Track record · WTA Tour.

Sherif (WTA #107) parte como amplia favorita ante Ruggeri (#312), con una diferencia de ranking de 205 posiciones que el modelo traduce en un 95% de probabilidad. La superficie no está confirmada (Brescia suele jugarse en clay, terreno donde Sherif históricamente rinde mejor por su juego de fondo), pero al faltar el dato oficial no aplico ajuste por surface. El contexto de 96h no aporta señales nuevas —ni lesiones ni cambios— así que recorto levemente desde el cap por la ausencia de información de forma reciente y la incertidumbre de surface. La amenaza principal es la propia regularidad de Sherif, que ha tenido tramos irregulares en ITFs menores como este. Stats clave: Ranking WTA: Sherif #107 vs Ruggeri #312 (diff -205) · Probabilidad base del modelo: 95% Sherif · Ajuste forma del modelo: -1.3 (leve negativo) · Surface no confirmada — sin ajuste por superficie aplicado

Rybakina (rank #5) llega como amplia favorita ante Eala (rank #53) en el WTA de Berlín, torneo sobre hierba —superficie donde el saque potente de la kazaja es un arma diferencial y donde tiene título de Wimbledon 2022 en su CV. El modelo le asigna 95% por la brecha de ranking de 48 puestos, pero sin contexto reciente confirmado y con la advertencia de que la surface no fue codificada formalmente, prefiero bajar a 80 para no inflar artificialmente. La amenaza real es Eala como zurda en ascenso que ya mostró capacidad de incomodar top-10 en 2024-25, y la hierba acorta puntos y reduce margen ante un mal día al saque de Rybakina. Mantengo el pick pero con confianza moderada. Stats clave: Rybakina rank #5 vs Eala rank #53 (diff -48) · Probabilidad base del modelo: 95% · Sede Berlín = hierba, surface favorable al perfil saque-potencia de Rybakina · Sin factores contextuales en últimas 96h

Keys (WTA #7) llega como favorita clara frente a Muchova (#20), con una diferencia de ranking de +13 que el modelo traduce en 86% de probabilidad base. La superficie del torneo de Berlín es césped, aunque el dato no fue confirmado en el input — terreno que históricamente premia el saque potente de la estadounidense. La amenaza real es la variabilidad de Muchova, capaz de incomodar a cualquier top-10 cuando su drive y su slice funcionan, además del historial de Keys con lesiones intermitentes. Sin señales contextuales en 96h, ajusto a la baja desde el 85 base por prudencia ante la falta de confirmación de surface. Stats clave: Keys rank WTA #7 vs Muchova #20 · Diferencia de ranking +13 a favor de Keys · Probabilidad modelo: 86% Keys · Form_adj prácticamente neutro (-0.006)

Diferencia de ranking enorme a favor de Li (WTA 37 vs 205), lo que explica el 95% del modelo determinístico. El torneo se juega sobre césped en Nottingham, superficie donde la potencia y el saque más sólido de Li deberían pesar frente a una Preston que opera fuera del top 200 y sin track record relevante en grass a nivel WTA. El contexto de 96h no aporta señales nuevas: ambas ganaron en R1 sin reportes físicos, así que mantengo cerca de la base. Ajusto levemente a la baja (85→83) por la advertencia de surface no provista en el modelo y por la varianza típica del césped, donde rompe menos el ranking. Stats clave: Ann Li ranking WTA 37 vs Preston 205 (diff +168) · Probabilidad base del modelo: 95% Li · Ambas avanzaron en R1 sin reportes de lesión · Superficie: césped (Nottingham), no ponderada por el modelo

Bouzkova (rank 27, cuarta preclasificada) parte con una diferencia de ranking enorme frente a Klugman (rank 655, wildcard de 17 años), y el modelo le asigna 95% con base 85. La superficie no fue provista —se juega sobre césped en Nottingham— y ahí Klugman, británica formada en grass, suele rendir mejor que su ranking sugiere, además de venir con confianza tras su primera victoria WTA como lucky loser y respaldo del público local. Ajusto a la baja desde 85 a 80 por esa combinación de factor superficie + impulso emocional de la junior, sin llegar a descartar dado el salto cuantitativo de nivel. La amenaza real es que Bouzkova arranque tibia ante una rival sin presión. Stats clave: Bouzkova rank 46 vs Klugman rank 655 (diff +609) · Prob modelo: 95% Bouzkova · Bouzkova es 4° cabeza de serie del torneo · Klugman, 17 años, wildcard con primera victoria WTA reciente · Superficie (césped) no incorporada al ajuste base

Svitolina llega como #13 del ranking WTA frente a una Lys #39, con una diferencia de 26 puestos que el modelo traduce en 95% de probabilidad. La superficie del torneo de Berlín es césped, pero el dato no fue provisto al modelo, así que el ajuste por surface no se aplicó —Svitolina históricamente se mueve bien en hierba, aunque Lys es alemana y juega en casa, factor que puede empujar su nivel. Sin señales contextuales en 96h, mantengo la base pero recorto desde 85 hasta 78 por la ausencia de ajuste de superficie y el riesgo de localía en una segunda ronda donde Svitolina suele tardar en entrar al torneo. Stats clave: Svitolina rank #13 vs Lys rank #39 (diff +26) · Probabilidad modelo: 95% Svitolina · Ajuste de forma +2.4% a favor de Svitolina · Surface no provista — ajuste no aplicado

Vidmanova (WTA #145) tiene una brecha de ranking de 202 puestos sobre Micic (#347), lo que el modelo traduce en 95% de probabilidad y confianza base 85. La superficie del torneo en Figueira da Foz no fue provista, lo que impide validar si alguna jugadora tiene un sesgo positivo en esa cancha; por prudencia recorto 5 puntos. Sin contexto reciente de lesiones o fatiga, no hay razón para mover más allá. La amenaza típica en estos cruces de challenger/ITF es la varianza alta de la favorita ante una rival que no figura en el radar. Stats clave: Vidmanova rank WTA #145 · Micic rank WTA #347 · Rank diff +202 a favor de Vidmanova · Prob modelo 95% para Vidmanova

Sobre césped en Nottingham, Golubic (rank 80) parte como favorita ante Sonmez (rank 110) y el modelo le asigna 95% por la diferencia de ranking, pero el contexto reciente obliga a moderar la lectura. Sonmez llega con momentum tangible —venció en sets corridos a Leylah Fernandez, segunda cabeza de serie— y juega motivada por entrar al top 50, mientras que Golubic necesitó pasar por qualy y eliminar dos veces a la misma rival (Kenin) para llegar acá, lo que sugiere desgaste y un nivel no dominante. A favor de la suiza pesa la experiencia en grass y que Sonmez viene de una lesión de rodilla a fines de mayo en Roland Garros, factor de riesgo físico no menor en superficie rápida. Ajusto la base de 85 a 75 reflejando que el 95% del modelo, sin ajuste por surface y contra una rival en forma ascendente, está claramente inflado. Stats clave: Golubic rank 80 vs Sonmez rank 110 (diff +30) · Prob base modelo 95% sin ajuste por surface (advertencia de datos) · Sonmez eliminó a Fernandez (2° preclasificada) en sets corridos en R1 · Golubic llegó vía qualy, venció a Kenin dos veces seguidas · Sonmez con lesión de rodilla reciente (mayo, Roland Garros)

Diferencial de ranking amplio a favor de Ortenzi (217 vs 362, +145 posiciones) en un cuadro ITF/WTA de Brescia donde la jerarquía de ranking suele pesar fuerte en rondas tempranas. El modelo proyecta 95% para la argentina y la base es 85, pero ajusto a la baja porque no tenemos surface confirmada —Brescia suele jugarse en clay, terreno donde una jugadora joven como Yaneva (362) puede competir mejor de lo que sugiere el ranking puro. Sin contexto de últimas 96h ni datos de surface, prefiero recortar la confianza antes que sostener el cap. La amenaza es la varianza típica del circuito ITF, con jugadoras de ranking bajo que pueden saltar de nivel sin previo aviso. Stats clave: Ortenzi rank 217 vs Yaneva rank 362 · Diferencia de ranking +145 a favor de Ortenzi · Probabilidad del modelo 95% para Ortenzi · Surface no confirmada — ajuste por superficie no aplicado

Sobre césped en Berlín, Noskova (#12) parte como amplia favorita ante Parry (#122) con una diferencia de ranking de +110 escalones, y el modelo le asigna 95% base. Ajusto a la baja porque el contexto pesa: Parry llega invicta desde la qualy sin ceder un set, el H2H está 2-2 en otras superficies y es el primer duelo entre ambas sobre hierba —una superficie que históricamente comprime las diferencias de ranking y favorece a jugadoras en ritmo. Noskova además debe defender puntos de la gira de césped pasada, lo que añade presión. Mantengo el pick por la brecha estructural de nivel, pero recorto 10 puntos por momentum de la rival y superficie volátil. Stats clave: Diferencia de ranking +110 (Noskova #12 vs Parry #122) · Probabilidad base del modelo: 95% · H2H igualado 2-2 en otras superficies · Parry invicta esta semana en Berlín incluyendo qualy, sin ceder sets · Primer enfrentamiento entre ambas sobre césped

Aunque faltan datos numéricos actualizados de Zheng Qinwen en el input, su nivel base como top WTA (medallista olímpica y finalista de Grand Slam) la ubica varios escalones por encima de Gibson, #118 con récord 9-10 en el año y mala forma reciente (LLWLL). En grass, ambas llegan con poca muestra (Gibson 0-0 en la superficie este año), lo que iguala parcialmente la cancha, pero la diferencia de calidad de saque y devolución sigue siendo el factor dominante en BO3. El contexto externo no introduce nueva señal: al ser partido futuro no hay reportes de lesiones que contradigan el favoritismo. Stats clave: Gibson #118 WTA con 634 pts · Gibson 9-10 en 2026 (47.4%) · Últimos 5 de Gibson: LLWLL · Gibson 0-0 en grass esta temporada · Zheng top WTA muy por encima del #118

Escenario típico de top player vs jugadora fuera del top 100 en grass BO3: la superficie premia el saque y acorta puntos, y Zheng tiene poder de saque y devolución muy superiores. Con Gibson llegando en mala forma (3 derrotas en últimos 5) hay base para un marcador tipo 6-3/6-4 o más corto. La incertidumbre principal es que Zheng tampoco tiene historial reciente en grass reportado, lo que puede generar algún quiebre en contra al inicio; el contexto externo no aporta señal adicional. Stats clave: Diferencia de ranking >100 puestos · Gibson 47.4% win rate en 2026 · Grass acorta duración promedio de games · Gibson sin partidos en grass este año

Sabalenka (rank #1) llega como amplia favorita ante Alexandrova (#10) en el WTA de Berlín, torneo sobre hierba — aunque la surface no fue confirmada por el feed, Berlin es tradicionalmente césped, surface donde Sabalenka ha mostrado mejoras consistentes en los últimos años. El modelo le asigna 81.4% apoyado en diff de ranking +9 y forma reciente ligeramente a su favor (+2.9). Sin señales contextuales en las últimas 96h por la lejanía del fixture, ajusto levemente a la baja por la advertencia de surface no provista y porque Alexandrova es una sacadora peligrosa en pistas rápidas, con upsets ocasionales sobre top-5. Confianza final 78. Stats clave: Sabalenka rank #1 vs Alexandrova rank #10 (diff +9) · Probabilidad base del modelo: 81.4% · Ajuste de forma reciente: +2.9 a favor de Sabalenka · Surface no confirmada en el feed (Berlin típicamente hierba)

Yastremska (WTA #27) llega como favorita clara frente a Maria (WTA #43) en el césped de Nottingham, una superficie donde la ucraniana tiene más recursos ofensivos desde el saque y el resto plano. El modelo le asigna 91.2% pero ajusto a la baja por dos motivos: no se confirmó superficie en el dataset y Maria, pese al ranking, es una especialista histórica en grass con slice que neutraliza ritmo —ya llegó a final en Bad Homburg en césped en años recientes. Sin señal contextual en 96h, bajo de 85 a 80 para reflejar esa amenaza estilística que el modelo de ranking no captura del todo. Stats clave: Yastremska rank #27 vs Maria rank #43 · Diferencia de ranking +16 a favor de Yastremska · Prob modelo 91.2% match_winner · Superficie no confirmada en dataset (Nottingham históricamente césped)

