Geekbench 6 vs Geekbench 7: el mismo móvil puntúa hasta un 68 % menos

Qué mide Geekbench 7 que no medía la 6

Un benchmark de CPU es una lista de tareas concretas. La puntuación sale de cronometrarlas, así que cambiar la lista cambia el resultado, aunque el procesador sea exactamente el mismo.

Geekbench 7 cambia la lista en tres frentes.

Tareas nuevas, y bastante más pesadas

Las incorporaciones más llamativas son de medios y de aprendizaje automático:

• Codificar vídeo en AV1, concretamente material de pantalla compartida, que es lo que hace una videollamada por dentro.
• Comprimir música y voz con el códec Opus, el trabajo de una aplicación de grabación o de un editor de pódcast.
• Generar subtítulos en directo con el modelo Whisper, descodificando audio y vídeo a la vez.

A eso se suman una prueba de física de videojuegos, una de edición fotográfica renovada y una de biblioteca de fotos que procesa JPEG XL y DNG.

Y por debajo de todo, conjuntos de datos más grandes. Es el detalle menos vistoso y el que más pesa en el resultado final: cuanto más grande es el dato, menos cabe en la caché y más depende todo de la velocidad de la memoria.

El multinúcleo, reconstruido

Aquí está el cambio conceptual. En Geekbench 6, una tarea se repartía entre todos los núcleos disponibles. En Geekbench 7 una tarea solo se ejecuta en varios núcleos si el programa real al que imita lo hace de verdad.

La idea es dejar de premiar un reparto que en la práctica no ocurre. Un móvil con ocho núcleos ya no puntúa como si sus ocho núcleos trabajasen siempre a la vez, porque en el móvil que llevas en el bolsillo casi nunca lo hacen.

La GPU, aparte

La prueba gráfica también se ha rehecho, con seguimiento de caras, filtros de vídeo en tiempo real, escalado de imagen por aprendizaje automático, desenfoque de fondo en videollamadas, revelado de RAW, etalonaje con LUT, trazado de rayos y simulación de fluidos. Además estrena soporte de CUDA.

Nada de eso afecta a las cifras de este artículo, que son todas de CPU.

Un núcleo: donde se nota el golpe

Estas son las cifras de los 13 móviles, ordenadas de menos a más potente según Geekbench 6.

Doce de los trece bajan. El único que sube es el Dimensity 6360, y sube un 3,5 %, que en un benchmark es prácticamente empatar.

Agrupando por segmento, el dibujo es muy claro:

• Gama de entrada (Dimensity 6360 y 7400, Snapdragon 6 Gen 3 y 4, Snapdragon 7s Gen 3): pierden un 9 % de media, y ninguno pasa del 15 %.
• Gama media (Snapdragon 7 Gen 4 y 8s Gen 4, Dimensity 8350 y 8500): pierden un 52 % de media. Ninguno baja del 42 %.
• Gama alta (Snapdragon 8 Elite Gen 5, Tensor G6, Apple A19): pierden entre un 14 % y un 16 %, muy cerca de los de entrada.

El Dimensity 9500 es el que rompe el patrón: es un chip de gama alta y cae un 54,6 %, como si fuera de gama media. Es la única excepción, y volvemos a ella más abajo.

Conviene recordar que una puntuación describe un móvil, no un chip. La refrigeración, la memoria, el ajuste del fabricante y hasta la temperatura ambiente mueven el resultado. El mismo procesador en dos teléfonos distintos da dos números distintos.

Varios núcleos: mucho más tranquilo

Aquí el terremoto se queda en temblor. Once de trece bajan, pero la mitad de ellos se mueve menos de un 10 %, y dos incluso suben: el Snapdragon 6 Gen 3 y el Dimensity 7400.

El caso más llamativo es el Snapdragon 8 Elite Gen 5, que pierde un 3,5 %. Es decir: en multinúcleo, el chip más potente del grupo da prácticamente el mismo número en las dos versiones.

Que el multinúcleo aguante mucho mejor que el mononúcleo no es casualidad, y tiene un motivo distinto del que explica las caídas. Lo vemos en el capítulo siguiente.

Por qué a unos chips les afecta mucho más que a otros

Que el hachazo caiga justo en el medio de la tabla, y no en los extremos, tiene una explicación bastante concreta.

