DEV Community: ArcaneGaming

I Built My Own Scrum Poker Because All Others Suck 🎴

ArcaneGaming — Mon, 16 Mar 2026 11:03:57 +0000

The Problem 😩

Sprint planning. Your team needs to estimate tasks. Someone shares a Planning Poker link. You click. You wait. Half the team can't connect. The other half already went for coffee.

Sound familiar?

At AGG TEAM, we tried everything:

Planning Poker Online (laggy, ads, ancient UI)
Scrum Poker for Jira (expensive, requires Jira)
PlanITpoker (works, but missing OUR features)

After the third crash mid-estimation, I thought: "Screw it, I'll build my own."

The Real Challenge: 6 Teams, 1 Room 🤯

Here's the twist: we don't have ONE scrum team. We have SIX departments:

Frontend, Backend, DevOps, QA, Analytics, Management

Everyone wants to do planning poker. Simultaneously. In one room.

It's chaos. Like playing six different card games at the same table.

Existing tools say: "Here's one room, figure it out!" Not ideal.

What I Built

🎰 Multi-Table Support (Up to 6!)

Core concept: one session, multiple independent tables.

interface Table {
  id: string;
  name: string;        // "Frontend Squad", "Backend Ninjas"
  revealed: boolean;   // Are cards revealed for this table?
}

interface Player {
  id: string;
  name: string;
  tableId: string;     // Which table they're at
  vote: string | null; // "5", "13", "?", "☕"
}

Host creates tables with custom names. Everyone picks their table. Each table votes independently. You see all tables + an overall average.

Host powers: Add, remove, rename tables on the fly. Move people between tables if needed.

⚡ Real-Time Sync

Used Supabase as backend. Simple polling approach:

useEffect(() => {
  if (view === 'room' && roomId) {
    fetchRoomState();
    const interval = setInterval(fetchRoomState, 2000);
    return () => clearInterval(interval);
  }
}, [view, roomId]);

Yeah, WebSockets would be cooler. But for prototypes and ~50 users? Polling works great. If it grows, I'll switch.

Updates in real-time:

Someone joins → instant
Someone votes → immediate
Cards revealed → everyone sees results
Emoji thrown → flies across screen

💓 Smart Disconnect Detection

Problem with other tools: people close tabs, but their avatars stay forever. Ghost users.

My solution uses heartbeat + explicit disconnect:

// Send heartbeat every 10 seconds
const sendHeartbeat = async () => {
  await fetch(`${API_URL}/rooms/${roomId}/heartbeat`, {
    method: 'POST',
    body: JSON.stringify({ playerId }),
  });
};

// Also explicit disconnect on page close
window.addEventListener('beforeunload', () => {
  navigator.sendBeacon(
    `${API_URL}/rooms/${roomId}/disconnect`,
    JSON.stringify({ playerId })
  );
});

Result:

Page open but idle? Stay as long as you want (no kicks)
Close page/tab? Instant disconnect (2 seconds)

No more ghosts. Clean rooms.

🎉 Emoji Attacks!

My favorite feature. Click any participant, throw an emoji. It literally flies from your avatar to theirs with smooth animation.

12 emojis: 👍 👏 🎉 ❤️ 🚀 🔥 😂 🤔 💯 ✨ 👌 🙌

Real use cases:

👍 agree with estimate
🔥 someone makes a great point
😂 junior estimates simple task at 89 points
☕ definitely coffee time

This made our plannings fun. People actually look forward to estimation meetings now!

🃏 Fibonacci + Special Cards

Classic: 0, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89

Plus:

"?" → "I have no idea"
"☕" → "Need coffee before thinking"

You can change your vote even after reveal. Why? Because during discussion you might realize 13 should actually be 8. Most tools lock votes. Mine doesn't.

🧮 Auto-Average Calculation

Each table shows its average. Plus grand total at bottom across ALL tables.

const calculateAverage = (players, revealed) => {
  if (!revealed) return null;

  const numericVotes = players
    .map(p => p.vote)
    .filter(v => v && !isNaN(Number(v)))
    .map(Number);

  if (numericVotes.length === 0) return null;
  return (numericVotes.reduce((a, b) => a + b) / numericVotes.length).toFixed(1);
};

Perfect for: "What's the overall estimate across all teams?"

