Über die sieben Tests erreichte der Prozessor von Arm ein durchschnittliches Leistungsverhältnis von 1,99x, mit Einzelergebnissen von 1,43x bis 3,19x im Vergleich zum AMD EPYC 9755. Über die Workload-Kategorien hinweg verzeichnete Arm modellierte Rack-Level-Vorteile von durchschnittlich 1,7x für Tooling, 2,0x für agentische Workflows und 2,2x für Reasoning und Planung. Arm behauptet einen fast doppelten Rack-Level-Vorteil gegenüber AMD. Darüber berichtet TechRadar.
Hintergrund
Die Bewertung untersuchte Workloads mit Software-Tools, autonomer Aufgabenausführung, Informationsabruf und Unterstützung für KI-Modell-Serving, darunter Terminal-Bench 2 und SWE-bench. Das Unternehmen entwickelte sein Bewertungsframework mit Unterstützung von Fujitsu, Meta und OpenAI, während Signal65 die berichteten Prozessorergebnisse unabhängig verifizierte. Der modellierte Vorteil resultiert teilweise aus Unterschieden im Serverstromverbrauch, wodurch mehr Arm-Systeme innerhalb derselben Stromzuteilung möglich sind. Der Einzelserver-Stromverbrauch reicht bei den Systemen von Arm von 950 bis 1.050 Watt, während die Dual-Socket-Konfigurationen von AMD eine Nennleistungsaufnahme von 1.700 Watt haben.
Ein 24-kW-Rack könnte 21 bis 23 AGI-CPU-Server aufnehmen, verglichen mit 13 Dual-Socket-EPYC-9755-Systemen. Diese Konfiguration bietet zwischen 5.712 und 5.888 physische Kerne für Arm, verglichen mit 3.328 für AMD, wobei der Vergleich von den angenommenen Nennleistungswerten abhängt. Der Bericht schätzte außerdem, dass Datenbank- und Vektorsuchoperationen für äquivalente Verarbeitungsworkloads 30 % bis 35 % weniger Racks erfordern könnten. Höhere Rack-Level-Leistung könnte Betreibern ermöglichen, mehr KI-Workloads innerhalb bestehender Stromzuteilungen unterzubringen.
In separaten Tests wurde der Prozessor von Arm mit dem AMD EPYC 9965 unter Verwendung von Sandbench verglichen, das die Zeit misst, die zum Einrichten isolierter Ausführungsumgebungen benötigt wird. Arm schloss Cold Starts 45 % schneller ab, Warm Starts 27 % schneller und sein Worst-Case-Szenario bei vierfacher Überbuchung 41 % schneller. Diese Verbesserungen sind wichtig, weil KI-Agenten häufig Ausführungsumgebungen erstellen, während sie auf Dienste zugreifen, Code ausführen und Informationen verarbeiten. Eine schnellere Einrichtung kann Verzögerungen reduzieren, obwohl die Ergebnisse keine gleichwertigen Gewinne über alle Anwendungen oder vollständige Rechenzentrumsbereitstellungen belegen.
Mohamed Awad, Executive Vice President für Cloud AI bei Arm, sagte: „The industry needs to measure how well systems handle the work agents actually complete“, und beschrieb damit die Notwendigkeit workload-spezifischer Leistungsbewertung. Arm räumte außerdem ein, dass weitere Tests auf finalen Produktionssystemen zusätzliche Workloads und Wettbewerbsvergleiche abdecken würden. Für AMD und Intel legen die Ergebnisse nahe, dass Arm-basierte Server die x86-Infrastruktur in agentischen KI-Bereitstellungen herausfordern könnten, in denen Rack-Leistungsgrenzen die Rechenkapazität einschränken.
Was offen bleibt
Der Benchmark belegt jedoch nicht, dass Arm bei Allzweck-Computing x86 übertreffen wird oder dass der Ersatz bestehender Server in gesamten Rechenzentren gerechtfertigt ist. Softwarekompatibilität, Bereitstellungskosten und reale Betriebsbedingungen werden beeinflussen, ob sich der modellierte Vorteil in eine breitere Akzeptanz übersetzt.