Geekbench 7、実世界のワークロードとCUDAでCPU・GPUテストを刷新

Geekbench 7は7月23日、初のCUDAバックエンド、再設計されたマルチコアスコアリング、そして現代のメディア・AIタスクを基盤とするワークロードを備えて登場した。nvidia tomベンチマークをめぐる話題を追う読者にとって重要なのは、単にスコアがさらに上がったことではない。Primate Labsは、そのスコアが何を表すのかを変えた。

このアップデートでは、AV1による画面共有、Opus音声圧縮、Whisperを利用した字幕生成、ゲーム物理演算、画像アップスケーリング、背景ぼかしをテストする。GPUスイートはCUDA、OpenCL、Vulkan、Metal経由で実行できる。これにより、NvidiaハードウェアはGeekbench内で初めてネイティブなCUDAパスを得ることになる。

より大きな論点は、現実性にある。合成ベンチマークは比較を支えるために一貫した処理を必要とするが、実際のソフトウェアがすべてのプロセッサコアを同じように使うことはほとんどない。Geekbench 7は、モデル化されたアプリケーションが実際にそのように動作する場合に限ってマルチスレッド化を適用することで、この問題に対処する。その結果はより代表性の高いものになるはずだが、Geekbench 6で馴染みのあるランキングとの連続性は失われる。

Geekbench 7、各スコアを支える処理を再構築

Geekbench 7は、いくつかの抽象的なワークロードを、現在のコンピューターやスマートフォンで実行される分かりやすい活動へ置き換えることで、ベンチマークを変えている。

Primate LabsはAndroid、iOS、Linux、macOS、Windows向けにこのベンチマークを公開した。同社のGeekbench 7の変更点では、CPUスイート、GPUスイート、マルチコア手法、入力データセットが扱われている。

CPUアップデートの核となるのは、3つの新しいメディアワークロードだ。1つは効率的な圧縮を目的に設計された最新ビデオコーデックであるAV1を使って、画面共有映像をエンコードする。もう1つは、インタラクティブなインターネット音声で一般的に使われるコーデックであるOpusで、音楽や音声を圧縮する。

3つ目のワークロードは、音声認識モデルWhisperで字幕を生成しながら、音声と映像を再生する。この組み合わせが重要なのは、ライブ字幕生成が同時並行のデコード、音声処理、推論を生むためだ。孤立した数学ループではなく、完全なユーザー活動に近い。

Geekbench 7はさらに、Jolt Physicsエンジンを基盤とするゲーム物理演算テストを追加した。Joltは商用ゲームにおける衝突検出と物理シミュレーションを扱う。このワークロードにより、Geekbenchをフレームレートテストへ変えることなく、CPUスイートに現代的なインタラクティブコンピューティングのシナリオが加わる。

写真関連テストも幅広く変更された。Photo Editorワークロードではより多彩な編集を適用し、Photo LibraryはJPEG XLおよびDNGファイルをインポートするようになった。JPEG XLは最新の画像フォーマットであり、DNGは処理済み画像よりも広い編集余地を持つカメラデータを保存する。

Primate Labsは既存テストで処理する素材も拡充した。File Compressionは現在、ソースコード、オブジェクトコード、テキスト文書を扱う。PDF Viewerには、公園マップから学術論文、技術文書まで幅広いコンテンツが渡される。

こうしたより大きく多様な入力が重要なのは、小規模なデータセットではプロセッサの最速キャッシュ内に収まり続ける可能性があるためだ。データがそれらのキャッシュを超えてあふれると、メモリ帯域幅とレイテンシーの影響がより大きくなる。これにより、持続的なアプリケーション性能をより適切に捉えられることが多い。

したがって、このリリースはベンチマークのトピック一覧以上のものを変えている。キャッシュ、メモリ、メディアエンジン、実行コア、ソフトウェアフレームワークにかかる負荷を変えるのだ。狭いテスト向けに最適化されたプロセッサは、ワーキングセットが拡大したときに異なる反応を示す可能性がある。

