Hardware-Benchmark-Tools werden oft still und leise aktualisiert: Die Versionsnummer steigt um eins, ein paar Tests kommen hinzu, und die Sache ist erledigt. Bei Geekbench 7 lief es diesmal anders. Primate Labs hat die Testsuite nicht nur mit einem neuen Versionsetikett versehen, sondern sie samt der Logik der Multi-Core-Bewertung, dem Fokus der GPU-Tests und der Liste der unterstützten APIs neu aufgebaut. Diese Änderungen schaffen für Hardware-Teams, die KI-Workloads messen wollen, und für Technikverantwortliche, die Kaufentscheidungen treffen, erstmals einen konsistenteren Referenzpunkt. Im Folgenden behandeln wir die herausragenden Neuerungen der Suite, warum sie wichtig sind und welche praktischen Probleme sich auf der Testseite zeigen.
CUDA-Support: Nvidia-GPUs werden jetzt mit der API der Produktionspipeline gemessen
Die meistdiskutierte Neuerung von Geekbench 7 ist die Aufnahme von CUDA in die unterstützten APIs. Die Suite nutzte bei GPU-Tests bisher die APIs OpenCL, Vulkan und Metal; die Nvidia-Seite fehlte in dieser Liste. Jetzt kann eine Nvidia-GPU mit genau demselben API-Stack gemessen werden, der schwere KI-Workloads tatsächlich ausführt. Dieser Schritt, für den Primate Labs nach eigenen Angaben seit Jahren Nutzeranfragen erhielt, soll die Lücke zwischen Leistungsversprechen auf dem Papier und tatsächlichem Anwendungsverhalten verkleinern. Dass ein Benchmark-Tool den Weg nachvollzieht, den die gemessene Hardware im Alltag tatsächlich nutzt, ist ein entscheidendes Detail für die Interpretierbarkeit der Ergebnisse.
Der Wert dieses Supports geht weit über das Hinzufügen eines Listeneintrags hinaus. In der Quelle wird CUDA-Support als Wendepunkt im plattformübergreifenden Vergleich bezeichnet: Erstmals kann ein einziges Tool eine Nvidia-GPU mit dem API-Stack messen, der KI-Workloads in der Produktionsumgebung ausführt. Unabhängige Softwarehersteller und Silizium-Teams können nun auf eine einzige gemeinsame Referenz schauen, statt die Marketingzahlen verschiedener Anbieter mit drei separaten Benchmark-Tools zu schätzen. Das eigentliche Signal ist jedoch nicht CUDA selbst, sondern der Versuch der Benchmark-Tools, mit der so schnellen Verlagerung von KI-Workloads auf Alltagsgeräte Schritt zu halten.
Geekbench 7 kommt zudem mit einem ergänzenden Tool namens Geekbench AI. Dieses führt 10 KI-Workloads über drei Datentypen aus: Single Precision, Half Precision und Quantized. Nutzer können CPU, GPU oder die geräteeigene NPU separat testen; unabhängig vom unterstützten Framework (von Core ML bis QNN) lassen sich die Ergebnisse über einen einzigen Browser zwischen Android, iOS, Windows, macOS und Linux vergleichen. Dass die NPU-Seite separat messbar ist, ist besonders wichtig, denn die Zahlen, die Hersteller unter der Überschrift „NPU-Leistung“ angeben, blieben bisher voneinander unabhängige und schwer überprüfbare Behauptungen.
Multi-Core-Punktzahl: die unscheinbarste, aber kritischste Korrektur
Die technischste und zugleich wirkungsvollste Änderung der Suite betrifft den Multi-Core-Test. Frühere Versionen zwangen jede Arbeitslast in den Multithread-Modus, ohne darauf zu achten, wie sich die reale Anwendung verhält. Dieser Ansatz verzerrte die Punkte und lieferte dem Nutzer keine sinnvolle Information, denn keine echte Anwendung nutzt alle Kerne dauerhaft und gleichmäßig. Geekbench 7 kehrt diese Logik um: Eine Arbeitslast läuft nur dann im Multithread-Modus, wenn die modellierte Aufgabe in der realen Welt tatsächlich multithreaded läuft.
Das sichtbarste Ergebnis dieser Regel ist, dass der HTML5-Browser-Test vollständig aus dem Multi-Core-Paket entfernt wurde. Der Grund ist recht klar: Browser laufen in der Praxis single-threaded oder nur leicht multithreaded, sodass dieser Test innerhalb der Multi-Core-Punktzahl einen irreführenden Beitrag leistete. Das Ergebnis ist eine Punktzahl, die widerspiegelt, was ein Gerät bei realen Arbeitslasten leistet – und nicht den theoretischen Maximalwert, den ein synthetischer Test aus allen vorhandenen Kernen ziehen könnte.
