Cuando se habla de los SoC Google Tensor G frente a rivales como Snapdragon o Exynos, el debate se calienta rápido: unos defienden la apuesta de Google por la inteligencia artificial, otros critican sin piedad su falta de músculo bruto. Y, por el camino, aparecen los benchmarks, los hilos de foros, las quejas por precios y las promesas de hasta siete años de actualizaciones que ponen todavía más presión al hardware.
En este contexto, entender si Google ha acertado priorizando IA, eficiencia y casos de uso reales frente al rendimiento bruto general no es nada sencillo. Los datos de Geekbench, las comparativas con Snapdragon 8 Gen 2 y 8 Gen 3, las filtraciones del Tensor G2, G3, G4 y G5, e incluso las opiniones de ejecutivos de Google y usuarios que tienen ambos móviles en la mano, dibujan un panorama mucho más matizado de lo que parece leyendo solo un gráfico de rendimiento.
La polémica constante: ¿rendimiento bruto o IA en los Tensor?
Cada vez que alguien menciona que el rendimiento del Google Tensor es flojo frente a otros chips tope de gama, aparecen defensores con todo tipo de argumentos. En muchos foros se repiten una y otra vez las mismas justificaciones, que conviene desmontar con calma si queremos tener una visión completa del tema.
Uno de los mantras más habituales es el de que “los benchmarks no importan”. Esta postura intenta restar valor a pruebas como Geekbench, AnTuTu o 3DMark, pero lo cierto es que, con sus limitaciones, son lo más parecido a una referencia objetiva que tenemos para medir la potencia de un SoC. No son el mundo real, pero sí permiten comparar chips en condiciones controladas y anticipar qué tal se moverán ciertas tareas exigentes.
Otro argumento recurrente sostiene que los SoC modernos, incluido el Tensor, “ya son suficientemente rápidos para el día a día”. En lo básico es cierto: navegar, redes sociales, correo, mensajería… se mueven bien con casi cualquier chip actual. El problema viene cuando pensamos en el futuro y en tareas más pesadas: juegos avanzados, editores de vídeo, apps de IA más complejas o nuevas funciones del sistema que llegarán dentro de 4, 5 o 7 años.
También se repite mucho la idea de que lo realmente importante es el rendimiento de la IA y que Google ha priorizado la TPU y los aceleradores especializados. Esto tiene parte de verdad: buena parte de la magia del Pixel (fotografía computacional, funciones de IA en tiempo real, Gemini Nano…) se apoya en bloques específicos del chip. Pero la mayoría de las aplicaciones que usamos a diario siguen dependiendo principalmente de la CPU y la GPU, así que no se puede esconder una CPU mediocre detrás de una buena NPU.
Por último, hay quien afirma que “la eficiencia importa más que la potencia” y que los Tensor están diseñados pensando precisamente en gastar menos batería y controlar las temperaturas. El problema es que diversas pruebas independientes señalan que, al menos en las primeras generaciones, Tensor no destaca ni por potencia ni por eficiencia, quedándose por detrás incluso de SoC veteranos como Snapdragon 855 o Snapdragon 888 en relación rendimiento/consumo.
Mirando al futuro: siete años de actualizaciones y obsolescencia
Uno de los puntos más delicados del enfoque de Google es su promesa de ofrecer hasta siete años de actualizaciones de sistema y seguridad en los Pixel recientes. Esto suena genial sobre el papel, pero plantea una gran pregunta: ¿qué pasa con un SoC que ya hoy rinde por debajo de la competencia cuando tenga que aguantar tantas versiones de Android y capas de IA encima?
La experiencia en otras plataformas nos dice que el software se hace más pesado con cada iteración. Los sistemas operativos añaden funciones, los frameworks crecen, las apps aprovechan nuevos recursos y, al final, el hardware de base se ve más exigido. Es una de las razones por las que algunos iPhone antiguos con SoC muy potentes siguen dando guerra muchos años después: partían de un margen de potencia y eficiencia muy alto.