直接的な結果は比較可能性にある。Geekbench 7のスコアは、Geekbench 6スコアの直接的な延長として扱うべきではない。ワークロード、データセット、ベースライン、マルチコアルールはいずれも大幅に変わっている。

このリセットは、過去のチャートには不便だ。しかし、それこそが狙いでもある。完全な連続性を維持するベンチマークは、人々が実際に使うソフトウェアを徐々に表さなくなる可能性がある。

Nvidia Tom検索、ネイティブCUDAテストへつながる

CUDAサポートはNvidia GPUにより適したGeekbenchの経路を与えるが、すべてのコンピューティングAPI間で結果を交換可能にするわけではない。

Geekbenchは以前からOpenCL、Vulkan、Metalを通じたGPUテストを提供してきた。Geekbench 7は、汎用GPUコンピューティング向けのNvidiaのプログラミングプラットフォームであるCUDAを追加する。CUDAは、多くのプロフェッショナル向けビジュアライゼーション、科学技術計算、機械学習アプリケーションを支えている。

この変更により、所有者はそのコンピューティング市場と最も密接に結び付いたソフトウェア環境を通じてNvidia GPUをテストできる。CUDAに関する報道は、GeekbenchをAIやコンテンツ制作に使われるワークステーションにとってもより関連性の高いものにしている。

nvidia tomというキーワード経由でこの話題にたどり着く読者にとって、これが最も明確なつながりだ。Nvidiaは長年にわたり、広範なCUDAソフトウェア基盤の恩恵を受けてきた。Geekbenchは今や、よりポータブルなインターフェースだけに依存するのではなく、そのネイティブ経路で同社のハードウェアを測定できる。

ただし、APIは同一の実行処理に付けられた単なるラベルではない。CUDA、OpenCL、Vulkan、Metalは、それぞれ異なるドライバー、コンパイラー、メモリモデル、最適化パスを利用する。これらの層は、ワークロードで記録される性能に影響し得る。

Geekbenchには、この問題を扱ってきた経験がある。以前のGPUフレームワークではThoriumと呼ばれる抽象化レイヤーを使い、共通のワークロードを異なるコンピューティングAPIに対応させていた。文書化されたGeekbench 6の内部仕様では、特定のフレームワークが不利にならないよう設計されたAPI固有の実装が説明されている。

それでもGeekbench 7は、すべてのソフトウェア上の差異を消し去ることはできない。CUDAの結果は、そのワークロードがCUDAを通じてどのように動作するかを示す。OpenCLの結果は、OpenCLを通じた動作を示す。スコアは依然として価値があるが、選ばれたバックエンドが結果の意味の一部になる。

この違いは、ベンダーを比較する際に特に重要だ。AppleのMetalパス、NvidiaのCUDAパス、別のGPU上のVulkanパスは、同一のソフトウェアスタックを共有していない。ベンチマークは高レベルの処理を制御する一方、各スタックがその処理をどのようにハードウェアへ届けるかを決める。

そのためCUDAサポートは、二つの方向に圧力をかける。Nvidiaは、最も強いソフトウェア上の立場を反映する第一級の経路を得る。競合GPUベンダーは、成熟したツールと広範な最適化を備えたエコシステムとの比較に直面する。

Nvidia自身も、より厳しい検証を受けることになる。ネイティブCUDAオプションは、弱い、あるいは一貫しないクロスプラットフォーム結果についてよく挙げられる説明の一つを取り除く。レビュアーは同じカードでCUDAとOpenCLまたはVulkanを比較し、バックエンドが結果をどれほど変えるかを調べられる。

こうした比較には、一定の範囲を設けるべきだ。高い総合スコアが、Blender、ローカルの言語モデル、科学計算ソルバーでの性能を自動的に予測するわけではない。各アプリケーションは異なるカーネル、データ型、メモリパターン、ライブラリを使用する。

新しいバックエンドの初期段階で最も有用な使い方は診断だ。1台のNvidia GPUで、対応する同一ワークロードを複数のAPI経由で実行する。大きな差は、根本的なハードウェア差ではなく、ドライバーの成熟度、コンパイラーの挙動、バックエンド固有の最適化を明らかにする可能性がある。