🌙 Dark Mode + 🌍 Multi-Language

Toggle in corner switches theme (light/dark) and language (EN/RU). Saved to localStorage, auto-applied next time.

Because if your app doesn't have dark mode in 2026... what are you even doing?

Tech Stack 🛠

Frontend:

React + TypeScript
Tailwind CSS v4
Lucide icons

Backend:

Supabase Edge Functions (Hono + Deno)
Supabase KV Store (key-value table)

Why Supabase?

Fast setup (no server deployment)
Edge Functions (TypeScript backend)
Simple KV store for room state
Free tier for prototypes

Challenges & Solutions 💡

1. Ghost Users

Problem: Users close tabs, avatars stay forever

Solution: Heartbeat mechanism + explicit disconnect via navigator.sendBeacon

2. Z-Index Wars

Problem: Theme toggle covered modals

Solution: Proper z-index hierarchy (z-30 buttons, z-40 modals)

3. State Management

Problem: Keeping 6 tables + players in sync

Solution: Single source of truth in backend, polling for updates

How Planning Changed

Before:

"Wait, is everyone loaded?"
"Refresh, I don't see your vote"
"Who's still here?"
awkward waiting

After:

Create room (5 seconds)
Everyone joins (instant)
Vote, reveal, discuss
Throw emojis for fun
Actually finish on time

Real feedback:

"Wait, planning poker can be smooth?"

"I love throwing fire emojis at people!"

"Finally a tool that doesn't make me rage-quit"

What's Next? 🚀

Session history (who voted what)
Voting timer (optional countdown)
Custom decks (T-shirt sizes?)
Sound effects (optional)
Jira integration

Key Takeaways 🧠

1. Build what you need
Stop waiting for the "perfect" tool. 80% built in a weekend beats 100% coming "eventually."

2. Polling isn't evil
WebSockets are cool, but polling works great for small teams. Don't over-engineer.

3. Small delights matter
Emoji feature took 2 hours. It's everyone's favorite. Little things make big differences.

4. Dark mode is mandatory
Seriously. It's 2026.

Try It! 🎮

AGG POKER

Engage teams in collaborative estimation with an interactive Scrum poker tool, allowing users to join sessions and streamline project planning.

scrumpoker.aggone.dev

Use it, free

The Bottom Line

Sometimes a few evenings of coding saves months of frustration. Plus you learn something new. Win-win.

If your team has the same planning poker pain - build your own! We have amazing frameworks, free hosting, and AI assistants now. There's no excuse.

Questions? Ideas? Want to contribute? Drop a comment!

P.S. Yes, enterprise solutions exist. Mine cost $0, works perfectly for us, and was fun to build. 😄

Я запилил свой Scrum Poker, потому что все остальные - отстой 🎴

ArcaneGaming — Mon, 16 Mar 2026 11:01:42 +0000

Проблема 😩

Спринт-планирование. Команде нужно оценить таски. Кто-то кидает ссылку на Planning Poker. Ты кликаешь. Ждёшь. Половина команды не может подключиться. Вторая половина уже ушла за кофе.

Знакомо?

У нас в AGG TEAM мы перепробовали всё:

Planning Poker Online (лагает, реклама, древний интерфейс)
Scrum Poker for Jira (дорого, требует Jira)
PlanITpoker (работает, но нет НАШИХ фич)

После третьего краша посреди оценки я подумал: "Да пошло оно, сделаю сам."

Настоящая задача: 6 команд, 1 комната 🤯

Вот в чём загвоздка: у нас не ОДНА скрам-команда. У нас ШЕСТЬ отделов:

Frontend, Backend, DevOps, QA, Аналитика, Менеджмент

Все хотят делать планинг покер. Одновременно. В одной комнате.

Это хаос. Как играть в шесть разных карточных игр за одним столом.

Существующие инструменты: "Вот комната, сами разбирайтесь!" Не идеально.

Что я сделал

🎰 Поддержка нескольких столов (до 6!)

