Independent model comparison
Research Lab
Surface Dynamic Elo, Exact O’Malley, Monte Carlo, Serve/Return ML и контекст турнира: высота, indoor/outdoor, court pace, усталость и переход покрытия.
Управляемый исследовательский контур
До ручного продвижения исследовательские модели не влияют на официальные очки. Влияние возможно только после управляемого пути Research → Shadow → Champion.
80предстоящих событий
8модели с консенсусом
75397сохранённых исследований
completed
последний запуск · 16.09.2026 19:37 MSK
Serve/Return ML · walk-forward
ML оценивает вероятность выигрыша очка на подаче
Каждый алгоритм независимо прогнозирует p_A_serve и p_B_serve, после чего параметры передаются в Exact Markov. Взвешенный ансамбль дополнительно проходит Monte Carlo.
Context and Consensus 5.4.2
Контекст турнира и автоматическое сравнение
Экологические поправки применяются к point-level параметрам с полным аудитом: значение до/после, источник, confidence и оценочные поля. Взвешенный консенсус использует live-метрики и балансирует семейства моделей.
Победитель
#1 moneyline_real_market_full_logit · 446 · вес 0,0%
#2 Взвешенный консенсус · 3210 · вес 0,0%
#3 Serve/Return Ensemble → Monte Carlo · 3009 · вес 0,0%
Тотал
#1 total_real_line_logit · 322 · вес 0,0%
#2 Serve/Return Ensemble → Monte Carlo · 2202 · вес 0,0%
#3 Serve/Return LightGBM → Markov · 2202 · вес 0,0%
Фора
#1 spread_real_line_fatigue_rf · 347 · вес 0,0%
#2 spread_real_line_full_rf · 347 · вес 0,0%
#3 spread_real_line_full_logistic · 347 · вес 0,0%
Показать рынок
Коэффициент выбранной стороны
Выбор сохраняется в браузере и URL.
В выбранном диапазоне коэффициентов Research-прогнозов нет.
Jacob Golden — Vanja Hodzic
UTR Pro M. Chicago. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Timo Legout — Bryce Nakashima
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Timo Legout · 54,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Timo Legout78,1% · odds 1,40 | Меньше 21,562,3% · ожид. 21,06 | Timo Legout -3,553,7% · ожид. +4.14534 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Timo Legout54,3% · odds 1,40 | Больше 21,564,3% · ожид. 24,76 · odds 1,80 | Bryce Nakashima +3,570,2% · ожид. +0.0301098 · odds 1,83 | 44%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Timo Legout60,9% · odds 1,40 | не рассчитывает | не рассчитывает | 45%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Timo Legout54,2% · odds 1,40 | Больше 21,564,9% · ожид. 24,84 · odds 1,80 | Bryce Nakashima +3,567,3% · ожид. +0.433376 · odds 1,83 | 54%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Timo Legout54,1% · odds 1,40 | Больше 21,564,0% · ожид. 24,73 · odds 1,80 | Bryce Nakashima +3,567,2% · ожид. +0.423 · odds 1,83 | 54%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Bryce Nakashima52,9% · odds 2,75 | Больше 21,565,1% · ожид. 24,86 · odds 1,80 | Bryce Nakashima +3,573,1% · ожид. -0.306308 · odds 1,83 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Bryce Nakashima65,3% · odds 2,75 | Больше 21,563,0% · ожид. 24,59 · odds 1,80 | Bryce Nakashima +3,582,1% · ожид. -1.59811 · odds 1,83 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Bryce Nakashima58,4% · odds 2,75 | Больше 21,565,0% · ожид. 24,87 · odds 1,80 | Bryce Nakashima +3,577,5% · ожид. -0.864837 · odds 1,83 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Bryce Nakashima58,5% · odds 2,75 | Больше 21,562,4% · ожид. 24,54 · odds 1,80 | Bryce Nakashima +3,576,9% · ожид. -0.9124 · odds 1,83 | 22%ограниченная |
Параметры point-level
- Timo Legout на подаче
- 59,94%
- Bryce Nakashima на подаче
- 59,14%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,8%2:126,3%1:223,5%0:222,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,94% → 59,94%
- P2 serve до → после
- 59,14% → 59,14%
Усталость и переход покрытия
- Timo Legout
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
- Bryce Nakashima
- 0 матч. / 0 геймов за 7 дней · отдых 310,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Timo Legout: P(очко на подаче)
- 59,31%
- Bryce Nakashima: P(очко на подаче)
- 59,87%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Timo Legout: P(очко на подаче)
- 58,38%
- Bryce Nakashima: P(очко на подаче)
- 61,42%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Timo Legout: P(очко на подаче)
- 59,40%
- Bryce Nakashima: P(очко на подаче)
- 61,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Timo Legout: P(очко на подаче)
- 59,03%
- Bryce Nakashima: P(очко на подаче)
- 60,78%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Michael Zheng — Trevor Svajda
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Michael Zheng · 66,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Michael Zheng83,8% · odds 1,27 | Меньше 21,557,2% · ожид. 21,79 | Trevor Svajda +4,552,1% · ожид. +3.17279 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Michael Zheng66,0% · odds 1,27 | Больше 21,562,0% · ожид. 24,51 · odds 1,85 | Trevor Svajda +4,567,6% · ожид. +1.8561 · odds 1,70 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Michael Zheng63,7% · odds 1,27 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Michael Zheng63,6% · odds 1,27 | Больше 21,563,8% · ожид. 24,72 · odds 1,85 | Trevor Svajda +4,571,2% · ожид. +1.40719 · odds 1,70 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Michael Zheng63,7% · odds 1,27 | Больше 21,563,6% · ожид. 24,71 · odds 1,85 | Trevor Svajda +4,570,9% · ожид. +1.4026 · odds 1,70 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Michael Zheng76,1% · odds 1,27 | Больше 21,559,6% · ожид. 24,21 · odds 1,85 | Trevor Svajda +4,561,7% · ожид. +2.70171 · odds 1,70 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Michael Zheng77,3% · odds 1,27 | Больше 21,558,3% · ожид. 24,02 · odds 1,85 | Trevor Svajda +4,559,8% · ожид. +2.86425 · odds 1,70 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Michael Zheng78,7% · odds 1,27 | Больше 21,557,7% · ожид. 23,95 · odds 1,85 | Trevor Svajda +4,558,7% · ожид. +3.0074 · odds 1,70 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Michael Zheng76,8% · odds 1,27 | Больше 21,558,3% · ожид. 24,05 · odds 1,85 | Trevor Svajda +4,559,9% · ожид. +2.8293 · odds 1,70 | 39%ограниченная |
Параметры point-level
- Michael Zheng на подаче
- 61,63%
- Trevor Svajda на подаче
- 58,94%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:035,0%2:128,6%1:219,7%0:216,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–34
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,08% → 61,63%
- P2 serve до → после
- 58,94% → 58,94%
Усталость и переход покрытия
- Michael Zheng
- 0 матч. / 0 геймов за 7 дней · отдых 128,0 дн. · переход да
- Trevor Svajda
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Michael Zheng: P(очко на подаче)
- 64,53%
- Trevor Svajda: P(очко на подаче)
- 58,97%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Michael Zheng: P(очко на подаче)
- 64,28%
- Trevor Svajda: P(очко на подаче)
- 58,42%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Michael Zheng: P(очко на подаче)
- 64,83%
- Trevor Svajda: P(очко на подаче)
- 58,57%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Michael Zheng: P(очко на подаче)
- 64,55%
- Trevor Svajda: P(очко на подаче)
- 58,65%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Federico Agustin Gomez — Darwin Blanch
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Darwin Blanch · 59,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Federico Agustin Gomez53,6% · odds 2,30 | Меньше 22,551,5% · ожид. 23,80 | Federico Agustin Gomez +2,559,6% · ожид. +0.176038 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Darwin Blanch59,8% · odds 1,54 | Больше 22,559,8% · ожид. 25,37 · odds 1,85 | Federico Agustin Gomez +2,555,8% · ожид. -0.866014 · odds 1,85 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Darwin Blanch61,0% · odds 1,54 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Darwin Blanch59,5% · odds 1,54 | Больше 22,559,7% · ожид. 25,33 · odds 1,85 | Federico Agustin Gomez +2,555,1% · ожид. -0.92818 · odds 1,85 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Darwin Blanch59,3% · odds 1,54 | Больше 22,558,9% · ожид. 25,23 · odds 1,85 | Federico Agustin Gomez +2,555,1% · ожид. -0.91785 · odds 1,85 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Darwin Blanch55,3% · odds 1,54 | Больше 22,561,6% · ожид. 25,69 · odds 1,85 | Federico Agustin Gomez +2,559,8% · ожид. -0.502747 · odds 1,85 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Darwin Blanch62,5% · odds 1,54 | Больше 22,559,8% · ожид. 25,41 · odds 1,85 | Federico Agustin Gomez +2,552,5% · ожид. -1.20285 · odds 1,85 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Darwin Blanch55,3% · odds 1,54 | Больше 22,561,6% · ожид. 25,68 · odds 1,85 | Federico Agustin Gomez +2,559,8% · ожид. -0.503739 · odds 1,85 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Darwin Blanch58,0% · odds 1,54 | Больше 22,560,6% · ожид. 25,51 · odds 1,85 | Federico Agustin Gomez +2,557,2% · ожид. -0.7504 · odds 1,85 | 39%ограниченная |
Параметры point-level
- Federico Agustin Gomez на подаче
- 61,97%
- Darwin Blanch на подаче
- 63,87%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:231,8%1:227,7%2:121,5%2:019,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,42% → 61,97%
- P2 serve до → после
- 64,32% → 63,87%
Усталость и переход покрытия
- Federico Agustin Gomez
- 0 матч. / 0 геймов за 7 дней · отдых 114,0 дн. · переход да
- Darwin Blanch
- 0 матч. / 0 геймов за 7 дней · отдых 128,0 дн. · переход да
Serve/Return CatBoost → Markov
- Federico Agustin Gomez: P(очко на подаче)
- 63,66%
- Darwin Blanch: P(очко на подаче)
- 64,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Federico Agustin Gomez: P(очко на подаче)
- 62,47%
- Darwin Blanch: P(очко на подаче)
- 65,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Federico Agustin Gomez: P(очко на подаче)
- 63,64%
- Darwin Blanch: P(очко на подаче)
- 64,71%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Federico Agustin Gomez: P(очко на подаче)
- 63,25%
- Darwin Blanch: P(очко на подаче)
- 64,82%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Lucas Poullain — Clement Chidekh
ATP Challenger. Rennes. France · Indoor Hard · начало 16.09.2026 20:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Clement Chidekh · 54,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Clement Chidekh56,5% · odds 1,27 | Меньше 21,550,3% · ожид. 22,81 | Lucas Poullain +4,574,2% · ожид. -1.0121 | 50% |
| Взвешенный консенсус weighted-consensus-v1-23841886f9bef5849d760720 | Clement Chidekh54,4% · odds 1,27 | Больше 21,562,2% · ожид. 24,48 · odds 1,90 | Lucas Poullain +4,572,8% · ожид. -0.945788 · odds 1,69 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Lucas Poullain50,9% · odds 3,40 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Clement Chidekh50,2% · odds 1,27 | Больше 21,564,8% · ожид. 24,80 · odds 1,90 | Lucas Poullain +4,579,6% · ожид. -0.0176191 · odds 1,69 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Clement Chidekh50,2% · odds 1,27 | Больше 21,564,2% · ожид. 24,74 · odds 1,90 | Lucas Poullain +4,579,2% · ожид. -0.06505 · odds 1,69 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Clement Chidekh75,8% · odds 1,27 | Больше 21,558,7% · ожид. 24,06 · odds 1,90 | Lucas Poullain +4,560,6% · ожид. -2.72422 · odds 1,69 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Clement Chidekh78,4% · odds 1,27 | Больше 21,556,5% · ожид. 23,75 · odds 1,90 | Lucas Poullain +4,557,2% · ожид. -3.05226 · odds 1,69 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Clement Chidekh78,7% · odds 1,27 | Больше 21,556,6% · ожид. 23,77 · odds 1,90 | Lucas Poullain +4,557,3% · ожид. -3.06623 · odds 1,69 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Clement Chidekh77,3% · odds 1,27 | Больше 21,556,9% · ожид. 23,83 · odds 1,90 | Lucas Poullain +4,558,2% · ожид. -2.92415 · odds 1,69 | 39%ограниченная |
Параметры point-level
- Lucas Poullain на подаче
- 59,11%
- Clement Chidekh на подаче
- 59,14%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:225,1%1:225,1%2:124,9%2:024,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 58,73% → 59,11%
- P2 serve до → после
- 58,77% → 59,14%
Усталость и переход покрытия
- Lucas Poullain
- 0 матч. / 0 геймов за 7 дней · отдых 114,0 дн. · переход да
- Clement Chidekh
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Lucas Poullain: P(очко на подаче)
- 58,03%
- Clement Chidekh: P(очко на подаче)
- 63,48%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Lucas Poullain: P(очко на подаче)
- 57,30%
- Clement Chidekh: P(очко на подаче)
- 63,41%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Lucas Poullain: P(очко на подаче)
- 57,56%
- Clement Chidekh: P(очко на подаче)
- 63,76%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Lucas Poullain: P(очко на подаче)
- 57,63%
- Clement Chidekh: P(очко на подаче)
- 63,55%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
You Xiao-Di — Alina Charaeva
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
You Xiao-Di · 57,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alina Charaeva54,1% · odds 1,48 | Меньше 31,592,5% · ожид. 21,61 | You Xiao-Di +1,557,5% · ожид. -0.33648 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | You Xiao-Di57,7% · odds 2,65 | Меньше 31,588,6% · ожид. 24,03 · odds 1,63 | You Xiao-Di +1,563,4% · ожид. +0.824442 · odds 1,35 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | You Xiao-Di58,2% · odds 2,65 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | You Xiao-Di63,7% · odds 2,65 | Меньше 31,588,6% · ожид. 24,03 · odds 1,63 | You Xiao-Di +1,569,7% · ожид. +1.53694 · odds 1,35 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | You Xiao-Di63,2% · odds 2,65 | Меньше 31,589,0% · ожид. 23,92 · odds 1,63 | You Xiao-Di +1,569,2% · ожид. +1.51025 · odds 1,35 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Alina Charaeva55,4% · odds 1,48 | Меньше 31,588,0% · ожид. 24,25 · odds 1,63 | You Xiao-Di +1,551,0% · ожид. -0.606198 · odds 1,35 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Alina Charaeva59,3% · odds 1,48 | Меньше 31,588,4% · ожид. 24,14 · odds 1,63 | Alina Charaeva -1,553,0% · ожид. -1.04223 · odds 3,20 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Alina Charaeva55,0% · odds 1,48 | Меньше 31,588,3% · ожид. 24,21 · odds 1,63 | You Xiao-Di +1,551,4% · ожид. -0.563987 · odds 1,35 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Alina Charaeva55,7% · odds 1,48 | Меньше 31,588,4% · ожид. 24,09 · odds 1,63 | You Xiao-Di +1,550,5% · ожид. -0.65215 · odds 1,35 | 39%ограниченная |
Параметры point-level
- You Xiao-Di на подаче
- 55,41%
- Alina Charaeva на подаче
- 52,78%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:035,1%2:128,6%1:219,7%0:216,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,86% → 55,41%
- P2 serve до → после
- 53,23% → 52,78%
Усталость и переход покрытия
- You Xiao-Di
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
- Alina Charaeva
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- You Xiao-Di: P(очко на подаче)
- 53,66%
- Alina Charaeva: P(очко на подаче)
- 54,68%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- You Xiao-Di: P(очко на подаче)
- 52,72%
- Alina Charaeva: P(очко на подаче)
- 54,48%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- You Xiao-Di: P(очко на подаче)
- 52,87%
- Alina Charaeva: P(очко на подаче)
- 53,81%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- You Xiao-Di: P(очко на подаче)
- 53,08%
- Alina Charaeva: P(очко на подаче)
- 54,32%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Ryan Seggerman — Mitchell Krueger
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Mitchell Krueger · 56,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Mitchell Krueger53,9% · odds 1,92 | Больше 22,554,0% · ожид. 24,48 | Mitchell Krueger +1,564,2% · ожид. -1.29137 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Mitchell Krueger56,7% · odds 1,92 | Больше 22,561,3% · ожид. 25,69 · odds 1,77 | Mitchell Krueger +1,568,5% · ожид. -1.05796 · odds 1,72 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Mitchell Krueger50,9% · odds 1,92 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Mitchell Krueger60,3% · odds 1,92 | Больше 22,561,2% · ожид. 25,66 · odds 1,77 | Mitchell Krueger +1,567,5% · ожид. -0.965581 · odds 1,72 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Mitchell Krueger60,2% · odds 1,92 | Больше 22,561,2% · ожид. 25,62 · odds 1,77 | Mitchell Krueger +1,567,4% · ожид. -0.97465 · odds 1,72 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Mitchell Krueger67,2% · odds 1,92 | Больше 22,560,6% · ожид. 25,66 · odds 1,77 | Mitchell Krueger +1,574,1% · ожид. -1.58077 · odds 1,72 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Mitchell Krueger61,4% · odds 1,92 | Больше 22,562,6% · ожид. 25,95 · odds 1,77 | Mitchell Krueger +1,568,9% · ожид. -1.03703 · odds 1,72 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Mitchell Krueger62,7% · odds 1,92 | Больше 22,562,0% · ожид. 25,86 · odds 1,77 | Mitchell Krueger +1,570,0% · ожид. -1.15966 · odds 1,72 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Mitchell Krueger63,5% · odds 1,92 | Больше 22,560,8% · ожид. 25,71 · odds 1,77 | Mitchell Krueger +1,570,7% · ожид. -1.2305 · odds 1,72 | 39%ограниченная |
Параметры point-level
- Ryan Seggerman на подаче
- 63,47%
- Mitchell Krueger на подаче
- 65,57%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:232,4%1:227,9%2:121,2%2:018,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 63,92% → 63,47%
- P2 serve до → после
- 65,57% → 65,57%
Усталость и переход покрытия
- Ryan Seggerman
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
- Mitchell Krueger
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Ryan Seggerman: P(очко на подаче)
- 63,87%
- Mitchell Krueger: P(очко на подаче)
- 67,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Ryan Seggerman: P(очко на подаче)
- 64,70%
- Mitchell Krueger: P(очко на подаче)
- 67,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Ryan Seggerman: P(очко на подаче)
- 64,38%
- Mitchell Krueger: P(очко на подаче)
- 67,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Ryan Seggerman: P(очко на подаче)
- 64,32%
- Mitchell Krueger: P(очко на подаче)
- 67,19%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Tristan Boyer — Abdullah Shelbayh
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Abdullah Shelbayh · 50,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Tristan Boyer66,4% · odds 1,59 | Меньше 22,561,2% · ожид. 22,12 | Tristan Boyer -2,558,2% · ожид. +1.54825 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Abdullah Shelbayh50,6% · odds 2,20 | Больше 22,558,3% · ожид. 25,02 · odds 1,90 | Abdullah Shelbayh +2,560,2% · ожид. +0.323801 · odds 1,79 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Abdullah Shelbayh55,2% · odds 2,20 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Abdullah Shelbayh51,2% · odds 2,20 | Больше 22,559,2% · ожид. 25,14 · odds 1,90 | Abdullah Shelbayh +2,564,5% · ожид. -0.121894 · odds 1,79 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Abdullah Shelbayh51,7% · odds 2,20 | Больше 22,558,2% · ожид. 25,03 · odds 1,90 | Abdullah Shelbayh +2,564,5% · ожид. -0.14505 · odds 1,79 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Tristan Boyer61,8% · odds 1,59 | Больше 22,558,1% · ожид. 25,02 · odds 1,90 | Abdullah Shelbayh +2,552,1% · ожид. +1.19364 · odds 1,79 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Tristan Boyer63,6% · odds 1,59 | Больше 22,556,9% · ожид. 24,79 · odds 1,90 | Tristan Boyer -2,550,1% · ожид. +1.39892 · odds 1,92 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Tristan Boyer63,8% · odds 1,59 | Больше 22,557,2% · ожид. 24,87 · odds 1,90 | Tristan Boyer -2,550,1% · ожид. +1.40315 · odds 1,92 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Tristan Boyer62,9% · odds 1,59 | Больше 22,557,2% · ожид. 24,87 · odds 1,90 | Abdullah Shelbayh +2,550,7% · ожид. +1.3364 · odds 1,79 | 39%ограниченная |
Параметры point-level
- Tristan Boyer на подаче
- 61,17%
- Abdullah Shelbayh на подаче
- 61,41%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:225,8%1:225,4%2:124,6%2:024,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,62% → 61,17%
