Tontin-BETe simuló el Mundial 2026 veinte mil veces: esto dijo la matemática
No se lo preguntamos a un experto ni a las casas de apuestas: dejamos que lo decida la matemática. Tontin-BETe jugó el Mundial 2026 entero, veinte mil veces. Esto salió.
28 de mayo de 2026
¿Quién levanta la copa en 2026? No se lo preguntamos a un experto ni miramos las casas de apuestas. Dejamos que lo decida la matemática.
Tontin-BETe, nuestro motor de predicción deportiva, jugó el Mundial 2026 entero —cada partido, cada cruce de eliminatoria, hasta la final— veinte mil veces. Y contó cuántas veces terminó cada selección levantando el trofeo.
Ante todo soy argentino, así que no importa lo que diga el modelo de predicción estadística potenciado por nuestro agente de IA. 🇦🇷
Lo que dijo el modelo
- 🇪🇸 España lidera con ~13% de títulos.
- 🇦🇷 Argentina, segunda y pisándole los talones (~11%). La final más probable es España–Argentina, y es moneda al aire.
- 🇫🇷 Francia, entre las grandes favoritas — uno de los planteles más profundos del torneo y candidata fija del modelo a meterse en las rondas finales.
- Las sorpresas del modelo: 🇲🇦 Marruecos (~9%) y 🇯🇵 Japón, bastante por encima de lo que dicta el mercado.
- 🇲🇽 México salta al 5° puesto solo por jugar en casa: el efecto local pesa.
Aclaración personal
Voy a ser honesto: odio este resultado. Soy argentino antes que cualquier otra cosa pero no toqué un solo número. El modelo es el modelo, y mostrarlo tal cual (aunque no me guste) es exactamente el punto: si lo "corrijo" para que gane Argentina, deja de ser un modelo y pasa a ser un deseo. Acá muestro la herramienta. 🇦🇷
El camino al título
¿Por qué no es "otra predicción más"?
Porque Tontin-BETe no copia al mercado — discrepa a propósito y deja que el torneo le dé o le quite la razón. Y porque aprende: cada resultado, cada análisis, cada corrección entra a su memoria con RAG y embeddings —una especie de cerebro que recuerda casos pasados y se afila partido a partido. Mientras la mayoría predice y se olvida, Tontin-BETe predice, anota, y la próxima vez sabe un poco más.
Sin humo y sin "expertos de café": datos, simulación y una IA que no se casa con nadie. Que lo dictamine la pelota. ⚽
Nota: es una simulación estadística, no una bola de cristal — el fútbol es hermoso justamente porque la moneda cae para cualquier lado. Por Esteban Aleart, Founder & Lead Engineer de PairProgramming.
FAQ
Qué es Tontin-BETe?
Es nuestro motor propio de predicción deportiva: combina un modelo estadístico (fuerza de cada selección, localía, formato del torneo) con un agente de IA que tiene memoria vía RAG y embeddings. No es un pronóstico de opinión: es simulación + datos.
Cómo se simula un Mundial 20.000 veces?
Con una simulación tipo Monte Carlo: el modelo asigna una probabilidad a cada partido y juega el torneo completo —grupos, eliminatorias, hasta la final— miles de veces. Contando cuántas veces gana cada selección sobre 20.000 torneos, se obtiene su probabilidad de título.
Por qué difiere de las casas de apuestas?
Porque no copia el mercado. Tontin-BETe parte de los datos y discrepa a propósito cuando los números lo justifican (por eso aparecen "caballos negros" como Marruecos o Japón por encima de la cuota). Después el torneo le da o le quita la razón, y eso entra a su memoria.
Sirve para apostar?
Es un modelo, no una garantía ni un consejo financiero. Mostramos el criterio de la herramienta —cómo razona con datos—, no una recomendación. En el fútbol, la moneda cae para cualquier lado.
Artículos relacionados
Agentes de IA en la empresa: qué son, qué no son, y cuándo valen la pena
Hoy le dicen "agente de IA" a cualquier formulario que llama a la API de OpenAI. Vamos a separar lo que es marketing de lo que es ingeniería real, con un caso propio en producción.
Inteligencia ArtificialRAG y embeddings: cómo darle a un LLM acceso al conocimiento propio de tu empresa
Hay una pregunta que viene en casi toda llamada con clientes: "como le hago para que el LLM responda con MIS datos, no con datos genéricos de internet". La respuesta es RAG. Vamos a desarmarlo.
Inteligencia ArtificialFine-tuning de LLMs: cuándo vale la pena y cuando es overkill
Fine-tuning es la técnica de IA que más mal se vende: caro, complejo y muchas veces innecesario. Vamos a ver cuando si conviene y cuando RAG o un buen prompt resuelven el problema por la decima parte.