Gauff (rank #4) se enfrenta a una Badosa (rank #25) que viene irregular en la temporada, y el modelo le asigna un 95% a la estadounidense. La superficie del partido no fue provista —Berlín es césped, donde Gauff ha mostrado mejoras pero no es históricamente su mejor terreno y Badosa puede competir mejor que en otras superficies. Por esa incertidumbre de surface no aplico el cap base de 85 y recorto a 80; sin contexto reciente que refuerce o degrade, mantengo a Gauff como favorita clara pero no inflada. Stats clave: Gauff rank #4 vs Badosa rank #25 (diff -21) · Prob modelo Gauff 95% · Forma ajuste -1.8 · Surface no provista (Berlín = césped, factor de incertidumbre)

La diferencia de ranking es contundente: Gorgodze (#176) está casi 190 puestos por encima de Ferro (#364), que arrastra años de irregularidad post-lesiones y caída sostenida en el ranking. El modelo le asigna 95% a la georgiana, pero al tratarse de un ITF/challenger en Brescia sobre superficie no confirmada y sin contexto reciente que valide forma física actual, recorto el cap. Ferro tiene pasado top-50 y en formato corto cualquier WTA con historial puede generar ruido, aunque la brecha de nivel actual es clara. Mantengo el pick pero por debajo del techo por falta de información de surface y forma in-situ. Stats clave: Rank Gorgodze #176 vs Ferro #364 (diff -188) · Probabilidad modelo 95% a Gorgodze · Ajuste de forma +1.7 a favor de la georgiana · Surface del match no confirmada

Bouzas Maneiro llega como #42 WTA frente a una Volynets #96, diferencia de 54 puestos que el modelo traduce en 95% de probabilidad. El partido es en Nottingham, sobre césped (gira británica previa a Wimbledon), superficie no provista explícitamente por el feed —lo que obliga a recortar algo de confianza dado que Volynets ha mostrado registros decentes en hierba históricamente y la superficie es la más igualadora del circuito. Sin contexto reciente útil (kickoff con anticipación irreal), ajusto la base 85 a 78 para no inflar sobre datos faltantes. La amenaza real es la varianza propia del césped, donde el saque y los breaks puntuales pueden inclinar sets cortos. Stats clave: Bouzas Maneiro rank WTA #42 vs Volynets #96 · Diferencia de ranking -54 a favor de la española · Probabilidad modelo: 95% Bouzas Maneiro · Surface no confirmada (sede Nottingham, típicamente césped)

La diferencia de ranking es contundente: Charaeva está #160 WTA frente a una Kulikova #510, una brecha de 350 puestos que en el circuito ITF/WTA secundario sobre tierra batida europea (Figueira Da Foz se juega tradicionalmente en clay) suele traducirse en superioridad clara de la mejor rankeada. El modelo asigna 95% a Charaeva con base 85; sin contexto reciente relevante en las últimas 96h, mantengo cerca de la base pero descuento levemente porque la surface no fue confirmada por el feed y los partidos de segunda ronda en torneos menores tienen mayor varianza de la habitual. La amenaza principal es un día flojo de la favorita o que Kulikova llegue con buen ritmo desde qualy. Stats clave: Charaeva rank WTA #160 vs Kulikova #510 (diff 350 puestos) · Probabilidad del modelo: 95% Charaeva · Sin novedades de lesión o fatiga en últimas 96h · Surface no confirmada — ajuste defensivo de -5

Pegula (WTA #6) llega con una brecha de ranking considerable frente a Siniakova (#47), que es especialista en dobles y rinde por debajo de su ranking en singles. La superficie es hierba en Berlín, un terreno donde Pegula ha mostrado solidez con su juego plano desde el fondo y donde Siniakova, pese a sus credenciales en césped, no ha sostenido resultados consistentes en singles este año. El modelo marca 95% para Pegula; sin contexto reciente que ajustar y dado que la superficie real (hierba) no fue confirmada en el input, recorto levemente la base de 85 a 80 por prudencia ante el dato faltante. La amenaza es el saque y juego de transición de Siniakova en pasto, que puede romper ritmo en sets cortos. Stats clave: Pegula rank WTA #6 vs Siniakova #47 (diff +41) · Probabilidad del modelo 95% para Pegula · Ajuste de forma +1.5% a favor de Pegula · Surface no confirmada — recorte prudencial de 5 puntos

Partido de circuito ITF/challenger femenino donde Aksu (rank 415) tiene una diferencia de 145 puestos sobre Vickery (rank 560), lo que el modelo traduce en 95% de probabilidad y base 85. La surface no fue provista —probablemente clay outdoor en Figueira da Foz, escenario habitual de torneos portugueses de bajo nivel—, y sin ese dato no puedo refinar el edge por superficie. Ajusto a la baja 7 puntos por la advertencia de calidad de datos y por la volatilidad típica del circuito secundario, donde upsets entre jugadoras fuera del top 400 son frecuentes. La amenaza principal es la experiencia previa de Vickery, que llegó a ser top 100, aunque su rank actual sugiere bajón físico o de forma. Stats clave: Rank Aksu 415 vs Vickery 560 (diff +145) · Probabilidad modelo 95% para Aksu · Base confidence 85 (cap del modelo) · Surface no provista — ajuste cualitativo a la baja

Teichmann (WTA #120) llega con una diferencia de ranking de 109 puestos sobre Palicova (#229), brecha significativa para un cuadro de nivel ITF/challenger como Figueira da Foz. El modelo le asigna 95% pero la surface no fue confirmada, lo que impide validar si Teichmann (zurda con buen historial en clay europeo) mantiene su ventaja natural en esta superficie específica. La amenaza es doble: Palicova es jugadora joven en ascenso jugando en torneo de menor categoría donde la favorita a veces baja revoluciones, y la falta de ajuste por surface obliga a recortar la confianza base. Bajo de 85 a 78 por la advertencia de datos. Stats clave: Teichmann rank WTA #120 vs Palicova #229 · Diferencia de ranking -109 a favor de Teichmann · Probabilidad base del modelo 95% · Surface no confirmada — ajuste no aplicado

Eala llega como favorita clara según el modelo, con un ranking WTA #53 frente al #69 de Vekic y una probabilidad asignada del 91.4%. La advertencia relevante es que no se dispone de la surface confirmada del partido (Berlín suele jugarse sobre césped en esta fecha, surface donde Vekic históricamente rinde por encima de su ranking), por lo que aplico un ajuste defensivo de -5 sobre la base 85. Sin señales contextuales en las últimas 96h ni datos de surface para validar, mantengo el pick por el margen probabilístico pero sin inflarlo. La amenaza concreta es que Vekic tiene experiencia en cuadros grandes y puede competir mano a mano si el escenario favorece su saque. Stats clave: Ranking WTA Eala #53 vs Vekic #69 (diff -16) · Probabilidad de modelo 91.4% para Eala · Forma reciente ligeramente en contra (form_adj -0.005) · Surface no confirmada — ajuste por superficie no aplicado

La diferencia de ranking es contundente: Giovannini #220 contra Astakhova #427, una brecha de 207 posiciones que el modelo traduce en 95% para la argentina. No tenemos confirmación de surface (Brescia suele jugarse en clay outdoor, pero no está validado en el input) ni contexto de últimas 96h, así que recorto desde la base 85 hasta 78 para reflejar esa incertidumbre de datos. La amenaza es típica de challengers WTA: jugadora de ranking bajo puede llegar más fresca o con condiciones locales favorables, pero la diferencia de nivel es demasiado amplia para descartar el favoritismo. Stats clave: Giovannini rank #220 vs Astakhova rank #427 · Rank diff -207 a favor de Giovannini · Prob modelo 95% para Giovannini · Surface no confirmada — ajuste defensivo de -7

Navarro (WTA #15) enfrenta a Starodubtseva (#111) en el césped de Nottingham, con una diferencia de ranking de 96 puestos que el modelo traduce en 95% de probabilidad para la estadounidense. La superficie no fue provista en data, lo que impide refinar por especialización en grass —Starodubtseva tiene mejor adaptación a tierra que a hierba, lo que en principio refuerza a Navarro, pero sin el dato confirmado prefiero no inflar—. Sin señales contextuales en las últimas 96h (la fecha es lejana), mantengo la base con un leve recorte de 2 puntos por la advertencia de datos. La amenaza real es la varianza propia del césped en rondas tempranas, donde top-20 a veces resbalan ante jugadoras con saque pesado. Stats clave: Navarro ranking WTA #15 vs Starodubtseva #111 · rank_diff -96 a favor de Navarro · probabilidad del modelo 95% para Navarro · surface no confirmada — ajuste por superficie no aplicado

Mertens (WTA #19) parte como amplia favorita frente a Bartunkova (#126), una diferencia de 107 puestos que el modelo traduce en 95% de probabilidad. La belga tiene recorrido consolidado en circuito principal mientras que Bartunkova sigue construyendo experiencia en main draws WTA. La superficie del partido no fue provista —se juega en Berlín, presumiblemente césped en gira pre-Wimbledon, donde Mertens tiene buena lectura táctica con su slice y red—, así que aplico un leve recorte al cap por esa falta de confirmación. Sin señales contextuales en 96h, mantengo cerca de la base. Stats clave: Mertens rank #19 vs Bartunkova #126 · Diferencia de ranking +107 a favor de Mertens · Probabilidad modelo: 95% Mertens · Sede Berlín (probable césped, gira pre-Wimbledon)

La diferencia de ranking es enorme: Vandromme (#342) está casi 600 puestos por encima de Zamarripa (#926), lo que en circuito ITF/WTA menor suele traducirse en partidos muy desequilibrados. El modelo asigna 95% a la belga, pero al tratarse de una primera ronda en Figueira da Foz sin superficie confirmada en el dataset y sin contexto reciente que valide forma física, prefiero recortar la confianza. La amenaza típica en este escalón es la volatilidad de jugadoras jóvenes y el factor sorpresa en torneos de bajo nivel, donde una sola jornada irregular borra la brecha de ranking. Ajusto a 78 por la advertencia de surface no provista. Stats clave: Rank Vandromme #342 vs Zamarripa #926 · Diferencia de ranking +584 · Prob modelo 95% · Surface no disponible (ajuste no aplicado)

Badosa (WTA #25) parte como amplia favorita ante Lamens (#97) en el debut de Berlín, torneo sobre césped previo a Wimbledon. El modelo le asigna 95% por la brecha de ranking de 72 puestos, pero el dato a vigilar es que no se aplicó ajuste por superficie y el grass tiende a comprimir diferencias —Lamens tiene mejor adaptación natural a pistas rápidas que la española, cuya mejor superficie es la tierra. Sin contexto de últimas 96h, recorto la base de 85 a 78 para reflejar la incertidumbre por la superficie no confirmada y el historial irregular de Badosa fuera de clay. Stats clave: Badosa rank WTA #25 vs Lamens #97 (diff 72 puestos) · Probabilidad base del modelo: 95% · Ajuste por surface no aplicado (dato faltante) · Forma reciente ligeramente negativa (-1.8)

Sin datos numéricos de ranking ni récord por surface en el input, el pick se apoya en el contexto externo: Wang Xiyu llega como favorita clara por ranking superior y viene de alcanzar por primera vez la 4ª ronda de Roland Garros, lo que confirma forma reciente en clay — superficie del WTA 125K de Brescia. Gao Xinyu juega sin presión pero parte desde abajo en jerarquía. La principal incertidumbre es el componente psicológico de un duelo entre compatriotas chinas, que puede aplanar la diferencia teórica, y la ausencia de stats duras de H2H y récord en clay 2026 reduce la convicción. Stats clave: Wang Xiyu favorita por ranking superior (contexto) · Wang Xiyu llegó a 4ª ronda en Roland Garros 2025 (clay) · Gao Xinyu sin presión como underdog · Superficie: clay (Brescia)