マルチコアスコア、すべてのアプリがスケールするという前提を捨てる

Geekbench 7は、アプリケーションが実際にどのように処理を分配するかをモデル化するため、単純なコアスケーリングの物語を犠牲にするという妥当な選択をしている。

従来のマルチコアベンチマークは、すべてのワークロードを利用可能なすべてのスレッドで実行することが多い。このアプローチは理解しやすい。しかし、モデル化されたアプリケーションが実際には使わない並列性によって、プロセッサを評価することにもなる。

Geekbench 7はこの挙動を変える。対応する実アプリケーションが意味のある並列性を利用する場合にのみ、ワークロードはスレッド化された形式でマルチコアスイートに入る。HTML5 Browserテストは、ブラウザー処理が一般にシングルスレッド、または軽度なスレッド化にとどまるため除外される。

この再設計は、マルチコアスコアの解釈を変える。それは、すべてのコアが均一に並列化された処理束をどれだけ速く終えられるかだけを問うものではなくなる。現実的なスケーリング限界を持つさまざまなタスクを、プロセッサ全体がどのように処理するかを問うものになる。

この違いは、多コアのプロセッサで最も目立つ影響を及ぼし得る。あるチップはレンダリングや圧縮で圧倒的でも、ウェブ処理中には追加コアによる恩恵をほとんど得られない可能性がある。こうした挙動を組み合わせると数字は派手ではなくなるが、一般的な利用をよりバランスよくモデル化できる。

ハイブリッドプロセッサは、さらに別の層を加える。現代のデスクトップおよびノートPC向けチップは、より高速なパフォーマンスコアと、より小さな効率コアを組み合わせることが多い。スケジューラーがどのスレッドをどこで動かすかを決め、電力制限がピーク周波数をどれだけ維持できるかを決める。

現実的なマルチコアスイートは、こうした調整コストを浮き彫りにし得る。同時に、OSのスケジューリング、バックグラウンド活動、ファームウェアに対する感度が高まる可能性もある。物理的に同一の2台のマシンでも、電源設定や熱条件が異なれば結果が分かれることがある。

Primate Labsは、新しい手法が実際の作業をより正確に測定すると述べている。これは独立して確立された結論ではなく、合理的な設計目標だ。レビュアーが改善度を定量化するには、プロセッサファミリー全体にわたる公開テストが必要になる。

また、現実的なマルチコア挙動に単一の定義はない。大規模プロジェクトをコンパイルするソフトウェア開発者は、ビデオ通話に参加する人とは異なる形でプロセッサに負荷をかける。動画を書き出すクリエイターには別のパターンがあり、ゲーマーはスループットとともにレイテンシーを重視する。

総合ベンチマークは、こうした活動間の重み付けを選ばなければならない。個々のワークロードがすべて実ソフトウェア由来であっても、その重み付けには編集上の判断が含まれる。スコアは依然として、コンピューター速度の普遍的な測定値ではなくモデルである。

それでも、以前の代替案には明確な弱点があった。すべてのタスクをすべてのスレッドに分散させる方法は、観測されたアプリケーション挙動ではなく理論的なスケーリングを示し得る。コアが使われない状況を示さないまま、コア数を有利に扱う可能性がある。

新しい手法は、1つの大きなマルチコア数値を中心にしたチップマーケティングに圧力をかける。AMD、Apple、Intel、Qualcomm、デバイスメーカーはいま、新たなGeekbench 7の結果を必要としている。Geekbench 6で確立された物語を安全に再利用することはできない。

レビュアーは、ワークロード単位の文脈も公開する必要がある。総合スコアはデバイスを要約できるが、その優位性がAV1エンコード、コンパイル、物理演算、画像処理、あるいは別のタスクによるものかは説明できない。

