MLCommons ha rilasciato il 18 agosto 2026 MLPerf Client v2.0, l’ultima versione del suo benchmark per misurare le prestazioni dell’intelligenza artificiale sui personal computer. Due nuove categorie entrano nel quadro: generazione di immagini e IA agentiva. Il perimetro di misurazione si allarga, e con esso la capacità del settore di confrontare macchine diverse su compiti che fino a ieri sfuggivano a qualsiasi metrica condivisa.
MLPerf Client nasce per rispondere a una domanda precisa: quanto è capace un PC — laptop, desktop o workstation — di eseguire carichi di lavoro AI in locale? La versione 1.x si concentrava sugli LLM, con test di sintesi, generazione di testo e analisi del codice. La v2.0 mantiene tutto questo e aggiunge due aree nuove. La prima riguarda la generazione visiva: un segmento dedicato con il modello Flux 2 Klein 4B in fase sperimentale, che produce immagini a risoluzione 1024×1024 pixel partendo da quattro prompt distinti, ciascuno con quattro output separati. L’obiettivo è simulare un uso reale, non un test di laboratorio astratto. La seconda area è quella degli agenti: scenari di ingegneria del software e analisi dati, misurati dall’inizio alla fine, con un dettaglio separato tra i tempi di inferenza dell’LLM e i tempi di esecuzione degli strumenti. Due numeri, non uno solo: perché capire dove si perde il tempo cambia le decisioni hardware.
Sul fronte degli LLM, i test obbligatori cambiano formazione. Phi 3.5 Mini Instruct esce, sostituito da Phi 4 Mini Instruct. Llama 3.1 8B resta benchmark base obbligatorio. Qwen 3 8B entra come test sperimentale. Phi 4 Reasoning 14B viene spostato nella categoria estesa, riservata a macchine con maggiori risorse. I prompt base includono ora un task di sintesi intermedia con input da circa 4.000 token, una lunghezza più vicina all’uso quotidiano di chi lavora con documenti lunghi.
Dietro MLPerf Client c’è una coalizione industriale che pochi altri progetti possono vantare: AMD, Intel, Microsoft, NVIDIA, Qualcomm Technologies e i principali produttori di PC hanno contribuito risorse e competenze alla definizione del benchmark. Il valore di questo consorzio non è solo tecnico. È politico, nel senso più neutro del termine: un benchmark condiviso da tutti i grandi produttori di chip e di sistemi operativi diventa difficile da ignorare. I produttori di hardware che vogliono dimostrare le proprie capacità AI non possono più limitarsi a test interni.
Il benchmark gira su Windows, Linux e macOS, con backend differenti a seconda della piattaforma. Il gruppo di lavoro garantisce la comparabilità tra sistemi diversi verificando la qualità visiva degli output durante lo sviluppo: un passaggio necessario quando il risultato non è un numero ma un’immagine, e la metrica non può essere solo la velocità. La trasparenza del processo è parte integrante del progetto, non un’aggiunta.
Con la generazione di immagini e gli agenti ora misurabili in modo standardizzato, il mercato degli AI PC ha finalmente strumenti per confrontare architetture diverse su compiti concreti. Il passo successivo logico è che i produttori inizino a ottimizzare l’hardware proprio su questi benchmark — come è già successo nel mondo dei server con MLPerf Inference. Quando le metriche diventano standard, l’industria si muove di conseguenza.