- P2 serve до → после
- 61,86% → 61,41%
Усталость и переход покрытия
- Tristan Boyer
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
- Abdullah Shelbayh
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Tristan Boyer: P(очко на подаче)
- 62,88%
- Abdullah Shelbayh: P(очко на подаче)
- 60,51%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Tristan Boyer: P(очко на подаче)
- 62,04%
- Abdullah Shelbayh: P(очко на подаче)
- 59,34%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Tristan Boyer: P(очко на подаче)
- 62,62%
- Abdullah Shelbayh: P(очко на подаче)
- 59,86%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Tristan Boyer: P(очко на подаче)
- 62,51%
- Abdullah Shelbayh: P(очко на подаче)
- 59,91%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Braden Shick — Jeffrey John Wolf
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Manon Arcangioli — Jasmijn Gimbrere
World Tennis W75. Le Neubourg. France · Hard · начало 16.09.2026 20:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Jasmijn Gimbrere · 66,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Jasmijn Gimbrere80,8% · odds 1,54 | Меньше 20,568,2% · ожид. 19,39 | Jasmijn Gimbrere -2,581,7% · ожид. -4.75509 | 50% |
| Взвешенный консенсус weighted-consensus-v1-8b0832b865125b0dcf366c9d | Jasmijn Gimbrere66,2% · odds 1,54 | Больше 20,558,4% · ожид. 23,13 · odds 1,82 | Jasmijn Gimbrere -2,557,7% · ожид. -2.19955 · odds 1,78 | 60%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Jasmijn Gimbrere61,0% · odds 1,54 | не рассчитывает | не рассчитывает | 25%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Jasmijn Gimbrere59,8% · odds 1,54 | Больше 20,566,1% · ожид. 24,16 · odds 1,82 | Manon Arcangioli +2,552,2% · ожид. -1.09214 · odds 1,93 | 75%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Jasmijn Gimbrere59,5% · odds 1,54 | Больше 20,564,8% · ожид. 23,96 · odds 1,82 | Manon Arcangioli +2,551,8% · ожид. -1.10335 · odds 1,93 | 75%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Jasmijn Gimbrere95,0% · odds 1,54 | Меньше 20,564,7% · ожид. 20,11 · odds 1,88 | Jasmijn Gimbrere -2,590,7% · ожид. -5.91421 · odds 1,78 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Jasmijn Gimbrere95,7% · odds 1,54 | Меньше 20,566,7% · ожид. 19,85 · odds 1,88 | Jasmijn Gimbrere -2,591,9% · ожид. -6.08439 · odds 1,78 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Jasmijn Gimbrere94,5% · odds 1,54 | Меньше 20,563,5% · ожид. 20,26 · odds 1,88 | Jasmijn Gimbrere -2,590,0% · ожид. -5.81913 · odds 1,78 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Jasmijn Gimbrere93,6% · odds 1,54 | Меньше 20,564,4% · ожид. 20,13 · odds 1,88 | Jasmijn Gimbrere -2,589,0% · ожид. -5.81605 · odds 1,78 | 22%ограниченная |
Параметры point-level
- Manon Arcangioli на подаче
- 53,18%
- Jasmijn Gimbrere на подаче
- 55,03%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:232,0%1:227,8%2:121,3%2:018,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,18% → 53,18%
- P2 serve до → после
- 55,48% → 55,03%
Усталость и переход покрытия
- Manon Arcangioli
- 0 матч. / 0 геймов за 7 дней · отдых 373,0 дн. · переход нет
- Jasmijn Gimbrere
- 0 матч. / 0 геймов за 7 дней · отдых 121,0 дн. · переход да
Serve/Return CatBoost → Markov
- Manon Arcangioli: P(очко на подаче)
- 48,00%
- Jasmijn Gimbrere: P(очко на подаче)
- 60,34%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Manon Arcangioli: P(очко на подаче)
- 48,00%
- Jasmijn Gimbrere: P(очко на подаче)
- 60,95%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Manon Arcangioli: P(очко на подаче)
- 48,00%
- Jasmijn Gimbrere: P(очко на подаче)
- 60,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Manon Arcangioli: P(очко на подаче)
- 48,00%
- Jasmijn Gimbrere: P(очко на подаче)
- 60,44%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Cadence Brace — Solana Sierra
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 20:15 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Cadence Brace · 61,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Solana Sierra60,3% · odds 1,46 | Меньше 22,566,7% · ожид. 21,09 | Cadence Brace +3,557,5% · ожид. -0.0707982 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | Cadence Brace61,3% · odds 2,71 | Больше 22,551,0% · ожид. 23,66 · odds 1,88 | Cadence Brace +3,576,0% · ожид. +1.27863 · odds 1,73 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Cadence Brace61,2% · odds 2,71 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Cadence Brace73,0% · odds 2,71 | Больше 22,550,2% · ожид. 23,54 · odds 1,88 | Cadence Brace +3,585,8% · ожид. +2.62635 · odds 1,73 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Cadence Brace72,7% · odds 2,71 | Меньше 22,550,5% · ожид. 23,46 · odds 1,92 | Cadence Brace +3,585,3% · ожид. +2.60265 · odds 1,73 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Solana Sierra65,1% · odds 1,46 | Больше 22,553,5% · ожид. 24,00 · odds 1,88 | Cadence Brace +3,554,9% · ожид. -1.68886 · odds 1,73 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Solana Sierra63,1% · odds 1,46 | Больше 22,554,2% · ожид. 24,10 · odds 1,88 | Cadence Brace +3,557,0% · ожид. -1.46004 · odds 1,73 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Solana Sierra66,5% · odds 1,46 | Больше 22,553,0% · ожид. 23,93 · odds 1,88 | Cadence Brace +3,553,5% · ожид. -1.85344 · odds 1,73 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Solana Sierra64,8% · odds 1,46 | Больше 22,552,8% · ожид. 23,95 · odds 1,88 | Cadence Brace +3,554,6% · ожид. -1.66055 · odds 1,73 | 39%ограниченная |
Параметры point-level
- Cadence Brace на подаче
- 56,75%
- Solana Sierra на подаче
- 52,14%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:043,4%2:129,6%1:215,3%0:211,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,75% → 56,75%
- P2 serve до → после
- 52,59% → 52,14%
Усталость и переход покрытия
- Cadence Brace
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
- Solana Sierra
- 0 матч. / 0 геймов за 7 дней · отдых 128,0 дн. · переход да
Serve/Return CatBoost → Markov
- Cadence Brace: P(очко на подаче)
- 53,07%
- Solana Sierra: P(очко на подаче)
- 55,98%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Cadence Brace: P(очко на подаче)
- 53,55%
- Solana Sierra: P(очко на подаче)
- 56,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Cadence Brace: P(очко на подаче)
- 52,91%
- Solana Sierra: P(очко на подаче)
- 56,11%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Cadence Brace: P(очко на подаче)
- 53,18%
- Solana Sierra: P(очко на подаче)
- 56,05%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Juan Sebastian Osorio — Rafael Garcia Finetto
World Tennis M15. Belem. Brazil · Hard · начало 16.09.2026 20:24 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Juan Sebastian Osorio · 60,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Juan Sebastian Osorio71,3% · odds 1,05 | Больше 17,554,0% · ожид. 20,43 | Rafael Garcia Finetto +6,566,1% · ожид. +3.78732 | 10% |
| Взвешенный консенсус weighted-consensus-v1-b8e4a9976d29d339284078d0 | Juan Sebastian Osorio60,1% · odds 1,05 | Больше 17,585,4% · ожид. 23,96 · odds 1,84 | Rafael Garcia Finetto +6,586,5% · ожид. +1.36865 · odds 2,00 | 59%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Juan Sebastian Osorio51,0% · odds 1,05 | не рассчитывает | не рассчитывает | 2%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Juan Sebastian Osorio50,9% · odds 1,05 | Больше 17,591,2% · ожид. 25,05 · odds 1,84 | Rafael Garcia Finetto +6,594,1% · ожид. +0.0968822 · odds 2,00 | 73%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Juan Sebastian Osorio51,5% · odds 1,05 | Больше 17,589,5% · ожид. 24,73 · odds 1,84 | Rafael Garcia Finetto +6,592,5% · ожид. +0.2045 · odds 2,00 | 73%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Juan Sebastian Osorio93,6% · odds 1,05 | Больше 17,571,4% · ожид. 21,25 · odds 1,84 | Rafael Garcia Finetto +6,566,3% · ожид. +5.18072 · odds 2,00 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Juan Sebastian Osorio95,1% · odds 1,05 | Больше 17,569,0% · ожид. 20,85 · odds 1,84 | Rafael Garcia Finetto +6,563,9% · ожид. +5.42958 · odds 2,00 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Juan Sebastian Osorio94,8% · odds 1,05 | Больше 17,568,7% · ожид. 20,86 · odds 1,84 | Rafael Garcia Finetto +6,563,3% · ожид. +5.42853 · odds 2,00 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Juan Sebastian Osorio93,1% · odds 1,05 | Больше 17,568,8% · ожид. 21,01 · odds 1,84 | Rafael Garcia Finetto +6,563,7% · ожид. +5.28905 · odds 2,00 | 22%ограниченная |
Параметры point-level
- Juan Sebastian Osorio на подаче
- 60,83%
- Rafael Garcia Finetto на подаче
- 60,64%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,6%2:125,3%1:224,7%0:224,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–35
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,28% → 60,83%
- P2 serve до → после
- 61,09% → 60,64%
Усталость и переход покрытия
- Juan Sebastian Osorio
- 0 матч. / 0 геймов за 7 дней · отдых 142,0 дн. · переход да
- Rafael Garcia Finetto
- 0 матч. / 0 геймов за 7 дней · отдых 296,0 дн. · переход да
Serve/Return CatBoost → Markov
- Juan Sebastian Osorio: P(очко на подаче)
- 66,65%
- Rafael Garcia Finetto: P(очко на подаче)
- 54,74%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Juan Sebastian Osorio: P(очко на подаче)
- 67,73%
- Rafael Garcia Finetto: P(очко на подаче)
- 54,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Juan Sebastian Osorio: P(очко на подаче)
- 66,91%
- Rafael Garcia Finetto: P(очко на подаче)
- 54,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Juan Sebastian Osorio: P(очко на подаче)
- 67,10%
- Rafael Garcia Finetto: P(очко на подаче)
- 54,56%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Przemyslaw Zielinski — Saul Berdullas Calvino
UTR Pro M. Chicago. USA · Hard · начало 16.09.2026 20:25 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Laslo Djere — Luka Mikrut
ATP Challenger. Szczecin. Poland · Clay · начало 16.09.2026 20:25 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 25,0
confidence 30%
Консенсус Research
Luka Mikrut · 59,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Luka Mikrut52,1% · odds 2,70 | Больше 21,553,0% · ожид. 23,30 | Luka Mikrut +3,570,9% · ожид. +0.0817471 | 50% |
| Взвешенный консенсус weighted-consensus-v1-73f6cc85d47425bfcc6faa77 | Luka Mikrut59,2% · odds 2,70 | Больше 21,567,2% · ожид. 25,25 · odds 1,78 | Luka Mikrut +3,577,5% · ожид. -0.683479 · odds 1,83 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Luka Mikrut62,3% · odds 2,70 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Luka Mikrut58,7% · odds 2,70 | Больше 21,566,8% · ожид. 25,19 · odds 1,78 | Luka Mikrut +3,578,7% · ожид. -0.865373 · odds 1,83 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Luka Mikrut58,4% · odds 2,70 | Больше 21,566,4% · ожид. 25,15 · odds 1,78 | Luka Mikrut +3,578,3% · ожид. -0.85485 · odds 1,83 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Luka Mikrut50,2% · odds 2,70 | Больше 21,568,6% · ожид. 25,47 · odds 1,78 | Luka Mikrut +3,573,2% · ожид. -0.0150231 · odds 1,83 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Luka Mikrut53,6% · odds 2,70 | Больше 21,568,0% · ожид. 25,37 · odds 1,78 | Luka Mikrut +3,575,4% · ожид. -0.350208 · odds 1,83 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Luka Mikrut55,5% · odds 2,70 | Больше 21,568,7% · ожид. 25,49 · odds 1,78 | Luka Mikrut +3,577,3% · ожид. -0.535894 · odds 1,83 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Luka Mikrut52,7% · odds 2,70 | Больше 21,568,3% · ожид. 25,39 · odds 1,78 | Luka Mikrut +3,574,9% · ожид. -0.27405 · odds 1,83 | 39%ограниченная |
Параметры point-level
- Laslo Djere на подаче
- 61,26%
- Luka Mikrut на подаче
- 62,99%
- Среднее покрытия
- 59,09%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:231,2%1:227,5%2:121,8%2:019,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,26% → 61,26%
- P2 serve до → после
- 62,99% → 62,99%
Усталость и переход покрытия
- Laslo Djere
- 0 матч. / 0 геймов за 7 дней · отдых 114,0 дн. · переход нет
- Luka Mikrut
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Laslo Djere: P(очко на подаче)
- 62,99%
- Luka Mikrut: P(очко на подаче)
- 63,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Laslo Djere: P(очко на подаче)
- 62,23%
- Luka Mikrut: P(очко на подаче)
- 62,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Laslo Djere: P(очко на подаче)
- 62,73%
- Luka Mikrut: P(очко на подаче)
- 63,84%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Laslo Djere: P(очко на подаче)
- 62,65%
- Luka Mikrut: P(очко на подаче)
- 63,27%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Aely Arai — Mariana Manyoma Velasquez
UTR Pro W. Chicago. USA · Hard · начало 16.09.2026 20:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Jazmin Ortenzi — Chloe Paquet
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 20:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Jazmin Ortenzi · 68,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Jazmin Ortenzi64,6% · odds 2,27 | Меньше 21,559,9% · ожид. 21,53 | Jazmin Ortenzi +2,579,5% · ожид. +1.33193 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | Jazmin Ortenzi68,6% · odds 2,27 | Больше 21,556,8% · ожид. 23,61 · odds 1,96 | Jazmin Ortenzi +2,580,9% · ожид. +2.50448 · odds 1,90 | 74%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Jazmin Ortenzi62,7% · odds 2,27 | не рассчитывает | не рассчитывает | 72%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Jazmin Ortenzi70,9% · odds 2,27 | Больше 21,557,6% · ожид. 23,71 · odds 1,96 | Jazmin Ortenzi +2,580,1% · ожид. +2.3658 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Jazmin Ortenzi71,0% · odds 2,27 | Больше 21,557,2% · ожид. 23,66 · odds 1,96 | Jazmin Ortenzi +2,580,1% · ожид. +2.40495 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Jazmin Ortenzi74,2% · odds 2,27 | Больше 21,555,9% · ожид. 23,47 · odds 1,96 | Jazmin Ortenzi +2,582,7% · ожид. +2.76341 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Jazmin Ortenzi73,9% · odds 2,27 | Больше 21,556,1% · ожид. 23,52 · odds 1,96 | Jazmin Ortenzi +2,582,5% · ожид. +2.71815 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Jazmin Ortenzi74,7% · odds 2,27 | Больше 21,555,5% · ожид. 23,43 · odds 1,96 | Jazmin Ortenzi +2,583,1% · ожид. +2.82596 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Jazmin Ortenzi73,9% · odds 2,27 | Больше 21,554,9% · ожид. 23,39 · odds 1,96 | Jazmin Ortenzi +2,582,6% · ожид. +2.76025 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Jazmin Ortenzi на подаче
- 56,82%
- Chloe Paquet на подаче
- 52,68%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:041,4%2:129,5%1:216,4%0:212,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,27% → 56,82%
- P2 serve до → после
- 53,13% → 52,68%
Усталость и переход покрытия
- Jazmin Ortenzi
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
- Chloe Paquet
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Jazmin Ortenzi: P(очко на подаче)
- 57,22%
- Chloe Paquet: P(очко на подаче)
- 52,33%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Jazmin Ortenzi: P(очко на подаче)
- 57,42%
- Chloe Paquet: P(очко на подаче)
- 52,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Jazmin Ortenzi: P(очко на подаче)
- 57,14%
- Chloe Paquet: P(очко на подаче)
- 52,15%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Jazmin Ortenzi: P(очко на подаче)
- 57,26%
- Chloe Paquet: P(очко на подаче)
- 52,36%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Eva Lys — Gabriela Ce
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 20:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Eva Lys · 71,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Eva Lys82,8% · odds 1,37 | Меньше 28,590,4% · ожид. 20,58 | Eva Lys -4,553,7% · ожид. +4.38056 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | Eva Lys71,4% · odds 1,37 | Меньше 28,579,2% · ожид. 22,70 · odds 2,23 | Gabriela Ce +4,551,6% · ожид. +3.17926 · odds 2,33 | 75%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Eva Lys64,8% · odds 1,37 | не рассчитывает | не рассчитывает | 86%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Eva Lys68,0% · odds 1,37 | Меньше 28,574,4% · ожид. 23,80 · odds 2,23 | Gabriela Ce +4,562,8% · ожид. +2.0413 · odds 2,33 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Eva Lys67,4% · odds 1,37 | Меньше 28,574,5% · ожид. 23,80 · odds 2,23 | Gabriela Ce +4,563,5% · ожид. +1.9698 · odds 2,33 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Eva Lys92,4% · odds 1,37 | Меньше 28,587,4% · ожид. 20,88 · odds 2,23 | Eva Lys -4,569,7% · ожид. +5.38106 · odds 1,60 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Eva Lys96,1% · odds 1,37 | Меньше 28,591,6% · ожид. 19,71 · odds 2,23 | Eva Lys -4,578,7% · ожид. +6.17773 · odds 1,60 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Eva Lys93,9% · odds 1,37 | Меньше 28,589,0% · ожид. 20,45 · odds 2,23 | Eva Lys -4,573,2% · ожид. +5.68796 · odds 1,60 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Eva Lys94,3% · odds 1,37 | Меньше 28,589,7% · ожид. 20,21 · odds 2,23 | Eva Lys -4,574,6% · ожид. +5.8167 · odds 1,60 | 39%ограниченная |
Параметры point-level
- Eva Lys на подаче
- 55,42%
- Gabriela Ce на подаче
- 51,92%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:038,8%2:129,3%1:217,7%0:214,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,87% → 55,42%
- P2 serve до → после
- 52,37% → 51,92%
Усталость и переход покрытия
- Eva Lys
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
- Gabriela Ce
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Eva Lys: P(очко на подаче)
- 59,53%
- Gabriela Ce: P(очко на подаче)
- 48,77%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Eva Lys: P(очко на подаче)
- 61,30%
- Gabriela Ce: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Eva Lys: P(очко на подаче)
- 59,59%
- Gabriela Ce: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Eva Lys: P(очко на подаче)
- 60,14%
- Gabriela Ce: P(очко на подаче)
- 48,00%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Jefferson Wendler Filho — Rafael Tosetto
World Tennis M15. Belem. Brazil · Hard · начало 16.09.2026 20:45 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Rafael Tosetto · 50,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Jefferson Wendler Filho51,2% · odds 4,00 | Меньше 20,553,0% · ожид. 21,61 | Jefferson Wendler Filho +4,573,3% · ожид. +0.277732 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b8e4a9976d29d339284078d0 | Rafael Tosetto50,5% · odds 1,21 | Больше 20,567,7% · ожид. 24,48 · odds 1,95 | Jefferson Wendler Filho +4,577,7% · ожид. -0.107833 · odds 2,00 | 64%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Jefferson Wendler Filho50,0% · odds 4,00 | не рассчитывает | не рассчитывает | 57%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Jefferson Wendler Filho55,1% · odds 4,00 | Больше 20,568,5% · ожид. 24,58 · odds 1,95 | Jefferson Wendler Filho +4,582,0% · ожид. +0.547772 · odds 2,00 | 78%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Jefferson Wendler Filho55,2% · odds 4,00 | Больше 20,567,8% · ожид. 24,50 · odds 1,95 | Jefferson Wendler Filho +4,581,8% · ожид. +0.5508 · odds 2,00 | 78%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Rafael Tosetto66,5% · odds 1,21 | Больше 20,566,5% · ожид. 24,32 · odds 1,95 | Jefferson Wendler Filho +4,567,0% · ожид. -1.77641 · odds 2,00 | 30%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Rafael Tosetto66,7% · odds 1,21 | Больше 20,566,6% · ожид. 24,34 · odds 1,95 | Jefferson Wendler Filho +4,567,0% · ожид. -1.79444 · odds 2,00 | 30%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Rafael Tosetto65,6% · odds 1,21 | Больше 20,567,0% · ожид. 24,40 · odds 1,95 | Jefferson Wendler Filho +4,568,0% · ожид. -1.67293 · odds 2,00 | 30%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Rafael Tosetto65,8% · odds 1,21 | Больше 20,566,4% · ожид. 24,30 · odds 1,95 | Jefferson Wendler Filho +4,567,6% · ожид. -1.6855 · odds 2,00 | 30%ограниченная |
Параметры point-level
- Jefferson Wendler Filho на подаче
- 58,18%
- Rafael Tosetto на подаче