En grass, Muchova tiene mejor calidad de tenis y domina el H2H 2-0 incluyendo una victoria en Wimbledon 2021, lo que es señal directa sobre esta superficie. Su 2026 es muy sólido (24-7, 77.4%) y viene de ganar título en Doha. La principal incertidumbre — y por eso no subo más la confianza — es su condición física (requirió asistencia médica reciente y tiene historial de lesiones) sumado a que Zhang ya tiene rodaje en césped tras pasar la qualy, mientras Muchova debuta en la superficie (0-0 en grass este año). Stats clave: Muchova #20 WTA, 1888 pts · Récord 2026: 24-7 (77.4%) · H2H 2-0 a favor de Muchova, incluyendo grass · Muchova 0-0 en grass 2026 (debut superficie) · Zhang viene de superar la qualy en Berlín

El partido se juega en césped en Nottingham, superficie donde Kessler es campeona defensora y donde encuentra su mejor versión pese a un irregular 10-12 en la temporada. El modelo le asigna 95% apoyado en una diferencia de ranking de +65 (31 vs 96), y el contexto refuerza la lectura: Volynets llega desde la qualy con apenas dos victorias en cuadros principales sobre hierba en su carrera y un récord de 1-16 ante top 50 desde 2025. Mantengo la base en 85 (cap del deporte); la amenaza es la propia inconsistencia de Kessler este año, pero el diferencial de superficie y nivel es claro. Sin señales de lesión ni fatiga en las últimas 96h. Stats clave: Kessler rank 31 vs Volynets rank 96 (diff +65) · Kessler campeona defensora en Nottingham (césped) · Volynets 1-16 vs top 50 desde 2025 · Volynets solo 2 victorias en cuadros principales sobre césped en su carrera · Prob modelo 95% a favor de Kessler

Sobre césped en Berlín, Noskova (WTA #12) parte como amplia favorita ante Zarazua (#77), con una diferencia de 65 puestos en ranking que el modelo traduce en 95% de probabilidad. Sin embargo, el contexto pide cautela: la checa no compite desde Roland Garros (transición clay→grass siempre delicada) mientras que la mexicana llega con dos victorias previas en estas mismas canchas tras pasar la qualy. Ajusto la base 85 hacia abajo a 78 para reflejar la falta de ritmo de Noskova sobre hierba y la incógnita de surface (no se aplicó ajuste por superficie por dato faltante). La amenaza real es un primer set frío de la favorita ante una rival ya rodada. Stats clave: Noskova WTA #12 vs Zarazua WTA #77 (diff 65) · Prob modelo: 95% Noskova · Zarazua 2-0 en qualy de Berlín esta semana · Noskova sin partidos desde Roland Garros · Primer H2H entre ambas

Partido sobre grass (Berlin) en debut de torneo. Keys es #7 WTA con 15-8 (65.2%) en el año y viene en buena forma (4 victorias en últimos 5). Wang Xinyu no tiene stats provistas, lo que sugiere ranking considerablemente inferior a top 30; en grass, el saque potente de Keys es un arma especialmente diferencial. Principal incertidumbre: ninguna de las dos llega con récord en grass este año (0-0), por lo que la adaptación a superficie es un riesgo real. Stats clave: Keys #7 WTA (4335 pts) · Récord 2026: 15-8 (65.2%) · Últimos 5: WWWWL · Récord grass 2026: 0-0 · Oponente sin ranking ATP/WTA listado

Lys parte como favorita por ranking (#39 vs #59 de Frech, diff -20) y el modelo le asigna 94.2%, pero el contexto obliga a recortar. Es su primer partido de la temporada sobre césped tras dos meses fuera por hiperextensión de rodilla, y arrastra espondiloartritis que ralentiza recuperaciones; además acumula ocho derrotas seguidas ante top-50. Frech, aunque entró como lucky loser, ya tiene rodaje en la qualy sobre la misma superficie y mayor experiencia histórica en hierba. Ajusto base 85 a 75 — sigue publicable porque la brecha de ranking es real, pero la incertidumbre física y la falta de adaptación a la superficie de Lys son señales que el modelo no incorpora. Stats clave: Lys #39 WTA vs Frech #59 (diff -20) · Prob base del modelo: 94.2% para Lys · Lys regresa de 2 meses fuera por lesión de rodilla en 2026 · Primer partido de temporada en césped para Lys · Frech llega con rodaje de qualy en la misma superficie

Astakhova llega como favorita clara según el modelo (rank diff +69) en este Round 1 del WTA 125K de Brescia, aunque la superficie no fue provista y eso impide ajustar por especialización. El contexto muestra una Astakhova más rodada en circuito superior, mientras Basiletti viene con resultados mixtos y derrotas frente a top como Svitolina. La base de 85 me parece optimista para tenis femenino en categoría 125K, donde la varianza es alta y Astakhova viene de caer ante Grant en Foggia. Ajusto a la baja para reflejar la ausencia del dato de surface y el momento irregular de la rusa. Stats clave: Rank diff +69 a favor de Astakhova · Prob modelo 95% (base 85) · Astakhova viene de derrota reciente ante Grant en Foggia · Surface no disponible — ajuste por superficie no aplicado

La superficie del torneo de Brescia (WTA 125K, tierra batida indoor/outdoor) no fue provista por el modelo, así que el ajuste de surface no se aplicó —ese es el primer asterisco. La diferencia de ranking es enorme (92 vs 237) y el modelo le da 95% a Grabher, pero el contexto pesa fuerte en contra: viene de cirugía de muñeca, retiro por enfermedad en Roland Garros hace menos de tres semanas y prácticamente sin rodaje competitivo. Paquet llega con ritmo y victoria reciente, lo que estrecha el margen real. Ajusto base 85 a 72 por riesgo físico y falta de minutos en cancha; el favoritismo se mantiene pero con cautela. Stats clave: Diferencia de ranking +145 (Grabher 92, Paquet 237) · Prob base del modelo: 95% para Grabher · Grabher retirada por enfermedad en R2 de Roland Garros (28-may-2026) · Regreso post-cirugía de muñeca, rodaje competitivo limitado · Surface no informada — ajuste de superficie no aplicado

Sobre césped en 's-Hertogenbosch, De Minaur (#6 ATP) parte como claro favorito frente a Majchrzak (#76 ATP), con una diferencia de 70 puestos que en grass — superficie donde el australiano ya fue campeón en 2024 — se amplifica por su juego de fondo agresivo y devolución. El H2H 2-0 a favor de De Minaur, ambos en sets corridos, refuerza el escenario. La principal incertidumbre es la racha emocional de Majchrzak tras vencer a Auger-Aliassime y Medvedev, que podría sostener su nivel un set, pero la muestra de upsets no suele extenderse a una final BO3 contra un top 10 en su superficie predilecta. Stats clave: De Minaur #6 ATP vs Majchrzak #76 ATP · H2H 2-0 De Minaur en sets corridos · De Minaur campeón Libema Open 2024 (grass) · Majchrzak disputa su primera final ATP a los 30 años

En grass y en formato BO3 de final, el peso del momentum de Majchrzak — que viene de eliminar a Auger-Aliassime y Medvedev — sugiere que probablemente robe un set antes de que De Minaur imponga su consistencia. El H2H 2-0 fue en sets corridos, lo que matiza esta lectura y es la principal incertidumbre: si De Minaur entra fino al saque sobre césped, un 2-0 también es plausible. La superficie rápida favorece sets cerrados con tiebreaks, escenario típico para que el underdog en racha estire el match. Stats clave: Majchrzak eliminó a 2 top 10 en el camino a la final · H2H previo 2-0 en sets corridos a favor de De Minaur · Grass = superficie con sets cortos y tiebreaks frecuentes · Primera final ATP de Majchrzak: factor motivacional alto

Sobre césped en Queen's, Raducanu (WTA #29) parte como favorita clara frente a Vekic (#69), con el modelo asignándole 95% en base al diferencial de ranking de 40 puestos. El contexto, sin embargo, obliga a moderar: Raducanu requirió tiempo muerto médico en cuartos por una molestia en el muslo izquierdo, y aunque llega a jugar la final, la finta de una lesión muscular en superficie rápida es un riesgo no trivial a cinco sets de tenis. Vekic entró como lucky loser, lo que sugiere nivel inferior en clasificación, pero también acumula partidos y ritmo. Ajusto de 85 a 78 por la duda física, manteniendo a la británica como pick pero sin el cap. Stats clave: Raducanu WTA #29 vs Vekic #69 (diff 40) · Modelo asigna 95% a Raducanu · Tiempo muerto médico por molestia en muslo izq. en QF · Primer H2H entre ambas — sin historial · Final sobre césped en Queen's, Londres

La superficie del partido (césped de Nottingham) no fue confirmada por el feed, lo que limita un ajuste fino. Aun así, la diferencia de ranking es contundente: Sakatsume #151 WTA frente a Dudeney #439, con el modelo asignando 95% a la japonesa. El contexto introduce una señal a la baja: Dudeney llega con dos títulos ITF consecutivos en mayo, momentum real que suele comprimir gaps en superficies rápidas y en formato qualy a un set decisivo. Ajusto base 85 a 78 por ese momentum más la advertencia de surface faltante; sigue siendo pick claro pero con prudencia. Stats clave: Sakatsume WTA #151 vs Dudeney WTA #439 (diff +288) · Probabilidad del modelo: 95% Sakatsume · Dudeney llega con 2 títulos ITF consecutivos en mayo 2026 · Primer H2H entre ambas, sin historial previo · Surface no confirmada por el feed (advertencia de datos)

La diferencia de ranking es abrumadora: Osuigwe (#152 WTA) contra Tomai (#1390 WTA), una brecha de más de 1.200 puestos que el modelo traduce en 95% de probabilidad. El contexto refuerza el escenario base: Tomai juega con wild card su primer WTA 125 a los 21 años, sin track record en este nivel, mientras Osuigwe viene de alcanzar semifinales en el Oeiras CETO Open, otro WTA 125 en Portugal, lo que sugiere adaptación al circuito y posiblemente a condiciones similares. La superficie no fue provista, pero el gap competitivo es tan amplio que ese factor pierde peso. Mantengo el cap en 85 sin inflar: en tenis femenino de clasificación los upsets existen y Tomai no tiene presión de resultado. Stats clave: Osuigwe rank WTA #152 vs Tomai #1390 (diff +1238) · Probabilidad base del modelo: 95% · Osuigwe llega de semifinales en Oeiras CETO Open (WTA 125 en Portugal) · Tomai debuta en WTA 125 vía wild card, sin H2H previo

Diferencia de ranking enorme a favor de Parks (81 WTA vs 282 de Brockmann), y el modelo le asigna 95% base. El partido se juega sobre césped, superficie donde ninguna tiene track record relevante: Brockmann sin partidos profesionales en grass y Parks con experiencia limitada, lo que introduce una varianza no trivial en un primer cruce sin H2H. Brockmann llega además con cuatro derrotas seguidas, lo que refuerza la favoritismo, pero el desconocimiento mutuo sobre la superficie y el formato corto de qualy me lleva a moderar el cap base de 85 a 80. Stats clave: Rank diff -188 (Parks 81 vs Brockmann 282) · Prob modelo Parks 95% · Brockmann en racha de 4 derrotas consecutivas · Superficie césped sin registro profesional para Brockmann

Sobre césped en Ilkley, Krueger llega con un récord de 9-1 en la superficie esta temporada y un diferencial de ranking enorme (#49 vs #302) que el modelo traduce en 95% de probabilidad. El contexto matiza ligeramente: Naef viene de seis victorias consecutivas para llegar a la final y le ganó el único H2H justamente sobre césped (Wimbledon Q 2023, 6-4 6-2), por lo que ajusto la base 85 a 82 para reconocer ese antecedente y la dinámica de la suiza. Aun así, el salto de nivel WTA vs ITF/qualy y la forma de Krueger en grass del año mantienen el pick claramente del lado de la estadounidense. La amenaza real es un saque elevado de Naef que neutralice el ritmo desde el fondo. Stats clave: Krueger rank #49 vs Naef #302 (diff +253) · Prob modelo: Krueger 95% · Krueger 9-1 en césped en la temporada · Naef ganó el único H2H previo en césped (Wimbledon Q 2023) · Naef llega con 6 victorias consecutivas