Основная идея: одна сессия, несколько независимых столов.

interface Table {
  id: string;
  name: string;        // "Frontend отдел", "Backend ниндзя"
  revealed: boolean;   // Карты раскрыты для этого стола?
}

interface Player {
  id: string;
  name: string;
  tableId: string;     // За каким столом сидит
  vote: string | null; // "5", "13", "?", "☕"
}

Хост создаёт столы с кастомными названиями. Все выбирают свой стол. Каждый стол голосует независимо. Видишь все столы + общую среднюю оценку.

Возможности хоста: Добавлять, удалять, переименовывать столы на лету. Перемещать людей между столами при необходимости.

⚡ Real-time синхронизация

Использовал Supabase как бэкенд. Простой подход с polling:

useEffect(() => {
  if (view === 'room' && roomId) {
    fetchRoomState();
    const interval = setInterval(fetchRoomState, 2000);
    return () => clearInterval(interval);
  }
}, [view, roomId]);

Да, WebSocket'ы были бы круче. Но для прототипа и ~50 пользователей? Polling отлично работает. Если масштаб вырастет, переделаю.

Обновления в реальном времени:

Кто-то присоединился → мгновенно
Кто-то проголосовал → сразу
Карты раскрыты → все видят результаты
Эмодзи брошено → летит через экран

💓 Умное определение отключения

Проблема других инструментов: люди закрывают вкладки, но их аватары остаются навсегда. Пользователи-призраки.

Моё решение использует heartbeat + явное отключение:

// Отправляем heartbeat каждые 10 секунд
const sendHeartbeat = async () => {
  await fetch(`${API_URL}/rooms/${roomId}/heartbeat`, {
    method: 'POST',
    body: JSON.stringify({ playerId }),
  });
};

// Также явное отключение при закрытии страницы
window.addEventListener('beforeunload', () => {
  navigator.sendBeacon(
    `${API_URL}/rooms/${roomId}/disconnect`,
    JSON.stringify({ playerId })
  );
});

Результат:

Страница открыта, но бездействуешь? Сиди сколько хочешь (без киков)
Закрыл страницу/вкладку? Мгновенное отключение (2 секунды)

Никаких призраков. Чистые комнаты.

🎉 Атаки эмодзи!

Моя любимая фича. Кликаешь на любого участника, кидаешь эмодзи. Оно буквально летит от твоего аватара к его с плавной анимацией (💩)(🤮).

12 эмодзи: 👍 👏 🎉 ❤️ 🚀 🔥 😂 🤔 💯 ✨ 👌 🙌

Реальные сценарии:

👍 согласен с оценкой
🔥 кто-то делает отличное замечание
😂 джун оценивает простую таску в 89 поинтов
☕ определённо пора за кофе

Это сделало наши планирования весёлыми. Люди реально теперь ждут оценочные встречи!

🃏 Фибоначчи + специальные карты

Классика: 0, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89

Плюс:

"?" → "Понятия не имею"
"☕" → "Нужен кофе перед размышлениями"

Можно менять голос даже после раскрытия. Почему? Потому что во время обсуждения можешь понять, что 13 на самом деле 8. Большинство инструментов блокируют голоса. Мой - нет.

🧮 Автоматический расчёт среднего

Каждый стол показывает свою среднюю. Плюс общий итог внизу по ВСЕМ столам.

const calculateAverage = (players, revealed) => {
  if (!revealed) return null;

  const numericVotes = players
    .map(p => p.vote)
    .filter(v => v && !isNaN(Number(v)))
    .map(Number);

  if (numericVotes.length === 0) return null;
  return (numericVotes.reduce((a, b) => a + b) / numericVotes.length).toFixed(1);
};

Идеально для: "Какая общая оценка по всем командам?"

🌙 Тёмная тема + 🌍 Мультиязычность

Переключатель в углу меняет тему (светлая/тёмная) и язык (RU/EN). Сохраняется в localStorage, автоматически применяется в следующий раз.

Потому что если в твоём приложении в 2026-м нет тёмной темы... что ты вообще делаешь?

