В ECMAScript 2026 появляется Math.sumPrecise - метод для точного суммирования чисел. Он решает проблему потери точности в JavaScript при работе с большими и малыми значениями. Это важно для финансовых расчетов и машинного обучения, где ошибки в плавающей точке могут искажать результаты.

Обычные циклы или reduce часто дают неверные суммы из-за особенностей 64-битных float. Math.sumPrecise использует специальный алгоритм, который суммирует числа математически точно, а потом округляет итог. Теперь можно избежать типичных ловушек без внешних библиотек.

Как работает Math.sumPrecise

Math.sumPrecise принимает итерируемый объект с числами и возвращает их сумму с повышенной точностью. В отличие от простого сложения в цикле, метод применяет алгоритм, устойчивый к ошибкам накопления. Представьте массив с огромным числом вроде 1e20, малым 0.1 и минусовым -1e20. Обычный цикл даст 0, потому что промежуточные шаги теряют точность.

Math.sumPrecise же правильно вычислит 0.1. Это достигается за счет компенсации ошибок округления на каждом шаге. Метод выбрасывает ошибку на нечисловых значениях, что делает его предсказуемым. Поддержка пока ограничена, но в 2026 году она войдет в стандарт.

• Пример с большим разбросом: [1e20, 0.1, -1e20] -> Math.sumPrecise(values) дает 0.1, а reduce - 0.
• Аппроксимация e: Генератор степенного ряда дает точный результат без ошибки, в отличие от наивной суммы.
• Пустой итерируемый: Возвращает -0, что сохраняет свойства плавающей точки.

Применение в финансовых расчетах

В финансах важна каждая копейка, а JavaScript часто используется для веб-приложений с транзакциями. Обычные суммы могут потерять точность при большом количестве операций, что приводит к ошибкам в балансе. Math.sumPrecise позволяет суммировать списки цен, налогов или комиссий без искажений.

Рассмотрим портфель акций: цены в миллиардах и микро-доли. Цикл собьется, а новый метод сохранит точность. Это упрощает код для банковских дашбордов или крипто-кошельков. Важно: метод не работает с BigInt, только с числами.

• Сумма транзакций: тысячи мелких платежей не потеряют копейки.
• Налоговые вычеты: точный подсчет процентов и баз.
• Валютный обмен: курсы с разной масштабировкой суммируются верно.

function sumTransactions(transactions) {
  return Math.sumPrecise(transactions.map(t => t.amount));
}
// transactions = [{amount: 1e9}, {amount: 0.0001}, {amount: -1e9}]
// Результат: 0.0001 вместо 0

Польза для машинного обучения

В ML JavaScript растет популярность с TensorFlow.js и ONNX. Модели требуют точных векторных сумм для градиентов и вероятностей. Стандартные методы дают накопленные ошибки, что портит обучение. Math.sumPrecise идеален для сумм весов, лоссов или батчей данных.

Например, при вычислении среднего по батчу из миллионов сэмплов с разной нормализацией. Метод минимизирует погрешность без Decimal.js. Нюанс: все равно есть пределы float, как 0.1 + 0.2. Подходит для фронтенда ML-инференса.

• Сумма градиентов: точные обновления весов в нейросетях.
• Нормализация данных: векторы признаков без потери.
• Статистика: средние, дисперсии для дашбордов ML.

Что меняет Math.sumPrecise в коде

Этот метод упрощает жизнь разработчикам, избавляя от хаков вроде сортировки чисел перед суммой. Теперь стандартный API покрывает точные вычисления. В ECMAScript 2026 он дополнит арсенал для надежных приложений.

Остается место для улучшений, вроде поддержки BigInt в будущем. Стоит протестировать в проектах с деньгами и моделями - разница заметна сразу. Поддержка браузеров растет, так что пора интегрировать.