これが、この刷新の中心的な仕組みだ。Geekbenchは、見出しの数値が説明しにくくなる場合でも、ソフトウェアモデルをより厳密にしている。

AIとメディアのワークロード、汎用GPUスコアの先へ

刷新されたGPUスイートは、機械学習を画像処理、映像作業、物理シミュレーションと並べ、目に見える製品機能をテストする。

Geekbench 7のGPUベンチマークは、リアルタイムフィルターを伴う顔追跡、機械学習による画像アップスケーリング、動画の背景ぼかしを追加する。これらのタスクは、ユーザーにすでに馴染みのあるソーシャルメディア、会議、コンテンツ制作の機能に対応している。

画像アップスケーリングは、解像度を上げながら欠落したディテールを推定する。背景ぼかしは、効果を適用する前に人物を周囲の場面から分離する。顔追跡は顔の位置を追い、動作中もフィルターの位置が合うようにする。

このスイートはさらに、RAW画像処理、ルックアップテーブルによるカラーグレーディング、パストレーシング、流体シミュレーションを導入する。ルックアップテーブル、すなわちLUTは、入力色を出力色へ対応付ける。パストレーシングは光の経路をシミュレートし、物理的な根拠を持つ画像を生成する。

この組み合わせにより、GPUの役割はゲーミングの枠を超えて広がる。現代のGPUは、メディアパイプライン、ローカル推論、可視化、インタラクティブなエフェクトを高速化する。これらの処理では、ラスタライズされたゲームとは異なる形で同じハードウェアが活用される。

このアップデートをGeekbench AIの完全な置き換えと混同してはならない。別個のベンチマークであるGeekbench AIは、複数の推論フレームワークを通じてCPU、GPU、ニューラル・プロセッシング・ユニット、デジタル・シグナル・プロセッサを評価する。

公開されているAIワークロード設計には、コンピュータビジョンと言語に関するタスクが含まれる。単精度、半精度、量子化のスコアを報告したうえで、精度測定に基づいてワークロード結果を調整する。

Geekbench 7の主要GPUスイートが問うのは別の点だ。機械学習を、より幅広いコンピュートワークロードの一部として評価する。このアプローチは、より大きなメディアパイプライン内に推論が組み込まれるアプリケーションを反映している。

Whisperの字幕生成テストは、CPU側でも同じ考え方を示している。ユーザーは音声認識を、切り離されたモデル呼び出しとして体験するわけではない。動画のデコード、音声処理、文字起こし、字幕表示が一体となって進行するものとして体験する。

このアプリケーションレベルの枠組みは、購入者にとって有用だ。ビデオ通話向けに選ぶノートPCには、単純な行列演算スループット以上の性能が必要になる。限られた熱設計の範囲内で、メディアをデコードしながらAIエフェクトを適用しても、一貫した性能を維持しなければならない。

ただし、開発者はこの結果を出発点として扱うべきだ。組み込まれたモデルや入力サイズだけで、あらゆる本番システムを表現することはできない。生成画像モデル、大規模言語モデル、レコメンデーションシステム、科学計算向けネットワークは、ハードウェアに大きく異なる負荷をかける。

精度も重要である。コンパクトな数値形式を用いる量子化演算に優れるアクセラレータもあれば、より高精度な処理で性能を発揮するものもある。レビュアーがサブテスト結果を公開しない限り、単一のGPU総合スコアはこの違いを隠してしまう可能性がある。

nvidia tomの検索コンテキストは、この点を特に重要にする。NvidiaはGPUをゲーミング、クリエイティブ、AI、プロフェッショナルコンピューティングの各分野で訴求している。Geekbench 7はそれぞれの領域に触れるものの、いずれか一つの領域における完全な本番ワークフローを再現するわけではない。

この境界設定は、ベンチマークのクロスプラットフォームとしての役割を守る。特定ベンダーのライブラリに過度に依存したテストは、移植性を損なう。実際のアプリケーションから抽象化しすぎたテストは、関連性を失う。

Geekbench 7は、その中間を目指している。認識しやすいタスク、一般的なアルゴリズム、複数のAPIを採用している。このアプローチが成功するかは、独立した結果が一貫性を保ち、実際のアプリケーション間の差異を説明できるかどうかにかかっている。