Si el Tensor parte ya un peldaño por debajo de la gama alta tradicional, es razonable preguntarse si su rendimiento seguirá siendo suficiente a medio y largo plazo, sobre todo para juegos, apps creativas y nuevas funciones de IA que aún no conocemos. Aquí es donde el famoso “cerebro antes que músculo” puede volverse en contra del usuario que quiere un móvil para muchos años y no solo para el presente inmediato.
En tareas sencillas, la diferencia entre un SoC algo justo y uno superpotente puede ser casi inexistente, pero cuando se entra en trabajos intensivos (gaming serio, procesamiento de fotos y vídeo a alta resolución, IA local más compleja), el SoC de gama alta marca distancias. Y si pensamos en 5 o 6 años vista, esa brecha puede ampliarse todavía más.
Además, el hecho de que los Pixel se hayan colocado en la misma franja de precio que los buques insignia de otras marcas hace que la elección de un SoC menos potente sea más difícil de justificar. Si pagas “precio de gama alta”, muchos usuarios esperan “rendimiento de gama alta” en todos los frentes, no solo en fotografía o IA.
Tensor G2: cerebro por delante de músculo
Con el Tensor G2, Google dejó claro que su estrategia pasaba por duplicar la apuesta por la inteligencia artificial y el aprendizaje profundo, incluso a costa de renunciar al trono del rendimiento bruto. El chip llegó como el corazón de los Pixel 7 y 7 Pro, con una clara continuidad respecto al G1 en filosofía y prioridades.
Las primeras filtraciones y pruebas en Geekbench 5 situaron al Tensor G2 por debajo del Snapdragon 888, un chip que había sido tope de gama un año antes y que ya estaba superado por el Snapdragon 8 Gen 1. En cifras, el Tensor G2 rondaba los 1.068 puntos en mono núcleo y 3.149 en multi núcleo, frente a los 1.115 y 3.581 puntos respectivamente del Snapdragon 888 en dispositivos como el Lenovo Legion 2 Pro.
La diferencia de puntuación no es abismal, pero sí suficiente para colocar al Tensor G2 claramente un escalón por debajo de la gama alta tradicional, encajando más en lo que hoy consideraríamos una gama media-alta. Y esto, de nuevo, contrasta con que los Pixel 7 y 7 Pro salieron al mercado compitiendo en precio con flagships que montaban los mejores chips de Qualcomm.
A nivel de arquitectura, el Tensor G2 apostó por una CPU de 8 núcleos con dos Cortex-X1 a 2,85 GHz, dos Cortex-A76 a 2,35 GHz y cuatro Cortex-A55 a 1,8 GHz. Es una configuración claramente más conservadora frente a la del Snapdragon 8 Gen 1, que ya utilizaba un núcleo Cortex-X2, tres Cortex-A710 y cuatro Cortex-A510, más modernos y eficientes.
En otras palabras, Google decidió mantener bloques de CPU de generaciones anteriores, probablemente para optimizar costes y reciclar parte del trabajo de diseño, mientras centraba sus esfuerzos en mejorar la TPU y las capacidades de IA. Esto explica por qué, al llegar el Snapdragon 8 Gen 2, el Tensor G2 quedó todavía más descolgado en rendimiento, consolidando su posición de chip de “gama media” dentro de móviles de precio alto.
Tensor G3 y G4: pasos adelante, pasos atrás
Con el Tensor G3 y G4, la situación se vuelve todavía más curiosa. Por un lado, Google afirma que el Tensor G4 es su procesador más eficiente y con mayor rendimiento hasta la fecha, asegurando mejoras medias del 20 % respecto al G3 y aperturas de aplicaciones un 17 % más rápidas. Por otro lado, múltiples filtraciones y benchmarks apuntan a que, en pruebas sintéticas, el G4 ofrece rendimientos muy discretos e incluso peores que su antecesor en algunos escenarios.
