Ontdek hoe een supercomputer met één miljoen simulaties de winnaar van de WSOP Main Event 2026 voorspelt. Lucas Jumalon is favoriet, maar poker blijft onvoorspelbaar.
Terwijl de negen overgebleven spelers zich opmaken voor de finaletafel van het 2026 WSOP Main Event in Las Vegas, heeft Advanced Poker Training een supercomputer ingezet om de mogelijke winnaar te voorspellen. Op basis van één miljoen gesimuleerde scenario's berekende kunstmatige intelligentie welke speler volgens de simulatie de grootste kans heeft om zich te kronen tot wereldkampioen poker.
De resultaten van de simulatie werden gedeeld door PokerNews, dat meldde dat Advanced Poker Training de finaletafel van het WSOP Main Event één miljoen keer heeft laten spelen. De software hield daarbij rekening met factoren zoals de chipcounts aan de finaletafel, de posities van de spelers en de mogelijke uitkomsten van verschillende spelsituaties.
### De favoriet volgens de supercomputer
Volgens de simulatie kwam Lucas Jumalon als favoriet uit de bus om de hoofdprijs van € 9,2 miljoen en de felbegeerde WSOP Main Event-titel te winnen. Dat is geen verrassing, gezien zijn uitgangspositie als chipleader met een enorme stack van 194 miljoen chips. De berekening betekent echter niet dat de winnaar al vaststaat. Poker blijft een spel waarin variantie een grote rol speelt en één enkele hand het verloop van de finaletafel volledig kan veranderen.
### Hoe werkt zo'n simulatie eigenlijk?
Steve Blay van Advanced Poker Training zegt het volgende over de onderzoeksresultaten:
> "De grote vraag die iedereen zich zal stellen, is: hoe wetenschappelijk is deze simulatie? Niemand kan een wetenschappelijker onderzoek uitvoeren dan dit. Ik heb alle gegevens verzameld die we maar konden vinden. Ik ga niet alle instellingen onthullen – dat zijn bedrijfsgeheimen – maar elke bot heeft gedragskenmerken die kunnen worden aangepast. Hoe reageert deze speler op ICM-druk? Hoe terughoudend is hij om zijn toernooileven op het spel te zetten? Met welke handen gaat hij de blinds stelen? Hoe koppig is hij nadat hij is gecalld? Er zijn alleen al zeven verschillende configuratieopties voor het plaatsen van continuation bets in verschillende situaties."
Het is dus geen simpele kansberekening, maar een geavanceerd model dat rekening houdt met talloze variabelen. De bots in de simulatie hebben elk hun eigen persoonlijkheid en speelstijl, gebaseerd op de profielen van de echte spelers. Dat maakt de voorspelling een stuk interessanter dan een standaard statistische analyse.
### De winstkansen per speler
Hoewel dergelijke modellen interessante inzichten kunnen geven in kansen en scenario's, blijft de daadwerkelijke uitkomst bij poker afhankelijk van de beslissingen van de spelers aan tafel. Hieronder kun je de berekeningen van de supercomputer zien, waarbij Jumalon ruim 40% kans heeft om het toernooi te winnen:
| Speler | 1e | 2e | 3e | 4e | 5e | 6e | 7e | 8e | 9e |
|--------|-----|-----|-----|-----|-----|-----|-----|-----|-----|
| Lucas Jumalon | 40,4% | 20,4% | 13,1% | 9,0% | 6,4% | 4,6% | 3,1% | 2,0% | 1,0% |
| Rami Hammoud | 13,2% | 15,3% | 14,2% | 13,2% | 11,8% | 10,5% | 8,9% | 7,5% | 5,4% |
| Jamie Shaevel | 11,3% | 13,4% | 13,7% | 13,2% | 12,2% | 11,2% | 10,1% | 8,4% | 6,5% |
| Greg Mueller | 10,9% | 13,5% | 13,5% | 13,0% | 12,4% | 11,3% | 10,1% | 8,6% | 6,7% |
| Michael Gagliano | 7,0% | 10,0% | 11,3% | 11,9% | 12,6% | 12,7% | 12,4% | 11,8% | 10,3% |
| Mario Boos | 6,5% | 9,4% | 10,9% | 11,7% | 12,1% | 12,6% | 12,9% | 12,5% | 11,4% |
| Lauri Saaskilahti | 5,2% | 7,9% | 9,8% | 10,9% | 12,0% | 12,7% | 13,5% | 13,9% | 13,9% |
| Han Feng | 3,0% | 5,3% | 7,2% | 8,9% | 10,6% | 12,5% | 14,4% | 17,3% | 20,8% |
| Evagoras Evagorou | 2,5% | 4,7% | 6,3% | 8,2% | 10,0% | 11,9% | 14,5% | 17,9% | 24,0% |
### Wat levert het de finalisten op?
De supercomputer berekende ook wat het gemiddelde aantal euro's is wat de spelers aan de 2026 WSOP Main Event-finaletafel zullen winnen. Bij chipleader Jumalon kwam dat uit op ruim € 5,8 miljoen, iets meer dan de ICM-waarde van zijn stack (€ 5,7 miljoen).
| Speler | Seat | Startstack | ICM € | Gem. € Winst | Verschil |
|--------|------|------------|---------|--------------|----------|
| Lucas Jumalon | 9 | 194.000.000 | € 5.700.000 | € 5.810.000 | +1,91% |
| Rami Hammoud | 7 | 79.000.000 | € 3.730.000 | € 3.560.000 | -4,73% |
| Jamie Shaevel | 5 | 56.000.000 | € 3.140.000 | € 3.320.000 | +5,61% |
| Greg Mueller | 4 | 48.500.000 | € 2.930.000 | € 3.290.000 | +12,33% |
| Michael Gagliano | 2 | 46.500.000 | € 2.870.000 | € 2.760.000 | -3,70% |
| Mario Boos | 3 | 44.000.000 | € 2.790.000 | € 2.670.000 | -4,19% |
| Lauri Saaskilahti | 1 | 37.500.000 | € 2.570.000 | € 2.460.000 | -4,38% |
| Han Feng | 6 | 25.000.000 | € 2.120.000 | € 2.060.000 | -2,84% |
| Evagoras Evagorou | 8 | 22.500.000 | € 2.010.000 | € 1.940.000 | -3,65% |
### De beperkingen van voorspellende modellen
Het is verleidelijk om blind te varen op deze cijfers, maar poker blijft een mensenwerk. De supercomputer kan weliswaar miljoenen scenario's doorrekenen, maar hij kan niet voorspellen hoe een speler reageert op een onverwachte bluff of een cruciale fout van een tegenstander. De menselijke factor blijft onvoorspelbaar.
Bovendien is het belangrijk om te onthouden dat zelfs met 40% winstkans, Jumalon nog steeds in 60% van de gevallen niet wint. Dat is precies wat poker zo fascinerend maakt – en waarom we allemaal blijven kijken.