Lo que ha cambiado no es la dificultad, es el tipo de dificultad

Las tareas nuevas de Geekbench 7 —codificar AV1, comprimir Opus, pasar audio por Whisper— comparten una característica: mueven muchísimo dato. Y a eso hay que sumarle que el resto de pruebas trabajan ahora sobre conjuntos de datos más grandes.

Un procesador tiene la memoria organizada en escalones. Arriba, las cachés, pequeñas y pegadas al núcleo, con el dato disponible casi al instante. Abajo, la memoria RAM, mucho más grande y decenas de veces más lenta. Mientras lo que estás procesando quepa en caché, el núcleo trabaja a pleno rendimiento. En cuanto no cabe, el núcleo se pasa la vida esperando.

Ese es todo el mecanismo. Geekbench 6 trabajaba con datos que cabían razonablemente bien; Geekbench 7 los ha hecho crecer, y con ellos ha desplazado el cuello de botella del núcleo a la memoria.

Por eso el reparto de daños queda así:

• Los de gama alta llevan núcleos modernos y, detrás, memoria rápida y cachés grandes. La carga nueva les cabe. Bajan un 14-16 %.
• Los de gama de entrada nunca puntuaron alto porque sus núcleos ya eran modestos. No tenían nada inflado que perder, y bajan un 9 % de media.
• Los de gama media son los que quedan retratados. Es el segmento donde más se compite por la cifra del benchmark, y la forma barata de subirla es subir la frecuencia del núcleo grande dejando el resto igual: memoria más lenta, cachés más pequeñas. Funcionaba mientras la prueba cupiera en caché. Ahora no cabe, y la frecuencia no salva nada: un núcleo rapidísimo que espera datos no va rápido, va parado a gran velocidad.

Dicho de otra forma: la versión 7 mide algo que la 6 no medía, que es si un chip lleva detrás una memoria a la altura de sus núcleos. Los que aprobaban por el núcleo grande han dejado de aprobar.

El multinúcleo se salva por otro motivo

Aquí actúa un cambio distinto: en Geekbench 7 una tarea solo se reparte entre varios núcleos si el programa real al que imita lo hace. Al dejar de premiar un reparto que en la práctica no ocurre, la puntuación multinúcleo depende menos de cuántos núcleos tenga el chip sobre el papel. Por eso ahí las caídas son la mitad de grandes y hasta hay dos chips que suben.

¿Y por qué parece que MediaTek se lleva la peor parte?

Mirando la tabla de un vistazo, la conclusión sale sola: los tres MediaTek de arriba se dejan cerca de la mitad —Dimensity 8350 un 48,2 %, 8500 un 50,2 % y 9500 un 54,6 %—, mientras que los dos que aguantan, el 6360 y el 7400, son los de gama de entrada. Parece un problema de marca.

No lo es. Al comparar segmento con segmento, que es la única comparación que significa algo, el patrón desaparece:

• En gama de entrada, los MediaTek aguantan mejor que los Qualcomm: −5,8 % de media frente a −11,4 %.
• En gama media, caen más los Qualcomm: −55,5 % de media (Snapdragon 7 Gen 4 y 8s Gen 4) frente a −49,2 % de los MediaTek (Dimensity 8350 y 8500).
• En gama alta solo hay un chip de cada uno. El Dimensity 9500 cae un 54,6 % y el Snapdragon 8 Elite Gen 5 un 14 %.

Es decir: toda la impresión de que MediaTek sale peor parada se apoya en un solo procesador, el Dimensity 9500. Si se compara la gama media con la gama media, Qualcomm sale algo peor.

Que la media global de MediaTek quede por debajo (−32,9 % frente a −26,5 % de Qualcomm) es un efecto de qué chips había en la muestra, no de cómo se comportan las dos marcas. MediaTek aportó tres chips de gama media-alta y dos de entrada; Qualcomm aportó tres de entrada y solo uno de gama alta.

Lo del Dimensity 9500 sí es real y sí es llamativo: es un chip de gama alta que se comporta como uno de gama media. Pero es un teléfono, una unidad y una ejecución. Para afirmar que MediaTek tiene un problema de arquitectura en su tope de gama harían falta varios modelos con ese chip y varias repeticiones, y eso no está en estos datos.