La brecha de ranking es enorme (Voloshchuk 460 vs Losciale 971, diff -511) y el modelo le asigna 95% a la ucraniana, base 85. La superficie no fue provista — es qualy del WTA 125K de Figueira Da Foz, probablemente tierra batida outdoor, pero sin confirmación oficial reduzco levemente. El H2H reciente refuerza: Voloshchuk ya ganó 2-0 a Losciale en noviembre de 2025, y la diferencia generacional (19 vs 29 años) favorece a la jugadora joven en ascenso frente a una veterana estancada en el ranking 900+. Ajusto -5 por la falta de dato de superficie y porque ambas vienen de derrota el 11 de junio (factor neutro pero añade ruido). Mantengo publicable. Stats clave: Rank diff -511 (Voloshchuk 460 vs Losciale 971) · Prob modelo 95% a Voloshchuk · H2H 1-0 Voloshchuk (2-0 en nov 2025) · Surface no confirmada — ajuste -5

Sobre césped Siniakova tiene experiencia significativamente mayor y un H2H 1-0 favorable, aunque ganado en tres sets ajustados. El contexto refuerza el pick: 21 victorias en sus últimos 26 partidos vs jugadoras chinas y llega con confianza tras ganar dobles en Roland Garros. La incertidumbre principal es que es su primer partido del año en grass mientras Yuan ya jugó en la superficie la semana pasada, lo que limita la convicción. Stats clave: Siniakova #47 WTA · H2H 1-0 Siniakova · Récord 21-5 vs jugadoras chinas · Récord año Siniakova 10-10 (50%) · Primer partido del año en grass para Siniakova

Diferencia de ranking abrumadora: Kobori figura entre la 333-421 del WTA mientras Lopez Martinez está por encima del puesto 700, una brecha de más de 300 posiciones que el modelo traduce en 95% de probabilidad. La surface no fue provista (torneo ITF sobre tierra en Figueira da Foz, típicamente clay), así que no aplico ajuste por superficie y prefiero recortar levemente desde la base 85. El contexto de 96h no reporta lesiones ni cambios, por lo que no hay señal para mover en ninguna dirección. La única amenaza real es la varianza propia de torneos ITF/challenger donde la jugadora local puede elevar nivel, pero la diferencia estructural es demasiado amplia. Stats clave: Kobori rank ~333-421 vs Lopez Martinez ~707-738 · Brecha de ranking de más de 300 posiciones · Probabilidad del modelo 95% para Kobori · Sin lesiones ni novedades en últimas 96h

La final se juega sobre césped en 's-Hertogenbosch, superficie donde Krejcikova llega sin ceder un solo set en todo el torneo y con dos Grand Slams en el cuerpo. La diferencia de ranking es abismal —#63 contra una Montgomery #279 que viene desde la qualy disputando su primera final WTA—, y el modelo refleja eso con 95% para la checa. El contexto refuerza: experiencia en finales, forma dominante en hierba y rival debutante a este nivel; mantengo el cap en 85 sin ajuste extra porque el techo ya recoge el escenario. Stats clave: Krejcikova #63 vs Montgomery #279 (rank diff -216) · Krejcikova sin ceder sets en el torneo · Montgomery disputa su primera final WTA tras pasar qualy · Probabilidad modelo: 95% Krejcikova

El modelo da 80% a Volynets por diferencia de ranking (96 vs 106), pero hay dos señales de cautela que pesan en césped. Primero, no se provee surface_adj —Nottingham es césped, superficie de altísima varianza donde 10 puestos de ranking pesan menos que en cancha dura. Segundo, el H2H favorece a Birrell 2-1, incluyendo el único partido previo sobre césped entre ambas. Ajusto la base de 80 a 72: Volynets sigue siendo favorita por ranking y forma, pero el historial directo en superficie y la naturaleza impredecible del césped reducen el margen. Sin lesiones reportadas en ninguna, no hay razón para descartar. Stats clave: Rank Volynets #96 vs Birrell #106 (diff +10) · Prob base modelo: 80.1% · H2H favorece a Birrell 2-1, incluyendo único duelo en césped · Superficie césped no incorporada en el cálculo base

En un WTA 125K en Figueira Da Foz (probable clay outdoor, dato no confirmado por el feed), Leonard llega como #199 WTA frente a una Kulikova #510, una diferencia de ranking de +311 que el modelo traduce en 95% para la francesa. El único antecedente directo, sin embargo, fue victoria de Kulikova en 2024, lo que introduce ruido cualitativo que el modelo no incorpora. Tampoco hay confirmación de surface, así que recorto la base de 85 hacia 78 para reflejar esa incertidumbre y el H2H adverso. La amenaza concreta es que Kulikova ya le encontró la fórmula una vez y los WTA 125K suelen producir resultados ajustados entre jugadoras de estos rangos. Stats clave: Leonard WTA #199 vs Kulikova WTA #510 (diff +311) · Probabilidad modelo: 95% Leonard · H2H: Kulikova 1-0 (2024) · Surface no confirmada — ajuste por superficie no aplicado

El modelo asigna 95% a Sun apoyado en una diferencia de ranking sólida (#86 vs #174, +88) y forma marginalmente desfavorable a Kalinina (-2.7). El problema es contextual: no hay dato de surface (Berlín es hierba, pero no se pasó el ajuste) y ambas vienen de lesiones largas — Kalinina con seis meses fuera por lesión en brazo derecho hasta diciembre 2025, y Sun arrastrando molestias de muñeca desde su retiro en ASB Classic. Sun además no ha encadenado victorias en 2026, lo que choca con un 95% tan alto en qualy. Ajusto agresivamente a la baja: la favorita sigue siendo Sun por ranking, pero la calidad del 95% del modelo está inflada por no contemplar el regreso post-lesión de ambas ni la varianza típica de qualy. Bajo a 72%. Stats clave: Rank diff +88 (Sun #86 vs Kalinina #174) · Sun retirada del ASB Classic ene-2026 por muñeca · Kalinina regresó dic-2025 tras 6 meses fuera · Sin ajuste de surface aplicado (Berlín = hierba) · Primer H2H entre ambas

Ruggeri llega como favorita clara en la qualy del WTA 125K de Brescia con una diferencia de ranking sustancial (312 vs 507, casi 200 puestos) y jugando en su país natal. La superficie no fue provista en el feed, lo que limita la lectura fina, pero el diferencial de nivel es lo suficientemente amplio como para que el factor surface sea secundario en una qualy de este escalón. El contexto reciente confirma forma sólida (7 victorias en los últimos 10) y no hay reportes de lesiones en 96h. Mantengo la base en 85; la única amenaza real es la varianza típica de qualies con jugadoras jóvenes. Stats clave: Ranking: Ruggeri 312 vs Kotliar 507 (diff +195) · Probabilidad del modelo: 95% Ruggeri · Forma reciente Ruggeri: 7-3 últimos 10 · Ventaja de localía en Brescia, Italia

Pieri llega con una diferencia de ranking favorable (349 vs 367) en un Qualy de WTA 125 jugado en Brescia, terreno italiano para ambas. El modelo le asigna 93% por la brecha, pero la surface no fue provista y a nivel ITF/Qualy de bajo ranking la varianza entre jugadoras separadas por apenas 18 puestos es alta. Sin señales contextuales en las últimas 96h (ni lesiones ni fatiga reportada), ajusto a la baja desde 85 para reflejar la incertidumbre estructural del segmento. La amenaza principal es la propia volatilidad del nivel: a este escalón, el rank diff pesa menos que en circuito principal. Stats clave: Rank Pieri #349 vs Cherubini #367 (diff +18) · Probabilidad modelo: 93% Pieri · Surface no provista — ajuste por superficie no aplicado · Sin lesiones ni novedades en las últimas 96h

El modelo da 95% a Bronzetti por un diferencial de ranking de +96 posiciones, pero hay que matizar: la surface del partido (arcilla en Módena) no fue incorporada al cálculo, y Samson —pese a ser junior de 18 años— está rankeada #137 real y viene jugando bien en tierra batida europea. Bronzetti aporta experiencia WTA y juega en casa tras llegar a semis en Foggia, lo que sostiene el favoritismo, pero un primer cruce sin H2H contra una jugadora joven en ascenso en su mejor superficie introduce más varianza que la que refleja el 95% base. Ajusto a la baja desde 85 a 78 por la advertencia de surface no aplicada y el riesgo natural de una rival emergente sin lectura previa. Stats clave: Bronzetti #105 vs Samson #201 en el input del modelo (rank diff +96) · Prob base del modelo: 95% Bronzetti · Bronzetti viene de semifinal en WTA 125 Foggia · Samson, 18 años, en buen momento sobre arcilla · Primer enfrentamiento oficial — sin H2H · Surface no incorporada al cálculo (advertencia de datos)

El modelo le da 94.7% a Jimenez Kasintseva con una diferencia de ranking de 20 puestos (114 vs 134), base 85. El torneo se juega en arcilla en Módena, superficie favorita de la andorrana según el contexto reciente, lo que refuerza el caso. Sin embargo, ajusto a la baja porque Kawa llega con racha de varias victorias consecutivas y la diferencia de ranking en este rango (top 150) suele sobrestimar al favorito en formato WTA 125K. Además, la advertencia de surface no aplicada por el modelo introduce ruido. Mantengo el pick pero con confianza moderada. Stats clave: Rank local 114 vs visitante 134 (diff +20) · Probabilidad base del modelo 94.7% · Superficie arcilla, favorita declarada de Jimenez Kasintseva · Kawa con racha reciente de varias victorias consecutivas

El modelo le da 78% a Rakhimova apoyado en la diferencia de ranking (91 vs 100), pero el contexto recorta el margen de forma clara. Rakhimova viene de un partido de 2h51min disputado apenas un día antes, fatiga relevante en césped donde los puntos son cortos pero las piernas pesan en saques y cambios de dirección. Suma que el H2H está 2-2 y que Selekhmeteva ganó el cruce más reciente en febrero. Ajusto la base de 78 a 68 por el desgaste físico de la rusa y la incertidumbre adicional de no contar con surface confirmada en el modelo. La amenaza es que Selekhmeteva llega sin ritmo competitivo desde Roland Garros (24 de mayo), lo que también puede pesarle en una qualy a un set decisivo. Stats clave: Rank: Rakhimova 91 vs Selekhmeteva 100 (diff -9) · Probabilidad base modelo: 78.4% Rakhimova · H2H igualado 2-2, último ganado por Selekhmeteva (feb 2026) · Rakhimova jugó 2h51min el día previo · Selekhmeteva sin partido oficial desde 24/05

Sin información de surface confirmada (Nottingham suele ser césped, pero el dato no fue provisto), trabajo con la base cuantitativa: Sonmez (#110) tiene 21 puestos de ventaja sobre Tararudee (#131) y mejor forma reciente (+2.4). El modelo le asigna 95%, pero el contexto pesa en contra: Sonmez juega segundo día consecutivo tras caer en cuartos en 's-Hertogenbosch, viene saliendo de una molestia de rodilla en Roland Garros, y además Tararudee se le impuso en el único H2H previo en 2025. Ajusto la base de 85 a 72 — la favorita por papel sigue siéndolo, pero la combinación fatiga + lesión reciente + H2H adverso recorta el margen de forma significativa. Stats clave: Sonmez rank #110 vs Tararudee #131 (diff +21) · Forma ajustada +2.4 a favor de Sonmez · H2H 2025: Tararudee 1-0 · Sonmez jugó cuartos en 's-Hertogenbosch el día previo · Lesión de rodilla en Roland Garros (recuperada parcialmente)