Según datos de Geekbench 5, el Tensor G4 utiliza una configuración de 8 núcleos en tres clústeres: un núcleo “Prime” a 3,10 GHz, tres núcleos de alto rendimiento a 2,60 GHz y cuatro núcleos eficientes a 1,95 GHz. Frente al G3, se pierde un núcleo, pero suben algo las frecuencias. Sobre el papel, debería suponer al menos un pequeño avance.
Sin embargo, los resultados filtrados hablan de alrededor de 1.082 puntos en mono núcleo y 3.121 en multi núcleo para el Tensor G4, mientras que el Tensor G3 del Pixel 8 Pro alcanzaba unos 1.293 y 3.453 puntos respectivamente. Es decir, el G3 llega a ser casi un 20 % más potente en mono núcleo y alrededor de un 10 % más en multi núcleo, un retroceso que cuesta encajar si miramos solo los números.
Se ha comentado que el Tensor G4 sería una actualización menor del G3, sin cambios significativos en la GPU (se habla de la misma Arm Immortalis-G715) y con un énfasis en la eficiencia, posiblemente relacionado con el proceso de fabricación de Samsung en 4LPP+. El resultado final, a efectos de benchmarks, es un chip que da la sensación de dar un paso atrás en potencia a cambio de una teórica mejora de consumo.
A la vez, desde Google se defiende que el objetivo del G4 no era ganar carreras en Geekbench, sino optimizar la experiencia real y el rendimiento de los modelos Gemini Nano, trabajando en estrecha colaboración entre los equipos de Tensor y DeepMind. En su discurso, la prioridad es mantener un buen equilibrio entre rendimiento, consumo energético y capacidades de IA, no encabezar rankings de potencia.
Tensor G5: salto generacional con luces y sombras
El Tensor G5, integrado en los Pixel 10, supone un punto de inflexión importante porque pasa a fabricarse en 3 nm por TSMC, dejando atrás la dependencia de Samsung Foundry. Sobre el papel, esto debería traducirse en mejores cifras de eficiencia y más margen de frecuencia, y las primeras pruebas confirman que hay avances significativos en CPU.
En Geekbench 6, se ha visto al Tensor G5 alcanzar alrededor de 6.203 puntos en multi núcleo en un Pixel 10 Pro XL, lo que supone una mejora de entorno al 35 % respecto al Tensor G4 en el Pixel 9. En mono núcleo, se mueve en torno a los 2.296 puntos, con una ganancia cercana al 17 % respecto a la generación anterior según datos de reviews previas.
Estas cifras son, por fin, un salto apreciable dentro de la propia familia Tensor: por primera vez da la sensación de que Google se ha acercado algo más al rendimiento esperado de un gama alta, al menos si solo miramos la CPU. El problema es que, comparado con los últimos Snapdragon o con alternativas de Apple, el G5 sigue quedando notablemente por detrás, tanto en potencia como en eficiencia absoluta.
Más preocupante aún es lo que ha ocurrido con la GPU del Tensor G5. En pruebas de Geekbench 6 bajo Vulkan, se ha observado que la puntuación gráfica del G5 ronda los 3.707 puntos, frente a los 9.023 puntos del Tensor G4. Eso significa que el G4 llega a ser hasta un 323 % más potente en GPU que el G5 según esas mediciones, una caída que no encaja con la lógica habitual de una nueva generación.
Esta enorme diferencia ha disparado las especulaciones: se habla de posibles problemas de drivers, errores en el benchmark o incluso recortes deliberados de rendimiento para reducir costes o controlar consumo. Lo que está claro es que un retroceso tan grande en potencia gráfica no es normal, y Google tendrá que dar explicaciones si se confirma en más pruebas independientes.