Für Teams, die Hardware-Kaufentscheidungen treffen, bedeutet diese Korrektur, dass die Zahlen wieder verlässlich werden. Beim Vergleich zweier Laptops war die grobe Gleichung „mehr Kerne, höhere Punktzahl“ ein verbreiteter Fehler. Die neue Methodik macht anhand der Punktzahl sichtbar, warum ein Gerät mit vielen Kernen, aber schwacher Single-Core-Leistung bei Alltagsaufgaben langsam bleibt. Kurz gesagt: Der Test beginnt, das Verhalten der Hardware am Schreibtisch zu messen, nicht das im Werbeprospekt.
CPU-Tests verschieben sich zu den realen Arbeitslasten der Alltagsnutzung
Die neuen Medien-Workloads konzentrieren sich darauf, wofür ein durchschnittlicher Nutzer seinen Computer im Laufe des Tages am meisten verwendet. Geekbench 7 modelliert das Szenario der Bildschirmfreigabe in Videokonferenzen, indem es Videos der Bildschirmfreigabe mit dem AV1-Codec kodiert. Es komprimiert Musik- und Sprachaufnahmen mit dem Opus-Codec und imitiert damit Sprachnotiz- und Podcast-Anwendungen. Neben der Audio- und Videodekodierung erzeugt es über OpenAIs Whisper-Spracherkennungsmodell Live-Untertitel; das steht für die Videowiedergabe mit automatischen Untertiteln. Ein neuer Game-Physics-Workload auf Basis der in modernen Spielen verwendeten Jolt-Physics-Engine ist ebenfalls in die Suite aufgenommen worden.
Die Fotoseite wurde ebenfalls nicht vernachlässigt. Der Photo-Editor-Workload erhält ein umfangreicheres Set an Bearbeitungen aus der realen Welt; Photo Library importiert und verarbeitet nun die Formate JPEG XL und DNG. Diese Entscheidungen sind kein Zufall: Was ein Nutzer, der ständig auf seinem Handy oder Computer Fotos bearbeitet, Tonaufnahmen macht und an Meetings teilnimmt, von der CPU erwartet, entspricht grob dieser Liste.
- Kodierung von Bildschirmfreigabe-Videos mit AV1 (Videokonferenz-Szenario)
- Komprimierung von Musik- und Sprachaufnahmen mit Opus (Sprachnotizen und Podcast-Anwendungen)
- Audio-/Videodekodierung und Erzeugung von Live-Untertiteln mit Whisper
- Game-Physics-Workload auf Basis der Jolt-Physics-Engine
- Erweiterte Bearbeitungen aus der realen Welt im Photo Editor
- Import und Verarbeitung von JPEG XL und DNG in Photo Library
Die GPU-Seite fokussiert sich auf KI und Content-Erstellung
Der Fokus der GPU-Tests hat sich zunehmend auf zwei Bereiche verlagert, die die tatsächliche Nutzung von GPUs definieren: maschinelles Lernen und Content-Erstellung. Die neuen ML-Tests modellieren Social-Media-Anwendungen, indem sie Gesichter verfolgen und Echtzeitfilter anwenden. Der Test zur Bildvergrößerung mit maschinellem Lernen repräsentiert die Super-Resolution-Funktionen in Content-Erstellungs-Tools. Der Test zur Hintergrundunschärfe bei Videos wiederum misst die virtuellen Hintergründe in Videokonferenzen. Diese drei Szenarien machen einen bedeutenden Teil der Arbeiten aus, die in den letzten Jahren auf GPUs verlagert wurden.
Ergänzt wurden außerdem RAW-Bildverarbeitung, LUT-basierte Farbkorrektur, Path Tracing und Fluidsimulation. Path Tracing und Fluidsimulation sind insbesondere in der professionellen visuellen Produktion und der Spieleentwicklung verwendete Workloads, die die GPU ernsthaft fordern. Die LUT-basierte Farbkorrektur wiederum ist ein Standardbestandteil von Videoschnittprozessen. Die Liste in ihrer Gesamtheit zeigt, dass die GPU längst keine Einheit mehr ist, die nur Bildraten für Spiele produziert, sondern im Zentrum der Produktionspipeline steht.
- Gesichtsverfolgung und Echtzeitfilter (Social-Media-Anwendungen)
- Bildvergrößerung mit maschinellem Lernen (Super-Resolution bei der Content-Erstellung)
- Hintergrundunschärfe bei Videos (virtuelle Hintergründe)
- RAW-Bildverarbeitung und LUT-basierte Farbkorrektur
- Path Tracing und Fluidsimulation
Datensätze sind gewachsen, Plattformunterstützung wurde breiter
Auch die Datensätze wurden in allen Bereichen erweitert, um zur heutigen Nutzung der Geräte zu passen. Der File-Compression-Test umfasst nun eine breitere Mischung aus Quellcode-, Objektcode- und Textdokument-Archiven. Der PDF-Viewer-Test verarbeitet ein Spektrum von Parkkarten über technische Dokumente bis hin zu akademischen Artikeln. Auch die Entwickler- und Bildverarbeitungs-Workloads wurden um neue Assets und zusätzliche Formate erweitert. Das gemeinsame Ziel dieser Änderungen ist, die Vielfalt widerzuspiegeln, mit der ein Gerät konfrontiert wird, statt eine Punktzahl anhand eines einzigen engen Szenarios zu erzeugen.
