Geekbench bringt Geekbench AI auf den Markt, ein neues plattformübergreifendes Tool zum Testen der KI-Leistung, das zur Bewertung der Leistung von Geräten unter KI-intensiven Arbeitslasten entwickelt wurde. Dieses Tool testet die CPU-, GPU- und NPU-Leistung, um die Fähigkeit eines Geräts zu ermitteln, Anwendungen für maschinelles Lernen zu verarbeiten. Bisher unter dem Namen Geekbench ML entwickelt, wurde es nun in Geekbench AI umbenannt, was eher dem aktuellen Entwicklungstrend der KI-Technologie entspricht. Es bewertet die Leistung im Hinblick auf Geschwindigkeit und Genauigkeit, unterstützt mehrere Frameworks wie ONNX, CoreML, TensorFlow Lite und OpenVINO, bietet drei Werte für volle Präzision, halbe Präzision und quantifizierte Präzision und umfasst Genauigkeitsmessungen.
Geekbench AI wurde auf den Plattformen Windows, macOS, Linux, Android und iOS veröffentlicht. Die Testergebnisse werden Verbrauchern helfen, die KI-Leistung verschiedener Geräte besser zu vergleichen, und bieten Hardwareherstellern auch eine Referenz zur Optimierung der KI-Leistung. Allerdings befinden sich KI-Leistungstests noch in einem frühen Stadium und die Korrelation zwischen den Testergebnissen und der tatsächlichen Benutzererfahrung muss weiter überprüft werden. In Zukunft werden weitere ähnliche Tools zum Testen der KI-Leistung auf den Markt kommen, und die KI-Leistung wird zu einer wichtigen Dimension zur Messung der Geräteleistung werden, ebenso wichtig wie die herkömmliche CPU- und GPU-Leistung.
Die Testergebnisse von Geekbench AI umfassen drei Bewertungen: volle Präzision, halbe Präzision und quantisierte Präzision. Laut Primate Labs beinhalten die Ergebnisse auch ein Genauigkeitsmaß, das bewertet, wie nah eine Workload-Ausgabe an realen Ergebnissen ist – das heißt, wie genau das Modell seine beabsichtigte Aufgabe ausführt.
Derzeit ist Geekbench AI auf den Plattformen Windows, macOS, Linux, Android und iOS veröffentlicht und Benutzer können es herunterladen und ausprobieren. Um jedoch vollständig zu verstehen, wie sich diese Testergebnisse auf die tatsächliche Aufgabenleistung auswirken, benötigen wir mehr Zeit zum Testen von Geräten, die mit nativen KI-Funktionen ausgestattet sind, wie etwa Copilot Plus-PCs und verschiedene neue Smartphones.
Im Gegensatz zu herkömmlichen Bildraten- oder Ladezeittests bedeutet das Aufkommen der Geekbench-KI, dass wir möglicherweise auf neue Metriken wie die Genauigkeit von Textvorhersagen oder die Leistung generativer KI-Bildeditoren achten müssen. Dies spiegelt die Tatsache wider, dass die KI-Technologie die Art und Weise, wie wir die Geräteleistung bewerten, grundlegend verändert.
Die Einführung von Geekbench AI stellt zweifellos einen neuen Standard für die Bewertung der KI-Funktionen von Geräten dar. Da immer mehr Geräte KI-Funktionen integrieren, wird die Bedeutung solcher Testtools immer wichtiger. Es hilft Verbrauchern nicht nur, die KI-Leistung verschiedener Geräte besser zu verstehen und zu vergleichen, sondern stellt Hardwareherstellern auch Referenzindikatoren zur Optimierung der KI-Leistung zur Verfügung.
Allerdings sollten wir uns auch darüber im Klaren sein, dass sich KI-Leistungstests noch in einem frühen Stadium befinden. Wie die Testergebnisse von Geekbench AI mit der tatsächlichen Benutzererfahrung zusammenhängen und wie die Geräteleistung in verschiedenen KI-Anwendungsszenarien genau wiedergegeben werden kann, bedarf weiterer Beobachtung und Überprüfung.
In Zukunft werden möglicherweise weitere ähnliche Tools zum Testen der KI-Leistung auftauchen, mit denen die KI-Fähigkeiten von Geräten aus verschiedenen Perspektiven bewertet werden. Dieser Trend spiegelt auch wider, dass die KI-Technologie zu einer wichtigen Dimension bei der Beurteilung der Geräteleistung wird, die ebenso wichtig ist wie die herkömmliche CPU- und GPU-Leistung.
Alles in allem markiert das Aufkommen von Geekbench AI eine zunehmende Betonung der KI-Leistungsbewertung. Es stellt eine wichtige Referenzbasis für Verbraucher und Hersteller dar, erfordert jedoch auch eine kontinuierliche Verbesserung und Verbesserung, um die tatsächliche KI-Leistung besser widerzuspiegeln.