Mientras tanto, las filtraciones y análisis señalan que, aunque el Tensor G5 es un paso adelante claro frente al G4, todavía se queda lejos de procesadores móviles de la competencia, incluso de generaciones anteriores. Y esto vuelve a chocar con los precios de la serie Pixel 10, que siguen compitiendo directamente con los mejores Android del mercado.
Snapdragon 8 Gen 2, 8 Gen 3 y compañía: la vara de medir
Cuando comparamos a los Tensor G con otros SoC, es imposible no mirar a Snapdragon 8 Gen 2, 8 Gen 3 y los chips tope de gama de Qualcomm. En foros y comparativas especializadas se ve claramente que, a nivel de CPU y GPU, los Snapdragon juegan en otra liga, especialmente en sostenibilidad de rendimiento, gaming y eficiencia.
Las tablas de especificaciones muestran diferencias importantes a nivel de núcleos, frecuencias y arquitectura, pero también conviene fijarse en las pruebas reales. En hilos de usuarios que tienen tanto un Pixel con Tensor G3 como un Galaxy S23 Ultra o una Tab S9 Ultra con Snapdragon 8 Gen 2, se comenta que la CPU de Qualcomm es más potente y suele terminar antes tareas pesadas, como procesar imágenes con apps exigentes tipo SuperImage a máxima escala.
Sin embargo, esos mismos usuarios matizan que en el uso cotidiano las diferencias se notan menos de lo que sugieren los benchmarks. En muchas tareas, ambos móviles se calientan de forma parecida bajo carga intensa y ofrecen una experiencia razonablemente fluida. Las grandes brechas aparecen cuando se empuja el hardware al límite, especialmente en juegos 3D o procesos largos de edición de foto y vídeo.
Además, tampoco se puede olvidar que el rendimiento de un mismo Snapdragon 8 Gen 2 varía de un dispositivo a otro según cómo el fabricante haya afinado la refrigeración, el firmware y los límites térmicos. Eso explica por qué el mismo SoC puede consumir más o menos y rendir mejor o peor según la marca y el modelo, algo que suele pasarse por alto cuando solo se mira una tabla de puntos.
Aun así, en el gran esquema de las cosas, hay poco debate: Snapdragon 8 Gen 2 y 8 Gen 3 superan claramente a los Tensor G en potencia bruta y eficiencia, lo que da a móviles como los Galaxy S24 Ultra o algunos plegables una base de hardware más sólida para aguantar años de uso intenso y nuevas funciones basadas en IA, encima de lo que ya ofrecen hoy.
La visión de Google: IA ajustada al móvil, no al revés
Desde Google se ha explicado en varias entrevistas que el objetivo de los Tensor no es ganar en potencia bruta, sino adaptarse lo mejor posible a los escenarios de uso que la compañía considera prioritarios para sus Pixel. Esto incluye fotografía computacional, funciones de IA en tiempo real y la ejecución de modelos como Gemini Nano de forma eficiente en un entorno con recursos limitados.
Voces de peso dentro de Google DeepMind han señalado que, a la hora de diseñar las funciones de Gemini para móviles, la prioridad ha sido el consumo energético, el uso de memoria y otras limitaciones propias de un smartphone. En lugar de llevar al teléfono un modelo gigantesco capaz de hacerlo todo en local, se apuesta por modelos más pequeños, optimizados para correr bien en el dispositivo y complementarse con la nube cuando haga falta.
Esto se refleja en el propio diseño de los Tensor, donde la colaboración entre los equipos de hardware y de IA busca crear aceleradores específicos para tareas concretas: procesamiento de imagen, voz, traducción en tiempo real, funciones como el borrador mágico, edición avanzada de fotos, transcripción inteligente, etc. En esas áreas, el Pixel suele brillar frente a muchos competidores.
