明显优势
Germany · 70.5%
模型 1X2 输出：Germany 70.5%（Poisson + Elo；主队 λ 2.08，客队 λ 0.62）。
登录后查看完整投注结论
免费登录即可解锁「最终投注结论」— 各市场是否观望、可能存在 +EV 的盘口，以及 steam 提示。
AI 比赛预测
| 赛果 | 概率 |
|---|---|
| Germany | 70.5% |
| 平局 | 20.8% |
| Curaçao | 8.7% |
Poisson 进球线概率
| 盘口 | 大 | 小 |
|---|---|---|
| 0.5 | 92.2% | 7.8% |
| 1.5 | 76.3% | 23.7% |
| 2.5 | 50.6% | 49.4% |
| 3.5 | 28.6% | 71.4% |
| 4.5 | 13.7% | 86.3% |
比赛走势预期
大 2.5 球
50.6%
接近均势
小 2.5 球
49.4%
双方进球
41.4%
较可能
可能零封
58.6%
Poisson 合计 λ = 2.7（大 2.5 50.6% · 小 2.5 49.4%）。
双方进球 否 58.6% — 至少一方零封在联合概率中占 58.6%。
最可能比分
| 比分 | 概率 |
|---|---|
| 2-0 | 14.6% |
| 1-0 | 14.0% |
| 3-0 | 10.1% |
| 2-1 | 9.0% |
| 1-1 | 8.6% |
Poisson 最高单元格：2-0 14.6%（精确比分波动仍大）。
模型摘要
Elo 调整 λ（2.08 / 0.62）→ 1X2：主 70.5% · 平 20.8% · 客 8.7%。来源：Dixon–Coles 泊松网格，非博彩赔率。
预测清晰度
清晰度:
高
1X2 分布的可读性分级，非经校准的胜率置信区间。
- 领先项 70.5%，较次高领先 49.7 pp。
常见问题
胜平负概率如何计算？
由 Elo 与赛事参数推导主客队期望进球 λ，再经 Dixon–Coles 泊松网格得到本页展示的 1X2、进球线与比分概率。
这是投注建议吗？
不是。OddsGPT 仅展示模型概率供参考，不推荐下注或仓位。
xG / λ 在这里指什么？
λ 是模拟前各队期望进球输入，不是赛后 xG 统计。
为什么精确比分概率都很低？
泊松模型中大量比分组合分摊概率，最高单项通常低于 15%，属正常现象。
