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 consiste en una lista de tareas concretas. La puntuación se obtiene cronometrándolas, por lo 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.

También se añaden 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 influye 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

Este es 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.

El objetivo es dejar de premiar un reparto que no ocurre en la práctica. 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 e incluye 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.

Ninguno de estos cambios afecta a las cifras de este artículo, ya que son todas de CPU.

Un núcleo: donde se nota el golpe

Aquí tienes los resultados de los 13 móviles, ordenados de menor a mayor potencia según Geekbench 6.

Doce de los trece bajan. El único que sube es el Dimensity 6360, con un incremento del 3,5 %, lo 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.

Hay que recordar que una puntuación describe un móvil, no un chip. La refrigeración, la memoria, el ajuste del fabricante e incluso la temperatura ambiente influyen en el resultado. El mismo procesador en dos teléfonos diferentes arroja 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 ofrece prácticamente el mismo resultado en ambas versiones.

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

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

Hay una explicación bastante concreta de por qué el hachazo cae justo en el medio de la tabla y no en los extremos.

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

Las nuevas tareas de Geekbench 7 —codificar AV1, comprimir Opus y pasar audio por Whisper— comparten una característica: mueven muchísimo dato. A esto hay que sumar que el resto de las pruebas trabajan ahora con conjuntos de datos más grandes.

La memoria de un procesador está organizada por niveles. En la parte superior están las cachés, que son pequeñas, están pegadas al núcleo y ofrecen el dato casi al instante. Debajo se encuentra la memoria RAM, que es mucho más grande y decenas de veces más lenta. Mientras el procesamiento quepa en la caché, el núcleo trabaja a pleno rendimiento, pero en cuanto deja de caber, el núcleo se pasa la vida esperando.

Ese es el funcionamiento. Geekbench 6 utilizaba datos que cabían razonablemente bien; Geekbench 7 los ha aumentado y, con ello, 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.

Expresado de otro modo: la versión 7 mide algo que la 6 no medía, concretamente si un chip cuenta con una memoria acorde a sus núcleos. Aquellos que aprobaban gracias al núcleo grande han dejado de aprobar.

El multinúcleo se salva por otro motivo

En este caso influye un cambio diferente: 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 no ocurre en la práctica, la puntuación multinúcleo depende menos de cuántos núcleos tenga el chip sobre el papel. Por eso 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?

Al echar un vistazo rápido a la tabla, la conclusión es evidente: los tres MediaTek de arriba pierden cerca de la mitad —el Dimensity 8350 un 48,2 %, el 8500 un 50,2 % y el 9500 un 54,6 %—, mientras que los dos que resisten, el 6360 y el 7400, son los de gama de entrada. Parece un problema de marca.

No es así. Al comparar segmento con segmento, que es la única comparación con sentido, 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 sea inferior (−32,9 % frente al −26,5 % de Qualcomm) es un efecto de los chips incluidos 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 es real y resulta llamativo: se trata de 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 figura en estos datos.

Un número que no encaja con los demás

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

Con 655 puntos en un núcleo, este chip se sitúa el último de los trece, quedando por debajo del Dimensity 6360, que alcanza los 702. El Dimensity 6360 es el procesador más modesto del grupo, perteneciente a la gama de entrada. Ningún método de medición 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.

Los mismos datos ofrecen una segunda señal. En la prueba de un núcleo, el 8s Gen 4 cae en picado del puesto 5 al 13. Sin embargo, en multinúcleo, utilizando el mismo teléfono y las mismas tareas nuevas, solo desciende del 5 al 6. Si el problema estuviera en el chip —como una caché pequeña o una memoria lenta— el rendimiento multinúcleo, que mueve aún más datos, tendría que verse afectado igual o más. Y no es así.

La explicación más probable es térmica o de ejecución: un móvil caliente, algún proceso corriendo de fondo o 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, que es justo donde una limitación térmica hace más daño.

Qué se puede dar por bueno

Bastante, en realidad. Lo que se mantiene 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.

Que tres patrones se repitan en trece dispositivos no es fruto del mal día de un teléfono. Lo que no conviene tomarse al pie de la letra son las cifras individuales de los extremos, ya que corresponden a una sola unidad y a una única ejecución cada una.

Cómo leer una puntuación de Geekbench a partir de ahora

La consecuencia práctica de todo esto no es que Geekbench 7 sea peor, sino 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 aparecen los trece chips ordenados según su puntuación de un núcleo en Geekbench 6 y, a la derecha, los mismos trece ordenados por Geekbench 7.

Solo los dos primeros puestos sobreviven. Los otros once cambian de posición y algunos se desplazan media tabla: el Snapdragon 7s Gen 3 sube del puesto 9 al 5, mientras que 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. Si aplicamos 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 sería útil si todos los resultados bajaran de forma similar, pero 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 regla, más general: un benchmark no es una medida absoluta de nada. Se trata de un conjunto de tareas concretas elegidas por alguien y, cuando estas tareas cambian, el resultado varía sin que el silicio se haya movido un milímetro. El hecho de que sean tareas conocidas es precisamente 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 los chips de gama media. Lo que ha hecho es dejar de disimular que su memoria no rinde tanto como sugería su frecuencia.

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