Sonia Jobanputra, del equipo de producto de Pixel, lo resumía de forma clara: el chip no se diseña para alcanzar “velocidades récord ni batir benchmarks”, sino para encajar con los casos de uso que Google tiene en mente. Lo que pretenden es que el móvil rinda bien allí donde el usuario lo nota más, aunque eso implique quedar por detrás en gráficos de rendimiento generalizado.
El problema es que la competencia está siguiendo una estrategia parecida, pero con SoC más potentes. Samsung, por ejemplo, integra funciones de IA muy profundas en sus Galaxy S24 y Z Fold6 utilizando también modelos de Google como Gemini, y lo hace apoyándose en Snapdragon 8 Gen 3. Es decir, aprovecha una base de hardware top y, sobre ella, construye una capa de IA muy avanzada.
De esta forma, el discurso de Google de que “no todo es potencia” tiene sentido hasta cierto punto, pero se ve tensionado cuando otros fabricantes logran combinar IA muy capaz con procesadores que también son líderes en rendimiento. En ese escenario, la propuesta de valor de los Tensor se vuelve más difícil de defender, sobre todo si el precio final del dispositivo no refleja esa diferencia técnica.
Foros, percepciones y el eterno debate de las comparativas
Más allá de los números, buena parte de la reputación de los Tensor se juega en los foros y comunidades de usuarios, donde las comparativas entre Samsung, Pixel y otras marcas son el pan de cada día. Allí se mezclan experiencias personales, datos de tests sintéticos, exageraciones, memoria selectiva y, a veces, una buena dosis de fanatismo de marca.
En muchos hilos se ve cómo se dramatizan las diferencias: se habla de CPUs que son “témpanos de hielo” frente a otras que son “braseros”, de móviles que supuestamente se achicharran con solo abrir un juego o de chips que “no sirven para nada” si no encabezan AnTuTu. Luego, cuando alguien que tiene ambos móviles en la mano cuenta su experiencia, suele rebajar bastante el tono de esas guerras térmicas y de rendimiento.
También aparecen comparaciones con otras épocas, como la de los Exynos con mala fama heredada o los tiempos en los que algunos portátiles con Intel viejos se vendían a precio alto solo por la marca. Se critica que Google haya abandonado a proveedores como Qualcomm o MediaTek para diseñar su propio SoC y, según algunos, priorizar coste y control del ecosistema sobre la potencia máxima.
A la vez, se recuerda que tener un buen SoC no lo es todo: un móvil es la suma de hardware, sistema operativo, capa de personalización, ecosistema de apps, cámara, soporte postventa y un largo etcétera. Igual que en un coche no basta con presumir de caballos si luego el chasis, el consumo o el confort dejan que desear, en un smartphone no sirve solo mirar la CPU si el resto de la experiencia flojea.
En muchos testimonios, se nota que la fidelidad a una marca se construye tanto por buenas experiencias pasadas como por malas rachas. Quien tuvo un móvil de una marca que salió redondo tiende a repetir; quien sufrió problemas graves huye de ella aunque haya mejorado. Y, por supuesto, siempre está el “cuñado digital” que niega las averías de su móvil aunque haya pasado varias veces por el servicio técnico.
Todo este ruido hace que las “malas comparativas” entre Snapdragon y Tensor, o entre Samsung y Pixel, mezcla de datos, sensaciones, orgullo de compra y ganas de llevar la razón.
Tras repasar todos estos datos, argumentos y contradicciones, queda una idea clara: la familia Google Tensor G está pensada para priorizar IA, eficiencia y experiencias concretas por encima del rendimiento bruto general, pero esa estrategia tiene un coste cuando compite cara a cara con SoC como los Snapdragon 8 Gen 2 y 8 Gen 3, que ofrecen más potencia y eficiencia sin renunciar a capacidades avanzadas de IA. Mientras los Pixel sigan situándose en la franja alta de precio, el equilibrio entre cerebro y músculo seguirá siendo el gran tema de discusión para cualquiera que se plantee si apostar por un Tensor a largo plazo.