Технический стек 🛠

Frontend:

React + TypeScript
Tailwind CSS v4
Lucide иконки

Backend:

Supabase Edge Functions (Hono + Deno)
Supabase KV Store (key-value таблица)

Почему Supabase?

Быстрая настройка (без деплоя сервера)
Edge Functions (TypeScript бэкенд)
Простой KV store для состояния комнат
Бесплатный tier для прототипов

Вызовы и решения 💡

1. Пользователи-призраки

Проблема: Пользователи закрывают вкладки, аватары остаются навсегда

Решение: Механизм heartbeat + явное отключение через navigator.sendBeacon

2. Управление состоянием

Проблема: Синхронизация 6 столов + игроков

Решение: Единый источник правды в бэкенде, polling для обновлений

Как изменились планирования

До:

"Стойте, все загрузились?"
"Обнови, я не вижу твой голос"
"Кто ещё тут?"
неловкое ожидание

После:

Создать комнату (5 секунд)
Все заходят (мгновенно)
Голосуем, раскрываем, обсуждаем
Кидаемся эмодзи для веселья
Реально заканчиваем вовремя

Реальные отзывы:

"Стойте, планинг покер может быть плавным?"

"Обожаю кидать огненные эмодзи в людей!"

"Наконец инструмент, который не бесит"

Что дальше? 🚀

История сессий (кто как голосовал)
Таймер голосования (опциональный обратный отсчёт)
Кастомные колоды (размеры футболок?)
Звуковые эффекты (опционально)
Интеграция с Jira

Ключевые выводы 🧠

1. Делай то, что нужно тебе
Хватит ждать "идеальный" инструмент. 80% за выходные лучше чем 100% "когда-нибудь".

2. Polling - не зло
WebSocket'ы круты, но polling отлично работает для малых команд. Не усложняй.

3. Маленькие радости важны
Фича с эмодзи заняла 2 часа. Это любимая фича всех. Мелочи делают разницу.

4. Тёмная тема - обязательна
Серьёзно. На дворе 2026-й.

Попробуй! 🎮

AGG POKER

Engage teams in collaborative estimation with an interactive Scrum poker tool, allowing users to join sessions and streamline project planning.

scrumpoker.aggone.dev

Используй, это бесплатно

Итог

Иногда несколько вечеров кодирования экономят месяцы фрустрации. Плюс учишь что-то новое. Win-win.

Если у твоей команды та же боль с планинг покером - делай свой! Сейчас есть крутые фреймворки, бесплатный хостинг и AI-ассистенты. Отговорок нет.

Вопросы? Идеи? Хочешь помочь? Пиши в комментах!

P.S. Да, существуют enterprise-решения. Моё стоило $0, отлично работает для нас и было весело делать. 😄

🚀 Snuffer: Как я превратил Android-смартфоны в распределенную сеть мониторинга (и спас свои нервы)

ArcaneGaming — Wed, 11 Mar 2026 10:03:31 +0000

Меня зовут Виталий (ну или просто "тот парень, который не любит, когда его сервер падает"), я из команды Arcane Gaming.
Сегодня я хочу рассказать вам о своем пет-проекте, который немного вышел из-под контроля и превратился в полноценный продукт. Встречайте - Snuffer !

😫 С чего всё началось?
Знаете это чувство, когда вам пишет клиент (или, что еще хуже, мама):

"А почему сайт не открывается?"
И ты такой:
"Да ладно, у меня всё работает!"
А потом оказывается, что сервер упал 3 часа назад, база данных ушла в дедлок, а ты в это время спокойно пил кофе и смотрел мемы.

Я перепробовал кучу сервисов: UptimeRobot, Pingdom, Better Uptime. Они крутые, спору нет.
Но:

Дорого , если нужно много проверок.
Ограниченные локации . Иногда нужно проверить доступность именно из конкретной сети или региона.
Скучно . Где веселье в том, чтобы просто заплатить денег?

И тут я посмотрел на ящик своего стола. Там лежали они... Герои прошлых лет. Samsung Galaxy S7, какой-то старый Xiaomi с треснутым экраном и Pixel первого поколения. Они смотрели на меня своими пыльными камерами и шептали: "Мы еще можем быть полезны..." .