Sobre césped en Nottingham, Putintseva (rank 74) parte como clara favorita ante Dudeney (rank 439), una diferencia de 365 puestos que el modelo traduce en 95% de probabilidad. La superficie no es predilecta para ninguna —44% de victorias en grass para Putintseva vs 17% para Dudeney— pero el diferencial sigue siendo amplio. La incertidumbre real es la varianza propia del césped en qualy (puntos cortos, saques que deciden) y el factor local de Dudeney jugando en casa, por lo que ajusto la base de 85 a 82. Primer H2H entre ambas, sin lectura previa. Stats clave: Rank WTA: Putintseva 74 vs Dudeney 439 (diff -365) · Prob modelo match_winner: 95% Putintseva · Win rate en césped: Putintseva 44% vs Dudeney 17% · Primer enfrentamiento H2H

El partido se juega sobre césped en Nottingham, superficie donde Golubic tiene historial sólido —fue finalista en este mismo torneo en 2021 y su juego plano y de slice se adapta bien a la hierba. El modelo asigna 95% a la suiza por diferencia de ranking (80 vs 103), pero ese número se siente inflado para una qualy WTA donde Erjavec llega con buen momento tras alcanzar final WTA 125 en China en mayo. Es además primer H2H, sin lectura previa. Ajusto la base 85 a 78 por la varianza típica de qualys sobre césped y el momento competitivo reciente de la eslovena. Stats clave: Golubic rank 80 vs Erjavec rank 103 (diff +23) · Probabilidad modelo: 95% Golubic · Golubic es 6ta cabeza de serie de la qualy · Erjavec viene de final WTA 125 en mayo 2026 · Primer enfrentamiento directo (sin H2H)

La diferencia de ranking es enorme: Korpatsch #123 WTA contra Pohankova #525, una brecha de 402 puestos que el modelo traduce en 95% de probabilidad para la alemana. Korpatsch llega además con confianza tras alcanzar por primera vez tercera ronda de Grand Slam en Roland Garros, mientras Pohankova, de 17 años, recién consigue sus primeras victorias relevantes en el circuito. No tengo dato de surface confirmada (Berlín suele ser hierba, fase previa), lo cual introduce ruido: la hierba tiende a igualar a jugadoras menos experimentadas con buen saque, y Pohankova viene de batir una Top 30 recientemente. Por esa incertidumbre de surface y el riesgo upset propio de qualy, ajusto base 85 a 80. Stats clave: Korpatsch rank #123 vs Pohankova rank #525 (diff -402) · Prob modelo 95% para Korpatsch · Korpatsch: 3ª ronda en Roland Garros 2025, mejor resultado de carrera · Pohankova (17 años) viene de su primera victoria ante Top 30 · Primer H2H entre ambas, sin historial previo

Marcinko llega como clara favorita por ranking (82 vs 165) y mejor forma reciente (5-2 en sus últimos 7), frente a una Ito que arrastra 6 derrotas en sus últimos 8. El modelo le da 95% por el diferencial de ranking, pero la superficie del torneo de Berlín no fue provista (suele ser hierba en junio, donde la muestra de ambas es escasa) y el único H2H previo lo ganó Ito en sets corridos. Esos dos factores —surface no confirmada y H2H adverso— justifican recortar la base de 85 a 78. Sigue siendo el lado correcto, pero con menos convicción que la que sugiere el rank diff. Stats clave: Marcinko rank 82 vs Ito rank 165 (diff +83) · Forma reciente Marcinko: 5-2 últimos 7 · Forma reciente Ito: 2-6 últimos 8 · H2H: Ito 1-0 (7-5, 6-2)

Frech (#59) llega como clara favorita ante Sasnovich (#113) en la qualy de Berlín sobre césped, con un diferencial de ranking de +54 que el modelo traduce en 95% de probabilidad. Ajusto a la baja porque la superficie no fue confirmada en el feed (sin ajuste por surface aplicado) y porque Frech no compite desde Roland Garros el 27 de mayo, mientras Sasnovich jugó el 7 de junio y llega con más rodaje sobre hierba —superficie donde la bielorrusa históricamente se desenvuelve mejor que en clay. La amenaza real es el cambio de superficie tras Roland Garros sumado a la inactividad de Frech, factor que en qualifying de césped tiende a igualar partidos. Mantengo el pick pero recorto la base de 85 a 78. Stats clave: Frech rank #59 vs Sasnovich rank #113 (diff +54) · Probabilidad base del modelo: 95% · Frech sin competir desde 27 de mayo (Roland Garros), 17 días de inactividad · Sasnovich jugó el 7 de junio, mayor ritmo competitivo reciente sobre césped · Primer H2H entre ambas, sin historial previo

El modelo da 95% a Arango por diferencia de ranking (48 vs 73), pero el contexto reciente pide cautela: Bondar la venció en tres sets en Rabat hace apenas un mes y llega con confianza tras batir a Svitolina (top-10). Además, la superficie del match no está confirmada —Nottingham es césped, una surface volátil donde el ranking pesa menos y el H2H reciente importa más. Arango sigue siendo favorita por ranking y por venir de recuperar nivel tras la lesión de hombro, pero el ajuste es claramente a la baja desde el 85 base. Stats clave: Arango WTA #48 vs Bondar WTA #73 (diff +25) · H2H reciente: Bondar ganó en Rabat 2026 en tres sets · Bondar viene de vencer a Svitolina (top-10) · Surface no confirmada (probable césped en Nottingham) · Arango regresó en marzo de lesión de hombro

Sobre césped (torneo de Berlín), Bartunkova llega con ventaja clara de ranking (#126 vs #269, diff +143) y con rodaje específico en la superficie tras alcanzar la final del WTA 125 de Birmingham hace pocas semanas. El modelo le asigna 95% base, pero ajusto a la baja porque no se aplicó adjuste por surface y Noha Akugue viene con confianza alta tras tres títulos ITF en 2026, incluido el W100 de Wiesbaden. Sin H2H previo, la incertidumbre del primer cruce también pesa. La amenaza concreta es un ritmo de servicio incómodo en césped para la checa si no entra fina al partido. Stats clave: Rank diff: Bartunkova #126 vs Akugue #269 (+143) · Bartunkova finalista WTA 125 Birmingham 2026 (césped) · Akugue 3 títulos ITF 2026 incl. W100 Wiesbaden · Prob modelo: 95% Bartunkova · Sin enfrentamientos previos (H2H 0-0)

Sobre césped, ambas tienen muestra cero en 2026, pero el H2H 3-0 a favor de McNally (incluyendo remontada reciente en Roland Garros tras ir 0-3 y un set abajo) es una señal fuerte que se combina con la forma catastrófica de Tomljanovic: 8-11 en el año y 5 derrotas consecutivas (LLLLL). La australiana además no suma victorias en clay (0-5) y llega sin ritmo competitivo. La incertidumbre principal es el grass como superficie nueva para ambas en este 2026, lo que iguala parcialmente el escenario, pero el momentum y el historial directo inclinan la balanza. Stats clave: H2H 3-0 a favor de McNally · Tomljanovic 8-11 en 2026 (42.1%) · Últimos 5 de Tomljanovic: LLLLL · Tomljanovic 0-5 en clay 2026 · McNally remontó 0-3 y un set en el último H2H (Roland Garros)

Bronzetti llega como clara favorita por ranking (#105 vs #161), una diferencia de 56 puestos que el modelo traduce en 95% de probabilidad. La sede en Modena le añade el factor local, jugando en Italia frente a una compatriota de menor circuito. La surface del cuadro no fue provista, lo que impide afinar el ajuste por terreno —probable tierra batida indoor/outdoor dado el calendario italiano de junio, donde Bronzetti se mueve con comodidad. Recorto la confianza desde 85 hacia 78 por la ausencia de dato de surface y por la varianza propia de un cuarto de final WTA 125/ITF donde las locales de ranking medio pueden tener días erráticos. Stats clave: Ranking WTA: Bronzetti #105 vs Brancaccio #161 · Diferencia de ranking: +56 a favor de Bronzetti · Probabilidad modelo: 95% Bronzetti · Sede Modena (Italia) — ambas locales, sin ventaja neta de público

La brecha de ranking es enorme: Anisimova #3 contra Jovic #35, con el modelo asignando 95% a la estadounidense. El torneo se juega en Londres en junio, lo que sugiere fuertemente césped, superficie donde Anisimova tiene potencia de fondo y saque plano que históricamente le rinden, mientras Jovic es una joven aún sin track record consolidado en hierba a nivel élite. Sin señales contextuales en las últimas 96h y con la advertencia de que la surface no fue confirmada formalmente por el modelo, recorto levemente la base de 85 a 82 por prudencia. La amenaza pasa por la irregularidad mental que Anisimova ha mostrado en ciertos tramos de su carrera, pero contra una rival muy por debajo en ranking es un riesgo acotado. Stats clave: Anisimova rank #3 vs Jovic rank #35 (diff -32) · Probabilidad modelo 95% para Anisimova · Ronda de cuartos en Londres, sede asociada a césped · Surface no confirmada explícitamente en el input

Naef llega con ranking WTA 302 frente a la 332 de Urhobo, una diferencia modesta en términos absolutos pero relevante en este nivel del circuito, donde 30 puestos suelen reflejar consistencia semanal en challengers e ITF. El modelo dispara 95% para la suiza, base 85. Sin embargo, la superficie no fue provista (Ilkley es hierba histórica, pero el dato no está confirmado) y a este nivel del ranking la varianza por surface y forma puntual es alta. Sin contexto reciente que confirme estado físico ni señales de las últimas 96h, recorto a 78 para no sobrevender un favoritismo que el dato cuantitativo apoya pero el cualitativo no respalda. Stats clave: Rank WTA Naef #302 vs Urhobo #332 · Diferencia de ranking +30 a favor de Naef · Probabilidad del modelo 95% match_winner · Surface no confirmada — ajuste por superficie no aplicado

El modelo marca 95% a Tararudee por diferencia de ranking de 83 puestos (#131 vs #214 de Tan), pero la superficie no fue provista y estamos en Ilkley, torneo sobre césped donde Tan tiene experiencia previa en main draw del circuito británico. Sin poder validar el ajuste por surface ni contar con señales contextuales de las últimas 96h, prefiero recortar la base de 85 a 78 para reflejar esa incertidumbre. Tararudee sigue siendo favorita clara por ranking y forma reciente implícita en el modelo, pero el grass iguala más de lo que el diferencial sugiere. La amenaza es que Tan, pese a su ranking actual, llegó a octavos de Roland Garros en 2022 y conoce bien el circuito sobre hierba. Stats clave: Rank WTA: Tararudee #131 vs Tan #214 (diff -83) · Probabilidad modelo: 95% Tararudee · Superficie no confirmada en data feed (Ilkley = grass habitualmente) · Base del modelo 85, ajustada a 78 por falta de ajuste por surface

La superficie no fue provista por el feed pero el torneo de 's-Hertogenbosch se juega sobre césped, factor relevante a considerar. El modelo da 95% a Snigur por diferencia de ranking de 130 puestos (149 vs 279) y forma reciente favorable, con un récord de 25-6 este año ante jugadoras fuera del Top 100. Ajusto a la baja desde el cap de 85 porque Montgomery llega con cuatro victorias consecutivas desde qualy y su perfil de juego en césped la hace peligrosa pese al ranking, aunque el regreso post-lesión limita su techo físico. La amenaza principal es que el modelo no incorpora el efecto superficie ni el momentum de la qualy. Stats clave: Snigur rank 149 vs Montgomery rank 279 (diff +130) · Snigur 25-6 en 2026 ante jugadoras fuera del Top 100 · Montgomery con 4 victorias seguidas desde qualy · Montgomery regresando tras lesión que cortó su 2025 · Surface no provista (torneo histórico sobre césped)

