Teraflops são uma maneira ruim de comparar GPUs: eis o porquê

Os teraflops, muitas vezes aclamados como a métrica de comparação de GPU definitiva, têm limitações. Essa simplificação excessiva não captura a complexidade da GPU, mascarando seu verdadeiro desempenho. Em vez disso, o que importa são os testes de desempenho do mundo real, a compreensão diferenciada da arquitetura e os usos específicos do contexto.

O que é um Teraflop?

Um teraflop é uma unidade de velocidade de computação que equivale a um trilhão (10¹²) operações de ponto flutuante por segundo. No mundo das unidades de processamento gráfico (GPUs), os teraflops costumam ser usados ​​como medida de desempenho. Essencialmente, quanto maior a contagem de teraflop, mais cálculos uma GPU pode processar em um segundo, supostamente levando a um melhor desempenho.

RELACIONADO: PS5 e Xbox Series X: o que são teraflops?

Os teraflops são derivados das especificações de hardware de uma GPU, principalmente a velocidade do clock do núcleo, o número de núcleos e o número de operações por ciclo. É um número fácil de entender, mas, como qualquer métrica simplificada, desmorona quando mal utilizado.

Quando os teraflops são bons para comparações de GPU

Os teraflops podem ser úteis ao comparar GPUs da mesma arquitetura e geração. Como essas GPUs são construídas usando a mesma tecnologia, elas geralmente dimensionam seu desempenho de forma previsível com sua contagem de teraflop.

Por exemplo, se você comparar duas placas gráficas da mesma série NVIDIA RTX 3000, aquela com a maior contagem de teraflops geralmente terá um desempenho melhor. Isso ocorre porque essas GPUs são projetadas de maneira semelhante e qualquer diferença de desempenho pode ser atribuída em grande parte ao seu poder de processamento, representado pela contagem de teraflops.

Por que os teraflops são ruins para comparações de GPU

No entanto, os teraflops se tornam um indicador de desempenho muito menos confiável ao comparar GPUs em diferentes arquiteturas ou gerações. A questão principal aqui é que nem todos os flops são iguais.

A maneira como uma GPU usa seus teraflops pode variar significativamente com base em sua arquitetura. Por exemplo, uma GPU NVIDIA usa seus teraflops de maneira diferente de uma GPU AMD, resultando em diferentes níveis de desempenho, apesar das contagens semelhantes de teraflops. Da mesma forma, uma GPU moderna usará seus teraflops com mais eficiência do que uma mais antiga, mesmo que tenham a mesma contagem.

Em outras palavras, os teraflops contam apenas parte da história. Eles não levam em conta as diferenças de eficiência, largura de banda de memória ou otimizações de driver que podem afetar significativamente o desempenho.

As GPUs estão trabalhando de forma mais inteligente, não mais difícil

As GPUs de hoje estão se tornando cada vez mais complexas e inteligentes. Eles não apenas realizam cálculos cegamente – eles trabalham de forma mais inteligente.

Por exemplo, as GPUs agora apresentam tecnologias como DLSS da NVIDIA e FidelityFX Super Resolution da AMD, que usam IA para aprimorar imagens de baixa resolução em tempo real, melhorando o desempenho sem diminuir notavelmente a qualidade visual. Essas tecnologias podem melhorar muito o desempenho de uma GPU e não têm nada a ver com teraflops.

Da mesma forma, os avanços na arquitetura, como melhor processamento paralelo e gerenciamento de memória, podem melhorar significativamente o desempenho da GPU. Novamente, essas melhorias não são refletidas na contagem de teraflops.

Fugindo os números do TFLOP

Outro problema com o uso de teraflops para comparar GPUs é que os números podem ser manipulados. Os fabricantes podem “aumentar” suas contagens de teraflop aumentando a velocidade do clock do núcleo ou o número de núcleos.

No entanto, esses aumentos geralmente não se traduzem em melhorias de desempenho no mundo real, pois podem levar a um maior consumo de energia e geração de calor, o que pode acelerar a GPU e diminuir o desempenho. Como alternativa, embora haja um aumento no desempenho, ele não é diretamente proporcional ao aumento nos TFLOPs (teóricos), devido a restrições na arquitetura da GPU, como gargalos de largura de banda de memória ou cache de GPU limitado.

A maneira certa de comparar GPUs

Portanto, se os teraflops não são uma maneira confiável de comparar GPUs, o que é? A resposta é simples: testes de desempenho no mundo real.

Os benchmarks de desempenho, como os realizados por revisores independentes, fornecem a medida mais precisa do desempenho de uma GPU. Eles envolvem a execução da GPU por meio de uma série de tarefas ou jogos e a medição de seu desempenho.

Ao olhar para benchmarks, é importante considerar as tarefas ou jogos específicos para os quais você usará a GPU. Uma GPU pode se destacar em uma tarefa, mas ter um desempenho ruim em outra, portanto, verifique os benchmarks relevantes para o seu caso de uso.

Além disso, considere outros fatores, como consumo de energia, produção de calor e custo. Uma GPU pode ter um desempenho excelente, mas pode não ser sua melhor escolha se consumir muita energia ou for cara.

RELACIONADO: As melhores placas gráficas de 2023