API аналитики коротких нард: Nardex vs gnubg vs XG

Если вы строите приложение или инструмент для анализа коротких нард в 2026 году, выбор будет из трёх серьёзных движков: Nardex — hosted нейросетевой API; gnubg — давний open-source desktop-референс; и XG (eXtreme Gammon) — платное Windows-приложение, любимое турнирными игроками. Они решают разные задачи. Эта страница сравнивает их side-by-side и говорит, что выбрать под ваш use case.

Краткая сравнительная таблица

Когда выбрать Nardex

Nardex — выбор, если вы выпускаете web- или mobile-продукт и не хотите тащить inference runtime. Hosted API возвращает полную оценку — equity, вероятности win/gammon/backgammon, ранжированные альтернативы и grade — в одном round trip. Не нужно поставлять ONNX runtime с клиентом, провижнить GPU или обновлять веса моделей.

Nardex — также единственный вариант, если ваш продукт покрывает длинные нарды (российская разновидность нард по правилам Минспорта РФ). gnubg и XG поддерживают только короткие нарды, и для длинного варианта пришлось бы писать собственный движок.

Use case'ы, где Nardex — правильный выбор: backgammon-as-a-service приложения, аналитические дашборды, тренировочные инструменты, контент-мейкеры с автоматическим разбором партий, и исследовательский код, которому нужна предсказуемая latency на shared-инфраструктуре.

Когда выбрать gnubg

gnubg — выбор, если ваша работа академическая, требует воспроизводимости относительно опубликованной литературы или должна работать полностью офлайн под пермиссивной лицензией. Почти каждая статья по коротким нардам с 2005 года цитирует gnubg-2-ply роллауты как ground truth, и исходники проверяемы end-to-end. Можно перекомпилировать, переобучить и инспектировать каждый вес, если нужно.

gnubg также выигрывает, когда вы просто не хотите зависеть от стороннего сервиса. Он работает на ноутбуке без интернета, принимает SGF и MAT файлы, и выдаёт детальный анализ матча через TUI или GTK GUI.

Trade-off'ы: нет API surface, нет поддержки длинных нард, нет современного hardware-ускорения, и C-кодовая база, которую тяжело встраивать в JVM, .NET или Node-сервисы. Build-time на macOS в 2026-м особенно болезненный из-за toolchain drift.

Когда выбрать XG

XG (eXtreme Gammon) — выбор, если вы индивидуальный игрок, тренер или организатор турниров, анализирующий партии на Windows-машине. Match-equity таблицы, редактор позиций и rollout-контролы — gold standard для серьёзного cube-action анализа, и многие топ-игроки публикуют прокомментированные XG match-файлы.

XG не подходит, если нужна автоматизация. Приложение closed source, только Windows, и не выставляет публичного API. Существуют неофициальные скрипты, гоняющие GUI через Windows-автоматизацию, но они непригодны для продакшна и ломаются на каждом релизе.

Migration guide: gnubg → Nardex

Если вы сейчас shell out в gnubg-cli из серверного процесса, переход на Nardex — это один HTTP-вызов. Ниже типичный analysis pipeline до и после.

До — gnubg subprocess:

# Spawn gnubg, pipe XGID, parse text output
echo "$xgid" | gnubg -t -q --commands "set evaluation plies 2; analyse position"

После — Nardex API:

curl -X POST https://nardex.ai/api/v1/analyze \
  -H "Authorization: Bearer $NARDEX_KEY" \
  -H "Content-Type: application/json" \
  -d '{"game_type":"backgammon","position":{...},"decision":{...}}'

Ответ — структурированный JSON: equity, вероятности win/gammon/backgammon, ранжированные альтернативы и grade. Никакого парсинга текста, никакого subprocess management, никаких GIL-блокирующих вызовов. Полная схема запроса/ответа — в документации Nardex Analysis API.

Бенчмарки и валидация

Полный отчёт по latency и точности — включая ply-zero p50/p95 тайминги и распределение equity-error относительно gnubg-2-ply baseline — планируется к публикации вместе с публичным релизом API. Пока что время вызова hosted API будет определяться сетевым round-trip из вашего региона, а не самим inference; CUDA-инференс одной позиции — sub-millisecond на современных GPU.

Конкретно для коротких нард архитектура Nardex-сети следует линии TD-Gammon и нейросети gnubg: позиционный input encoding, multi-layer feed-forward, шесть выходных вероятностей (win, gammon, backgammon для каждой стороны). Эта схема имеет десятилетия эмпирической валидации как backgammon evaluator.

Валидация для длинных нард сложнее, потому что внешнего референсного движка не существует. Внутри Nardex-сети валидировались против вручную подобранных экспертных позиций из методички Минспорта РФ плюс self-play турнирных партий каждой обучающей генерации. Контекст, как работает rollout-based обучение — в основах коротких нард.

Частые вопросы