El torneo se juega en Londres, lo que sugiere pasto (Queen's/preparación a Wimbledon), superficie donde Raducanu históricamente rinde mejor que Cirstea —aunque el dato de surface no fue provisto al modelo, así que no se aplicó ajuste cuantitativo. El gap de ranking favorece a la británica (#29 vs #41) y la forma reciente también la respalda (+1.4). El modelo le asigna 83.5% con base 84; ajusto levemente a la baja a 78 por la ausencia de ajuste por surface y porque Cirstea tiene perfil de veterana capaz de complicar a rivales jóvenes en condiciones rápidas. La amenaza principal es la irregularidad histórica de Raducanu y posible factor presión de jugar en casa. Stats clave: Raducanu rank #29 vs Cirstea #41 (diff -12) · Probabilidad base del modelo: 83.5% · Ajuste por forma reciente: +1.4 · Sede Londres sugiere pasto, superficie favorable a Raducanu (no cuantificada por el modelo)

El torneo se juega sobre tierra batida en Módena, superficie donde Kawa históricamente se mueve con comodidad como jugadora europea de clay. El modelo le da 76% basado en diferencia de ranking (#134 vs #142), y el contexto refuerza levemente: Kawa llega con rodaje reciente tras disputar la qualy de Roland Garros en mayo, mientras Salkova no compite desde Rouen en abril —casi dos meses de inactividad en un circuito donde el ritmo competitivo pesa. Ajusto +2 a 78%. La amenaza es que ambas son jugadoras de nivel similar (8 puestos de diferencia) y un upset en WTA 125K nunca se puede descartar. Stats clave: Kawa rank #134 vs Salkova #142 (diff -8) · Probabilidad base del modelo: 76% Kawa · Kawa con actividad reciente (qualy Roland Garros, mayo 2026) · Salkova sin competir desde abril 2026 (~2 meses de inactividad)

Aunque las stats numéricas no fueron provistas en el input, el contexto es inequívoco: Medvedev es top ATP y tercer preclasificado del Libema Open, un torneo ATP 250 en grass, enfrentando a Boogaard, un wildcard de 17 años con ranking 779 que recién ganó su primer partido ATP. La diferencia de nivel en grass es masiva y Medvedev históricamente rinde bien en superficies rápidas. La principal incertidumbre es la forma irregular reciente de Medvedev (4 eliminaciones en R1 de Grand Slams en sus últimas 5 participaciones), pero esos eran rivales tour-level, no un junior #779. Stats clave: Medvedev tercer preclasificado del torneo · Boogaard ranking 779 ATP · Boogaard tiene 17 años y juega con wildcard · Boogaard apenas logró su primera victoria ATP en R1 · Superficie: grass (favorece a Medvedev)

En grass, formato BO3, con una brecha de ranking tan grande (top ATP vs #779), el escenario más probable es un cierre directo en sets corridos. El saque domina en césped y Medvedev tiene un servicio muy superior al de un junior de 17 años con experiencia mínima en el circuito. El factor de riesgo es la motivación local de Boogaard jugando en casa y la forma irregular reciente de Medvedev, lo que podría permitirle a Boogaard robar un set con un break afortunado, pero sigue siendo el desenlace menos probable. Stats clave: Diferencia de ranking enorme (top vs #779) · Formato BO3 en grass favorece al sacador superior · Boogaard sin experiencia previa contra top players · Medvedev preclasificado #3 del cuadro

Sobre césped en 's-Hertogenbosch, Linette (rank #52) parte como amplia favorita ante Sonmez (#110), con el modelo dándole 95% por la diferencia de 58 puestos. El contexto introduce dos matices: Sonmez viene de una caída con herida en rodilla en Roland Garros hace menos de dos semanas (aunque reportada como recuperada), y el H2H 0-1 corresponde a un retiro de Linette, no a una derrota real en cancha. Ajusto la base de 85 a 78 porque es la primera vez que ambas se miden completas y la polaca tiene historial físico frágil; aun así, su jerarquía y experiencia en césped (donde Sonmez nunca llegó a un QF de tour) sostienen el pick. La amenaza principal es una recaída física de Linette, no el nivel de Sonmez. Stats clave: Linette rank #52 vs Sonmez #110 (diff -58) · Prob modelo 95% para Linette · H2H 0-1 viciado por retiro previo de Linette · Primer QF en césped a nivel WTA para Sonmez · Sonmez con lesión reciente en rodilla en Roland Garros

Sobre césped en Londres, Rybakina (rank #5) parte como amplia favorita frente a Maria (#43), con el modelo otorgándole 95% basado en diferencial de ranking de 38 puestos y forma reciente +2.5%. El contexto, sin embargo, mete ruido: Maria es la campeona defensora del torneo, ya eliminó a Rybakina en cuartos el año pasado en esta misma superficie y llega con tres partidos de ritmo desde qualy, mientras que para Rybakina es su debut sobre hierba de la temporada tras una salida temprana en Roland Garros. El slice game de Maria sobre césped y el factor revancha justifican un ajuste a la baja desde 85 hacia 78. Sigue siendo pick por nivel y potencia de saque de Rybakina, pero la calibración honesta exige descontar la varianza superficie-específica. Stats clave: Rybakina rank #5 vs Maria rank #43 (diff +38) · Prob base del modelo: 95% Rybakina · Forma reciente: +2.5% a favor de Rybakina · H2H reciente: Maria ganó en cuartos de Londres 2025 · Maria llega con 3 victorias desde qualy; Rybakina debuta en césped

El torneo se juega sobre césped en Ilkley, una superficie de transición previa a Wimbledon donde la diferencia de ranking pesa menos que en otras surfaces por lo rápido del bote y el factor saque. Krueger (#49 WTA) tiene una brecha enorme sobre Dudeney (#439), y el modelo le asigna 95% base. Ajusto a la baja: Dudeney llega con confianza tras el mejor triunfo de su carrera en R1, juega en casa con wild card y tiene background previo en césped (cuartos juniors en Wimbledon 2021), factores que en superficie rápida pueden generar un set incómodo. La amenaza real es un Krueger frío de saque en condiciones europeas; aun así, la diferencia de nivel es demasiado amplia para descartar el pick. Stats clave: Krueger rank #49 WTA vs Dudeney #439 (diff -390) · Probabilidad base del modelo: 95% · Dudeney es wild card local, sin track record WTA consolidado · Superficie: césped (Ilkley, previa a Wimbledon)

Partido sobre césped en 's-Hertogenbosch, superficie donde Borges (#50 ATP) llega como jugador en plenitud física a sus 29 años, mientras que Cilic, a los 37 y tras dos cirugías de rodilla, sigue en proceso de reconstrucción competitiva. El factor lesión del visitante refuerza el pick: el césped exige movimiento explosivo lateral y cambios de dirección que castigan rodillas comprometidas. H2H 1-1 con Borges ganando el cruce más reciente en 2026 inclina ligeramente la balanza, aunque la experiencia de Cilic en grass (ex finalista de Wimbledon) es la principal incertidumbre. Stats clave: Borges #50 ATP · H2H 1-1, último ganado por Borges en 2026 · Cilic 37 años con dos cirugías de rodilla recientes · Superficie césped, exigente para movilidad

Galfi llega como favorita clara en la hierba de Ilkley con un diferencial de ranking considerable (#94 vs #179), y el modelo le asigna 95% de probabilidad. La superficie no fue confirmada explícitamente en los datos, lo cual obliga a ser cauto: en césped la varianza aumenta y rivales de ranking inferior con buen saque pueden complicar más de lo esperado. La distensión abdominal de abril 2026 no tiene reportes recientes de recaída, pero es un factor latente en una superficie exigente físicamente. Ajusto la base de 85 a 80 para reflejar esa incertidumbre de surface y antecedente físico. Stats clave: Galfi rank #94 vs Mandlik #179 (diff -85) · Probabilidad modelo: 95% Galfi · Primer H2H entre ambas — sin historial · Galfi con antecedente de distensión abdominal en abril 2026 · Surface no confirmada en datos (probable césped en Ilkley)

Modena se juega sobre tierra batida (WTA 125K), superficie donde la diferencia de ranking (92 vs 105) suele diluirse y favorecer a la jugadora con mejor lectura táctica. El modelo da 88.2% a Grabher por rank diff de -13, pero el contexto pesa en contra: H2H 3-1 para Bronzetti (incluyendo final de Rabat 2023 en clay), la italiana juega en casa y llega con mejor forma reciente, mientras Grabher recién regresa de una lesión de muñeca que le costó varios meses. Ajusto base 85 → 75 por la combinación H2H + localía + retorno de lesión; sigue publicable porque el ranking gap es real y el techo de Grabher sana es claramente superior, pero la confianza original era inflada para este contexto. Stats clave: Grabher rank #92 vs Bronzetti #105 (diff -13) · H2H 3-1 favorable a Bronzetti, último en final de Rabat 2023 · Grabher regresó en 2024 tras lesión de muñeca de varios meses · Bronzetti juega en su país (Modena, Italia) · Prob modelo base: Grabher 88.2%

La sede es London en junio, lo que sugiere fuertemente césped (warm-up a Wimbledon), aunque la surface no fue confirmada por el modelo —factor de incertidumbre relevante porque Boulter es británica y tradicionalmente rinde mejor sobre hierba en casa. Aun así, la diferencia de ranking es contundente: Cristian #38 vs Boulter #112, gap de 74 posiciones que el modelo traduce a 95% base. El partido es lejano (junio 2026) y no hay señal contextual de 96h utilizable. Ajusto a la baja desde 85 hasta 78 por dos razones: surface no confirmada (warning explícito) y factor local de Boulter en césped británico que el modelo no pudo incorporar. Stats clave: Cristian rank #38 vs Boulter rank #112 (diff +74) · Prob modelo: 95% Cristian · Sede London — probable césped, favorable a Boulter como local · Surface no provista: ajuste por superficie no aplicado · Partido lejano (junio 2026), sin señales contextuales 96h

El modelo otorga 95% a Jimenez Kasintseva por la diferencia de ranking (114 vs 143, +29 posiciones), pero ajusto a la baja porque la surface del WTA 125K de Módena no fue provista y el ajuste por superficie no se aplicó —un input clave en tenis que no puedo verificar—. Lepchenko es una veterana zurda con experiencia en clay europea, lo que añade incertidumbre cualitativa que el modelo no captura. El contexto de 96h no aporta señal nueva (sin lesiones ni cambios reportados), así que el ajuste es puramente por incertidumbre de datos. Mantengo el pick por el favoritismo claro de la andorrana, pero con confianza moderada. Stats clave: Rank Jimenez Kasintseva #114 vs Lepchenko #143 (diff +29) · Probabilidad modelo 95% para la andorrana · Surface no provista — ajuste de superficie no aplicado · Sin señales contextuales relevantes en últimas 96h

Yastremska llega como #27 del ranking WTA frente a una Tomljanovic en el puesto 78, una brecha de 51 lugares que el modelo traduce en un 95% de probabilidad. El torneo de 's-Hertogenbosch se juega sobre césped, una superficie donde el saque potente de la ucraniana suele rendir bien, aunque no se proveyó dato específico de surface para ajustar. Sin señales contextuales en las últimas 96h, mantengo la base pero recorto levemente a 80 por la varianza propia del césped, donde rallies cortos y un mal día al saque pueden equilibrar partidos teóricamente desparejos. La amenaza principal es la experiencia de Tomljanovic en cuadros WTA y su capacidad de devolver con profundidad. Stats clave: Yastremska rank WTA #27 vs Tomljanovic #78 · Diferencia de ranking de 51 puestos · Probabilidad del modelo: 95% · Superficie esperada: césped (sin ajuste aplicado)

El torneo se juega sobre arcilla en Módena, superficie histórica favorable a Zidansek (finalista de Roland Garros 2021 en su mejor momento y especialista en clay). El modelo le otorga 68.9% sustentado en una diferencia mínima de ranking (156 vs 161) y un leve plus de forma (+1.7). Como la advertencia indica que el ajuste por surface no se aplicó pese a confirmarse arcilla, la ventaja real podría ser ligeramente mayor para la eslovena, aunque la cercanía de rankings y el nivel parejo en challengers WTA 125 obligan a no inflar. Sin noticias de lesión en 96h, mantengo prácticamente la base con un leve recorte por la varianza propia del nivel. Stats clave: Rank: Zidansek #156 vs Brancaccio #161 (diff +5) · Probabilidad modelo: 68.9% Zidansek · Ajuste de forma: +1.7 a favor de Zidansek · Superficie: arcilla (Módena), no incorporada al modelo · Sin reportes de lesión en últimas 96h

