GeekBench od počátku jeho rozšíření provázejí kontroverze, v jejichž důsledku se nelze ubránit dojmu, že autoři testu jej účelově koncipují tak, aby konkrétní hardware dával konkrétní výsledky, nikoli tak, aby hardware, který je objektivně výkonnější, dával vyšší skóre. Tyto tendence byly pozorována na několik úrovních - v minulosti jsme se jim již věnovali, takže pouze stručně:

Zvýhodnění mobilních čipů: GeekBench ještě v páté generaci servíroval zátěže ve velmi krátkých dávkách, mezi kterými byly prodlevy. To vedlo k nereálnému chování, kdy mobilní procesory (které se při reálné zátěži rychle podtaktují z důvodu dosažení teplotních nebo energetických limitů) běžely po většinu testu na maximálních taktech (nebo v jejich blízkosti).

• Je opravdu Apple A16 rychlejší než x86 CPU? Nikoli, jde o vlastnost GeekBench ^{říjen 2023}

V kombinaci s nízkými optimalizacemi pro vícejádrové procesory pak mobilní procesory s malým počtem jader vycházely velmi blízko (nebo i jako výkonnější) než serverové procesory a několikanásobně vyšším počtem jader. Multiplatformnost testu tak existovala spíše na papíře. GeekBench 6 sice zátěže prodloužil, ale pak následoval GeekBench 6.1, který prodloužil i mezery mezi nimi, takže vznikal větší prostor pro vychládání (tedy ve prospěch ultramobilních čipů). Minimálně zčásti se tedy zvýhodnění mobilních zařízení vrátilo.

Zvýhodnění ARM čipů: Jak potvrdila kauza Intel BOT, některé zátěže GeekBench jsou optimalizované na míru ARM architektury, které lépe než vektorová zátěž dělají skalární výpočty. Na x86 architektuře ale daná zátěž rovněž běží skalárně, přestože je vektorizovatelná a vhodné překompilování by bez dopadu na výsledek výpočtu zvýšilo skóre o ~6 %.

• Intel o BOT neříkal úplnou pravdu. GeekBench 6.7 již pozná upravený .exe
• Intel nahrazuje kód GeekBench pro navýšení skóre, ten výsledky zneplatnil

AVX-512: Kritiku si GeekBench odnášel i za trochu zvláštní nakládání s podporou AVX-512. S verzí GeekBench 4, kdy AVX-512 podporoval pouze Intel, měly zátěže podporující AVX-512 na celkové skóre vliv vahou 6,7 %. Když se začalo proslýchat, že AVX-512 bude podporovat i hardware AMD, dorazila verze GeekBench 5, kde váha AVX-512 na celkové skóre klesla na 5 %. Když Intel na PC procesorech přišel s podporou AVX-VNNI jakožto alternativou AVX-512-VNNI (které na PC procesorech z důvodu přítomnosti nekompatibilních Atomů nebylo možné používat), zvýšil sice GeekBench váhu AVX-512 testů na celkové skóre na 15 %, ale dvěma testům doplnil podporu AVX-VNNI tak, aby absence podpory AVX-512 u těchto dvou testů neznamenal na hardwaru podporujícím AVX-VNII jakkoli významný výkonnostní deficit. Jinými slovy, váha AVX-512 zůstala na jediném testu, který se na celkovém skóre promítá 5 % (tedy méně než v GeekBench 4 z roku 2016).

Nyní Primate Labs vydávají GeekBench 7. Poněkud zvláštním způsobem - některým redakcím daly podepsat NDA, ale nakonec jim neposkytly žádné informace a GeekBench 7 byl prostě zveřejněn na webu. K okamžiku vzniku tohoto textu ale bez podrobnější dokumentace. Víme tedy, jak se změnila struktura testů, ale nevíme, co vlastně testují (tedy jaké instrukční sady využívají).

Geekbench 7 doplnil testy Photo Editor, Game Physics, Video Encoder, Audio Encoder a Video Decoder. Game Physics využívá Jolt Physics engine, multimediální testy pracují s AV1, Opus a Whisper speech recognition modelem

Object Remover, Horizon Detection a Photo Filter byly zahrnuty do testu Photo Editor. Object Detection a Background Blur zanikly. Text Processing používá Python 3.13 namísto Python 3.9. Asset Compression zpracovává ASTC and BC7 textury a Draco geometrii, File Compression testuje LZ4, zlib a Zstandard archivy.

Poměrně zvláštní je přístup k jednojádrovému (jednovláknovému) a vícejádrovému skóre. Na vícejádrovém se totiž podílí pouze osm ze všech zmíněných zátěží  a to File Compression, Photo Library, Clang, Text Processing, Asset Compression, HDR, Photo Editor a Ray Tracer. Naopak Navigation, HTML5 Browser, PDF Viewer, Structure from Motion, Game Physics a multimediální zátěže se promítají pouze do jednojádrového skóre. Což na jednu stranu nedává valný smysl, neboť multimediální zátěže jsou silně paralelizovatelné a v praxi neběží na jediném jádře / vlákně. Za pozornost stojí, že kontroverzní HDR test zůstal.

Až bude známa podrobnější dokumentace a bude k dispozici širší spektrum výsledků, ještě se k tématu GeekBench 7 vrátíme.