- 57,21%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,5%2:126,6%1:223,2%0:221,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,63% → 58,18%
- P2 serve до → после
- 57,66% → 57,21%
Усталость и переход покрытия
- Jefferson Wendler Filho
- 0 матч. / 0 геймов за 7 дней · отдых 121,0 дн. · переход да
- Rafael Tosetto
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Jefferson Wendler Filho: P(очко на подаче)
- 56,76%
- Rafael Tosetto: P(очко на подаче)
- 60,02%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Jefferson Wendler Filho: P(очко на подаче)
- 56,96%
- Rafael Tosetto: P(очко на подаче)
- 60,27%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Jefferson Wendler Filho: P(очко на подаче)
- 57,12%
- Rafael Tosetto: P(очко на подаче)
- 60,20%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Jefferson Wendler Filho: P(очко на подаче)
- 56,95%
- Rafael Tosetto: P(очко на подаче)
- 60,17%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kailey Evans — Alexandra Wolf
UTR Pro W. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Kailey Evans · 75,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Kailey Evans73,5% · odds 1,01 | — | — | 3% |
| Взвешенный консенсус weighted-consensus-v1-60db1c86e0174291d5540025 | Kailey Evans75,4% · odds 1,01 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Kailey Evans62,8% · odds 1,01 | не рассчитывает | не рассчитывает | 2%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Kailey Evans69,3% · odds 1,01 | не рассчитывает | не рассчитывает | 52%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Kailey Evans67,5% · odds 1,01 | не рассчитывает | не рассчитывает | 52%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Kailey Evans98,0% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Kailey Evans98,4% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Kailey Evans98,5% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Kailey Evans97,6% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Kailey Evans на подаче
- 56,30%
- Alexandra Wolf на подаче
- 52,52%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:039,9%2:129,4%1:217,1%0:213,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,30% → 56,30%
- P2 serve до → после
- 52,52% → 52,52%
Усталость и переход покрытия
- Kailey Evans
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
- Alexandra Wolf
- 0 матч. / 0 геймов за 7 дней · отдых 7,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Kailey Evans: P(очко на подаче)
- 63,53%
- Alexandra Wolf: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kailey Evans: P(очко на подаче)
- 64,22%
- Alexandra Wolf: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kailey Evans: P(очко на подаче)
- 64,61%
- Alexandra Wolf: P(очко на подаче)
- 48,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kailey Evans: P(очко на подаче)
- 64,12%
- Alexandra Wolf: P(очко на подаче)
- 48,00%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Emma Pell — Dania Deaifi
UTR Pro W. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Dia Evtimova — Marley Lambert
UTR Pro W. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Anya Murthy — Kiara Zabkova
UTR Pro W. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Kiara Zabkova · 69,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Anya Murthy54,9% · odds 4,80 | — | — | 10% |
| Взвешенный консенсус weighted-consensus-v1-60db1c86e0174291d5540025 | Kiara Zabkova69,1% · odds 1,15 | не рассчитывает | не рассчитывает | 16%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Kiara Zabkova50,5% · odds 1,15 | не рассчитывает | не рассчитывает | 6%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Anya Murthy57,4% · odds 4,80 | не рассчитывает | не рассчитывает | 9%ограниченная |
| Monte Carlo monte-carlo-v2-context-20000 | Anya Murthy55,7% · odds 4,80 | не рассчитывает | не рассчитывает | 9%ограниченная |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Kiara Zabkova88,5% · odds 1,15 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Kiara Zabkova91,3% · odds 1,15 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Kiara Zabkova89,7% · odds 1,15 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Kiara Zabkova88,6% · odds 1,15 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Anya Murthy на подаче
- 55,09%
- Kiara Zabkova на подаче
- 53,68%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:030,2%2:127,2%1:222,3%0:220,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,09% → 55,09%
- P2 serve до → после
- 54,13% → 53,68%
Усталость и переход покрытия
- Anya Murthy
- 0 матч. / 0 геймов за 7 дней · отдых 7,0 дн. · переход нет
- Kiara Zabkova
- 0 матч. / 0 геймов за 7 дней · отдых 373,0 дн. · переход да
Serve/Return CatBoost → Markov
- Anya Murthy: P(очко на подаче)
- 48,66%
- Kiara Zabkova: P(очко на подаче)
- 57,65%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Anya Murthy: P(очко на подаче)
- 48,00%
- Kiara Zabkova: P(очко на подаче)
- 58,17%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Anya Murthy: P(очко на подаче)
- 48,28%
- Kiara Zabkova: P(очко на подаче)
- 57,72%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Anya Murthy: P(очко на подаче)
- 48,00%
- Kiara Zabkova: P(очко на подаче)
- 57,85%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Недостаточно point-level статистики; параметры подачи сильнее стянуты к среднему покрытия и EloПодающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Ty Wunderlich — Mario Garcia
UTR Pro M. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Rithvik Katpelly — Zach Stephens
UTR Pro M. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Lawee Sherif — James Lorenzetti
UTR Pro M. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Brayden Tallakson — Marco Alvarez
UTR Pro M. Newport Beach. USA · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Marco Alvarez · 59,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Marco Alvarez57,4% · odds 1,85 | — | — | 10% |
| Взвешенный консенсус weighted-consensus-v1-f97c25f43d816a101def2176 | Marco Alvarez59,3% · odds 1,85 | не рассчитывает | не рассчитывает | 20%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Brayden Tallakson56,5% · odds 1,85 | не рассчитывает | не рассчитывает | 5%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Brayden Tallakson50,1% · odds 1,85 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Monte Carlo monte-carlo-v2-context-20000 | Brayden Tallakson50,1% · odds 1,85 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Marco Alvarez75,3% · odds 1,85 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Marco Alvarez76,5% · odds 1,85 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Marco Alvarez78,2% · odds 1,85 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Marco Alvarez74,7% · odds 1,85 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Brayden Tallakson на подаче
- 60,44%
- Marco Alvarez на подаче
- 60,42%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,1%2:125,0%1:225,0%0:224,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,44% → 60,44%
- P2 serve до → после
- 60,42% → 60,42%
Усталость и переход покрытия
- Brayden Tallakson
- 0 матч. / 0 геймов за 7 дней · отдых 450,0 дн. · переход нет
- Marco Alvarez
- 0 матч. / 0 геймов за 7 дней · отдых 149,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Brayden Tallakson: P(очко на подаче)
- 54,62%
- Marco Alvarez: P(очко на подаче)
- 59,83%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Brayden Tallakson: P(очко на подаче)
- 55,59%
- Marco Alvarez: P(очко на подаче)
- 61,11%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Brayden Tallakson: P(очко на подаче)
- 54,22%
- Marco Alvarez: P(очко на подаче)
- 60,13%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Brayden Tallakson: P(очко на подаче)
- 54,81%
- Marco Alvarez: P(очко на подаче)
- 60,35%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Peyton Stearns — Sloane Stephens
WTA 500. Guadalajara. Mexico · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Peyton Stearns · 67,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Peyton Stearns76,9% · odds 1,54 | Меньше 21,559,9% · ожид. 21,34 | Peyton Stearns -2,584,3% · ожид. +3.59388 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b9e885d3724c1812d8904f13 | Peyton Stearns67,0% · odds 1,54 | Больше 21,556,6% · ожид. 23,63 · odds 1,90 | Peyton Stearns -2,559,8% · ожид. +2.37284 · odds 1,80 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Peyton Stearns62,3% · odds 1,54 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Peyton Stearns64,9% · odds 1,54 | Больше 21,560,9% · ожид. 24,19 · odds 1,90 | Peyton Stearns -2,552,6% · ожид. +1.62982 · odds 1,80 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Peyton Stearns64,1% · odds 1,54 | Больше 21,560,5% · ожид. 24,16 · odds 1,90 | Peyton Stearns -2,552,2% · ожид. +1.5741 · odds 1,80 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Peyton Stearns82,1% · odds 1,54 | Больше 21,550,6% · ожид. 22,82 · odds 1,90 | Peyton Stearns -2,572,6% · ожид. +3.71686 · odds 1,80 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Peyton Stearns85,5% · odds 1,54 | Меньше 21,553,0% · ожид. 22,34 · odds 1,90 | Peyton Stearns -2,577,0% · ожид. +4.20183 · odds 1,80 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Peyton Stearns86,5% · odds 1,54 | Меньше 21,553,9% · ожид. 22,24 · odds 1,90 | Peyton Stearns -2,578,2% · ожид. +4.31388 · odds 1,80 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Peyton Stearns84,4% · odds 1,54 | Меньше 21,552,1% · ожид. 22,45 · odds 1,90 | Peyton Stearns -2,575,9% · ожид. +4.0554 · odds 1,80 | 39%ограниченная |
Параметры point-level
- Peyton Stearns на подаче
- 58,11%
- Sloane Stephens на подаче
- 55,22%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:036,0%2:128,8%1:219,2%0:216,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,56% → 58,11%
- P2 serve до → после
- 55,67% → 55,22%
Усталость и переход покрытия
- Peyton Stearns
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
- Sloane Stephens
- 0 матч. / 0 геймов за 7 дней · отдых 128,0 дн. · переход да
Serve/Return CatBoost → Markov
- Peyton Stearns: P(очко на подаче)
- 59,59%
- Sloane Stephens: P(очко на подаче)
- 52,65%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Peyton Stearns: P(очко на подаче)
- 59,90%
- Sloane Stephens: P(очко на подаче)
- 51,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Peyton Stearns: P(очко на подаче)
- 60,49%
- Sloane Stephens: P(очко на подаче)
- 52,16%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Peyton Stearns: P(очко на подаче)
- 59,99%
- Sloane Stephens: P(очко на подаче)
- 52,23%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Robin Eldin — Luke Hooper
World Tennis M25. Nevers. France · Indoor Hard · начало 16.09.2026 21:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Cristina Bucsa — Sara Bejlek
WTA 500. Guadalajara. Mexico · Hard · начало 16.09.2026 21:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Sara Bejlek · 53,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Sara Bejlek60,7% · odds 1,45 | Меньше 20,551,5% · ожид. 21,97 | Sara Bejlek -3,552,1% · ожид. -1.9523 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b9e885d3724c1812d8904f13 | Sara Bejlek53,8% · odds 1,45 | Больше 20,566,5% · ожид. 24,18 · odds 1,85 | Cristina Bucsa +3,561,8% · ожид. -0.870211 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Cristina Bucsa51,4% · odds 2,75 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Sara Bejlek57,9% · odds 1,45 | Больше 20,566,5% · ожид. 24,20 · odds 1,85 | Cristina Bucsa +3,561,8% · ожид. -0.880865 · odds 1,90 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Sara Bejlek57,7% · odds 1,45 | Больше 20,566,8% · ожид. 24,17 · odds 1,85 | Cristina Bucsa +3,561,8% · ожид. -0.86435 · odds 1,90 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Sara Bejlek53,9% · odds 1,45 | Больше 20,566,9% · ожид. 24,26 · odds 1,85 | Cristina Bucsa +3,565,3% · ожид. -0.434146 · odds 1,90 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Sara Bejlek58,5% · odds 1,45 | Больше 20,566,3% · ожид. 24,18 · odds 1,85 | Cristina Bucsa +3,561,2% · ожид. -0.945708 · odds 1,90 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Sara Bejlek60,6% · odds 1,45 | Больше 20,565,8% · ожид. 24,11 · odds 1,85 | Cristina Bucsa +3,559,1% · ожид. -1.18932 · odds 1,90 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Sara Bejlek58,1% · odds 1,45 | Больше 20,565,8% · ожид. 24,11 · odds 1,85 | Cristina Bucsa +3,561,3% · ожид. -0.89115 · odds 1,90 | 39%ограниченная |
Параметры point-level
- Cristina Bucsa на подаче
- 53,40%
- Sara Bejlek на подаче
- 54,89%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:230,6%1:227,3%2:122,1%2:020,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,85% → 53,40%
- P2 serve до → после
- 55,34% → 54,89%
Усталость и переход покрытия
- Cristina Bucsa
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
- Sara Bejlek
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
Serve/Return CatBoost → Markov
- Cristina Bucsa: P(очко на подаче)
- 53,66%
- Sara Bejlek: P(очко на подаче)
- 54,39%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Cristina Bucsa: P(очко на подаче)
- 53,18%
- Sara Bejlek: P(очко на подаче)
- 54,78%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Cristina Bucsa: P(очко на подаче)
- 52,79%
- Sara Bejlek: P(очко на подаче)
- 54,80%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Cristina Bucsa: P(очко на подаче)
- 53,21%
- Sara Bejlek: P(очко на подаче)
- 54,66%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Vendula Valdmannova — Laura Pigossi
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 21:10 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Vendula Valdmannova · 81,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Vendula Valdmannova74,6% · odds 1,28 | Меньше 19,556,0% · ожид. 20,76 | Laura Pigossi +4,554,0% · ожид. +1.87843 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | Vendula Valdmannova81,6% · odds 1,28 | Больше 19,556,9% · ожид. 22,02 · odds 1,82 | Vendula Valdmannova -4,559,1% · ожид. +4.38642 · odds 1,71 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Vendula Valdmannova76,1% · odds 1,28 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Vendula Valdmannova85,6% · odds 1,28 | Больше 19,557,9% · ожид. 22,13 · odds 1,82 | Vendula Valdmannova -4,558,2% · ожид. +4.30278 · odds 1,71 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Vendula Valdmannova84,7% · odds 1,28 | Больше 19,557,5% · ожид. 22,14 · odds 1,82 | Vendula Valdmannova -4,557,7% · ожид. +4.2454 · odds 1,71 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Vendula Valdmannova86,1% · odds 1,28 | Больше 19,557,4% · ожид. 22,06 · odds 1,82 | Vendula Valdmannova -4,558,9% · ожид. +4.37332 · odds 1,71 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Vendula Valdmannova88,8% · odds 1,28 | Больше 19,553,8% · ожид. 21,60 · odds 1,82 | Vendula Valdmannova -4,563,3% · ожид. +4.78983 · odds 1,71 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Vendula Valdmannova88,7% · odds 1,28 | Больше 19,554,0% · ожид. 21,62 · odds 1,82 | Vendula Valdmannova -4,563,1% · ожид. +4.7742 · odds 1,71 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Vendula Valdmannova87,3% · odds 1,28 | Больше 19,555,5% · ожид. 21,81 · odds 1,82 | Vendula Valdmannova -4,561,2% · ожид. +4.5976 · odds 1,71 | 39%ограниченная |
Параметры point-level
- Vendula Valdmannova на подаче
- 56,71%
- Laura Pigossi на подаче
- 48,79%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:057,9%2:127,7%1:28,7%0:25,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–32
- 90% диапазон разницы П1
- -4…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,16% → 56,71%
- P2 serve до → после
- 49,24% → 48,79%
Усталость и переход покрытия
- Vendula Valdmannova
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
- Laura Pigossi
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Vendula Valdmannova: P(очко на подаче)
- 57,17%
- Laura Pigossi: P(очко на подаче)
- 49,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Vendula Valdmannova: P(очко на подаче)
- 57,51%
- Laura Pigossi: P(очко на подаче)
- 48,43%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Vendula Valdmannova: P(очко на подаче)
- 57,34%
- Laura Pigossi: P(очко на подаче)
- 48,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Vendula Valdmannova: P(очко на подаче)
- 57,34%
- Laura Pigossi: P(очко на подаче)
- 48,60%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Patrick Maloney — Michael Mmoh
ATP Challenger. Tiburon. USA · Hard · начало 16.09.2026 21:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Michael Mmoh · 61,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Michael Mmoh81,4% · odds 1,27 | Меньше 21,556,0% · ожид. 22,25 | Patrick Maloney +4,553,7% · ожид. -3.84993 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Michael Mmoh61,6% · odds 1,27 | Больше 21,567,1% · ожид. 25,25 · odds 1,90 | Patrick Maloney +4,577,4% · ожид. -0.789567 · odds 1,68 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Michael Mmoh66,2% · odds 1,27 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Michael Mmoh57,0% · odds 1,27 | Больше 21,567,1% · ожид. 25,23 · odds 1,90 | Patrick Maloney +4,577,8% · ожид. -0.698675 · odds 1,68 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Michael Mmoh56,9% · odds 1,27 | Больше 21,566,5% · ожид. 25,15 · odds 1,90 | Patrick Maloney +4,577,3% · ожид. -0.70075 · odds 1,68 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Michael Mmoh62,5% · odds 1,27 | Больше 21,568,1% · ожид. 25,43 · odds 1,90 | Patrick Maloney +4,576,2% · ожид. -1.20083 · odds 1,68 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Michael Mmoh57,1% · odds 1,27 | Больше 21,568,2% · ожид. 25,42 · odds 1,90 | Patrick Maloney +4,578,8% · ожид. -0.690971 · odds 1,68 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Michael Mmoh60,7% · odds 1,27 | Больше 21,568,0% · ожид. 25,40 · odds 1,90 | Patrick Maloney +4,576,9% · ожид. -1.03283 · odds 1,68 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Michael Mmoh60,7% · odds 1,27 | Больше 21,567,7% · ожид. 25,30 · odds 1,90 | Patrick Maloney +4,576,8% · ожид. -1.0277 · odds 1,68 | 39%ограниченная |
Параметры point-level
- Patrick Maloney на подаче
- 61,42%
- Michael Mmoh на подаче
- 62,81%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,9%1:227,1%2:122,5%2:020,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,42% → 61,42%
- P2 serve до → после
- 62,81% → 62,81%
Усталость и переход покрытия
- Patrick Maloney
- 0 матч. / 0 геймов за 7 дней · отдых 359,0 дн. · переход нет
- Michael Mmoh
- 0 матч. / 0 геймов за 7 дней · отдых 114,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Patrick Maloney: P(очко на подаче)
- 62,55%
- Michael Mmoh: P(очко на подаче)
- 65,10%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Patrick Maloney: P(очко на подаче)
- 62,39%
- Michael Mmoh: P(очко на подаче)
- 63,81%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Patrick Maloney: P(очко на подаче)
- 62,33%
- Michael Mmoh: P(очко на подаче)
- 64,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Patrick Maloney: P(очко на подаче)
- 62,42%
- Michael Mmoh: P(очко на подаче)
- 64,47%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Sascha Gueymard Wayenburg — Ugo Blanchet
ATP Challenger. Rennes. France · Indoor Hard · начало 16.09.2026 21:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Ugo Blanchet · 52,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Ugo Blanchet54,0% · odds 1,79 | Меньше 22,553,0% · ожид. 23,42 | Sascha Gueymard Wayenburg +1,551,9% · ожид. +0.223177 | 50% |