新しいスコアでも証明できないこと

より現実的なベンチマークも、あくまで統制された近似にすぎず、初期のGeekbench 7ランキングには単一のチャート以上の文脈が必要だ。

最初の不確実性は、世代間の連続性がないことだ。新しいワークロードとスコアリングルールにより、Geekbench 7の数値だけでGeekbench 6からの改善を示すことはできない。両バージョンを混在させたチャートは、誤った性能トレンドを示すおそれがある。

第二の不確実性は、プラットフォームの同等性だ。クロスプラットフォームのベンチマークには、異なるコンパイラ、ドライバ、OS、APIが必要となる。Geekbenchは意図したタスクを標準化するが、こうしたソフトウェア層を同一にすることはできない。

CUDAはこの問題を解消するのではなく、より明確にする。NvidiaネイティブのパスはCUDAアプリケーションをより適切に表現できる一方で、Nvidiaのコンパイラとドライバへの投資によって形作られたスコアを生む可能性もある。それもプラットフォームの価値の一部だ。

したがって比較には正確なラベルが必要になる。レビュアーはGeekbenchのバージョン、OS、バックエンド、電力モード、メモリ構成、冷却状態を明記すべきだ。ベンダーごとに電力および熱設計ポリシーが異なるため、ノートPCの結果には特に注意が必要となる。

第三の不確実性は、ワークロードの重み付けに関するものだ。総合スコアは、異なるテストを数学的に集約して一つの数値に圧縮する。これによりランキングは読みやすくなるが、どの処理が結果を左右しているのかは隠される。

第四の論点は、処理時間だ。短時間のワークロードでは瞬間的な性能が強調される一方、継続的なアプリケーションでは熱や電力の制限に直面する。過去のGeekbenchドキュメントでは、熱による順位への影響を抑えるため、ワークロード間に休止時間を設けることが説明されていた。

この手法は再現性を支えるが、1時間に及ぶレンダリングやコンパイルを再現するものではない。継続性能を重視する購入者には、アプリケーションテストやより長時間のストレス測定が依然として必要だ。

第五の論点は最適化である。アプリケーションにも特定用途向けのチューニングが施されるため、ベンチマークを意識した最適化が自動的に不当になるわけではない。問題となるのは、ハードウェアがベンチマークを検出し、通常のソフトウェアでは利用できない挙動に切り替える場合だ。

独立系レビュアーは、Geekbench 7と比較可能なアプリケーションとの間にある異常な差を監視すべきだ。また、ドライバのバージョンをまたいで公開提出結果を比較する必要もある。急激な変化は、有用な最適化、修正されたバグ、あるいはベンチマーク固有の挙動を示す可能性がある。

十分な提出結果が蓄積されれば、公開結果データベースが役立つ。ユーザー生成の結果は、統制されたレビューラボよりも幅広いシステムを可視化するが、一方で設定の不一致や特定できないバックグラウンドプロセスも含まれる。

初期のランキングには選択バイアスがある。愛好家は新製品、オーバークロック済み、あるいは慎重に調整したハードウェアの結果を最初に投稿しがちだ。データベースが成長するにつれて、一般的な小売構成における中央値のほうが情報価値を持つようになる。

最大のリスクは解釈の行き過ぎだ。Geekbench 7は、あるノートPCが普遍的に高速であること、あるGPUがAIに最適であること、あるアーキテクチャが優れた効率性を持つことを証明できない。

定義された一連のタスクについて、再現可能な証拠を提供することはできる。その証拠は、バッテリーテスト、アプリケーションベンチマーク、熱特性、ワークロードレベルの結果と組み合わせることで有用になる。

複数デバイスにわたるテストノートを整理する読者には、長期的に利用できる文脈も必要だ。検索可能な技術ナレッジベースなら、ドライバ、ファームウェア、電力設定、ベンチマークのバージョンを各結果とともに保存できる。こうした詳細がなければ、スコアは診断上の価値の多くを失う。

