail que les gens effectuent réellement. Suivez ces trois signaux avant d’utiliser ses classements pour orienter une mise à niveau, une décision d’achat ou une affirmation de performances.