| Взвешенный консенсус weighted-consensus-v1-23841886f9bef5849d760720 | Ugo Blanchet52,1% · odds 1,79 | Больше 22,559,8% · ожид. 25,38 · odds 1,76 | Sascha Gueymard Wayenburg +1,555,8% · ожид. -0.146756 · odds 1,70 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Ugo Blanchet53,5% · odds 1,79 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Sascha Gueymard Wayenburg55,0% · odds 1,90 | Больше 22,561,2% · ожид. 25,61 · odds 1,76 | Sascha Gueymard Wayenburg +1,562,4% · ожид. +0.474619 · odds 1,70 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Sascha Gueymard Wayenburg55,5% · odds 1,90 | Больше 22,560,4% · ожид. 25,48 · odds 1,76 | Sascha Gueymard Wayenburg +1,562,4% · ожид. +0.5012 · odds 1,70 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Ugo Blanchet69,3% · odds 1,79 | Больше 22,556,6% · ожид. 24,91 · odds 1,76 | Ugo Blanchet -1,562,6% · ожид. -1.92003 · odds 2,03 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Ugo Blanchet63,2% · odds 1,79 | Больше 22,558,5% · ожид. 25,15 · odds 1,76 | Ugo Blanchet -1,556,2% · ожид. -1.3096 · odds 2,03 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Ugo Blanchet64,3% · odds 1,79 | Больше 22,557,9% · ожид. 25,04 · odds 1,76 | Ugo Blanchet -1,557,4% · ожид. -1.43008 · odds 2,03 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Ugo Blanchet65,0% · odds 1,79 | Больше 22,557,7% · ожид. 25,03 · odds 1,76 | Ugo Blanchet -1,558,2% · ожид. -1.5233 · odds 2,03 | 39%ограниченная |
Параметры point-level
- Sascha Gueymard Wayenburg на подаче
- 64,32%
- Ugo Blanchet на подаче
- 63,32%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:028,4%2:126,5%1:223,2%0:221,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 63,94% → 64,32%
- P2 serve до → после
- 62,94% → 63,32%
Усталость и переход покрытия
- Sascha Gueymard Wayenburg
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
- Ugo Blanchet
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход да
Serve/Return CatBoost → Markov
- Sascha Gueymard Wayenburg: P(очко на подаче)
- 60,88%
- Ugo Blanchet: P(очко на подаче)
- 64,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Sascha Gueymard Wayenburg: P(очко на подаче)
- 61,27%
- Ugo Blanchet: P(очко на подаче)
- 63,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Sascha Gueymard Wayenburg: P(очко на подаче)
- 60,85%
- Ugo Blanchet: P(очко на подаче)
- 63,75%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Sascha Gueymard Wayenburg: P(очко на подаче)
- 61,00%
- Ugo Blanchet: P(очко на подаче)
- 64,19%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Darja Semenistaja — Teodora Kostovic
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 21:45 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Darja Semenistaja · 54,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Darja Semenistaja59,8% · odds 2,16 | Меньше 21,552,7% · ожид. 22,35 | Darja Semenistaja +1,567,8% · ожид. +0.992277 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | Darja Semenistaja54,2% · odds 2,16 | Больше 21,561,0% · ожид. 24,17 · odds 1,90 | Darja Semenistaja +1,562,3% · ожид. +0.668669 · odds 1,95 | 77%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Darja Semenistaja52,0% · odds 2,16 | не рассчитывает | не рассчитывает | 96%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Darja Semenistaja50,5% · odds 2,16 | Больше 21,562,4% · ожид. 24,35 · odds 1,90 | Darja Semenistaja +1,557,0% · ожид. +0.0504115 · odds 1,95 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Darja Semenistaja50,4% · odds 2,16 | Больше 21,561,5% · ожид. 24,25 · odds 1,90 | Darja Semenistaja +1,557,2% · ожид. +0.05055 · odds 1,95 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Darja Semenistaja68,3% · odds 2,16 | Больше 21,559,0% · ожид. 23,91 · odds 1,90 | Darja Semenistaja +1,574,0% · ожид. +2.04427 · odds 1,95 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Darja Semenistaja68,9% · odds 2,16 | Больше 21,558,8% · ожид. 23,88 · odds 1,90 | Darja Semenistaja +1,574,6% · ожид. +2.1102 · odds 1,95 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Darja Semenistaja67,4% · odds 2,16 | Больше 21,559,2% · ожид. 23,92 · odds 1,90 | Darja Semenistaja +1,573,2% · ожид. +1.95189 · odds 1,95 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Darja Semenistaja68,0% · odds 2,16 | Больше 21,558,8% · ожид. 23,86 · odds 1,90 | Darja Semenistaja +1,573,7% · ожид. +2.0252 · odds 1,95 | 39%ограниченная |
Параметры point-level
- Darja Semenistaja на подаче
- 55,08%
- Teodora Kostovic на подаче
- 54,99%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,3%2:125,2%1:224,8%0:224,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,53% → 55,08%
- P2 serve до → после
- 55,44% → 54,99%
Усталость и переход покрытия
- Darja Semenistaja
- 0 матч. / 0 геймов за 7 дней · отдых 106,0 дн. · переход да
- Teodora Kostovic
- 0 матч. / 0 геймов за 7 дней · отдых 106,0 дн. · переход да
Serve/Return CatBoost → Markov
- Darja Semenistaja: P(очко на подаче)
- 57,21%
- Teodora Kostovic: P(очко на подаче)
- 53,63%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Darja Semenistaja: P(очко на подаче)
- 57,28%
- Teodora Kostovic: P(очко на подаче)
- 53,58%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Darja Semenistaja: P(очко на подаче)
- 56,67%
- Teodora Kostovic: P(очко на подаче)
- 53,28%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Darja Semenistaja: P(очко на подаче)
- 57,05%
- Teodora Kostovic: P(очко на подаче)
- 53,50%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Magdalena Frech — Caroline Dolehide
WTA 500. Guadalajara. Mexico · Hard · начало 16.09.2026 22:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Magdalena Frech · 56,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Magdalena Frech68,8% · odds 1,47 | Меньше 21,559,3% · ожид. 21,66 | Caroline Dolehide +3,557,7% · ожид. +2.37405 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b9e885d3724c1812d8904f13 | Magdalena Frech56,6% · odds 1,47 | Больше 21,561,7% · ожид. 24,32 · odds 1,88 | Caroline Dolehide +3,560,7% · ожид. +1.06285 · odds 1,85 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Magdalena Frech52,9% · odds 1,47 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Magdalena Frech54,0% · odds 1,47 | Больше 21,563,7% · ожид. 24,60 · odds 1,88 | Caroline Dolehide +3,566,5% · ожид. +0.42482 · odds 1,85 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Magdalena Frech54,0% · odds 1,47 | Больше 21,563,1% · ожид. 24,51 · odds 1,88 | Caroline Dolehide +3,566,0% · ожид. +0.4348 · odds 1,85 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Magdalena Frech72,7% · odds 1,47 | Больше 21,557,8% · ожид. 23,80 · odds 1,88 | Magdalena Frech -3,552,3% · ожид. +2.51829 · odds 1,95 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Magdalena Frech70,8% · odds 1,47 | Больше 21,559,2% · ожид. 24,00 · odds 1,88 | Caroline Dolehide +3,550,2% · ожид. +2.27297 · odds 1,85 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Magdalena Frech73,8% · odds 1,47 | Больше 21,557,3% · ожид. 23,74 · odds 1,88 | Magdalena Frech -3,553,4% · ожид. +2.63616 · odds 1,95 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Magdalena Frech71,5% · odds 1,47 | Больше 21,558,0% · ожид. 23,78 · odds 1,88 | Magdalena Frech -3,551,3% · ожид. +2.40575 · odds 1,95 | 39%ограниченная |
Параметры point-level
- Magdalena Frech на подаче
- 58,13%
- Caroline Dolehide на подаче
- 57,37%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,7%2:126,2%1:223,6%0:222,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,58% → 58,13%
- P2 serve до → после
- 57,82% → 57,37%
Усталость и переход покрытия
- Magdalena Frech
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
- Caroline Dolehide
- 0 матч. / 0 геймов за 7 дней · отдых 170,0 дн. · переход да
Serve/Return CatBoost → Markov
- Magdalena Frech: P(очко на подаче)
- 59,35%
- Caroline Dolehide: P(очко на подаче)
- 54,77%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Magdalena Frech: P(очко на подаче)
- 59,85%
- Caroline Dolehide: P(очко на подаче)
- 55,68%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Magdalena Frech: P(очко на подаче)
- 59,65%
- Caroline Dolehide: P(очко на подаче)
- 54,82%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Magdalena Frech: P(очко на подаче)
- 59,62%
- Caroline Dolehide: P(очко на подаче)
- 55,09%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Andrei Caragea — Iker Gaztambide Arrastia
UTR Pro M. Chicago. USA · Hard · начало 16.09.2026 22:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Iker Gaztambide Arrastia · 50,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Andrei Caragea62,0% · odds 2,36 | — | — | 5% |
| Взвешенный консенсус weighted-consensus-v1-e58ab7988c0697d1e7dd0bdd | Iker Gaztambide Arrastia50,2% · odds 1,52 | не рассчитывает | не рассчитывает | 16%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Andrei Caragea50,7% · odds 2,36 | не рассчитывает | не рассчитывает | 2%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Andrei Caragea57,1% · odds 2,36 | не рассчитывает | не рассчитывает | 10%ограниченная |
| Monte Carlo monte-carlo-v2-context-20000 | Andrei Caragea56,3% · odds 2,36 | не рассчитывает | не рассчитывает | 10%ограниченная |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Andrei Caragea50,4% · odds 2,36 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Iker Gaztambide Arrastia60,8% · odds 1,52 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Iker Gaztambide Arrastia51,2% · odds 1,52 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Iker Gaztambide Arrastia53,4% · odds 1,52 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Andrei Caragea на подаче
- 61,26%
- Iker Gaztambide Arrastia на подаче
- 59,87%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:030,0%2:127,1%1:222,4%0:220,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,26% → 61,26%
- P2 serve до → после
- 60,32% → 59,87%
Усталость и переход покрытия
- Andrei Caragea
- 0 матч. / 0 геймов за 7 дней · отдых 562,0 дн. · переход нет
- Iker Gaztambide Arrastia
- 0 матч. / 0 геймов за 7 дней · отдых 457,0 дн. · переход да
Serve/Return CatBoost → Markov
- Andrei Caragea: P(очко на подаче)
- 56,72%
- Iker Gaztambide Arrastia: P(очко на подаче)
- 56,64%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Andrei Caragea: P(очко на подаче)
- 55,66%
- Iker Gaztambide Arrastia: P(очко на подаче)
- 57,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Andrei Caragea: P(очко на подаче)
- 56,08%
- Iker Gaztambide Arrastia: P(очко на подаче)
- 56,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Andrei Caragea: P(очко на подаче)
- 56,15%
- Iker Gaztambide Arrastia: P(очко на подаче)
- 56,89%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Недостаточно point-level статистики; параметры подачи сильнее стянуты к среднему покрытия и EloПодающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Justina Mikulskyte — Paula Badosa
WTA 250. Sao Paulo. Brazil · Hard · начало 16.09.2026 23:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Paula Badosa · 61,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Justina Mikulskyte50,1% · odds 10,50 | Больше 17,557,1% · ожид. 20,55 | Justina Mikulskyte +6,576,8% · ожид. -0.3819 | 50% |
| Взвешенный консенсус weighted-consensus-v1-989db931b9f55ec87bc34457 | Paula Badosa61,4% · odds 1,04 | Больше 17,584,6% · ожид. 23,79 · odds 2,00 | Justina Mikulskyte +6,584,6% · ожид. -1.8116 · odds 2,25 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Paula Badosa55,9% · odds 1,04 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Paula Badosa58,6% · odds 1,04 | Больше 17,587,4% · ожид. 24,32 · odds 2,00 | Justina Mikulskyte +6,589,1% · ожид. -0.940635 · odds 2,25 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Paula Badosa58,3% · odds 1,04 | Больше 17,586,8% · ожид. 24,21 · odds 2,00 | Justina Mikulskyte +6,588,7% · ожид. -0.92445 · odds 2,25 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Paula Badosa83,0% · odds 1,04 | Больше 17,578,8% · ожид. 22,71 · odds 2,00 | Justina Mikulskyte +6,574,7% · ожид. -3.83812 · odds 2,25 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Paula Badosa82,9% · odds 1,04 | Больше 17,578,9% · ожид. 22,73 · odds 2,00 | Justina Mikulskyte +6,574,9% · ожид. -3.82106 · odds 2,25 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Paula Badosa81,1% · odds 1,04 | Больше 17,580,0% · ожид. 22,92 · odds 2,00 | Justina Mikulskyte +6,576,3% · ожид. -3.59552 · odds 2,25 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Paula Badosa82,0% · odds 1,04 | Больше 17,578,5% · ожид. 22,73 · odds 2,00 | Justina Mikulskyte +6,575,0% · ожид. -3.7408 · odds 2,25 | 39%ограниченная |
Параметры point-level
- Justina Mikulskyte на подаче
- 55,02%
- Paula Badosa на подаче
- 56,64%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:231,1%1:227,5%2:121,8%2:019,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 55,02% → 55,02%
- P2 serve до → после
- 57,09% → 56,64%
Усталость и переход покрытия
- Justina Mikulskyte
- 0 матч. / 0 геймов за 7 дней · отдых 107,0 дн. · переход нет
- Paula Badosa
- 0 матч. / 0 геймов за 7 дней · отдых 148,0 дн. · переход да
Serve/Return CatBoost → Markov
- Justina Mikulskyte: P(очко на подаче)
- 52,56%
- Paula Badosa: P(очко на подаче)
- 59,77%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Justina Mikulskyte: P(очко на подаче)
- 52,63%
- Paula Badosa: P(очко на подаче)
- 59,82%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Justina Mikulskyte: P(очко на подаче)
- 52,64%
- Paula Badosa: P(очко на подаче)
- 59,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Justina Mikulskyte: P(очко на подаче)
- 52,61%
- Paula Badosa: P(очко на подаче)
- 59,63%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Zeynep Sonmez — Iva Jovic
WTA 500. Guadalajara. Mexico · Hard · начало 16.09.2026 23:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Iva Jovic · 66,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Iva Jovic75,1% · odds 1,25 | Больше 19,551,2% · ожид. 21,41 | Zeynep Sonmez +5,561,4% · ожид. -3.3549 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b9e885d3724c1812d8904f13 | Iva Jovic66,7% · odds 1,25 | Больше 19,566,7% · ожид. 23,37 · odds 1,81 | Zeynep Sonmez +5,570,0% · ожид. -2.46415 · odds 1,71 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Iva Jovic61,4% · odds 1,25 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Iva Jovic63,2% · odds 1,25 | Больше 19,572,4% · ожид. 24,15 · odds 1,81 | Zeynep Sonmez +5,578,2% · ожид. -1.46315 · odds 1,71 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Iva Jovic62,9% · odds 1,25 | Больше 19,571,6% · ожид. 24,05 · odds 1,81 | Zeynep Sonmez +5,577,7% · ожид. -1.46455 · odds 1,71 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Iva Jovic89,7% · odds 1,25 | Больше 19,553,5% · ожид. 21,57 · odds 1,81 | Zeynep Sonmez +5,550,4% · ожид. -4.85676 · odds 1,71 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Iva Jovic88,2% · odds 1,25 | Больше 19,555,8% · ожид. 21,88 · odds 1,81 | Zeynep Sonmez +5,553,2% · ожид. -4.60777 · odds 1,71 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Iva Jovic88,2% · odds 1,25 | Больше 19,555,9% · ожид. 21,88 · odds 1,81 | Zeynep Sonmez +5,553,3% · ожид. -4.60397 · odds 1,71 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Iva Jovic88,0% · odds 1,25 | Больше 19,555,2% · ожид. 21,82 · odds 1,81 | Zeynep Sonmez +5,552,6% · ожид. -4.61905 · odds 1,71 | 39%ограниченная |
Параметры point-level
- Zeynep Sonmez на подаче
- 54,17%
- Iva Jovic на подаче
- 56,71%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:234,7%1:228,5%2:119,9%2:016,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 54,62% → 54,17%
- P2 serve до → после
- 57,16% → 56,71%
Усталость и переход покрытия
- Zeynep Sonmez
- 0 матч. / 0 геймов за 7 дней · отдых 134,0 дн. · переход да
- Iva Jovic
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
Serve/Return CatBoost → Markov
- Zeynep Sonmez: P(очко на подаче)
- 50,55%
- Iva Jovic: P(очко на подаче)
- 60,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Zeynep Sonmez: P(очко на подаче)
- 51,07%
- Iva Jovic: P(очко на подаче)
- 60,00%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Zeynep Sonmez: P(очко на подаче)
- 51,11%
- Iva Jovic: P(очко на подаче)
- 60,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Zeynep Sonmez: P(очко на подаче)
- 50,91%
- Iva Jovic: P(очко на подаче)
- 60,04%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Victor Braga — Vitor De Melo Cunha
World Tennis M15. Belem. Brazil · Hard · начало 17.09.2026 00:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Thomas Menzel — Pedro Sakamoto
World Tennis M15. Belem. Brazil · Hard · начало 17.09.2026 00:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Pedro Sakamoto · 71,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Pedro Sakamoto85,1% · odds 1,05 | Меньше 17,551,9% · ожид. 20,00 | Thomas Menzel +7,564,2% · ожид. -4.03914 | 35% |
| Взвешенный консенсус weighted-consensus-v1-b8e4a9976d29d339284078d0 | Pedro Sakamoto71,2% · odds 1,05 | Больше 17,583,1% · ожид. 23,59 · odds 1,96 | Thomas Menzel +7,590,3% · ожид. -2.48958 · odds 1,65 | 61%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Pedro Sakamoto69,8% · odds 1,05 | не рассчитывает | не рассчитывает | 8%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Pedro Sakamoto65,2% · odds 1,05 | Больше 17,589,2% · ожид. 24,61 · odds 1,96 | Thomas Menzel +7,595,2% · ожид. -1.58779 · odds 1,65 | 74%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Pedro Sakamoto64,1% · odds 1,05 | Больше 17,587,7% · ожид. 24,39 · odds 1,96 | Thomas Menzel +7,594,4% · ожид. -1.5523 · odds 1,65 | 74%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Pedro Sakamoto93,8% · odds 1,05 | Больше 17,568,6% · ожид. 20,96 · odds 1,96 | Thomas Menzel +7,578,2% · ожид. -5.3582 · odds 1,65 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Pedro Sakamoto91,7% · odds 1,05 | Больше 17,571,9% · ожид. 21,48 · odds 1,96 | Thomas Menzel +7,580,8% · ожид. -4.99997 · odds 1,65 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Pedro Sakamoto97,5% · odds 1,05 | Больше 17,556,7% · ожид. 19,45 · odds 1,96 | Thomas Menzel +7,568,2% · ожид. -6.28497 · odds 1,65 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Pedro Sakamoto94,2% · odds 1,05 | Больше 17,565,7% · ожид. 20,69 · odds 1,96 | Thomas Menzel +7,575,3% · ожид. -5.5439 · odds 1,65 | 22%ограниченная |
Параметры point-level
- Thomas Menzel на подаче
- 58,47%
- Pedro Sakamoto на подаче
- 61,49%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:236,3%1:228,9%2:119,0%2:015,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,92% → 58,47%
- P2 serve до → после
- 61,94% → 61,49%
Усталость и переход покрытия
- Thomas Menzel
- 0 матч. / 0 геймов за 7 дней · отдых 233,0 дн. · переход да
- Pedro Sakamoto
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
Serve/Return CatBoost → Markov
- Thomas Menzel: P(очко на подаче)
- 53,08%
- Pedro Sakamoto: P(очко на подаче)
- 64,93%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Thomas Menzel: P(очко на подаче)
- 53,31%
- Pedro Sakamoto: P(очко на подаче)
- 63,95%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Thomas Menzel: P(очко на подаче)
- 51,37%
- Pedro Sakamoto: P(очко на подаче)
- 66,51%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Thomas Menzel: P(очко на подаче)
- 52,59%
- Pedro Sakamoto: P(очко на подаче)
- 65,13%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Emily Johnson — Amelia Zylberman
UTR Pro W. Sydney. Australia · Hard · начало 17.09.2026 02:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Sebastian Gorzny — Nishesh Basavareddy
ATP Challenger. Tiburon. USA · Hard · начало 17.09.2026 02:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Nishesh Basavareddy · 69,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Nishesh Basavareddy82,0% · odds 1,15 | Меньше 20,553,0% · ожид. 21,75 | Nishesh Basavareddy -4,554,0% · ожид. -3.99477 | 50% |
| Взвешенный консенсус weighted-consensus-v1-57e35b6eb07c44d34b3b2ef8 | Nishesh Basavareddy69,2% · odds 1,15 | Больше 20,563,0% · ожид. 24,05 · odds 1,97 | Sebastian Gorzny +4,564,1% · ожид. -2.1711 · odds 2,12 | 61%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Nishesh Basavareddy69,4% · odds 1,15 | не рассчитывает | не рассчитывает | 32%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Nishesh Basavareddy61,9% · odds 1,15 | Больше 20,571,6% · ожид. 25,17 · odds 1,97 | Sebastian Gorzny +4,574,9% · ожид. -1.17805 · odds 2,12 | 76%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Nishesh Basavareddy61,1% · odds 1,15 | Больше 20,569,9% · ожид. 25,03 · odds 1,97 | Sebastian Gorzny +4,574,3% · ожид. -1.15155 · odds 2,12 | 76%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Nishesh Basavareddy95,8% · odds 1,15 | Меньше 20,561,9% · ожид. 20,66 · odds 1,74 | Nishesh Basavareddy -4,571,1% · ожид. -5.53634 · odds 1,64 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Nishesh Basavareddy94,8% · odds 1,15 | Меньше 20,559,8% · ожид. 20,90 · odds 1,74 | Nishesh Basavareddy -4,569,4% · ожид. -5.40197 · odds 1,64 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Nishesh Basavareddy97,1% · odds 1,15 | Меньше 20,566,4% · ожид. 20,10 · odds 1,74 | Nishesh Basavareddy -4,575,3% · ожид. -5.85379 · odds 1,64 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Nishesh Basavareddy95,2% · odds 1,15 | Меньше 20,562,6% · ожид. 20,54 · odds 1,74 | Nishesh Basavareddy -4,571,1% · ожид. -5.5776 · odds 1,64 | 22%ограниченная |
