Michael JohnsonEn un sistema agéntico, el procesador realiza tareas en torno al modelo: gestiona el estado y las colas, invoca herramientas, procesa datos y ejecuta entornos. El 13 de octubre, Arm presentó una metodología para evaluar CPU en estas cargas de trabajo, con el apoyo de Fujitsu, Meta y OpenAI. Junto con ella, la empresa publicó resultados de una comparación entre Arm AGI CPU y los procesadores AMD EPYC.
Para los operadores de infraestructura no solo importa el resultado de un chip individual, sino también el volumen de trabajo que puede realizar un rack de servidores dentro de unos límites determinados de potencia y espacio. En el análisis de Signal65, AGI CPU alcanzó una media de 1,99 veces el rendimiento modelizado por rack frente a AMD EPYC 9755 en siete cargas de trabajo. Esta cifra corresponde a un modelo de rack completo y a las pruebas seleccionadas.
Qué propone medir Arm
La metodología divide el trabajo de un sistema agéntico entre las funciones del framework —por ejemplo, la gestión del estado, el enrutamiento, la planificación y la telemetría— y las tareas de las herramientas, como la compilación, la ejecución de código, la búsqueda y el trabajo con bases de datos. En el documento de Arm sobre la metodología se proponen dos enfoques complementarios: mediciones de componentes para comparar CPU de forma reproducible y pruebas integrales para evaluar el resultado de completar una tarea.
Esta división ayuda a determinar dónde se origina la latencia: en la CPU, el modelo, la red o la aplicación. Las pruebas de componentes pueden aislar operaciones individuales, mientras que las integrales muestran el tiempo y el rendimiento de toda la tarea. Arm presenta el documento como una base para definir los límites de medición y las categorías de cargas de trabajo, así como las áreas en las que el sector aún debe acordar un enfoque común.
Cómo se obtuvieron los resultados de la comparación
El análisis de Signal65 abarca siete cargas de CPU, entre ellas la ejecución agéntica, las herramientas, la búsqueda y el soporte para servir modelos. Signal65 informa de un factor medio de 1,99× en rendimiento modelizado por rack frente a EPYC 9755; los resultados individuales de las siete cargas variaron entre 1,43× y 3,19×. El cálculo del rack utiliza el rendimiento medido de los servidores y la potencia nominal de los sistemas: el modelo sitúa entre 21 y 23 servidores Arm en un rack de 24 kW, frente a 13 servidores AMD.
En tres grupos de tareas agénticas, Signal65 informa de factores medios por rack de 1,7× para el uso de herramientas, 2,0× para los procesos agénticos y la orquestación, y 2,2× para el razonamiento y la planificación. En una prueba independiente de creación de entornos aislados, AGI CPU se comparó con AMD EPYC 9965: Signal65 indica una reducción del 45 % en el tiempo de arranque en frío, del 27 % en el arranque en caliente y del 41 % en el caso descrito con una sobresuscripción de cuatro veces. Se trata de una comparación independiente con otro procesador y otras métricas.
Qué tener en cuenta al elegir servidores
Aunque el modelo se ejecute en un acelerador, la CPU se encarga de una parte importante del ciclo agéntico: ejecuta código y herramientas, procesa datos y coordina tareas paralelas. Cuando hay mucha competencia por los recursos, estas operaciones pueden influir en el tiempo de ejecución y en la utilización de los aceleradores.
Los equipos que eligen servidores deberían perfilar sus propios ciclos de trabajo: qué herramientas se invocan, con qué frecuencia se crean entornos de ejecución, cuántas tareas se ejecutan simultáneamente y qué latencias son aceptables. Después pueden medir por separado las operaciones de CPU reproducibles y el escenario completo con límites de potencia comparables. Ese resultado será más representativo de una infraestructura concreta que extrapolar el factor de una prueba ajena.
Signal65 aclara que los resultados se obtuvieron en sistemas AGI CPU preliminares y que el cálculo por rack se basa en mediciones de servidores y en la potencia nominal; la empresa prevé realizar pruebas adicionales con equipos de producción y una gama más amplia de cargas de trabajo. Por eso, el anuncio de Arm es importante, ante todo, como propuesta para medir la parte de CPU de los sistemas agénticos mediante una combinación de componentes reproducibles y tareas completas. La cifra de 1,99× sirve de referencia para la modelización descrita, no como evaluación universal del rendimiento de cualquier rack.