我们首先采用一种binning运算法则来最小化软件lock，不过这种运算法则同样受益于加载平衡和存储宽带。
这一运算法则可以为任何核心分配后端tile单元，但不会试图加载平衡。理论上讲，这将会导致严重加载失衡，尽管核心可自由开始处理下一个RTset单元或者切换到前端处理。Bin失衡对于游戏工作量并不是问题。下图描述的是后端bin处理时间在《机器战争》以16帧速运行下的追踪（trace）。
存储带宽非常重要，因为存储子系统通常都是昂贵或者低廉GPU中造价最贵、耗能最高的部分。存储宽带经常都会是一种资源限制，如果管理欠妥的话，可能会导致性能瓶颈。我们的性能研究将会测试不受存储带宽限制的运算速度，。
上图描述的是即时模式和binned渲染下，三款游戏每帧的全部带宽进行了对比。在即时模式下，我们假定为perfect hierarchical depth culling、一个128KB纹理缓存、1MB depth，颜色缓存代表一个理想化的执行。此外，我们再假设single-sampling为2倍颜色、4倍depth压缩，以及每个像素的4-samples假定为4倍颜色、8倍depth压缩。
上图描述的是binning模式以及即时模式下每帧图像带宽对比：binning模式虽然需要bin reads & writes，但是却消除了很多depth/color接入，而hierarchical depth tests是无法检测到这些接入的。这使得binning模式下并不需要过多的带宽。
即时模式下所有测试frame需要更多的带宽：其在《F.E.A.R》游戏需要的带宽是binning模式的2.4—7倍，《机器战争》为1.5—2.6倍，《Half Life 2 episode 2》为1.6—1.8倍。很明显，当即时模式下带宽最高时，binning模式便得到了最大的提升。即便是depth culling和frame buffer压缩，1MB缓存容量对于缓解大部分像素透支是完全不足的。高分辨率往往更能彰显binning渲染模式的优点。