Параметры point-level
- Sebastian Gorzny на подаче
- 61,31%
- Nishesh Basavareddy на подаче
- 63,70%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:233,6%1:228,3%2:120,5%2:017,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,31% → 61,31%
- P2 serve до → после
- 64,15% → 63,70%
Усталость и переход покрытия
- Sebastian Gorzny
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Nishesh Basavareddy
- 0 матч. / 0 геймов за 7 дней · отдых 123,0 дн. · переход да
Serve/Return CatBoost → Markov
- Sebastian Gorzny: P(очко на подаче)
- 54,92%
- Nishesh Basavareddy: P(очко на подаче)
- 68,59%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Sebastian Gorzny: P(очко на подаче)
- 54,43%
- Nishesh Basavareddy: P(очко на подаче)
- 67,12%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Sebastian Gorzny: P(очко на подаче)
- 54,32%
- Nishesh Basavareddy: P(очко на подаче)
- 69,28%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Sebastian Gorzny: P(очко на подаче)
- 54,56%
- Nishesh Basavareddy: P(очко на подаче)
- 68,33%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Marta Kostyuk — Taylor Townsend
WTA 500. Guadalajara. Mexico · Hard · начало 17.09.2026 02:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Marta Kostyuk · 55,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Marta Kostyuk81,9% · odds 1,31 | Меньше 21,557,2% · ожид. 21,85 | Taylor Townsend +3,555,3% · ожид. +2.0761 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b9e885d3724c1812d8904f13 | Marta Kostyuk55,9% · odds 1,31 | Больше 21,562,5% · ожид. 24,49 · odds 1,96 | Taylor Townsend +3,563,8% · ожид. +0.741645 · odds 2,12 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Marta Kostyuk54,6% · odds 1,31 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Marta Kostyuk50,5% · odds 1,31 | Больше 21,564,6% · ожид. 24,76 · odds 1,96 | Taylor Townsend +3,570,0% · ожид. +0.0527821 · odds 2,12 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Marta Kostyuk50,7% · odds 1,31 | Больше 21,563,5% · ожид. 24,63 · odds 1,96 | Taylor Townsend +3,569,8% · ожид. +0.0304 · odds 2,12 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Marta Kostyuk71,5% · odds 1,31 | Больше 21,559,1% · ожид. 24,01 · odds 1,96 | Marta Kostyuk -3,550,3% · ожид. +2.33759 · odds 1,72 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Marta Kostyuk74,7% · odds 1,31 | Больше 21,557,7% · ожид. 23,85 · odds 1,96 | Marta Kostyuk -3,553,6% · ожид. +2.69313 · odds 1,72 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Marta Kostyuk66,9% · odds 1,31 | Больше 21,561,7% · ожид. 24,40 · odds 1,96 | Taylor Townsend +3,555,1% · ожид. +1.80017 · odds 2,12 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Marta Kostyuk71,3% · odds 1,31 | Больше 21,558,6% · ожид. 23,99 · odds 1,96 | Taylor Townsend +3,550,0% · ожид. +2.31335 · odds 2,12 | 39%ограниченная |
Параметры point-level
- Marta Kostyuk на подаче
- 58,91%
- Taylor Townsend на подаче
- 58,82%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:025,3%2:125,2%1:224,8%0:224,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,36% → 58,91%
- P2 serve до → после
- 59,27% → 58,82%
Усталость и переход покрытия
- Marta Kostyuk
- 0 матч. / 0 геймов за 7 дней · отдых 149,0 дн. · переход да
- Taylor Townsend
- 0 матч. / 0 геймов за 7 дней · отдых 135,0 дн. · переход да
Serve/Return CatBoost → Markov
- Marta Kostyuk: P(очко на подаче)
- 60,31%
- Taylor Townsend: P(очко на подаче)
- 55,99%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Marta Kostyuk: P(очко на подаче)
- 61,34%
- Taylor Townsend: P(очко на подаче)
- 56,23%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Marta Kostyuk: P(очко на подаче)
- 60,78%
- Taylor Townsend: P(очко на подаче)
- 57,42%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Marta Kostyuk: P(очко на подаче)
- 60,81%
- Taylor Townsend: P(очко на подаче)
- 56,55%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Belle Thompson — Laquisa Khan
UTR Pro W. Sydney. Australia · Hard · начало 17.09.2026 03:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Belle Thompson · 53,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Belle Thompson57,5% · odds 1,30 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-33c0605505b889004e5c55ed | Belle Thompson53,2% · odds 1,30 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Belle Thompson55,8% · odds 1,30 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Belle Thompson52,0% · odds 1,30 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Belle Thompson51,8% · odds 1,30 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Belle Thompson50,5% · odds 1,30 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Laquisa Khan52,4% · odds 3,20 | не рассчитывает | не рассчитывает | 29%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Laquisa Khan53,7% · odds 3,20 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Laquisa Khan51,4% · odds 3,20 | не рассчитывает | не рассчитывает | 28%ограниченная |
Параметры point-level
- Belle Thompson на подаче
- 52,90%
- Laquisa Khan на подаче
- 52,52%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:026,3%2:125,6%1:224,3%0:223,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 53,35% → 52,90%
- P2 serve до → после
- 52,97% → 52,52%
Усталость и переход покрытия
- Belle Thompson
- 0 матч. / 0 геймов за 7 дней · отдых 178,0 дн. · переход да
- Laquisa Khan
- 0 матч. / 0 геймов за 7 дней · отдых 178,0 дн. · переход да
Serve/Return CatBoost → Markov
- Belle Thompson: P(очко на подаче)
- 53,42%
- Laquisa Khan: P(очко на подаче)
- 53,32%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Belle Thompson: P(очко на подаче)
- 53,28%
- Laquisa Khan: P(очко на подаче)
- 53,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Belle Thompson: P(очко на подаче)
- 52,50%
- Laquisa Khan: P(очко на подаче)
- 53,20%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Belle Thompson: P(очко на подаче)
- 53,07%
- Laquisa Khan: P(очко на подаче)
- 53,42%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kayla Day — Liudmila Samsonova
WTA 500. Guadalajara. Mexico · Hard · начало 17.09.2026 03:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Kayla Day · 58,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Liudmila Samsonova53,8% · odds 1,39 | Больше 21,550,7% · ожид. 22,81 | Kayla Day +3,560,0% · ожид. -0.791487 | 50% |
| Взвешенный консенсус weighted-consensus-v1-b9e885d3724c1812d8904f13 | Kayla Day58,4% · odds 3,00 | Больше 21,558,8% · ожид. 23,99 · odds 2,00 | Kayla Day +3,569,8% · ожид. +0.292601 · odds 2,05 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Kayla Day65,0% · odds 3,00 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Kayla Day67,2% · odds 3,00 | Больше 21,561,0% · ожид. 24,26 · odds 2,00 | Kayla Day +3,582,8% · ожид. +1.85951 · odds 2,05 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Kayla Day67,1% · odds 3,00 | Больше 21,560,6% · ожид. 24,23 · odds 2,00 | Kayla Day +3,582,7% · ожид. +1.87715 · odds 2,05 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Liudmila Samsonova77,2% · odds 1,39 | Больше 21,555,7% · ожид. 23,57 · odds 2,00 | Liudmila Samsonova -3,556,9% · ожид. -3.01001 · odds 1,77 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Liudmila Samsonova78,2% · odds 1,39 | Больше 21,555,5% · ожид. 23,55 · odds 2,00 | Liudmila Samsonova -3,557,7% · ожид. -3.10237 · odds 1,77 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Liudmila Samsonova80,6% · odds 1,39 | Больше 21,553,1% · ожид. 23,23 · odds 2,00 | Liudmila Samsonova -3,561,2% · ожид. -3.42833 · odds 1,77 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Liudmila Samsonova78,9% · odds 1,39 | Больше 21,554,1% · ожид. 23,39 · odds 2,00 | Liudmila Samsonova -3,559,2% · ожид. -3.20005 · odds 1,77 | 39%ограниченная |
Параметры point-level
- Kayla Day на подаче
- 59,91%
- Liudmila Samsonova на подаче
- 56,50%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:038,1%2:129,2%1:218,1%0:214,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,36% → 59,91%
- P2 serve до → после
- 56,95% → 56,50%
Усталость и переход покрытия
- Kayla Day
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
- Liudmila Samsonova
- 0 матч. / 0 геймов за 7 дней · отдых 123,0 дн. · переход да
Serve/Return CatBoost → Markov
- Kayla Day: P(очко на подаче)
- 55,36%
- Liudmila Samsonova: P(очко на подаче)
- 61,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Kayla Day: P(очко на подаче)
- 55,86%
- Liudmila Samsonova: P(очко на подаче)
- 61,84%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Kayla Day: P(очко на подаче)
- 54,95%
- Liudmila Samsonova: P(очко на подаче)
- 61,56%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Kayla Day: P(очко на подаче)
- 55,39%
- Liudmila Samsonova: P(очко на подаче)
- 61,49%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Kamonwan Yodpetch — Lu Jia-Jing
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 04:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Hiromi Abe — Mio Mushika
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 04:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Hiromi Abe · 60,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Hiromi Abe68,5% · odds 1,19 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-9418c5ffcb7788fdae945195 | Hiromi Abe60,7% · odds 1,19 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Hiromi Abe60,1% · odds 1,19 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Hiromi Abe60,3% · odds 1,19 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Hiromi Abe60,1% · odds 1,19 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Hiromi Abe61,2% · odds 1,19 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Hiromi Abe63,6% · odds 1,19 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Hiromi Abe65,3% · odds 1,19 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Hiromi Abe63,2% · odds 1,19 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Hiromi Abe на подаче
- 55,05%
- Mio Mushika на подаче
- 53,11%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:032,4%2:127,9%1:221,2%0:218,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 54,23% → 55,05%
- P2 serve до → после
- 52,73% → 53,11%
Усталость и переход покрытия
- Hiromi Abe
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
- Mio Mushika
- 0 матч. / 0 геймов за 7 дней · отдых 129,0 дн. · переход да
Serve/Return CatBoost → Markov
- Hiromi Abe: P(очко на подаче)
- 55,50%
- Mio Mushika: P(очко на подаче)
- 53,38%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Hiromi Abe: P(очко на подаче)
- 56,52%
- Mio Mushika: P(очко на подаче)
- 53,92%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Hiromi Abe: P(очко на подаче)
- 56,52%
- Mio Mushika: P(очко на подаче)
- 53,55%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Hiromi Abe: P(очко на подаче)
- 56,18%
- Mio Mushika: P(очко на подаче)
- 53,62%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Eri Shimizu — Han Jiangxue
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 04:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Eri Shimizu · 53,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Eri Shimizu63,7% · odds 1,53 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-9418c5ffcb7788fdae945195 | Eri Shimizu53,7% · odds 1,53 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Eri Shimizu51,7% · odds 1,53 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Han Jiangxue51,9% · odds 2,34 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Han Jiangxue51,3% · odds 2,34 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Eri Shimizu74,5% · odds 1,53 | не рассчитывает | не рассчитывает | 34%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Eri Shimizu74,9% · odds 1,53 | не рассчитывает | не рассчитывает | 34%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Eri Shimizu71,6% · odds 1,53 | не рассчитывает | не рассчитывает | 34%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Eri Shimizu73,2% · odds 1,53 | не рассчитывает | не рассчитывает | 34%ограниченная |
Параметры point-level
- Eri Shimizu на подаче
- 53,14%
- Han Jiangxue на подаче
- 53,50%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,3%1:225,6%2:124,3%2:023,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 52,32% → 53,14%
- P2 serve до → после
- 52,67% → 53,50%
Усталость и переход покрытия
- Eri Shimizu
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход нет
- Han Jiangxue
- 0 матч. / 0 геймов за 7 дней · отдых 136,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Eri Shimizu: P(очко на подаче)
- 56,63%
- Han Jiangxue: P(очко на подаче)
- 51,69%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Eri Shimizu: P(очко на подаче)
- 57,24%
- Han Jiangxue: P(очко на подаче)
- 52,20%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Eri Shimizu: P(очко на подаче)
- 56,41%
- Han Jiangxue: P(очко на подаче)
- 52,13%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Eri Shimizu: P(очко на подаче)
- 56,76%
- Han Jiangxue: P(очко на подаче)
- 52,01%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Tricia Mar — Tiffany Papazian
UTR Pro W. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Simone Kay — Olive Maunupau
UTR Pro W. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Martina Puvill — Lily Fairclough
UTR Pro W. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Lily Fairclough · 57,9%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Lily Fairclough54,1% · odds 1,14 | — | — | 32% |
| Взвешенный консенсус weighted-consensus-v1-60db1c86e0174291d5540025 | Lily Fairclough57,9% · odds 1,14 | не рассчитывает | не рассчитывает | 34%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Lily Fairclough52,4% · odds 1,14 | не рассчитывает | не рассчитывает | 45%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Martina Puvill61,6% · odds 5,00 | не рассчитывает | не рассчитывает | 24%ограниченная |
| Monte Carlo monte-carlo-v2-context-20000 | Martina Puvill60,7% · odds 5,00 | не рассчитывает | не рассчитывает | 24%ограниченная |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Lily Fairclough89,5% · odds 1,14 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Lily Fairclough92,2% · odds 1,14 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Lily Fairclough91,0% · odds 1,14 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Lily Fairclough88,7% · odds 1,14 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Martina Puvill на подаче
- 57,20%
- Lily Fairclough на подаче
- 54,96%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:033,4%2:128,2%1:220,6%0:217,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -7…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,20% → 57,20%
- P2 serve до → после
- 54,96% → 54,96%
Усталость и переход покрытия
- Martina Puvill
- 0 матч. / 0 геймов за 7 дней · отдых 7,0 дн. · переход нет
- Lily Fairclough
- 0 матч. / 0 геймов за 7 дней · отдых 402,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Martina Puvill: P(очко на подаче)
- 49,24%
- Lily Fairclough: P(очко на подаче)
- 58,64%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Martina Puvill: P(очко на подаче)
- 48,00%
- Lily Fairclough: P(очко на подаче)
- 58,62%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Martina Puvill: P(очко на подаче)
- 49,07%
- Lily Fairclough: P(очко на подаче)
- 59,15%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Martina Puvill: P(очко на подаче)
- 48,67%
- Lily Fairclough: P(очко на подаче)
- 58,80%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Katja Wiersholm — Montana Parkinson-Lubold
UTR Pro W. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Victor Castro — Constantinos Djakouris
UTR Pro M. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Victor Castro · 56,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Victor Castro70,3% · odds 9,90 | — | — | 10% |
| Взвешенный консенсус weighted-consensus-v1-f97c25f43d816a101def2176 | Victor Castro56,3% · odds 9,90 | не рассчитывает | не рассчитывает | 16%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Constantinos Djakouris60,8% · odds 1,02 | не рассчитывает | не рассчитывает | 5%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Constantinos Djakouris55,9% · odds 1,02 | не рассчитывает | не рассчитывает | 13%ограниченная |
| Monte Carlo monte-carlo-v2-context-20000 | Constantinos Djakouris55,0% · odds 1,02 | не рассчитывает | не рассчитывает | 13%ограниченная |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Victor Castro71,0% · odds 9,90 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Victor Castro72,3% · odds 9,90 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Victor Castro70,9% · odds 9,90 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Victor Castro70,4% · odds 9,90 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Victor Castro на подаче
- 60,51%
- Constantinos Djakouris на подаче
- 61,67%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:229,1%1:226,8%2:122,9%2:021,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–35
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,96% → 60,51%
- P2 serve до → после
- 61,67% → 61,67%
Усталость и переход покрытия
- Victor Castro
- 0 матч. / 0 геймов за 7 дней · отдых 129,0 дн. · переход да
- Constantinos Djakouris
- 0 матч. / 0 геймов за 7 дней · отдых 479,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Victor Castro: P(очко на подаче)
- 59,17%
- Constantinos Djakouris: P(очко на подаче)
- 54,97%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Victor Castro: P(очко на подаче)
- 60,29%
- Constantinos Djakouris: P(очко на подаче)
- 55,78%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Victor Castro: P(очко на подаче)
- 59,02%
- Constantinos Djakouris: P(очко на подаче)
- 54,85%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Victor Castro: P(очко на подаче)
- 59,49%
- Constantinos Djakouris: P(очко на подаче)
- 55,20%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Недостаточно point-level статистики; параметры подачи сильнее стянуты к среднему покрытия и EloПодающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Pavel Bushuev — Pablo Robledo
UTR Pro M. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Luca Ostovany — Siddharth Bharadwaj
UTR Pro M. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Julian Messina — Felix Corwin
UTR Pro M. Newport Beach. USA · Hard · начало 17.09.2026 04:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Felix Corwin · 71,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Felix Corwin87,8% · odds 1,01 | — | — | 25% |
| Взвешенный консенсус weighted-consensus-v1-f97c25f43d816a101def2176 | Felix Corwin71,1% · odds 1,01 | не рассчитывает | не рассчитывает | 57%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Felix Corwin63,1% · odds 1,01 | не рассчитывает | не рассчитывает | 5%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Felix Corwin65,9% · odds 1,01 | не рассчитывает | не рассчитывает | 74%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Felix Corwin65,2% · odds 1,01 | не рассчитывает | не рассчитывает | 74%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Felix Corwin94,9% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Felix Corwin91,5% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Felix Corwin95,0% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Felix Corwin93,0% · odds 1,01 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Julian Messina на подаче
- 57,70%
- Felix Corwin на подаче