И меня осенило! 💡

А что, если использовать эти устройства как узлы мониторинга?
Ведь смартфон - это мощный компьютер с Wi-Fi и GSM модулем. Он может пинговать, делать HTTP-запросы, проверять порты. И если раздать такие телефоны друзьям в разных городах (или просто подключить к разным провайдерам), получится настоящая распределенная сеть мониторинга .
Так родился Snuffer .

📱 Что такое Snuffer?
Если говорить умными словами, это распределенная система мониторинга доступности сервисов с использованием мобильных агентов .

"Давай короче, что это такое?":

Вы регистрируетесь в админке .
Скачиваете Android-приложение .
Сканируете QR-код.
БУМ! Ваш телефон превращается в "Снуффера" (нюхача), который постоянно проверяет, живы ли ваши сайты.

🛠 Что он умеет?

HTTP / Keyword Monitor : Проверяет, отдает ли сайт 200 OK и есть ли на странице нужное слово (например, "Success"). Если нет - бьет тревогу.
Ping / Port Monitor : Пингует серверы и проверяет открытые порты (полезно для баз данных или кастомных сервисов).
DNS Monitor : Следит, чтобы ваши домены резолвились куда надо (а не на фишинговые заглушки).
Vulnerability Scanner : В админке есть встроенный сканер уязвимостей! (Но я пока его еще не сделал, но обязательно доделаю, честно!)
Telegram Бот : Уведомления прилетают мгновенно. Потому что почту мы читаем редко, а телегу - каждые 5 минут.

🤓 Немного "под капотом"
Я люблю, когда всё работает быстро и четко. Поэтому стек выбрал проверенный и надежный:

Backend : Node.js + Express (старая добрая классика).
Database : PostgreSQL + Prisma (потому что писать SQL руками в 2025 — это моветон, хотя я умею!).
Frontend : React + Tailwind CSS (чтобы было красиво и адаптивно).
Mobile : React Native / Expo (одна кодовая база, минимум боли).

Самое интересное - это архитектура .
Сервер раздает "задачи" (tasks) подключенным устройствам через WebSocket. Устройства выполняют проверки и шлют отчеты обратно.
Если устройство говорит "Сайт лежит", сервер не верит ему на слово (вдруг у телефона просто Wi-Fi отвалился?). Он ждет подтверждения от других узлов или от самого сервера. Это минимизирует ложные срабатывания.

🌍 Почему это круто?

Вторая жизнь вещам . Ваши старые гаджеты не загрязняют природу, а приносят пользу. Экологично! 🌱
Полный контроль . Вы сами выбираете, откуда мониторить. Хотите проверить доступность из офиса конкурента? Просто подбросьте им телефон с Snuffer (шутка... или нет?).
Бесплатно (почти). Вы платите только за электричество для зарядки телефона.

Немного забавных моментов разработки😂
Конечно, не обошлось без факапов.

Однажды я случайно заставил все подключенные телефоны (около 20 штук) одновременно пинговать один несчастный сервер с интервалом в 1 секунду. Получился такой мини-DDoS своими руками. Сервер выстоял, но админы хостинга, наверное, напряглись.
Борьба с режимом энергосбережения Android - это отдельная война. Android очень любит "убивать" фоновые процессы, чтобы сэкономить 1% батареи. Пришлось попотеть, чтобы объяснить системе: "Эй, этот процесс ВАЖЕН, не трогай его!".

🚀 Что дальше?
Проект живет и развивается. Сейчас я выкатил версию v4.15.11 (да,я часто обновляю его!).
В планах:

iOS версия (Apple, пустите в AppStore, ну пожалуйста!).
Больше типов проверок (например, скриншоты сайтов).
Публичное API.

Если вам интересно попробовать или просто потыкать палочкой — залетайте:

👉 Лендинг
👉 Админка

Буду рад любому фидбеку, критике или просто мемам в комментариях!