Geekbench 7 läuft auf Android, iOS, Windows, macOS und Linux, bleibt für die persönliche Nutzung kostenlos und ergänzt eine Pro-Stufe, die bis zum 6. August mit 20 % Rabatt angeboten wird. Die Bewertung der Version wurde von Jon Peddie Research veröffentlicht; der Verlagsname und die Angaben im Abschnitt „About us“ (Über uns) zeigen, dass das Unternehmen in Tiburon, Kalifornien, ansässig ist. Hinter der Suite stehen also sowohl eine breite Plattformunterstützung als auch eine Tradition unabhängiger Bewertung.
Tests auf vier verschiedenen Systemen: ein Konsistenzproblem
In der Bewertung wurde der Benchmark auf sehr unterschiedlichen Maschinen ausgeführt: Asus System, Alienware Area 51, Lenovo 83JM und Corsair One i200. Ein Teil der Ergebnisse ist weniger geordnet als erwartet. Auf allen vier Systemen konnten keine konsistent laufenden GPU-Tests erzielt werden, während die CPU-Tests konsistente Ergebnisse lieferten. Das heißt: Obwohl die neuen Metriken der Suite selbst solide funktionieren, erschweren die Framework- und Treiberkombinationen auf der GPU-Seite die Sache.
Die auf ONNX und DirectML basierenden GPU-Tests verbrauchten den gesamten RAM, den die integrierte Grafik von Lenovo nutzen konnte, und der Test wurde nie abgeschlossen. Der GPU-OpenVino-Test lief auf dem Lenovo, war aber wegen eines Treiberproblems auf den anderen Maschinen nicht einsetzbar. Die in der Bewertung geteilten Vergleiche umfassen folgende Punkte: ONNX und OpenVino für die CPU, DirectML, ONNX und OpenVino für die GPU. Diese Tabelle ist für sich genommen bereits ein Befund: Wer KI-Workloads messen will, muss zunächst klären, welches Framework auf welcher Hardware problemlos läuft.
Die Zersplitterung von Treibern und Frameworks zeigt, wie heterogen reale KI-Stacks sind. Ein großer Teil der Lücke zwischen der theoretischen Leistung einer GPU und der Leistung, die sich auf dem Computer eines Nutzers erzielen lässt, stammt von hier. Das Benchmark-Tool selbst ist von diesem Chaos nicht ausgenommen; deshalb sollte man nicht auf eine einzelne Punktzahl schauen und entscheiden, sondern lesen, wie der Test gelaufen ist.
Wie verlässlich ist die synthetische Punktzahl – und wie geht es weiter
Keine dieser Änderungen ändert daran, was Geekbench ist: Die Suite bleibt ein synthetischer Benchmark und keine Garantie für reale Leistung bei einer bestimmten Arbeitslast. Was sich ändert, ist, wie ehrlich diese synthetische Zahl die reale Nutzung widerspiegelt. Für Einkaufsteams, die eine Reihe von Herstellerdatenblättern vergleichen müssen, macht genau diese Übereinstimmung den gesamten Sinn eines Benchmark-Durchlaufs aus.
Die Bewertung kommt zu dem Schluss, dass die Multi-Core-Korrektur wichtiger ist als der CUDA-Support. Synthetische Benchmarks sind nur nützlich, solange sie reales Verhalten nachvollziehen, und der Ansatz „immer alle Kerne“ der vorherigen Version hatte diese Funktion vor Jahren verloren. Für Technikverantwortliche, die Hardware-Angebote vergleichen, können die Geekbench-7-Punkte wieder als verlässlich gelten. Für Silizium-Teams wiederum gibt der KI-Fokus des GPU-Pakets ein klares Signal, in welche Richtung sich der Wettbewerbsdruck verdichtet. Dass zwischen den Maschinen keine Konsistenz erreicht werden konnte, bleibt dagegen ein Problem, das die Suite noch lösen muss.
Das Gesamtbild, das sich ergibt, ist folgendes: Benchmark-Tools versuchen, der schnellen Migration von KI-Workloads auf Alltagsgeräte hinterherzukommen. Der CUDA-Support und die CPU-GPU-NPU-Aufschlüsselung von Geekbench AI liefern die lange fehlende gemeinsame Sprache für alle, die Herstellerbehauptungen vergleichen wollen. Statt aber auf eine einzelne Zahl zu schauen und zu entscheiden, sollte man hinterfragen, welches Szenario der Test modelliert und mit welchem Framework er läuft. Richtig gelesen bietet Geekbench 7 sowohl eine ehrlichere als auch eine nützlichere Grundlage für Hardware-Vergleiche.