- 60,85%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:236,9%1:229,0%2:118,7%2:015,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,15% → 57,70%
- P2 serve до → после
- 61,30% → 60,85%
Усталость и переход покрытия
- Julian Messina
- 0 матч. / 0 геймов за 7 дней · отдых 409,0 дн. · переход да
- Felix Corwin
- 0 матч. / 0 геймов за 7 дней · отдых 157,0 дн. · переход да
Serve/Return CatBoost → Markov
- Julian Messina: P(очко на подаче)
- 53,51%
- Felix Corwin: P(очко на подаче)
- 66,18%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Julian Messina: P(очко на подаче)
- 54,92%
- Felix Corwin: P(очко на подаче)
- 65,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Julian Messina: P(очко на подаче)
- 53,41%
- Felix Corwin: P(очко на подаче)
- 66,16%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Julian Messina: P(очко на подаче)
- 53,95%
- Felix Corwin: P(очко на подаче)
- 65,98%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Mukund Sasikumar — Tang Sheng
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Mukund Sasikumar · 70,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Mukund Sasikumar83,0% · odds 1,17 | Меньше 20,559,3% · ожид. 21,21 | Mukund Sasikumar -4,551,9% · ожид. +3.63994 | 50% |
| Взвешенный консенсус weighted-consensus-v1-63ad052851ea9bd55698e594 | Mukund Sasikumar70,8% · odds 1,17 | Больше 20,565,4% · ожид. 24,34 · odds 1,96 | Tang Sheng +4,563,8% · ожид. +2.49017 · odds 2,20 | 76%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Mukund Sasikumar67,2% · odds 1,17 | не рассчитывает | не рассчитывает | 94%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Mukund Sasikumar69,1% · odds 1,17 | Больше 20,570,1% · ожид. 24,98 · odds 1,96 | Tang Sheng +4,570,3% · ожид. +1.88415 · odds 2,20 | 88%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Mukund Sasikumar69,0% · odds 1,17 | Больше 20,569,7% · ожид. 24,96 · odds 1,96 | Tang Sheng +4,570,4% · ожид. +1.8783 · odds 2,20 | 88%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Mukund Sasikumar89,3% · odds 1,17 | Больше 20,552,4% · ожид. 22,50 · odds 1,96 | Mukund Sasikumar -4,555,7% · ожид. +4.34169 · odds 1,60 | 25%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Mukund Sasikumar90,4% · odds 1,17 | Больше 20,551,2% · ожид. 22,35 · odds 1,96 | Mukund Sasikumar -4,557,0% · ожид. +4.47072 · odds 1,60 | 25%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Mukund Sasikumar92,4% · odds 1,17 | Меньше 20,552,3% · ожид. 21,89 · odds 1,75 | Mukund Sasikumar -4,560,9% · ожид. +4.78183 · odds 1,60 | 25%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Mukund Sasikumar90,3% · odds 1,17 | Больше 20,550,2% · ожид. 22,24 · odds 1,96 | Mukund Sasikumar -4,558,4% · ожид. +4.52305 · odds 1,60 | 25%ограниченная |
Параметры point-level
- Mukund Sasikumar на подаче
- 65,18%
- Tang Sheng на подаче
- 61,21%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:039,7%2:129,4%1:217,2%0:213,7%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -5…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 65,18% → 65,18%
- P2 serve до → после
- 61,21% → 61,21%
Усталость и переход покрытия
- Mukund Sasikumar
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Tang Sheng
- 0 матч. / 0 геймов за 7 дней · отдых 150,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Mukund Sasikumar: P(очко на подаче)
- 66,78%
- Tang Sheng: P(очко на подаче)
- 57,01%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Mukund Sasikumar: P(очко на подаче)
- 67,55%
- Tang Sheng: P(очко на подаче)
- 57,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Mukund Sasikumar: P(очко на подаче)
- 68,04%
- Tang Sheng: P(очко на подаче)
- 56,72%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Mukund Sasikumar: P(очко на подаче)
- 67,46%
- Tang Sheng: P(очко на подаче)
- 56,98%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Leo Borg — Maxim Shin
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Leo Borg · 71,5%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Leo Borg83,4% · odds 1,16 | Меньше 19,557,2% · ожид. 20,50 | Maxim Shin +5,564,2% · ожид. +3.87274 | 50% |
| Взвешенный консенсус weighted-consensus-v1-63ad052851ea9bd55698e594 | Leo Borg71,5% · odds 1,16 | Больше 19,572,8% · ожид. 24,25 · odds 1,74 | Maxim Shin +5,576,7% · ожид. +2.20536 · odds 1,68 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Leo Borg72,4% · odds 1,16 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Leo Borg69,2% · odds 1,16 | Больше 19,573,6% · ожид. 24,36 · odds 1,74 | Maxim Shin +5,577,8% · ожид. +2.02736 · odds 1,68 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Leo Borg68,9% · odds 1,16 | Больше 19,573,5% · ожид. 24,37 · odds 1,74 | Maxim Shin +5,578,1% · ожид. +2 · odds 1,68 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Leo Borg77,6% · odds 1,16 | Больше 19,569,9% · ожид. 23,82 · odds 1,74 | Maxim Shin +5,571,8% · ожид. +2.95416 · odds 1,68 | 35%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Leo Borg73,2% · odds 1,16 | Больше 19,572,0% · ожид. 24,13 · odds 1,74 | Maxim Shin +5,575,0% · ожид. +2.4686 · odds 1,68 | 35%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Leo Borg74,7% · odds 1,16 | Больше 19,571,3% · ожид. 24,03 · odds 1,74 | Maxim Shin +5,574,0% · ожид. +2.63848 · odds 1,68 | 35%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Leo Borg74,9% · odds 1,16 | Больше 19,571,1% · ожид. 23,95 · odds 1,74 | Maxim Shin +5,573,4% · ожид. +2.65995 · odds 1,68 | 35%ограниченная |
Параметры point-level
- Leo Borg на подаче
- 61,64%
- Maxim Shin на подаче
- 57,78%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:039,8%2:129,4%1:217,2%0:213,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,09% → 61,64%
- P2 serve до → после
- 57,78% → 57,78%
Усталость и переход покрытия
- Leo Borg
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
- Maxim Shin
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Leo Borg: P(очко на подаче)
- 63,19%
- Maxim Shin: P(очко на подаче)
- 57,32%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Leo Borg: P(очко на подаче)
- 62,27%
- Maxim Shin: P(очко на подаче)
- 57,49%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Leo Borg: P(очко на подаче)
- 62,60%
- Maxim Shin: P(очко на подаче)
- 57,44%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Leo Borg: P(очко на подаче)
- 62,69%
- Maxim Shin: P(очко на подаче)
- 57,42%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Han Xirui — Chung Yunseong
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Chung Yunseong · 68,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Chung Yunseong68,4% · odds 1,11 | Больше 19,553,0% · ожид. 21,91 | Han Xirui +5,560,0% · ожид. -2.42554 | 30% |
| Взвешенный консенсус weighted-consensus-v1-63ad052851ea9bd55698e594 | Chung Yunseong68,2% · odds 1,11 | Больше 19,570,5% · ожид. 23,93 · odds 1,92 | Han Xirui +5,574,6% · ожид. -2.30378 · odds 1,94 | 40%ограниченная |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Chung Yunseong55,8% · odds 1,11 | не рассчитывает | не рассчитывает | 15%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Chung Yunseong64,1% · odds 1,11 | Больше 19,575,7% · ожид. 24,68 · odds 1,92 | Han Xirui +5,581,6% · ожид. -1.46571 · odds 1,94 | 50%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Chung Yunseong63,3% · odds 1,11 | Больше 19,575,0% · ожид. 24,57 · odds 1,92 | Han Xirui +5,581,5% · ожид. -1.3962 · odds 1,94 | 50%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Chung Yunseong85,7% · odds 1,11 | Больше 19,561,5% · ожид. 22,64 · odds 1,92 | Han Xirui +5,560,7% · ожид. -4.0656 · odds 1,94 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Chung Yunseong88,9% · odds 1,11 | Больше 19,558,6% · ожид. 22,23 · odds 1,92 | Han Xirui +5,557,4% · ожид. -4.46093 · odds 1,94 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Chung Yunseong87,9% · odds 1,11 | Больше 19,559,8% · ожид. 22,40 · odds 1,92 | Han Xirui +5,558,8% · ожид. -4.31938 · odds 1,94 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Chung Yunseong86,7% · odds 1,11 | Больше 19,559,3% · ожид. 22,33 · odds 1,92 | Han Xirui +5,558,4% · ожид. -4.2348 · odds 1,94 | 22%ограниченная |
Параметры point-level
- Han Xirui на подаче
- 58,80%
- Chung Yunseong на подаче
- 61,59%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:235,4%1:228,7%2:119,5%2:016,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 58,80% → 58,80%
- P2 serve до → после
- 61,59% → 61,59%
Усталость и переход покрытия
- Han Xirui
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Chung Yunseong
- 0 матч. / 0 геймов за 7 дней · отдых 150,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Han Xirui: P(очко на подаче)
- 54,75%
- Chung Yunseong: P(очко на подаче)
- 62,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Han Xirui: P(очко на подаче)
- 55,12%
- Chung Yunseong: P(очко на подаче)
- 64,58%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Han Xirui: P(очко на подаче)
- 55,13%
- Chung Yunseong: P(очко на подаче)
- 64,16%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Han Xirui: P(очко на подаче)
- 55,00%
- Chung Yunseong: P(очко на подаче)
- 63,89%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Han Seong Yong — Robin Catry
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 05:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Zheng Wushuang — Aruzhan Sagandikova
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 05:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Aruzhan Sagandikova · 55,0%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Zheng Wushuang52,5% · odds 1,25 | Меньше 19,554,6% · ожид. 21,01 | Aruzhan Sagandikova +4,572,8% · ожид. +0.253408 | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Aruzhan Sagandikova55,0% · odds 3,50 | Больше 19,571,1% · ожид. 23,98 · odds 1,85 | Aruzhan Sagandikova +4,581,6% · ожид. -0.902543 · odds 1,90 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Aruzhan Sagandikova51,5% · odds 3,50 | не рассчитывает | не рассчитывает | 97%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Aruzhan Sagandikova64,9% · odds 3,50 | Больше 19,571,9% · ожид. 24,08 · odds 1,85 | Aruzhan Sagandikova +4,586,7% · ожид. -1.65964 · odds 1,90 | 89%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Aruzhan Sagandikova64,0% · odds 3,50 | Больше 19,570,8% · ожид. 23,95 · odds 1,85 | Aruzhan Sagandikova +4,585,7% · ожид. -1.6065 · odds 1,90 | 89%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Zheng Wushuang74,2% · odds 1,25 | Больше 19,568,1% · ожид. 23,53 · odds 1,85 | Aruzhan Sagandikova +4,557,5% · ожид. +2.73892 · odds 1,90 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Zheng Wushuang62,7% · odds 1,25 | Больше 19,572,5% · ожид. 24,16 · odds 1,85 | Aruzhan Sagandikova +4,568,2% · ожид. +1.41404 · odds 1,90 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Zheng Wushuang66,8% · odds 1,25 | Больше 19,571,3% · ожид. 24,00 · odds 1,85 | Aruzhan Sagandikova +4,564,8% · ожид. +1.8696 · odds 1,90 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Zheng Wushuang66,3% · odds 1,25 | Больше 19,569,4% · ожид. 23,78 · odds 1,85 | Aruzhan Sagandikova +4,562,9% · ожид. +1.9255 · odds 1,90 | 22%ограниченная |
Параметры point-level
- Zheng Wushuang на подаче
- 54,08%
- Aruzhan Sagandikova на подаче
- 56,97%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:236,1%1:228,8%2:119,1%2:015,9%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 53,25% → 54,08%
- P2 serve до → после
- 56,14% → 56,97%
Усталость и переход покрытия
- Zheng Wushuang
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Aruzhan Sagandikova
- 0 матч. / 0 геймов за 7 дней · отдых 619,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Zheng Wushuang: P(очко на подаче)
- 57,87%
- Aruzhan Sagandikova: P(очко на подаче)
- 52,99%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Zheng Wushuang: P(очко на подаче)
- 56,59%
- Aruzhan Sagandikova: P(очко на подаче)
- 54,15%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Zheng Wushuang: P(очко на подаче)
- 57,16%
- Aruzhan Sagandikova: P(очко на подаче)
- 53,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Zheng Wushuang: P(очко на подаче)
- 57,20%
- Aruzhan Sagandikova: P(очко на подаче)
- 53,68%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Wang Jiayi — Zhang Ruien
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 05:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Wang Jiayi · 76,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Wang Jiayi74,4% · odds 1,57 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Wang Jiayi76,1% · odds 1,57 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Wang Jiayi67,8% · odds 1,57 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Wang Jiayi84,4% · odds 1,57 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Wang Jiayi84,5% · odds 1,57 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Wang Jiayi77,9% · odds 1,57 | не рассчитывает | не рассчитывает | 30%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Wang Jiayi79,1% · odds 1,57 | не рассчитывает | не рассчитывает | 30%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Wang Jiayi78,8% · odds 1,57 | не рассчитывает | не рассчитывает | 30%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Wang Jiayi78,5% · odds 1,57 | не рассчитывает | не рассчитывает | 30%ограниченная |
Параметры point-level
- Wang Jiayi на подаче
- 59,65%
- Zhang Ruien на подаче
- 52,01%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:056,3%2:128,1%1:29,3%0:26,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -4…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 58,83% → 59,65%
- P2 serve до → после
- 51,63% → 52,01%
Усталость и переход покрытия
- Wang Jiayi
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Zhang Ruien
- 0 матч. / 0 геймов за 7 дней · отдых 164,0 дн. · переход да
Serve/Return CatBoost → Markov
- Wang Jiayi: P(очко на подаче)
- 58,29%
- Zhang Ruien: P(очко на подаче)
- 52,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Wang Jiayi: P(очко на подаче)
- 58,89%
- Zhang Ruien: P(очко на подаче)
- 52,78%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Wang Jiayi: P(очко на подаче)
- 58,07%
- Zhang Ruien: P(очко на подаче)
- 52,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Wang Jiayi: P(очко на подаче)
- 58,42%
- Zhang Ruien: P(очко на подаче)
- 52,45%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Priska Madelyn Nugroho — Ren Yufei
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 05:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Ren Yufei · 61,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Ren Yufei66,5% · odds 1,80 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Ren Yufei61,8% · odds 1,80 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Ren Yufei63,0% · odds 1,80 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Ren Yufei60,7% · odds 1,80 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Ren Yufei59,5% · odds 1,80 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Ren Yufei60,1% · odds 1,80 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Ren Yufei61,9% · odds 1,80 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Ren Yufei65,9% · odds 1,80 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Ren Yufei62,3% · odds 1,80 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Priska Madelyn Nugroho на подаче
- 53,47%
- Ren Yufei на подаче
- 55,51%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:232,7%1:228,0%2:121,0%2:018,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 52,65% → 53,47%
- P2 serve до → после
- 54,69% → 55,51%
Усталость и переход покрытия
- Priska Madelyn Nugroho
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Ren Yufei
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Priska Madelyn Nugroho: P(очко на подаче)
- 53,28%
- Ren Yufei: P(очко на подаче)
- 55,20%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Priska Madelyn Nugroho: P(очко на подаче)
- 53,75%
- Ren Yufei: P(очко на подаче)
- 56,01%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Priska Madelyn Nugroho: P(очко на подаче)
- 53,13%
- Ren Yufei: P(очко на подаче)
- 56,21%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Priska Madelyn Nugroho: P(очко на подаче)
- 53,39%
- Ren Yufei: P(очко на подаче)
- 55,81%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Han Shi — Huang Yujia
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 05:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Han Shi · 54,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Han Shi67,6% · odds 1,26 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Han Shi54,3% · odds 1,26 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Han Shi55,8% · odds 1,26 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Huang Yujia53,3% · odds 3,50 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Huang Yujia53,1% · odds 3,50 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Han Shi68,6% · odds 1,26 | не рассчитывает | не рассчитывает | 36%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Han Shi69,5% · odds 1,26 | не рассчитывает | не рассчитывает | 36%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Han Shi67,8% · odds 1,26 | не рассчитывает | не рассчитывает | 36%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Han Shi68,3% · odds 1,26 | не рассчитывает | не рассчитывает | 36%ограниченная |
Параметры point-level
- Han Shi на подаче
- 54,97%
- Huang Yujia на подаче
- 55,60%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:227,3%1:226,1%2:123,8%2:022,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 54,15% → 54,97%
- P2 serve до → после
- 54,77% → 55,60%
Усталость и переход покрытия
- Han Shi
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Huang Yujia
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Han Shi: P(очко на подаче)
- 57,71%
- Huang Yujia: P(очко на подаче)
- 54,06%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Han Shi: P(очко на подаче)
- 58,46%
- Huang Yujia: P(очко на подаче)
- 54,60%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Han Shi: P(очко на подаче)
- 58,35%
- Huang Yujia: P(очко на подаче)
- 54,85%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Han Shi: P(очко на подаче)
- 58,17%
- Huang Yujia: P(очко на подаче)
- 54,50%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Sayaka Ishii — Amelia Rajecki
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 05:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Amelia Rajecki · 63,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Amelia Rajecki61,3% · odds 1,70 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-9418c5ffcb7788fdae945195 | Amelia Rajecki63,1% · odds 1,70 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Amelia Rajecki60,4% · odds 1,70 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Amelia Rajecki62,3% · odds 1,70 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Amelia Rajecki62,5% · odds 1,70 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Amelia Rajecki72,2% · odds 1,70 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Amelia Rajecki69,9% · odds 1,70 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Amelia Rajecki72,5% · odds 1,70 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Amelia Rajecki71,4% · odds 1,70 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Sayaka Ishii на подаче
- 58,36%
- Amelia Rajecki на подаче
- 60,79%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:234,0%1:228,3%2:120,3%2:017,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 57,99% → 58,36%
- P2 serve до → после
- 60,41% → 60,79%
Усталость и переход покрытия
- Sayaka Ishii
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
- Amelia Rajecki
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
Serve/Return CatBoost → Markov
- Sayaka Ishii: P(очко на подаче)
- 56,28%
- Amelia Rajecki: P(очко на подаче)
- 60,79%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Sayaka Ishii: P(очко на подаче)
- 56,52%
- Amelia Rajecki: P(очко на подаче)
- 60,50%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Sayaka Ishii: P(очко на подаче)
- 56,19%
- Amelia Rajecki: P(очко на подаче)
- 60,76%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Sayaka Ishii: P(очко на подаче)