Спасибо, что дочитали! Пусть ваш аптайм всегда будет 99.999%! 💚

P.S.: Ни один старый смартфон не пострадал при разработке этого приложения (кроме того Xiaomi, он упал со стола, но это другая история).
P.S.S.: Один минус забыл указать, что бы это работало, нужно что бы прила была запущена и горел экран, в фоне работать не будет, есть ограничения ОС.

Самые необычные технологические новинки, представленные на CES 2025

ArcaneGaming — Tue, 14 Jan 2025 14:37:15 +0000

Ежегодная выставка электронной техники CES принесла в этом году немало новых интересных анонсов, среди которых можно встретить как обычные девайсы, так и довольно уникальные и даже странные разработки. Давайте рассмотрим самые необычные новинки, которые привлекли всеобщее внимание.

Одежда с солнечными панелями
Стартап Anker представил концепт «первой в мире одежды с солнечными панелями» – это куртка с нашитыми треугольными фотоэлементами и светодиодными полосками. Она обеспечивает максимальную входную мощность 30 Вт, а также оснащена разъемом USB-C, с помощью которого можно подзарядить телефон.
Самовыдвигающаяся клавиатура
Клавиатура AutoKeybo состоит из нескольких частей и встроенной камеры, которая следит за движениями рук пользователя и автоматически выдвигает или убирает нужные части клавиатуры, в том числе тачпад и клавиши с цифрами. Предполагается, что такой формат должен помочь печатать быстрее и эффективнее, однако в обсуждениях на технологических форумах многие считают, что это только усложнит процесс. «Кусается» и цена девайса – $700.
Ноутбук с увеличивающимся экраном
Компания Lenovo представила ThinkBook Plus Gen 6 Rollable – это ноутбук с 14-дюймовым OLED-дисплеем, который с помощью нажатия кнопки или специальных жестов можно расширить до 16,7-дюймов.
Большая портативная игровая консоль
В отличии от стандартных портативных консолей, которые удобно держать в руках, Acer выпустил Nitro Blaze 11 – ручную игровую приставку с 10,95-дюймовым дисплеем, размером с полноценный планшет и весом чуть более 1 кг. Она работает на процессоре AMD Ryzen 7 8840HS, имеет 16 ГБ памяти LPDDR5X RAM, несколько разных портов и аккумулятор с ёмкостью 55Wh.

ИИ-помощник в виде украшения Стартап Based Hardware представил Omi – концепт миниатюрного носимого устройства с функциями ИИ. Его можно носить как кулон, но стартап настаивает, что для более эффективной работы его лучше прикреплять к виску. Устройство подключается к смартфону пользователя и работает на базе GPT-4o; оно постоянно слушает разговоры пользователя, запоминает детали его работы или встреч, может отвечать на вопросы, подводить итоги разговоров, создавать списки дел и помогать планировать встречи. Релиз новинки ожидается через несколько месяцев.

Смарт-очки с проекцией в глазное яблоко Компания Halliday продемонстрировала умные очки с 3,5-дюймовым круглым дисплеем, которые проецируют экран не на линзу, а прямо в глазные яблоки пользователя. Очки могут переводить текст в реальном времени на 40 языков, отображать уведомления телефона, заметки и подсказки по навигации.

Смарт-кольцо из золота 18 карат
Стартап Ultrahuman выпустил своё знаменитое смарт-кольцо Rare в золотом ($1900) и платиновом вариантах ($2200). В функциональном плане оно ничем не отличается от обычной версии – разве что здесь покупателю предлагается пожизненная гарантия.
Игровое кресло с подогревом и охлаждением
Компания Razer придумала идеальное кресло для тех, кто любит подолгу засиживаться за игрой: это геймерское кресло с саморегулирующейся системой подогрева и охлаждения, которая может подогревать спинку до 30°C или, наоборот, подавать в неё прохладный воздух.

Робот-котик для охлаждения кофе
Милый гаджет Nékojita FuFu от Yukai Engineering выглядит как крошечный роботизированный котик, которого можно прикрепить к кружке или миске – он будет выдувать воздух для охлаждения напитков или супа.
Электронная ложка для усиления вкуса еды
Японская компания Kirin Holdings продемонстрировала электронную ложку, которая может придать еде более солёный вкус с помощью слабого электрического тока, концентрирующего в еде молекулы ионов натрия.