改訂された手法は、合成ベンチマークが抱える現実的な弱点に向き合っている点で注目に値する。ただし、あらゆる汎用ベンチマークに共通する限界から逃れられるわけではない。

Geekbench 7が機能しているかを示す3つのシグナル

次の段階は検証だ。公開結果の安定性、アプリケーションとの相関、クロスAPIの挙動によって、この再設計が信頼を得られるかが決まる。

最初のシグナルは、公開データベースの分布だ。Geekbenchはすでにブラウザを通じて、ユーザーが投稿したバージョン7の結果を収集している。一般的なプロセッサについて、安定した中央値と通常のばらつきが分かるだけの提出数が集まったとき、最も有用な証拠が得られる。

同一ハードウェアで結果がどれほど密集するかを確認すべきだ。分布が狭ければ、ベンチマークの再現性を裏付ける。分布が広ければ、冷却、スケジューリング、メモリ、ファームウェア、バックグラウンドソフトウェアへの強い感度が示唆される。

このシグナルはモバイルデバイスにも当てはまる。スマートフォンやタブレットは厳しい熱制約の下で動作し、温度上昇に伴って繰り返し実行の結果が変わる場合がある。複数回の実行で安定したランキングが得られれば、新スコアの実用的な価値は高まる。

第二のシグナルは、アプリケーションとの相関だ。レビュアーはAV1、Opus、コンパイル、写真編集、ゲーム物理演算、AI関連のサブテストを、代表的なソフトウェアと比較すべきだ。ランキングがすべてのプログラムと完全に一致する必要はない。

しかし、観測される性能の意味ある部分を説明できなければならない。Geekbench 7が、対応するアプリケーションでは負けるハードウェアを繰り返し有利に評価するなら、その現実性の主張は弱まる。

総合数値よりもサブテスト分析が重要になる。コンパイルで先行する一方、字幕生成では後れを取るプロセッサでも、競争力のある総合スコアを出すことはある。その総合スコアだけを公開すれば、結果の理由は失われる。

第三のシグナルは、特にNvidia GPUにおけるクロスAPIの一貫性だ。レビュアーは対応環境でCUDA、OpenCL、Vulkanを実行し、ワークロードレベルのパターンを比較できる。

中程度の差であれば、バックエンドごとに異なるコストがかかる一方で、ハードウェアランキングはおおむね類似していることを示す。極端または不規則な差があれば、ドライバ、コンパイラパス、API固有のチューニングを調査する必要がある。

複数世代のNvidia製品におけるCUDA結果は、特に有益な情報となる。成熟したアーキテクチャと現行アーキテクチャでは、更新されたカーネルへの反応が異なる可能性がある。ドライバ改訂によって、発売後に状況が変わることもある。

MetalとVulkanを比較する際は、APIが同一ではないため慎重な表現が必要だ。有用な問いは、各バックエンドがそれぞれのプラットフォーム上で安定し、アプリケーションに関連する結果を生み出すかどうかである。

この3つのシグナルは、記事の中心的な判断を検証する。安定した公開分布は新しい手法を裏付ける。アプリケーションとの強い相関は、その現実性の主張を支える。一貫したAPIの挙動は、より公平なGPU比較を支える。

いずれか一つの指標で失敗しても、スイート全体が無効になるわけではない。それは、総合スコアにどのような留保が必要かを示すことになる。大規模リリース後にベンチマークが改善される仕組みは、まさにこれだ。

nvidia tomの報道を追う人にとって、最善の次の行動は、単発の記録的スコアを無視することだ。繰り返しテスト、明記されたAPIバックエンド、ワークロードの内訳、対応するアプリケーション結果を確認してほしい。

Geekbench 7は、コンピューティングに対するモデルをより現代的なものにした。次に、そのモデルが人々が実際に行う作業を予測できるかどうかを、独立したテストが判断しなければならない。アップグレード、調達判断、性能に関する主張の根拠としてランキングを使う前に、この3つのシグナルを追跡してほしい。