- 56,33%
- Amelia Rajecki: P(очко на подаче)
- 60,68%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Natsuki Yoshimoto — Tiana Tian Deng
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 05:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Natsuki Yoshimoto · 69,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Natsuki Yoshimoto71,3% · odds 1,44 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-9418c5ffcb7788fdae945195 | Natsuki Yoshimoto69,8% · odds 1,44 | не рассчитывает | не рассчитывает | 75%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Natsuki Yoshimoto64,1% · odds 1,44 | не рассчитывает | не рассчитывает | 82%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Natsuki Yoshimoto73,6% · odds 1,44 | не рассчитывает | не рассчитывает | 85%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Natsuki Yoshimoto73,2% · odds 1,44 | не рассчитывает | не рассчитывает | 85%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Natsuki Yoshimoto72,8% · odds 1,44 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Natsuki Yoshimoto75,2% · odds 1,44 | не рассчитывает | не рассчитывает | 29%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Natsuki Yoshimoto78,4% · odds 1,44 | не рассчитывает | не рассчитывает | 28%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Natsuki Yoshimoto74,6% · odds 1,44 | не рассчитывает | не рассчитывает | 28%ограниченная |
Параметры point-level
- Natsuki Yoshimoto на подаче
- 55,50%
- Tiana Tian Deng на подаче
- 50,78%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:044,0%2:129,6%1:215,0%0:211,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -6…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 54,68% → 55,50%
- P2 serve до → после
- 49,96% → 50,78%
Усталость и переход покрытия
- Natsuki Yoshimoto
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
- Tiana Tian Deng
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Natsuki Yoshimoto: P(очко на подаче)
- 56,00%
- Tiana Tian Deng: P(очко на подаче)
- 51,46%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Natsuki Yoshimoto: P(очко на подаче)
- 56,98%
- Tiana Tian Deng: P(очко на подаче)
- 51,89%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Natsuki Yoshimoto: P(очко на подаче)
- 56,83%
- Tiana Tian Deng: P(очко на подаче)
- 50,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Natsuki Yoshimoto: P(очко на подаче)
- 56,61%
- Tiana Tian Deng: P(очко на подаче)
- 51,43%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Hina Inoue — Rinko Matsuda
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 05:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Rinko Matsuda · 52,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Hina Inoue56,3% · odds 1,48 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-9418c5ffcb7788fdae945195 | Rinko Matsuda52,7% · odds 2,46 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Rinko Matsuda58,0% · odds 2,46 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Rinko Matsuda57,2% · odds 2,46 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Rinko Matsuda57,3% · odds 2,46 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Hina Inoue69,6% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Hina Inoue71,3% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Hina Inoue73,0% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Hina Inoue71,7% · odds 1,48 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Hina Inoue на подаче
- 55,52%
- Rinko Matsuda на подаче
- 56,89%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:230,1%1:227,2%2:122,4%2:020,4%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 54,70% → 55,52%
- P2 serve до → после
- 56,07% → 56,89%
Усталость и переход покрытия
- Hina Inoue
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Rinko Matsuda
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Hina Inoue: P(очко на подаче)
- 58,80%
- Rinko Matsuda: P(очко на подаче)
- 54,91%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Hina Inoue: P(очко на подаче)
- 58,99%
- Rinko Matsuda: P(очко на подаче)
- 54,74%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Hina Inoue: P(очко на подаче)
- 58,96%
- Rinko Matsuda: P(очко на подаче)
- 54,31%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Hina Inoue: P(очко на подаче)
- 58,92%
- Rinko Matsuda: P(очко на подаче)
- 54,65%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Rodrigo Pacheco Mendez — Philip Sekulic
ATP Challenger. Phan Thiet-2. Vietnam · Hard · начало 17.09.2026 06:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Philip Sekulic · 53,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Rodrigo Pacheco Mendez57,4% · odds 1,28 | Больше 21,553,0% · ожид. 23,33 | Philip Sekulic +4,568,3% · ожид. +1.62794 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ce0691a60f1a6387b5329ba0 | Philip Sekulic53,8% · odds 3,30 | Больше 21,567,2% · ожид. 25,25 · odds 1,92 | Philip Sekulic +4,582,4% · ожид. -0.096619 · odds 1,75 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Philip Sekulic57,1% · odds 3,30 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Philip Sekulic55,7% · odds 3,30 | Больше 21,567,3% · ожид. 25,25 · odds 1,92 | Philip Sekulic +4,585,2% · ожид. -0.564672 · odds 1,75 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Philip Sekulic55,7% · odds 3,30 | Больше 21,567,2% · ожид. 25,25 · odds 1,92 | Philip Sekulic +4,584,7% · ожид. -0.5336 · odds 1,75 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Rodrigo Pacheco Mendez58,7% · odds 1,28 | Больше 21,567,4% · ожид. 25,28 · odds 1,92 | Philip Sekulic +4,577,3% · ожид. +0.852468 · odds 1,75 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Rodrigo Pacheco Mendez57,3% · odds 1,28 | Больше 21,567,7% · ожид. 25,33 · odds 1,92 | Philip Sekulic +4,578,2% · ожид. +0.714718 · odds 1,75 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Rodrigo Pacheco Mendez61,5% · odds 1,28 | Больше 21,567,0% · ожид. 25,24 · odds 1,92 | Philip Sekulic +4,575,5% · ожид. +1.13259 · odds 1,75 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Rodrigo Pacheco Mendez59,2% · odds 1,28 | Больше 21,566,8% · ожид. 25,18 · odds 1,92 | Philip Sekulic +4,576,4% · ожид. +0.90915 · odds 1,75 | 39%ограниченная |
Параметры point-level
- Rodrigo Pacheco Mendez на подаче
- 61,57%
- Philip Sekulic на подаче
- 62,70%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:228,9%1:226,7%2:123,0%2:021,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,57% → 61,57%
- P2 serve до → после
- 62,70% → 62,70%
Усталость и переход покрытия
- Rodrigo Pacheco Mendez
- 0 матч. / 0 геймов за 7 дней · отдых 150,0 дн. · переход нет
- Philip Sekulic
- 0 матч. / 0 геймов за 7 дней · отдых 129,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Rodrigo Pacheco Mendez: P(очко на подаче)
- 63,46%
- Philip Sekulic: P(очко на подаче)
- 61,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Rodrigo Pacheco Mendez: P(очко на подаче)
- 63,39%
- Philip Sekulic: P(очко на подаче)
- 61,94%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Rodrigo Pacheco Mendez: P(очко на подаче)
- 63,93%
- Philip Sekulic: P(очко на подаче)
- 61,61%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Rodrigo Pacheco Mendez: P(очко на подаче)
- 63,59%
- Philip Sekulic: P(очко на подаче)
- 61,76%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Matthew Dellavedova — Hunter Heck
ATP Challenger. Phan Thiet-2. Vietnam · Hard · начало 17.09.2026 06:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Matthew Dellavedova · 57,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Matthew Dellavedova75,4% · odds 1,37 | Меньше 21,561,9% · ожид. 21,25 | Matthew Dellavedova -3,551,9% · ожид. +3.42192 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ce0691a60f1a6387b5329ba0 | Matthew Dellavedova57,4% · odds 1,37 | Больше 21,562,9% · ожид. 24,51 · odds 1,93 | Hunter Heck +3,566,9% · ожид. +0.339534 · odds 2,02 | 71%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Matthew Dellavedova63,5% · odds 1,37 | не рассчитывает | не рассчитывает | 80%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Hunter Heck52,8% · odds 2,85 | Больше 21,563,8% · ожид. 24,62 · odds 1,93 | Hunter Heck +3,572,2% · ожид. -0.304408 · odds 2,02 | 84%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Hunter Heck52,5% · odds 2,85 | Больше 21,563,1% · ожид. 24,51 · odds 1,93 | Hunter Heck +3,571,7% · ожид. -0.27715 · odds 2,02 | 84%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Matthew Dellavedova72,2% · odds 1,37 | Больше 21,560,1% · ожид. 24,22 · odds 1,93 | Hunter Heck +3,550,1% · ожид. +2.35051 · odds 2,02 | 30%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Matthew Dellavedova66,8% · odds 1,37 | Больше 21,562,3% · ожид. 24,49 · odds 1,93 | Hunter Heck +3,555,7% · ожид. +1.76643 · odds 2,02 | 30%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Matthew Dellavedova68,5% · odds 1,37 | Больше 21,561,6% · ожид. 24,39 · odds 1,93 | Hunter Heck +3,553,8% · ожид. +1.9578 · odds 2,02 | 30%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Matthew Dellavedova69,0% · odds 1,37 | Больше 21,561,5% · ожид. 24,38 · odds 1,93 | Hunter Heck +3,553,3% · ожид. +2.01055 · odds 2,02 | 30%ограниченная |
Параметры point-level
- Matthew Dellavedova на подаче
- 57,56%
- Hunter Heck на подаче
- 58,10%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,9%1:225,9%2:124,0%2:023,1%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 57,56% → 57,56%
- P2 serve до → после
- 58,10% → 58,10%
Усталость и переход покрытия
- Matthew Dellavedova
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Hunter Heck
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Matthew Dellavedova: P(очко на подаче)
- 62,26%
- Hunter Heck: P(очко на подаче)
- 57,71%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Matthew Dellavedova: P(очко на подаче)
- 61,39%
- Hunter Heck: P(очко на подаче)
- 58,04%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Matthew Dellavedova: P(очко на подаче)
- 61,51%
- Hunter Heck: P(очко на подаче)
- 57,79%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Matthew Dellavedova: P(очко на подаче)
- 61,72%
- Hunter Heck: P(очко на подаче)
- 57,85%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Moise Kouame — Filip Peliwo
ATP Challenger. Phan Thiet-2. Vietnam · Hard · начало 17.09.2026 06:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Moise Kouame · 66,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Moise Kouame82,0% · odds 1,05 | Больше 18,553,0% · ожид. 20,98 | Filip Peliwo +6,566,1% · ожид. +3.84924 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ce0691a60f1a6387b5329ba0 | Moise Kouame66,7% · odds 1,05 | Больше 18,581,3% · ожид. 24,40 · odds 1,80 | Filip Peliwo +6,588,8% · ожид. +1.40248 · odds 1,67 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Moise Kouame71,5% · odds 1,05 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Moise Kouame59,5% · odds 1,05 | Больше 18,582,2% · ожид. 24,56 · odds 1,80 | Filip Peliwo +6,590,1% · ожид. +1.00951 · odds 1,67 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Moise Kouame59,3% · odds 1,05 | Больше 18,581,8% · ожид. 24,52 · odds 1,80 | Filip Peliwo +6,590,1% · ожид. +0.99625 · odds 1,67 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Moise Kouame72,6% · odds 1,05 | Больше 18,579,4% · ожид. 24,07 · odds 1,80 | Filip Peliwo +6,585,2% · ожид. +2.42998 · odds 1,67 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Moise Kouame68,9% · odds 1,05 | Больше 18,580,6% · ожид. 24,29 · odds 1,80 | Filip Peliwo +6,586,9% · ожид. +2.01516 · odds 1,67 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Moise Kouame72,2% · odds 1,05 | Больше 18,579,3% · ожид. 24,07 · odds 1,80 | Filip Peliwo +6,585,2% · ожид. +2.38879 · odds 1,67 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Moise Kouame71,1% · odds 1,05 | Больше 18,579,4% · ожид. 24,01 · odds 1,80 | Filip Peliwo +6,585,5% · ожид. +2.29985 · odds 1,67 | 39%ограниченная |
Параметры point-level
- Moise Kouame на подаче
- 59,18%
- Filip Peliwo на подаче
- 57,35%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:031,7%2:127,7%1:221,5%0:219,1%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,63% → 59,18%
- P2 serve до → после
- 57,35% → 57,35%
Усталость и переход покрытия
- Moise Kouame
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход да
- Filip Peliwo
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Moise Kouame: P(очко на подаче)
- 61,56%
- Filip Peliwo: P(очко на подаче)
- 56,93%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Moise Kouame: P(очко на подаче)
- 60,97%
- Filip Peliwo: P(очко на подаче)
- 57,19%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Moise Kouame: P(очко на подаче)
- 61,26%
- Filip Peliwo: P(очко на подаче)
- 56,75%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Moise Kouame: P(очко на подаче)
- 61,26%
- Filip Peliwo: P(очко на подаче)
- 56,96%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Martin Borisiouk — Florent Bax
ATP Challenger. Phan Thiet-2. Vietnam · Hard · начало 17.09.2026 06:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Florent Bax · 60,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Florent Bax75,2% · odds 1,69 | Меньше 23,561,2% · ожид. 22,98 | Florent Bax -1,568,3% · ожид. -3.04695 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ce0691a60f1a6387b5329ba0 | Florent Bax60,2% · odds 1,69 | Больше 23,551,7% · ожид. 25,10 · odds 1,96 | Florent Bax -1,552,5% · ожид. -0.926463 · odds 1,88 | 69%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Florent Bax61,8% · odds 1,69 | не рассчитывает | не рассчитывает | 74%средняя |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Florent Bax51,8% · odds 1,69 | Больше 23,554,4% · ожид. 25,45 · odds 1,96 | Martin Borisiouk +1,555,6% · ожид. -0.172483 · odds 1,82 | 83%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Florent Bax51,5% · odds 1,69 | Больше 23,554,4% · ожид. 25,38 · odds 1,96 | Martin Borisiouk +1,555,5% · ожид. -0.176 · odds 1,82 | 83%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Florent Bax83,7% · odds 1,69 | Меньше 23,557,7% · ожид. 23,89 · odds 1,75 | Florent Bax -1,578,7% · ожид. -3.39805 · odds 1,88 | 27%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Florent Bax79,9% · odds 1,69 | Меньше 23,554,1% · ожид. 24,50 · odds 1,75 | Florent Bax -1,574,1% · ожид. -2.90982 · odds 1,88 | 27%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Florent Bax82,3% · odds 1,69 | Меньше 23,556,3% · ожид. 24,16 · odds 1,75 | Florent Bax -1,577,0% · ожид. -3.20498 · odds 1,88 | 27%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Florent Bax81,8% · odds 1,69 | Меньше 23,556,8% · ожид. 24,10 · odds 1,75 | Florent Bax -1,576,7% · ожид. -3.1741 · odds 1,88 | 27%ограниченная |
Параметры point-level
- Martin Borisiouk на подаче
- 62,77%
- Florent Bax на подаче
- 63,12%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:226,2%1:225,6%2:124,4%2:023,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–35
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 62,77% → 62,77%
- P2 serve до → после
- 63,57% → 63,12%
Усталость и переход покрытия
- Martin Borisiouk
- 0 матч. / 0 геймов за 7 дней · отдых 311,0 дн. · переход нет
- Florent Bax
- 0 матч. / 0 геймов за 7 дней · отдых 136,0 дн. · переход да
Serve/Return CatBoost → Markov
- Martin Borisiouk: P(очко на подаче)
- 60,37%
- Florent Bax: P(очко на подаче)
- 68,28%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Martin Borisiouk: P(очко на подаче)
- 61,56%
- Florent Bax: P(очко на подаче)
- 68,35%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Martin Borisiouk: P(очко на подаче)
- 60,95%
- Florent Bax: P(очко на подаче)
- 68,45%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Martin Borisiouk: P(очко на подаче)
- 60,96%
- Florent Bax: P(очко на подаче)
- 68,36%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Cruz Hewitt — Constantin Bittoun Kouzmine
ATP Challenger. Phan Thiet-2. Vietnam · Hard · начало 17.09.2026 06:05 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Constantin Bittoun Kouzmine · 54,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Cruz Hewitt59,0% · odds 1,25 | Больше 20,554,0% · ожид. 22,76 | Constantin Bittoun Kouzmine +4,566,1% · ожид. +1.59807 | 50% |
| Взвешенный консенсус weighted-consensus-v1-ce0691a60f1a6387b5329ba0 | Constantin Bittoun Kouzmine54,1% · odds 3,50 | Больше 20,569,5% · ожид. 24,79 · odds 1,75 | Constantin Bittoun Kouzmine +4,584,5% · ожид. -0.804199 · odds 1,80 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Cruz Hewitt50,6% · odds 1,25 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Constantin Bittoun Kouzmine61,2% · odds 3,50 | Больше 20,569,6% · ожид. 24,81 · odds 1,75 | Constantin Bittoun Kouzmine +4,586,8% · ожид. -1.16161 · odds 1,80 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Constantin Bittoun Kouzmine61,0% · odds 3,50 | Больше 20,569,0% · ожид. 24,72 · odds 1,75 | Constantin Bittoun Kouzmine +4,586,3% · ожид. -1.1673 · odds 1,80 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Constantin Bittoun Kouzmine53,5% · odds 3,50 | Больше 20,570,1% · ожид. 24,87 · odds 1,75 | Constantin Bittoun Kouzmine +4,582,3% · ожид. -0.368366 · odds 1,80 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Cruz Hewitt50,8% · odds 1,25 | Больше 20,569,7% · ожид. 24,79 · odds 1,75 | Constantin Bittoun Kouzmine +4,579,2% · ожид. +0.0875467 · odds 1,80 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Cruz Hewitt52,2% · odds 1,25 | Больше 20,570,2% · ожид. 24,87 · odds 1,75 | Constantin Bittoun Kouzmine +4,578,8% · ожид. +0.224659 · odds 1,80 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Cruz Hewitt50,2% · odds 1,25 | Больше 20,569,7% · ожид. 24,83 · odds 1,75 | Constantin Bittoun Kouzmine +4,579,9% · ожид. +0.01525 · odds 1,80 | 39%ограниченная |
Параметры point-level
- Cruz Hewitt на подаче
- 59,26%
- Constantin Bittoun Kouzmine на подаче
- 61,48%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:233,1%1:228,1%2:120,7%2:018,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 17–34
- 90% диапазон разницы П1
- -7…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 59,71% → 59,26%
- P2 serve до → после
- 61,48% → 61,48%
Усталость и переход покрытия
- Cruz Hewitt
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
- Constantin Bittoun Kouzmine
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Cruz Hewitt: P(очко на подаче)
- 59,40%
- Constantin Bittoun Kouzmine: P(очко на подаче)
- 60,09%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Cruz Hewitt: P(очко на подаче)
- 59,14%
- Constantin Bittoun Kouzmine: P(очко на подаче)
- 58,98%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Cruz Hewitt: P(очко на подаче)
- 59,89%
- Constantin Bittoun Kouzmine: P(очко на подаче)
- 59,47%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Cruz Hewitt: P(очко на подаче)
- 59,48%
- Constantin Bittoun Kouzmine: P(очко на подаче)
- 59,51%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Wang Kai-I — Nino Ehrenschneider
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Nino Ehrenschneider · 76,4%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Nino Ehrenschneider81,4% · odds 1,14 | Меньше 19,556,0% · ожид. 20,79 | Nino Ehrenschneider -5,557,7% · ожид. -4.00483 | 50% |
| Взвешенный консенсус weighted-consensus-v1-63ad052851ea9bd55698e594 | Nino Ehrenschneider76,4% · odds 1,14 | Больше 19,566,5% · ожид. 23,34 · odds 1,87 | Wang Kai-I +5,568,0% · ожид. -3.20606 · odds 1,78 | 63%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Nino Ehrenschneider71,3% · odds 1,14 | не рассчитывает | не рассчитывает | 43%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Nino Ehrenschneider75,4% · odds 1,14 | Больше 19,570,2% · ожид. 23,86 · odds 1,87 | Wang Kai-I +5,572,4% · ожид. -2.74763 · odds 1,78 | 78%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Nino Ehrenschneider74,8% · odds 1,14 | Больше 19,569,5% · ожид. 23,74 · odds 1,87 | Wang Kai-I +5,571,9% · ожид. -2.7377 · odds 1,78 | 78%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Nino Ehrenschneider91,2% · odds 1,14 | Больше 19,555,4% · ожид. 21,82 · odds 1,87 | Wang Kai-I +5,554,0% · ожид. -4.7903 · odds 1,78 | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Nino Ehrenschneider91,1% · odds 1,14 | Больше 19,554,9% · ожид. 21,75 · odds 1,87 | Wang Kai-I +5,553,1% · ожид. -4.82211 · odds 1,78 | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Nino Ehrenschneider91,3% · odds 1,14 | Больше 19,554,5% · ожид. 21,70 · odds 1,87 | Wang Kai-I +5,552,8% · ожид. -4.85781 · odds 1,78 | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Nino Ehrenschneider90,8% · odds 1,14 | Больше 19,554,6% · ожид. 21,73 · odds 1,87 | Wang Kai-I +5,553,3% · ожид. -4.7963 · odds 1,78 | 22%ограниченная |
