Push-Nachrichten von MacTechNews.de
Würden Sie gerne aktuelle Nachrichten aus der Apple-Welt direkt über Push-Nachrichten erhalten?

Geekbench AI: KI-Benchmarks für macOS und iOS ab sofort verfügbar

Nach monatelanger Beta-Phase ist die neue Benchmarking-Software Geekbench AI 1.0 nun offiziell verfügbar. Sie ist speziell darauf ausgelegt, die Leistungsfähigkeit von Künstlicher Intelligenz (KI) auf Apple-, Android-, Linux- und Windows-Geräten präzise zu messen und zu vergleichen. Geekbench AI, ehemals bekannt als Geekbench ML, richtet sich vorrangig an Entwickler, die ein zuverlässiges Tool zur Analyse und Optimierung ihrer KI-Anwendungen benötigen. Was Geekbench AI besonders macht, ist die Fähigkeit, verschiedene KI-Workloads zu messen. Das Tool bewertet die Leistung anhand von drei Datentypen: „Single-Precision“, „Half-Precision“ und „Quantized Data“. Diese Kategorien sollen ein breites Spektrum an KI-Anwendungen abdecken und reale Nutzungsszenarien widerspiegeln.


Unterstützung durch Branchenführer
Laut Primate Labs Inc. wird Geekbench AI bereits von Unternehmen wie Samsung und Nvidia genutzt, welche das Tool in ihre Entwicklungsprozesse integriert haben. Das Vertrauen dieser Branchenführer unterstreiche die Bedeutung und den besonderen Nutzen von Geekbench AI für KI-Entwickler. Eine weitere Stärke von Geekbench AI liegt in seiner plattformübergreifenden Verfügbarkeit. Das Messwerkzeug unterstützt neben macOS und iOS auch Linux, Android und Windows, was es Entwicklern ermöglicht, die KI-Performance über verschiedene Systeme hinweg zu vergleichen. Geekbench AI konzentriert sich dabei auf reale KI-Workloads, die in vielen modernen Anwendungen vorkommen, wie Bildverarbeitung, Spracherkennung und maschinelles Lernen.

Verfügbarkeit und Versionen
Geekbench AI 1.0 steht ab sofort zum Download bereit. Wie bei anderen Versionen von Geekbench ist die Basisvariante gratis und ermöglicht es Nutzern, ihre Ergebnisse öffentlich zu teilen. Für Entwickler, welche ihre Ergebnisse lieber privat halten möchten, bietet die kostenpflichtige Version Geekbench AI Pro (99 $) zusätzliche Funktionen. Hier können unter anderem Ergebnisse lokal gespeichert werden, außerdem lassen sich Benchmark-Tests mit Befehlszeilen-Tools automatisieren.

Kommentare

Bodo_von_Greif16.08.24 18:00
Sehr interessant. Danke ihrer eingebauten Neural Engine müsste Apple-Silicon beim Preis/Leistungsverhältnis sehr gut abschneiden,


Gruss, Bodo
[x] nail here for new monitor
+3
Assassin16.08.24 18:54
iPhone 15 pro / 256GB / A17pro
Single 3704
Half 5467
Quantized 4567

iPad Pro M4 / 256GB / M4
Single 4470
Half 6367
Quantified 5269
+2
Assassin16.08.24 19:44
Sorry, das oben war auf Einstellung „CPU“

Hier Neural Engine
iPhone 15 Pro
Single 2751
Half 14093
Quantified 16210

iPad Pro M4
Single 3291
Half 18790
Quantified 21790
+7
Assassin16.08.24 19:49
Und der Vollständigkeit halber noch GPU

iPhone 15 Pro
Single 4160
Half 4649
Quantified 4300

iPad Pro M4
Single 8021
Half 9017
Quantified 8094
+3
LoMacs
LoMacs16.08.24 20:22
Mac mini M1 Late 2020 (Core ML, Neutral Engine)

Single 1676
Half 12383
Quantized 12541
+2
mikeboss
mikeboss16.08.24 20:26
Assassin
Hier Neural Engine

iPad Pro M4
Single 3291
Half 18790
Quantified 21790

interessanterweise findet man in der DB zT deutlich hoehere werte fuer den M4

auch spannend: mein Mac mini M1 (mit 15.1 beta 2) zeigt hoehere werte als mein Mac mini M2 (mit macOS Sonoma). und hier noch der Snapdragon X Elite zum vergleich (alles NPU, versteht sich).
+1
twix
twix17.08.24 06:36
iPhone 11 Pro:

CPU:
Single 1618
Half 2703
Quantified 2256

GPU:
Single 887
Half 1062
Quantified 653

Neural Engine:
Single 1191
Half 3617
Quantified 1455
+1
tolved17.08.24 12:11
+1
RustyCH
RustyCH17.08.24 12:20
O.K., da ist mir jemand mit PC-Grafikkarte zuvorgekommen,
Mein 2012 iMac werde ich nicht quälen, aber mein PC zeigt:
AMD Ryzen7 7700:
Single: 3312
Half: 893
Quantified: 4892

Nvidia RTX 4060Ti 16 GB:
Single: 20379
Half: 33555
Quantified: 15631
Unmögliches wird sofort erledigt - Wunder dauern etwas länger
+3
AndreasDV17.08.24 12:43
Mac Studio M1 Max

CPU
Single: 2715
Half: 4192
Quantified: 3488


GPU
Single: 9753
Half: 9876
Quantified: 8826

Neural Engine
Single: 1963
Half: 12618
Quantified: 12989
+1
Assassin17.08.24 15:21
Mac Mini M2 pro (12core CPU / 19core GPU)

CPU
Single 3151
Half 4584
Quantified 3792

Neural
Single 2202
Half 15184
Quantified 15965

GPU
Single 9486
Half 9186
Quantified 8506
+2
Grummel200717.08.24 15:34
Mac Mini 2018 - 6 core Intel

CPU:
757 Single Precision Score
539 Half Precision Score
436 Quantized Score

GPU:
622 Single Precision Score
636 Half Precision Score
337 Quantized Score

Geht so!
+1
MacSquint
MacSquint17.08.24 21:21
@assasin: wenn ich die Ergebnisse des iPhone 15Pro mit meinem iPhone 15 vergleiche, ist klar, dass es keine Hardwareursachen gibt, warum das iPhone 15 keine AI Funktionen bekommt.
Die Ergebnisse sind wirklich nicht so weit auseinander 🙈
+1
Frank Tiger
Frank Tiger18.08.24 17:57
Ich habe das gleich mal auf meinem MBA 2020 mit M1 getestet. Ich bekomme die Ergebnisse zwar im Browser angezeigt, aber ich sehe sie nicht in den Ergebnissen meines Kontos, obwohl sie übernommen sein sollten. Läuft das nur bei mir falsch, hat Geekbench den Punkt Geekbench AI noch nicht in die AI-Ergebnisse integriert oder liegen die Ergebnisse irgendwo woanders und falls ja, wo?
0
Frank Tiger
Frank Tiger19.08.24 09:16
Hier folgen meine Ergebnisse (S, H, Q):
Neural Engine:
- MBA M1: 1850, 12479, 12607
- iPhone SE2: 1179, 3510, 1405
- iPad 6: 332, 303, 238
GPU:
- MBA M1: 4104, 4604, 4167
- iPhone SE2: 880, 1063, 633
- iPad 6: 335, 314, 251
- PC i9-10900, RX6600: 12542, 14245, 9575 (ONYX)
CPU:
- MBA M1: 2831, 4290, 3577
- iPhone SE2: 1607, 2692, 2250
- iPad 6: 430, 19, 27
- PC i9-10900, RX6600: 3357, 764, 3316 (ONYX)
- PC i9-10900, RX6600: 4406, 4378, 6561 (OpenVINO)
0
Frank Tiger
Frank Tiger19.08.24 18:07
Geekbench sagt, dass man die Ergebnisse plattformübergreifend vergleichen kann. Ich habe dazu ein paar Verständnisfragen zu meinen obigen Ergebnissen:
- Was versteht man überhaupt unter Single Precision, Half Precision und Quantized Precision?
- Wieso ist das Single Precision Ergebnis beim MBA mit M1 mit CPU besser, als das mit Neural Engine, während Half und Quantized Precision bei Neural Engine besser ist?
- Wie beurteilt Ihr die Ergebnisse des PCs mit i9-10900 und RX 6600 im Vergleich zum MBA mit M1?
0

Kommentieren

Sie müssen sich einloggen, um die News kommentieren zu können.