在2010年11月17日美国新奥尔良举行的SC2010会议上，美国圣地亚国家实验室与Intel、IBM、AMD、NVIDIA和Oracle 合作定义并发布了一个新的基准测试排名Graph 500，它是利用图论去分析超级计算机在模拟生物、安全、社会以及类似复杂问题时的吞吐量，并进行排名，而不是像Linpack那样只针对比较传统的数值运算能力。
圣地亚国家实验室的研究人员表示，希望通过这个测试能促使计算机厂商构建可处理复杂问题的架构。新的计算标准定义细微且重要，因为它可能对未来几十年的计算机架构产生重要影响。
Kronecker乘法生成小的合成图形，真实建模图形就是这类生成的大型版本，被用于Graph500基准测试。点击高分辨率图片的缩略图，同时也可获得更高分辨的EPS文件。
很多科学家认为Linpack测试是一个基本测试机制，可以得知一个计算机执行基本计算的速度有多快，但对于这个计算机处理实际问题的能力没有太大 关系。在SC2010会议上，一位超级计算机供应商高管开玩笑说，将10万部Android智能手机连起来，就能创下Linpack最高数值。
Graph 500研究小组并不想与目前的超级计算机排名测试Linpack相竞争，他们的想法很简单，Linpack测试不能计算应用性能，所以需要另一个补充性测试。
研究表明，数据传输（而不是简单的计算）将是百亿亿次级系统的主要问题。Graph 500榜单的目的在于表明，除了数据传输的大量开销之外，实际应用向大规模数据应用的转变很可能进一步增加数据传输的需求，因为内存容量和计算能力成比例 增加，即百亿亿次级计算机需要百亿亿次级内存。
总之，业界不得不重新思考如何建立能够解决这些问题的计算机，而Graph 500是第一步。
研究人员希望直观得到模拟的整体效果，或是以自动化方式得到大型模拟的输出。Graph 500就是能做到这一点，模拟的实际情况可以用图形问题计算得出。应用的性能取决于机器通过其内存系统和互连网络维持大量小规模、随机远程数据访问的能力以及并行性。
Graph 500基准的测试原理是要求先构建一张大表，再对这个表进行并行化搜索，把这两部分所需要的处理时间记录下来，再按照所解决的问题规模大小进行排序，规模相同的按照处理时间排序。
尽管一些计算机厂商以及设计师担心他们的机器不够好而忽略这项新的测试，但越来越复杂的问题需要更为复杂的测试，这将是自然而然的结果。Graph 500研究小组目前只发布了Top9，第一名是阿尔贡国家实验室的一台名为Intrepid（无畏者）的IBM蓝色基因/P系统。具体排名如下表所示。