Параметры point-level
- Wang Kai-I на подаче
- 56,60%
- Nino Ehrenschneider на подаче
- 61,89%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:245,8%1:229,6%2:114,2%2:010,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…5
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 56,60% → 56,60%
- P2 serve до → после
- 62,34% → 61,89%
Усталость и переход покрытия
- Wang Kai-I
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
- Nino Ehrenschneider
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход да
Serve/Return CatBoost → Markov
- Wang Kai-I: P(очко на подаче)
- 55,04%
- Nino Ehrenschneider: P(очко на подаче)
- 65,58%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Wang Kai-I: P(очко на подаче)
- 54,43%
- Nino Ehrenschneider: P(очко на подаче)
- 64,84%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Wang Kai-I: P(очко на подаче)
- 54,44%
- Nino Ehrenschneider: P(очко на подаче)
- 64,98%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Wang Kai-I: P(очко на подаче)
- 54,63%
- Nino Ehrenschneider: P(очко на подаче)
- 65,13%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Nikolai Barsukov — Yue Xia
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Nikolai Barsukov · 75,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Nikolai Barsukov83,4% · odds 1,09 | — | — | 40% |
| Взвешенный консенсус weighted-consensus-v1-63ad052851ea9bd55698e594 | Nikolai Barsukov75,3% · odds 1,09 | не рассчитывает | не рассчитывает | 55%средняя |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Nikolai Barsukov66,6% · odds 1,09 | не рассчитывает | не рассчитывает | 20%ограниченная |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Nikolai Barsukov72,3% · odds 1,09 | не рассчитывает | не рассчитывает | 75%средняя |
| Monte Carlo monte-carlo-v2-context-20000 | Nikolai Barsukov72,0% · odds 1,09 | не рассчитывает | не рассчитывает | 75%средняя |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Nikolai Barsukov95,2% · odds 1,09 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Nikolai Barsukov93,3% · odds 1,09 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Nikolai Barsukov94,6% · odds 1,09 | не рассчитывает | не рассчитывает | 22%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Nikolai Barsukov93,7% · odds 1,09 | не рассчитывает | не рассчитывает | 22%ограниченная |
Параметры point-level
- Nikolai Barsukov на подаче
- 59,84%
- Yue Xia на подаче
- 55,33%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:042,7%2:129,6%1:215,7%0:212,0%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 60,29% → 59,84%
- P2 serve до → после
- 55,33% → 55,33%
Усталость и переход покрытия
- Nikolai Barsukov
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход да
- Yue Xia
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Nikolai Barsukov: P(очко на подаче)
- 62,77%
- Yue Xia: P(очко на подаче)
- 50,12%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Nikolai Barsukov: P(очко на подаче)
- 62,59%
- Yue Xia: P(очко на подаче)
- 51,17%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Nikolai Barsukov: P(очко на подаче)
- 62,12%
- Yue Xia: P(очко на подаче)
- 49,97%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Nikolai Barsukov: P(очко на подаче)
- 62,49%
- Yue Xia: P(очко на подаче)
- 50,42%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Dong Zhenxiong — Chaze Ferguson
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
ResearchОжидается расчёт
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | — | — | — | — |
| Взвешенный консенсус нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Surface Dynamic Elo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Exact O’Malley Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return CatBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return XGBoost → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return LightGBM → Markov нет расчёта | — | не рассчитывает | не рассчитывает | — |
| Serve/Return Ensemble → Monte Carlo нет расчёта | — | не рассчитывает | не рассчитывает | — |
Alibek Kachmazov — Sun Qian
World Tennis M25. Guiyang. China · Hard · начало 17.09.2026 06:35 MSK
indoor/outdoor неизвестно
высота неизвестна
CPI 40,0
confidence 30%
Консенсус Research
Alibek Kachmazov · 69,3%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alibek Kachmazov77,8% · odds 1,22 | Меньше 21,559,9% · ожид. 21,60 | Alibek Kachmazov -4,559,6% · ожид. +4.37781 | 50% |
| Взвешенный консенсус weighted-consensus-v1-63ad052851ea9bd55698e594 | Alibek Kachmazov69,3% · odds 1,22 | Больше 21,560,1% · ожид. 24,22 · odds 1,95 | Sun Qian +4,565,0% · ожид. +2.07484 · odds 1,92 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alibek Kachmazov69,3% · odds 1,22 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alibek Kachmazov63,7% · odds 1,22 | Больше 21,563,8% · ожид. 24,71 · odds 1,95 | Sun Qian +4,571,1% · ожид. +1.41858 · odds 1,92 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Alibek Kachmazov63,1% · odds 1,22 | Больше 21,562,9% · ожид. 24,58 · odds 1,95 | Sun Qian +4,570,6% · ожид. +1.3733 · odds 1,92 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Alibek Kachmazov82,3% · odds 1,22 | Больше 21,553,8% · ожид. 23,41 · odds 1,95 | Sun Qian +4,553,2% · ожид. +3.48785 · odds 1,92 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Alibek Kachmazov82,5% · odds 1,22 | Больше 21,553,5% · ожид. 23,36 · odds 1,95 | Sun Qian +4,552,7% · ожид. +3.52071 · odds 1,92 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Alibek Kachmazov84,3% · odds 1,22 | Больше 21,551,8% · ожид. 23,14 · odds 1,95 | Sun Qian +4,550,4% · ожид. +3.74321 · odds 1,92 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Alibek Kachmazov82,5% · odds 1,22 | Больше 21,553,3% · ожид. 23,34 · odds 1,95 | Sun Qian +4,552,0% · ожид. +3.54205 · odds 1,92 | 39%ограниченная |
Параметры point-level
- Alibek Kachmazov на подаче
- 61,60%
- Sun Qian на подаче
- 58,89%
- Среднее покрытия
- 61,54%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:035,1%2:128,6%1:219,7%0:216,6%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -6…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.000
- Высота
- +0.000
- Indoor
- +0.000
- P1 serve до → после
- 61,60% → 61,60%
- P2 serve до → после
- 58,89% → 58,89%
Усталость и переход покрытия
- Alibek Kachmazov
- 0 матч. / 0 геймов за 7 дней · отдых 150,0 дн. · переход нет
- Sun Qian
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Alibek Kachmazov: P(очко на подаче)
- 64,47%
- Sun Qian: P(очко на подаче)
- 57,25%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alibek Kachmazov: P(очко на подаче)
- 64,34%
- Sun Qian: P(очко на подаче)
- 57,07%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alibek Kachmazov: P(очко на подаче)
- 64,72%
- Sun Qian: P(очко на подаче)
- 56,88%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alibek Kachmazov: P(очко на подаче)
- 64,51%
- Sun Qian: P(очко на подаче)
- 57,07%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Zhang Junhan — Daria Khomutsianskaya
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 06:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Daria Khomutsianskaya · 79,2%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Daria Khomutsianskaya80,8% · odds 1,29 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Daria Khomutsianskaya79,2% · odds 1,29 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Daria Khomutsianskaya74,2% · odds 1,29 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Daria Khomutsianskaya81,5% · odds 1,29 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Daria Khomutsianskaya81,4% · odds 1,29 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Daria Khomutsianskaya90,2% · odds 1,29 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Daria Khomutsianskaya84,1% · odds 1,29 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Daria Khomutsianskaya87,0% · odds 1,29 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Daria Khomutsianskaya86,7% · odds 1,29 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Zhang Junhan на подаче
- 53,21%
- Daria Khomutsianskaya на подаче
- 60,01%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:252,6%1:228,9%2:110,9%2:07,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -9…5
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 52,39% → 53,21%
- P2 serve до → после
- 59,19% → 60,01%
Усталость и переход покрытия
- Zhang Junhan
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
- Daria Khomutsianskaya
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Zhang Junhan: P(очко на подаче)
- 51,55%
- Daria Khomutsianskaya: P(очко на подаче)
- 61,34%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Zhang Junhan: P(очко на подаче)
- 53,54%
- Daria Khomutsianskaya: P(очко на подаче)
- 61,14%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Zhang Junhan: P(очко на подаче)
- 52,88%
- Daria Khomutsianskaya: P(очко на подаче)
- 61,44%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Zhang Junhan: P(очко на подаче)
- 52,66%
- Daria Khomutsianskaya: P(очко на подаче)
- 61,30%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Yang Yidi — Chen Meng Yi
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 06:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Yang Yidi · 71,8%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Yang Yidi79,0% · odds 1,12 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Yang Yidi71,8% · odds 1,12 | не рассчитывает | не рассчитывает | 86%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Yang Yidi65,8% · odds 1,12 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Yang Yidi71,3% · odds 1,12 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Yang Yidi70,7% · odds 1,12 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Yang Yidi89,8% · odds 1,12 | не рассчитывает | не рассчитывает | 36%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Yang Yidi90,1% · odds 1,12 | не рассчитывает | не рассчитывает | 36%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Yang Yidi91,3% · odds 1,12 | не рассчитывает | не рассчитывает | 36%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Yang Yidi90,0% · odds 1,12 | не рассчитывает | не рассчитывает | 36%ограниченная |
Параметры point-level
- Yang Yidi на подаче
- 55,58%
- Chen Meng Yi на подаче
- 51,38%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:041,7%2:129,5%1:216,2%0:212,5%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–33
- 90% диапазон разницы П1
- -6…8
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 54,76% → 55,58%
- P2 serve до → после
- 50,56% → 51,38%
Усталость и переход покрытия
- Yang Yidi
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Chen Meng Yi
- 0 матч. / 0 геймов за 7 дней · отдых 122,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Yang Yidi: P(очко на подаче)
- 58,75%
- Chen Meng Yi: P(очко на подаче)
- 49,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Yang Yidi: P(очко на подаче)
- 59,35%
- Chen Meng Yi: P(очко на подаче)
- 49,66%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Yang Yidi: P(очко на подаче)
- 59,61%
- Chen Meng Yi: P(очко на подаче)
- 49,38%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Yang Yidi: P(очко на подаче)
- 59,24%
- Chen Meng Yi: P(очко на подаче)
- 49,42%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Wei Sijia — Bai Zhuoxuan
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 06:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Bai Zhuoxuan · 62,7%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Bai Zhuoxuan63,6% · odds 1,35 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Bai Zhuoxuan62,7% · odds 1,35 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Bai Zhuoxuan58,2% · odds 1,35 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Bai Zhuoxuan65,1% · odds 1,35 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Bai Zhuoxuan65,3% · odds 1,35 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Bai Zhuoxuan69,6% · odds 1,35 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Bai Zhuoxuan67,6% · odds 1,35 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Bai Zhuoxuan68,3% · odds 1,35 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Bai Zhuoxuan68,2% · odds 1,35 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Wei Sijia на подаче
- 54,41%
- Bai Zhuoxuan на подаче
- 57,34%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
0:236,3%1:228,9%2:119,1%2:015,8%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -8…6
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 53,59% → 54,41%
- P2 serve до → после
- 56,52% → 57,34%
Усталость и переход покрытия
- Wei Sijia
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Bai Zhuoxuan
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Wei Sijia: P(очко на подаче)
- 54,16%
- Bai Zhuoxuan: P(очко на подаче)
- 58,03%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Wei Sijia: P(очко на подаче)
- 54,42%
- Bai Zhuoxuan: P(очко на подаче)
- 57,87%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Wei Sijia: P(очко на подаче)
- 54,27%
- Bai Zhuoxuan: P(очко на подаче)
- 57,87%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Wei Sijia: P(очко на подаче)
- 54,29%
- Bai Zhuoxuan: P(очко на подаче)
- 57,92%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Alexandra Shubladze — Kristiana Sidorova
World Tennis W35. Shenyang. China · Indoor Hard · начало 17.09.2026 06:35 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Alexandra Shubladze · 77,6%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Alexandra Shubladze82,0% · odds 1,12 | — | — | 50% |
| Взвешенный консенсус weighted-consensus-v1-d73dd1a56a9f71828de44512 | Alexandra Shubladze77,6% · odds 1,12 | не рассчитывает | не рассчитывает | 85%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Alexandra Shubladze70,1% · odds 1,12 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Alexandra Shubladze82,2% · odds 1,12 | не рассчитывает | не рассчитывает | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Alexandra Shubladze81,7% · odds 1,12 | не рассчитывает | не рассчитывает | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Alexandra Shubladze88,0% · odds 1,12 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Alexandra Shubladze87,0% · odds 1,12 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Alexandra Shubladze85,4% · odds 1,12 | не рассчитывает | не рассчитывает | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Alexandra Shubladze86,3% · odds 1,12 | не рассчитывает | не рассчитывает | 39%ограниченная |
Параметры point-level
- Alexandra Shubladze на подаче
- 57,51%
- Kristiana Sidorova на подаче
- 50,59%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:053,5%2:128,7%1:210,6%0:27,2%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 15–33
- 90% диапазон разницы П1
- -5…9
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 56,69% → 57,51%
- P2 serve до → после
- 49,77% → 50,59%
Усталость и переход покрытия
- Alexandra Shubladze
- 0 матч. / 0 геймов за 7 дней · отдых 108,0 дн. · переход нет
- Kristiana Sidorova
- 0 матч. / 0 геймов за 7 дней · отдых 136,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Alexandra Shubladze: P(очко на подаче)
- 59,58%
- Kristiana Sidorova: P(очко на подаче)
- 50,73%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Alexandra Shubladze: P(очко на подаче)
- 59,72%
- Kristiana Sidorova: P(очко на подаче)
- 51,22%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Alexandra Shubladze: P(очко на подаче)
- 60,41%
- Kristiana Sidorova: P(очко на подаче)
- 52,42%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Alexandra Shubladze: P(очко на подаче)
- 59,90%
- Kristiana Sidorova: P(очко на подаче)
- 51,46%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной
Yuno Kitahara — Ena Shibahara
World Tennis W35. Kyoto. Japan · Indoor Hard · начало 17.09.2026 07:05 MSK
indoor
высота неизвестна
CPI 43,0
confidence 30%
Консенсус Research
Ena Shibahara · 53,1%
взвешено по live-метрикам · 7 моделей
| Модель | Победитель | Тотал | Фора | Надёжность |
|---|---|---|---|---|
| Champion MLофициальный ориентир | Ena Shibahara54,3% · odds 1,11 | Больше 18,554,0% · ожид. 21,47 | Yuno Kitahara +5,570,8% · ожид. -1.15336 | 50% |
| Взвешенный консенсус weighted-consensus-v1-9418c5ffcb7788fdae945195 | Ena Shibahara53,1% · odds 1,11 | Больше 18,578,9% · ожид. 24,04 · odds 1,78 | Yuno Kitahara +5,581,2% · ожид. -0.719977 · odds 2,02 | 78%высокая |
| Surface Dynamic Elo surface-dynamic-elo-v2-context | Yuno Kitahara50,6% · odds 5,50 | не рассчитывает | не рассчитывает | 100%высокая |
| Exact O’Malley Markov omalley-exact-markov-v2-context | Yuno Kitahara54,2% · odds 5,50 | Больше 18,582,0% · ожид. 24,53 · odds 1,78 | Yuno Kitahara +5,588,3% · ожид. +0.44868 · odds 2,02 | 90%высокая |
| Monte Carlo monte-carlo-v2-context-20000 | Yuno Kitahara54,0% · odds 5,50 | Больше 18,581,1% · ожид. 24,35 · odds 1,78 | Yuno Kitahara +5,588,0% · ожид. +0.4684 · odds 2,02 | 90%высокая |
| Serve/Return CatBoost → Markov serve-return-catboost-v1-20260804T145825Z-context-v1 | Ena Shibahara80,6% · odds 1,11 | Больше 18,572,4% · ожид. 23,04 · odds 1,78 | Yuno Kitahara +5,564,3% · ожид. -3.50167 · odds 2,02 | 39%ограниченная |
| Serve/Return XGBoost → Markov serve-return-xgboost-v1-20260804T150214Z-context-v1 | Ena Shibahara79,2% · odds 1,11 | Больше 18,573,8% · ожид. 23,23 · odds 1,78 | Yuno Kitahara +5,566,3% · ожид. -3.30936 · odds 2,02 | 39%ограниченная |
| Serve/Return LightGBM → Markov serve-return-lightgbm-v1-20260804T150611Z-context-v1 | Ena Shibahara78,2% · odds 1,11 | Больше 18,574,3% · ожид. 23,31 · odds 1,78 | Yuno Kitahara +5,567,1% · ожид. -3.19166 · odds 2,02 | 39%ограниченная |
| Serve/Return Ensemble → Monte Carlo serve-return-ensemble-mc-v1-7917680f67b3-context-v1 | Ena Shibahara78,5% · odds 1,11 | Больше 18,572,8% · ожид. 23,16 · odds 1,78 | Yuno Kitahara +5,565,6% · ожид. -3.2813 · odds 2,02 | 39%ограниченная |
Параметры point-level
- Yuno Kitahara на подаче
- 57,59%
- Ena Shibahara на подаче
- 56,80%
- Среднее покрытия
- 54,84%
- Первый подающий
- усреднены оба варианта
Вероятные счета по сетам
2:027,8%2:126,3%1:223,5%0:222,3%
Monte Carlo
- Прогонов
- 20 000
- 90% диапазон тотала
- 16–34
- 90% диапазон разницы П1
- -7…7
- Случайность
- детерминированный seed
Поправки контекста
- Court pace
- +0.002
- Высота
- +0.000
- Indoor
- +0.006
- P1 serve до → после
- 56,77% → 57,59%
- P2 serve до → после
- 55,98% → 56,80%
Усталость и переход покрытия
- Yuno Kitahara
- 0 матч. / 0 геймов за 7 дней · отдых 115,0 дн. · переход нет
- Ena Shibahara
- 0 матч. / 0 геймов за 7 дней · отдых 171,0 дн. · переход нет
Serve/Return CatBoost → Markov
- Yuno Kitahara: P(очко на подаче)
- 53,27%
- Ena Shibahara: P(очко на подаче)
- 59,81%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return XGBoost → Markov
- Yuno Kitahara: P(очко на подаче)
- 53,95%
- Ena Shibahara: P(очко на подаче)
- 60,13%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return LightGBM → Markov
- Yuno Kitahara: P(очко на подаче)
- 53,91%
- Ena Shibahara: P(очко на подаче)
- 59,83%
- Гибрид
- ML point probabilities → exact Markov
Serve/Return Ensemble → Monte Carlo
- Yuno Kitahara: P(очко на подаче)
- 53,71%
- Ena Shibahara: P(очко на подаче)
- 59,92%
- Гибрид
- Weighted Serve/Return ML ensemble → Monte Carlo
- Веса ансамбля
- {'lightgbm': 0.3333357881304699, 'xgboost': 0.3340478443026515, 'catboost': 0.3326163675668786}
Подающий в первом гейме неизвестен; модель усредняет оба вариантаКонтекст турнира оценён по покрытию: точная высота/скорость корта отсутствуютЧасть контекстных параметров является оценочной