Salkova (WTA #142) llega como favorita amplia frente a una Trevisan que cayó al #696 tras un 2025 muy irregular, con una diferencia de ranking de 554 puestos. El modelo le asigna 95% a la checa, pero la superficie del match no fue provista —probablemente clay indoor/outdoor en Modena, que históricamente favorece a Trevisan (zurda, ex top-20 en tierra). Sin contexto reciente que ajustar y con la advertencia de surface sin aplicar, recorto el techo: la italiana sigue teniendo herramientas en clay aunque su nivel actual no acompañe. Mantengo el pick pero con confianza algo por debajo de la base. Stats clave: Salkova rank WTA #142 vs Trevisan #696 (diff +554) · Prob modelo 95% para Salkova · Forma reciente +2.5% a favor de Salkova · Surface no provista — ajuste no aplicado (Trevisan histórica especialista en clay)

La diferencia de ranking es abismal: Mboko #18 frente a Pliskova #1054, lo que sugiere una Pliskova en fase final de carrera o regresando de larga ausencia, muy lejos de su top-1 histórico. El modelo asigna 95% a Mboko, pero la superficie del match no fue provista —dato relevante porque Pliskova históricamente rinde mejor en pista rápida y el torneo es en Londres (probablemente césped, superficie de alta varianza donde el saque de Pliskova aún puede ser arma). Ajusto a la baja desde el 85 base por la falta de info de surface y porque jugadoras experimentadas en césped suelen extender partidos contra rivales jóvenes. Aun así, el gap competitivo actual respalda mantener a Mboko como favorita clara. Stats clave: Mboko ranking WTA #18 · Pliskova ranking WTA #1054 · Diferencia de ranking +1036 · Probabilidad modelo 95% Mboko · Surface no confirmada (probable césped en Londres)

La brecha de ranking es contundente: Sun #86 frente a Stoiana #223, una diferencia de 137 puestos que el modelo traduce en 95% de probabilidad para la neozelandesa. La superficie del torneo (césped de Ilkley, previo a Wimbledon) no está confirmada en los datos, lo que me obliga a no ajustar al alza pese a que Sun tiene antecedente fuerte en hierba (cuartos de Wimbledon 2024). Sin señales contextuales en 96h, mantengo cerca de la base y aplico un leve recorte por la advertencia de datos de surface. La amenaza real es baja salvo escenario de fatiga o lesión no reportada. Stats clave: Rank WTA: Sun #86 vs Stoiana #223 (diff +137) · Probabilidad del modelo: 95% Sun · Base de confianza del candidato: 85 · Surface no confirmada — sin ajuste por superficie

Jovic llega como #35 del ranking WTA frente a la #53 Eala, una diferencia de 18 puestos que el modelo traduce en 93.4% de probabilidad. Sin embargo, la surface del partido no fue provista —dato crítico en Londres, donde podría tratarse de hierba y Eala históricamente se ha movido mejor en superficies rápidas que Jovic, aún en desarrollo en el circuito. Sin contexto reciente en las últimas 96h y con la advertencia de surface sin aplicar, recorto la base de 85 a 78 por prudencia: la diferencia de ranking sostiene el pick, pero la falta de ajuste por superficie deja un margen de error que no quiero ignorar. La amenaza principal es justamente que el match sea en grass y Eala neutralice con saque y agresividad. Stats clave: Jovic rank WTA #35 vs Eala #53 · Diferencia de ranking +18 a favor de Jovic · Probabilidad del modelo 93.4% para Jovic · Surface no provista — ajuste por superficie no aplicado

Bouzas Maneiro llega como #42 WTA frente a una Tomljanovic en #78 que viene de un tramo irregular tras sus problemas físicos del último año. El modelo le da 95% a la española apoyado en una diferencia de ranking de +36, pero el torneo de 's-Hertogenbosch se juega sobre césped y no recibimos data de surface — un factor relevante porque Tomljanovic históricamente rinde por encima de su ranking en hierba (cuartos en Wimbledon 2021 y 2022). Sin contexto de últimas 96h y con esa incertidumbre de surface no incorporada al modelo, recorto la confianza desde 85 hacia abajo. La amenaza concreta es que la australiana acomode su saque-volea en una superficie que la favorece estilísticamente. Stats clave: Rank diff +36 (Bouzas #42 vs Tomljanovic #78) · Probabilidad modelo: 95% Bouzas · Surface no provista — torneo es césped (favorece históricamente a Tomljanovic) · Tomljanovic con cuartos en Wimbledon 2021 y 2022

Potapova llega como clara favorita en 's-Hertogenbosch con ranking #55 frente al #97 de Lamens, una diferencia de 42 posiciones que el modelo traduce en 95% de probabilidad. La superficie no está confirmada en los datos provistos (probablemente hierba dado el torneo neerlandés de junio), y ahí está la principal amenaza: Lamens es jugadora local y la hierba tiende a comprimir diferencias de ranking, favoreciendo a sacadoras consistentes en su superficie de casa. Sin contexto reciente relevante (partido a meses vista), ajusto a la baja desde 85 por la advertencia de surface no confirmada y el factor local de Lamens. La forma reciente (+3.3) sostiene la lectura pro-Potapova. Stats clave: Potapova rank #55 vs Lamens rank #97 (diff +42) · Probabilidad modelo: 95% Potapova · Ajuste forma: +3.3 a favor de Potapova · Surface no confirmada — torneo de hierba histórico, Lamens jugadora local

El modelo proyecta 95% para Boisson apoyado en una diferencia de ranking de 30 puestos (#36 vs #66), aunque el dato de surface no está disponible —se juega en 's-Hertogenbosch, históricamente césped, terreno donde Boisson tiene mucho menos rodaje que en clay, donde construyó su nombre. Sin ajuste de surface en el modelo y sin contexto reciente, el 95% me parece optimista para una primera ronda sobre superficie incierta para la francesa. Recorto la confianza a 75% para reflejar esa incertidumbre estructural, manteniendo a Boisson como favorita clara por ranking y forma comparada. Stats clave: Boisson rank #36 vs Sierra rank #66 (diff +30) · Probabilidad base del modelo: 95% · Ajuste de forma -1.4 (leve desventaja relativa) · Sede 's-Hertogenbosch (césped) sin ajuste de surface aplicado

La brecha de ranking es enorme: Lepchenko (143 WTA) frente a Basiletti (496 WTA), una diferencia de 353 posiciones que el modelo traduce en 95% de probabilidad. La surface no fue confirmada (Modena suele ser clay outdoor en ITF/WTA 125), por lo que no aplico ajuste por superficie y bajo levemente desde el cap. Sin señales contextuales en 96h, mantengo el peso casi íntegro del modelo, pero descuento por la naturaleza R1 donde jugadoras de bajo ranking local a veces compiten por encima de su nivel. La amenaza principal es una Lepchenko poco activa o sin ritmo competitivo reciente, riesgo típico de veteranas en ITF/WTA menores. Stats clave: Lepchenko rank WTA 143 · Basiletti rank WTA 496 · Rank diff -353 a favor de Lepchenko · Probabilidad modelo 95%

Diferencia de ranking amplia a favor de Jimenez Kasintseva (114 vs 226, +112 posiciones), lo que el modelo traduce en 95% de probabilidad y confianza base 85. Sin embargo, la surface del torneo de Modena no fue provista y no se pudo aplicar ajuste por superficie, un factor #1 en tenis WTA. Tampoco hay contexto reciente (96h) que respalde o cuestione el favoritismo, y Pieri al ser jugadora de circuito ITF/challenger en clay europeo puede rendir por encima de su ranking en esta sede. Ajusto a la baja desde 85 a 78 por la falta de dato de superficie y la incertidumbre que eso introduce en una R1 de torneo menor. Stats clave: Jimenez Kasintseva rank #114 vs Pieri rank #226 (diff +112) · Probabilidad modelo: 95% favorita · Base de confianza 85, ajustada a 78 por falta de dato de surface · Sede Modena (típicamente clay) — Pieri es italiana, posible factor local no cuantificado

El partido se juega en Ilkley, un challenger sobre hierba (preparación para Wimbledon), aunque el dato de surface no fue confirmado por el modelo. Swan (rank 270) llega con una diferencia de ranking importante sobre Martincova (rank 464), y como británica jugando en casa suele tener buen rendimiento sobre césped en la gira doméstica. El modelo asigna 95% a Swan; ajusto a la baja porque la falta de ajuste por surface y la volatilidad típica de R1 en challengers de hierba (saques peligrosos, poco margen de quiebre) genera más incertidumbre de la que reflejan los ranks. La amenaza principal es la experiencia tour de Martincova, ex top-100, que en hierba puede competir si encuentra ritmo de saque. Stats clave: Swan rank 270 vs Martincova rank 464 (diff -194) · Probabilidad base del modelo 95% para Swan · Forma reciente favorece a Swan (+1.7) · Surface no confirmada — sin ajuste aplicado · Sede Ilkley (Reino Unido), ventaja local para Swan

Brancaccio (WTA #161) llega con una diferencia de ranking enorme frente a Bosio (#373), una brecha de 212 puestos que en circuito WTA 125/ITF suele traducirse en partidos resueltos en sets corridos. El modelo le asigna 95% y la base es 85, pero la superficie del torneo de Modena no fue informada, lo que impide validar récord específico por surface. Sin contexto reciente que mueva la aguja y con esa advertencia de datos, prefiero descontar levemente para no apoyarme ciegamente en el ranking. Amenaza principal: en rondas iniciales de challengers, la jugadora peor rankeada a veces llega con más ritmo competitivo reciente. Stats clave: Brancaccio WTA #161 vs Bosio WTA #373 · Rank diff -212 a favor de Brancaccio · Prob modelo 95% para Brancaccio · Surface no informada — ajuste no aplicado

Kawa (WTA 134) llega como clara favorita ante Pigato (WTA 266), con una diferencia de 132 puestos de ranking que el modelo traduce en 95% de probabilidad. La superficie del torneo de Módena no fue confirmada en el input, lo que impide aplicar ajuste por surface — un dato no menor considerando que Pigato es local italiana y suele tener mejor rendimiento en clay europea. Sin lesiones ni señales contextuales relevantes en las últimas 96h, mantengo el pick pero recorto la base de 85 a 80 por la incertidumbre de superficie y el factor localía de la rival. Stats clave: Kawa rank WTA 134 vs Pigato rank WTA 266 (diff +132) · Probabilidad del modelo: 95% Kawa · Ajuste de forma reciente: +2.5% a favor de Kawa · Pigato juega como local en Italia (factor no cuantificado) · Surface del match no confirmada en el input

El partido se juega en el WTA 125 de Módena (surface no confirmada en el feed, probablemente clay outdoor por calendario italiano de junio). El modelo da 95% a Ruggeri por la brecha de ranking (312 vs 696), pero ese 696 de Trevisan refleja casi un año de inactividad post-cirugía de pie, no su nivel real —fue Top 20 y semifinalista de Roland Garros. Ruggeri llega con el envión del título ITF W75 de Zaragoza, aunque arrastra molestias abdominales tras una final de más de 3 horas hace una semana. Ajusto la base de 85 a 70: la favorita sigue siendo Ruggeri por forma y frescura competitiva, pero la combinación de fatiga/abdominal y el hecho de que el rival es ex-Top 20 en reentrada hace que el 95% del modelo esté inflado. Stats clave: Rank diff -384 (Trevisan 696 vs Ruggeri 312) · Ruggeri campeona ITF W75 Zaragoza 01-jun-2026 (final >3h) · Ruggeri con molestias abdominales reportadas post-final · Trevisan ex-Top 20, regreso tras cirugía de pie y ~1 año fuera · Prob base modelo 95% / base 85

