Como funciona a pontuação do ScreenTest.Pro

Esta é a página de metodologia. Nada aqui foi simplificado para fins de marketing; se o código e esta página algum dia divergirem, isso é um erro e queremos saber. (Versão do benchmark no momento da publicação: 2.1.0.)

A pergunta que o benchmark faz

A maioria dos benchmarks gráficos fixa a carga de trabalho e mede a taxa de quadros. O nosso faz o inverso: fixa a meta de tempo de quadro e procura a carga mais pesada que seu dispositivo consegue sustentar dentro dela. O resultado é a “carga estável máxima” de cada cena — por exemplo, 840.000 partículas de nebulosa — e é daí que vem a pontuação.

Por que inverter? Porque as taxas de quadros saturam. Em uma máquina rápida, uma carga fixa encosta na taxa de atualização da tela e deixa de revelar qualquer coisa; a pergunta interessante é quanto mais ela poderia suportar. Procurar o limite mantém a medição relevante desde um celular de cinco anos atrás até uma GPU de desktop, sempre com as mesmas cenas.

O que é executado

O perfil Padrão inclui cinco cenas de destaque e uma cena de controle, cada uma pressionando um aspecto diferente:

A renderização usa uma proporção de pixels limitada a 1,5× e um teto para o tamanho interno, por isso um monitor 5K e um notebook 1080p enfrentam quantidades de pixels comparáveis. A aleatoriedade usa uma semente e os passos da simulação são fixos: toda execução de uma mesma versão realiza exatamente o mesmo trabalho.

Como a estabilidade é avaliada

O mecanismo nunca lê um contador de FPS. Ele coleta tempos de quadro do relógio de animação do navegador em janelas de aproximadamente 0,7–1,6 segundo e faz duas exigências para cada janela:

• tempo médio de quadro ≤ 16,67 ms × 1,08
• 95º percentil do tempo de quadro ≤ 16,67 ms × 1,28

O teste do 95º percentil é o mais rigoroso: uma máquina que renderiza 100 quadros rápidos e 6 péssimos produz engasgos, e o percentil impede que os quadros rápidos escondam o problema.

O orçamento de 16,67 ms é fixo, independentemente da taxa de atualização da tela. Uma tela de 120 Hz entrega quadros em intervalos de 8,3 ms quando a carga é leve, mas para passar basta permanecer dentro do orçamento de 60 quadros por segundo. Assim, o hardware de alta frequência é medido em condições iguais e não é punido por exibir quadros extras.

A busca

Cada cena percorre uma máquina de estados: preflight → baseline → warmup → ramp → bracket → confirm → anchor.

1. Baseline mede uma carga leve conhecida, que se torna a referência térmica.
2. Ramp multiplica a carga em cerca de 1,5× após cada janela aprovada, até uma janela falhar.
3. Bracket faz uma busca binária entre a última carga aprovada e a primeira reprovada, até o intervalo cair para aproximadamente 6%.
4. Confirm exige três janelas consecutivas aprovadas na carga candidata, dentro de um orçamento de quatro. Uma janela ruim no começo ainda pode ser recuperada; duas falhas seguidas, ou esgotar o orçamento sem três aprovações consecutivas, rejeitam o nível e reduzem a carga candidata.
5. Anchor executa novamente a carga de referência. Se ela ficar mais de 15% mais lenta que no início, o dispositivo mudou durante a medição — quase sempre por limitação térmica — e a cena é marcada como degradada em vez de fingir que nada aconteceu.

Cada fase tem um limite rígido de tempo: 30 segundos por cena e 200 segundos por teste. Colocar a aba em segundo plano pausa a medição e invalida a janela atual; redimensionar reconstrói a cena e repete o aquecimento. Não existe caminho pela máquina de estados que possa ficar travado.

Das cargas à pontuação

A pontuação é uma função pura dos resultados registrados; você poderia recalculá-la à mão:

1. A carga estável máxima de cada cena é dividida pela carga de referência daquela cena, uma constante de calibração congelada em cada versão. Como referência, um bom desktop de 2025 fica perto de 1,0.
2. As proporções são limitadas ao intervalo [0,05, 20], para que uma única cena não possa dominar nem zerar o resultado.
3. As proporções limitadas são combinadas em uma média geométrica ponderada. As cinco cenas de destaque carregam a maior parte do peso e o controle em Canvas 2D, 10%. A média é geométrica porque recompensa equilíbrio: uma máquina boa em tudo supera outra extraordinária em uma tarefa e péssima nas demais.
4. O resultado é multiplicado por 1.000, recebe a dedução de estabilidade — 3% por cena degradada termicamente, limitada a 10% no total — e é arredondado.

As faixas usam limites fixos em cada versão. Como 1.000 pontos equivalem à máquina de referência, cada faixa é de fato um múltiplo dela: Básico abaixo de 1.000, Equilibrado até 2.999, Rápido até 8.999 e Extremo acima disso — isto é, abaixo de 1×, até 3×, até 9× e além. Elas dão um nome fácil ao número; as pontuações por cena são a informação realmente útil.

O que invalida comparações

• Versões diferentes do benchmark nunca são comparadas. Alterar um único shader muda a carga; a versão exibida na folha de resultados faz parte da pontuação.
• Os testes de compatibilidade — sem WebGL2 — usam apenas cenas clássicas e são pontuados em seu próprio espaço, claramente identificado.
• Os testes degradados mantêm essa marca, inclusive em nosso conjunto de dados anônimo, para que as medianas públicas possam excluí-los.

Variação entre testes e o que esperar

Em uma máquina ligada à tomada e ociosa, testes consecutivos costumam ficar separados por poucos pontos percentuais; a exigência de janelas consecutivas na confirmação é o que produz essa consistência. Na bateria, no modo de economia ou com o chassi aquecido, espere mais variação e talvez uma marca de degradação. Não é o benchmark mudando de humor: o dispositivo está realmente oferecendo menos desempenho. O artigo sobre os limites de um benchmark no navegador explica como interpretar o número depois de obtê-lo.