Si no tiene IA no compite por el mejor teléfono del mercado. Nadie ha escrito esa regla, pero los fabricantes la están aplicando a rajatabla. El nuevo Google Pixel 9, los Samsung Galaxy S24, los próximos iPhone con Apple Intelligence e incluso dispositivos más modestos, como el OPPO Reno12 Pro. Todos tienen algo en común: quieren diferenciarse por sus capacidades en IA.
Durante años, nos hemos centrado en medir en los benchmarks el rendimiento sintético de CPU y GPU. Unas pruebas que, si bien no determinan que un dispositivo vaya a funcionar mejor o peor que otro, son más que importantes para conocer el potencial y capacidades brutas del mismo.
Geekbench es uno de los test más utilizados a nivel mundial, y una de las referencias que usamos en Xataka para medir el rendimiento. La compañía estrena ahora Geekbench AI como candidato a app reina para medir el rendimiento en IA. ¿El problema? La potencia no lo será todo para llevarse la corona en este territorio.
Geekbench AI llega como el remplazo de Geekbench ML, un test que nos permitía, medir el rendimiento bruto de un teléfono en inteligencia artificial. «Machine Learning» no es tan comercial como «Artificial Intelligence», por lo que el cambio en nombre responde a razones obvias.
El punto clave aquí es que Geekbench da el pistoletazo de salida: medir rendimiento de IA se va a convertir en una nueva moda. Pero, ¿hasta qué punto es relevante? Lo primero, es entender qué hace este benchmark.
«Geekbench AI ejecuta diez cargas de trabajo de IA, cada una con tres tipos de datos diferentes, lo que proporciona una imagen multidimensional del rendimiento de la IA en el dispositivo. Utilizando grandes conjuntos de datos que imitan los casos de uso de la IA en el mundo real, tanto desarrolladores como usuarios pueden medir el rendimiento de la IA en el dispositivo en solo unos minutos con puntuaciones de precisión simple, precisión media y cuantificadas.»
Este test permite medir el desempeño de CPU, GPU o NPU dedicada (según escojamos) para realizar distintas pruebas en las que se simulan casos reales de ejecución de modelos de IA. A mayor potencia tenga el dispositivo, mayor capacidad tendrá.
La clave es que, si la IA quiere inundar el mundo de la telefonía, ejecutarla online y con la menor potencia posible será clave. Para ello, Google trabaja con modelos como Gemini Nano, pequeños y pensados para ejecutar gran parte de las tareas online (aunque en modelos como el Pixel se ejecutan en local y requiere de, al menos, 8 GB de RAM), por lo que la potencia bruta pasa completamente a un segundo plano. Modelos como el OPPO Reno12 Pro son la prueba de ello.
Ejemplos contrapuestos los encontramos en Apple. La única razón por la que el iPhone 15 no puede correr Apple Intelligence tiene que ver, precisamente, con la combinación de potencia bruta y, sobre todo, memoria RAM. Un modelo gigantesco que, principalmente, se ejecutará de forma local, conectándose a la nube solo para funciones concretas.
Medir la potencia en IA será clave para conocer las capacidades brutas de un teléfono respecto a la misma pero, en este caso, no irá estrictamente ligado a lo que el móvil podrá o no podrá hacer. La integración de modelos online (una oportunidad enorme para que los fabricantes empiecen a ganar aún más dinero mediante suscripciones como Gemini) será la clave para que todos los teléfonos, incluso los menos potentes, puedan ejecutar IA.
Imagen | Xataka