Источники: TechCrunch, The Verge

Microsoft выпустила обновленную малую языковую модель Phi-4

ArcaneGaming — Fri, 27 Dec 2024 10:07:05 +0000

Компания Microsoft пополнила своё семейство генеративных моделей Phi новой разработкой Phi-4. По утверждению создателей, она обучалась на более качественном наборе данных, за счёт чего в итоге превзошла предыдущие версии Phi, а также некоторые модели аналогичного характера.

Phi-4 относится к малым языковым моделям и имеет 14 миллиардов параметров. Она конкурирует с аналогичными моделями малых размеров – GPT-4o mini, Gemini 2.0 Flash и Claude 3.5 Haiku. За счет размера их проще и дешевле развернуть на различных устройствах, нежели модели больших форматов.
Как указывается в блоге компании, Phi-4 превосходит аналогичные и более крупные модели по качеству и точности выдаваемых ответов. В отдельности подчеркивается, что модель особенно хорошо справляется с решением математических задач благодаря использованию высококачественных синтетических и органических наборов данных, а также инновационных методов обучения.

Набор минусов у Phi-4 – стандартный для любой ИИ-модели: вероятность периодических «галлюцинаций» или слишком пространных ответов, в том числе из-за чересчур буквального понимания запросов.
Phi-4 выпущена в качестве превью-версии на платформе для разработчиков Azure AI Foundry от Microsoft – её использование на данный момент разрешено только по лицензии в исследовательских целях. Также инструмент планируют загрузить на Hugging Face.

OpenAI представила о3 – семейство генеративных моделей со способностью рассуждения

ArcaneGaming — Thu, 26 Dec 2024 10:18:57 +0000

Компания OpenAI провела пред-рождественский марафон анонсов новых продуктов, в ходе которого представила новое поколение генеративных моделей о3, пришедшее на замену предыдущей версии о1.

В семейство вошли две модели: полноценная о3, и компактная о3-mini для менее сложных задач.
Являясь моделью со способностью рассуждения, o3 способна самостоятельно проверять свои же ответы, что увеличивает точность и качество выдаваемой пользователю информации. Однако такие модели обрабатывают запросы медленнее стандартных, поскольку проверка фактов немного тормозит процесс. В зависимости от сложности запроса, задержка ответа у o3 может составлять от нескольких секунд до нескольких минут.

Как описывается на портале TechCrunch, OpenAI обучала o3 «думать, прежде чем отвечать», с помощью технологии «частной цепочки мыслей». Модель может рассуждать о поставленной задаче и заранее распланировать ответ, выполняя ряд последовательных действий, помогающих ей найти решение. На практике, как пишет портал, после ввода запроса o3 делает паузу, рассматривая ряд связанных подсказок и «объясняя» свои рассуждения по ходу дела, а затем выделяет и группирует ту информацию, которую считает наиболее точной в конкретном случае, и выдаёт её в качестве ответа.

OpenAI также сообщила, что при обучении о3 использовалась новая технология «преднамеренного согласования», с помощью которой модель научилась проверять свои же ответы на соответствие принципам безопасности.

В отличие от предыдущей версии, в o3 есть опция регулирования времени, которое модель может тратить на рассуждения. В частности, можно выбрать низкий, средний или высокий уровень рассуждений – чем он выше, тем лучше o3 выполняет задачу.

Компания утверждает, что о3:

превзошла свою предшественницу о1 на 22,8% по бенчмарку SWE-Bench Verified, оценивающему эффективность решения задач по программированию;
получила высокий рейтинг 2727 на платформе олимпиад по программированию Codeforces;
набрала 96,7% по математическому тесту AIME;
набрала 87,7% по тесту GPQA c вопросами по биологии, физике и химии;
установила рекорд по бенчмарку EpochAI Frontier Math, решив 25,2% задач.

Публичный доступ к продукту пока не открыт – на данный момент он доступен только в предварительной версии для исследовательских целей. Полноценный релиз ожидается в следующем году.