Un número que no encaja con los demás

La caída más grande de toda la prueba no es la del Dimensity 9500, sino la del Snapdragon 8s Gen 4: de 2.080 puntos a 655, un 68,5 % menos. Y esa cifra conviene mirarla dos veces.

Con 655 puntos en un núcleo, ese chip queda el último de los trece, por debajo del Dimensity 6360, que hace 702. El Dimensity 6360 es el procesador más modesto del grupo, de gama de entrada. Ninguna forma de medir hace que un chip de gama media-alta rinda menos que uno de entrada al ejecutar una sola tarea: eso no describe al procesador, describe a la medición.

Hay una segunda señal en los mismos datos. En un núcleo, el 8s Gen 4 se desploma del puesto 5 al 13. En multinúcleo, con las mismas tareas nuevas y el mismo teléfono, solo baja del 5 al 6. Si el problema fuera del chip —memoria lenta, caché pequeña— el multinúcleo, que mueve todavía más datos, tendría que sufrir igual o más. No sufre.

La explicación más probable es térmica o de ejecución: un móvil caliente, algo corriendo de fondo, una única pasada sin repetir. Geekbench en un teléfono es extraordinariamente sensible a la temperatura, y la prueba de un núcleo se decide en pocos segundos, justo donde una limitación térmica hace más daño.

Qué se puede dar por bueno

Bastante, en realidad. Lo que aguanta es la dirección y la forma:

• Doce de trece chips bajan en un núcleo, con cuatro fabricantes distintos en la muestra.
• El daño se ordena por segmentos de forma limpia y repetida, no aleatoria.
• El multinúcleo se mueve mucho menos que el mononúcleo en todos los casos, que es justo lo que predice el rediseño anunciado.

Tres patrones que se repiten en trece aparatos no salen de un mal día de un teléfono. Lo que no conviene tomarse al pie de la letra son las cifras individuales de los extremos, que es una unidad y una ejecución cada una.

Cómo leer una puntuación de Geekbench a partir de ahora

La consecuencia práctica de todo lo anterior no es que Geekbench 7 sea peor. Es que las dos versiones no hablan el mismo idioma.

El orden de los chips cambia casi entero

Esta es la forma más clara de verlo. A la izquierda, los trece chips ordenados por su puntuación de un núcleo en Geekbench 6; a la derecha, los mismos trece ordenados por Geekbench 7.

Solo los dos primeros puestos sobreviven. Los otros once cambian de sitio, y algunos se recorren media tabla: el Snapdragon 7s Gen 3 sube del puesto 9 al 5, y el Snapdragon 8s Gen 4 baja del 5 al 13.

No hay factor de conversión que valga

La tentación inmediata es buscar un número para traducir: si de media se pierde un 27 %, multiplico la puntuación vieja por 0,73 y listo.

No funciona, y no funciona por mucho. Aplicando ese factor a las trece puntuaciones de Geekbench 6:

• En el Apple A19 te quedas corto un 13 %.
• En el Dimensity 8500 te pasas un 46 %.
• En el Snapdragon 8s Gen 4 te pasas un 131 %.

Un factor único solo serviría si todos cayeran parecido, y el rango real va desde subir un 3,5 % hasta perder un 68,5 %.

Las tres reglas que quedan

1. Mira siempre qué versión es. Una puntuación de Geekbench sin número de versión al lado ya no informa de nada.
2. No compares entre versiones. Ni con factores, ni «a ojo», ni para hacerse una idea. Especialmente en gama media, donde el mismo teléfono puede aparecer con la mitad de puntos.
3. Un móvil nuevo con menos puntos que uno viejo no tiene por qué ser peor. Antes de sacar conclusiones, comprueba si los dos números salen de la misma versión.

Y una cuarta, más general: un benchmark no es una medida absoluta de nada. Es un conjunto de tareas concretas, elegidas por alguien, y cuando cambian las tareas cambia el resultado sin que el silicio se haya movido un milímetro. Que sean tareas conocidas es justamente lo que permite hacer trampas con ellas, algo que ya le costó a Samsung cuatro generaciones de Galaxy. Geekbench 7 no ha hecho más lentos a los chips de gama media. Lo que ha hecho es dejar de disimular que su memoria no da para tanto como su frecuencia sugería.

Conviene tratar Geekbench 7 como una escala nueva que empieza de cero, y no como la continuación de la anterior.