El modelo asigna 95% a Fita Boluda por diferencia de ranking de 81 puestos (261 vs 342), pero el contexto modera esa lectura: Vandromme llega con 78% de victorias en el último año frente al 59.8% de la española, señal de mejor forma general. La superficie es probablemente tierra batida (WTA 125K de Módena), terreno predilecto de Fita Boluda y el más débil de Vandromme (59% de victorias en clay), lo que refuerza a la española. Ajusto la base 85 hacia abajo a 78 por dos motivos: la superficie no fue confirmada en el feed (advertencia de datos) y la mejor forma reciente de la rival introduce ruido. Primer cruce entre ambas, sin H2H que aporte señal adicional. Stats clave: Rank 261 (Fita Boluda) vs 342 (Vandromme), diff -81 · Probabilidad base del modelo: 95% · Fita Boluda especialista en tierra batida, presunta superficie en Módena · Vandromme 78% victorias último año vs 59.8% de Fita Boluda · Vandromme solo 59% en clay (su peor superficie)

Diferencia de ranking considerable: Sawangkaew #247 contra Urhobo #332, una brecha de 85 puestos que en circuito ITF/WTA secundario suele ser determinante. La surface del partido no fue provista (Ilkley es césped británico previo a Wimbledon, pero el modelo no lo computó), lo que mete ruido en la lectura fina. El modelo marca 95% base; ajusto a la baja porque Urhobo trae forma reciente algo mejor (-2.5 en form_adj contra la tailandesa) y porque sin confirmación de surface evito anclarme al techo. Sin señal contextual nueva en 96h, me quedo en zona conservadora respecto a la base. Stats clave: Sawangkaew rank #247 vs Urhobo #332 (diff +85) · Probabilidad base del modelo: 95% · Form adjustment -2.5 favorece levemente a Urhobo · Surface no provista — ajuste de superficie no aplicado

Sobre césped, superficie donde Cilic tiene amplia experiencia (finalista de Wimbledon histórico) y mejor adaptación que Shapovalov en este momento de carrera. H2H está 3-3 pero Cilic ganó los últimos dos cruces, incluido uno en Australia 2026 en sets corridos, lo que indica que la dinámica reciente del enfrentamiento le favorece. El contexto externo refuerza el pick: Shapovalov vuelve de una lesión prolongada de rodilla y arrastra 4 derrotas consecutivas con récord 8-11, mientras Cilic está 11-10. La principal incertidumbre es la varianza propia del césped en R1, donde el saque pesa mucho y un solo break define sets. Stats clave: H2H 3-3 global pero Cilic ganó los últimos 2 · Cilic 11-10 en 2026 vs Shapovalov 8-11 · Shapovalov con 4 derrotas seguidas · Shapovalov regresa de lesión en la rodilla · Superficie césped, favorable al perfil de Cilic

El torneo se juega sobre césped en 's-Hertogenbosch, superficie donde Alexandrova tiene un historial fuerte (campeona y semifinalista en sus últimas dos participaciones) y cuyo juego potente se ajusta mejor que el perfil de tierra de Udvardy, que solo ganó un partido de cuadro principal sobre hierba en su carrera. El modelo da 95% por una diferencia de ranking de 77 puestos (10 vs 87), pero ajusto a la baja: Alexandrova cayó en primera ronda en 9 de sus últimos 12 torneos de 2026, lo que mete ruido sobre el favoritismo nominal. Es primer cruce H2H, así que la incertidumbre adicional viene del momento mental de la rusa más que del nivel base. Mantengo el pick pero recorto ~7 puntos por forma. Stats clave: Alexandrova rank #10 vs Udvardy rank #87 (diff +77) · Prob base del modelo: 95% · Alexandrova perdió en R1 en 9 de sus últimos 12 torneos en 2026 · Udvardy con solo 1 victoria en cuadro principal sobre césped en su carrera · Alexandrova ex campeona y semifinalista reciente en 's-Hertogenbosch

La final del WTA 125 de Makarska se juega sobre arcilla, dato que el modelo no incorporó por falta de surface en el feed. Aun así, la diferencia de ranking es clara (Semenistaja #98 vs Timofeeva #138, diff +40) y la letona llega con un camino consistente, habiendo despachado a Avanesyan en semis. El modelo marca 95% pero ese número es agresivo sin ajuste de superficie y con Timofeeva mostrando solvencia en arcilla al vencer a una especialista como Sorribes Tormo en sets corridos. Recorto la base de 85 a 78: el favoritismo se mantiene, pero la final a un set decisivo en arcilla y la forma de la rival justifican cautela. Stats clave: Semenistaja rank #98 vs Timofeeva #138 (diff +40) · Probabilidad base del modelo: 95% · Timofeeva venció a Sorribes Tormo (especialista en arcilla) en semis · Surface real: arcilla (no incorporada al modelo)

Final sobre tierra batida en Foggia entre la española #158 (el contexto la ubica ahí, no en 140) y la joven Grant #234. El modelo da 95% a Romero Gormaz apoyado en una diferencia de ranking de +94, pero no incorpora el ajuste por surface ni el momentum reciente de Grant, que viene de ganar el W75 de Kosice y se proyecta al top 200. Grant juega además en su país de adopción con motivación extra y ya superó la lesión de hombro de inicio de año. La favorita sigue siendo Romero por jerarquía y por haber vencido a Bronzetti en semis, pero ajusto la base de 85 a 74 porque el contexto reduce claramente el margen real. Stats clave: Rank gap +94 (Romero #158 vs Grant #234 según contexto) · Grant ganó W75 Kosice recientemente, proyección top 200 · Romero venció a Bronzetti en semis · Final WTA 125K sobre clay · Surface adj no aplicado por el modelo (dato faltante)

Partido en grass (qualy de Queen's), superficie donde Maria es especialista reconocida y campeona defensora del torneo en 2025 con su juego de slice. La diferencia de ranking es amplia (#43 vs ~#292) y el factor motivacional citado en el contexto externo refuerza el pick: Maria está obligada a jugar qualy pese a ser campeona defensora y necesita defender 500 puntos. La incertidumbre principal es su flojo año global (7-15, 31.8%) y que no tiene partidos en grass aún en 2026, por lo que la confianza no escala más arriba. Stats clave: Maria #43 WTA vs Miyazaki ~#292 · Maria campeona defensora Queen's 2025 (grass) · Récord 2026 de Maria: 7-15 (31.8%) · Maria 0-0 en grass 2026 (sin muestra del año) · Motivación alta: defiende 500 puntos sin wildcard

El torneo se disputa sobre césped en Londres (qualy), superficie donde Parks —con su saque potente— tiene ventaja estructural sobre Inglis pese a que no se aplicó ajuste explícito por surface en el modelo. La diferencia de ranking es contundente (#101 vs #166) y Inglis llega con siete derrotas consecutivas, lo que erosiona su confianza en un escenario de qualy a una sola jornada. La amenaza real es la irregularidad reciente de Parks viniendo de arcilla y la transición a hierba, que históricamente reordena formas; por eso recorto la base de 85 a 80 en vez de mantenerla. Stats clave: Ranking WTA: Parks #101 vs Inglis #166 (diff -65) · Inglis acumula 7 derrotas consecutivas en todas las competiciones · Modelo asigna 95% a Parks como ganadora · Parks viene de arcilla y transiciona a césped, factor de incertidumbre

La final se juega sobre césped en Birmingham, superficie donde Eala ha llegado a la final ganando todos sus partidos en sets corridos. La diferencia de ranking es contundente (#53 vs #126, gap de 73 posiciones) y el modelo le asigna 95% a la filipina, con base 85. Ajusto levemente a la baja a 80 porque Bartunkova viene en una racha de regreso post-suspensión jugando sin presión, y las finales entre compañeras de dobles suelen ser tácticamente impredecibles —además, la superficie no estaba confirmada en los datos del modelo, lo que reduce mi convicción. La amenaza real es más emocional/táctica que estadística. Stats clave: Eala #53 WTA vs Bartunkova #126 (diff +73) · Probabilidad base del modelo: 95% · Eala llegó a la final ganando en sets corridos en césped · Bartunkova regresa de suspensión por dopaje 2024

El torneo se juega sobre hierba en 's-Hertogenbosch, aunque el modelo no aplicó ajuste de surface por falta de dato — primera fuente de cautela. Seidel (#84) parte como favorita clara frente a Minnen (#119) por diferencia de ranking de 35 puestos, y el modelo le asigna 95%. Sin embargo, el único H2H previo lo ganó Minnen en 2022, y la belga tiene más recorrido sobre hierba en el circuito, factor que el modelo no incorpora. Ajusto la base 85 a 75 por la combinación de H2H desfavorable, ausencia de ajuste por surface y el contexto de Q3 donde ambas llegan con motivación máxima. Stats clave: Seidel WTA #84 vs Minnen #119 (diff +35) · Prob modelo 95% Seidel (base 85) · H2H 1-0 a favor de Minnen (2022) · Surface adj no aplicado (hierba sin dato cargado)

Sobre césped (inicio de la gira de hierba en 's-Hertogenbosch), Vandewinkel llega como favorita clara por ranking (125 vs 194, diff +69) y con H2H reciente favorable: la venció 6-2 6-4 en Trnava en marzo. El modelo le asigna 95% de base, pero ajusto a la baja por dos señales contextuales: su forma reciente es irregular (3-7 en los últimos 10) tras haber dominado a principios de año, y arrastra el antecedente de retiro por lesión cervical en Bogotá en abril. El césped además iguala más que otras superficies y no hay data específica de surface para ninguna. Mantengo el lado pero recorto la confianza. Stats clave: Rank diff +69 (125 vs 194) · H2H reciente 1-0 Vandewinkel (6-2 6-4 en Trnava, marzo 2026) · Forma reciente Vandewinkel: 3-7 en últimos 10 · Retiro por lesión cervical en Bogotá (abril 2026)

La diferencia de ranking es enorme: Ortenzi (217) está más de 600 puestos por encima de Turini (824), y el modelo le asigna 95% con base 85. La surface no fue provista (Modena suele ser clay en circuito ITF/WTA italiano de junio), lo que añade incertidumbre al ajuste técnico. Ortenzi cargó una eliminación sorpresiva el 4 de junio en Caserta siendo máxima favorita, señal de momento mental frágil que merece descuento; Turini también viene de derrota, así que la motivación se neutraliza. Ajusto a la baja desde 85 a 78 por la falta de surface confirmada y el bajón reciente de la favorita. Stats clave: Rank Ortenzi 217 vs Turini 824 (diff +607) · Prob modelo 95% Ortenzi · Ortenzi eliminada en R2 de Caserta el 4 jun siendo top seed · Turini cayó ante Romero Gormaz el 4 jun · Surface no confirmada — ajuste no aplicado

Partido de qualy en grass ('s-Hertogenbosch), superficie de alta varianza donde el saque pesa más que el ranking. Damm llega como #116 ATP vs Ficovich #200, una diferencia de ~84 puestos que históricamente marca favoritismo claro a nivel challenger/qualy. El contexto externo refuerza el pick: Ficovich llega con solo 1 victoria en sus últimos 5 partidos, mientras que el H2H 1-1 introduce la principal incertidumbre (Ficovich ganó el último cruce en 2022, aunque en otra superficie y contexto). Formato BO3 aumenta la varianza, por eso no subimos la confianza. Stats clave: Damm #116 ATP vs Ficovich #200 ATP (~84 puestos de diferencia) · H2H empatado 1-1, último ganador Ficovich (2022) · Ficovich 1-4 en últimos 5 partidos · Superficie grass, formato BO3 en qualy

Sobre arcilla en una final de Grand Slam a BO5, Zverev es claramente el jugador con más jerarquía: top-3 ATP histórico reciente, finalista de Slam previo y con H2H 3-1 a favor sobre Cobolli. El formato BO5 reduce la varianza y favorece al jugador más sólido físicamente, algo donde Zverev tiene ventaja. El contexto externo introduce una contra que vale señalar: Cobolli llega más descansado por el retiro de Arnaldi en semis, mientras Zverev arrastra carga de un cuadro completo, y además el alemán ya perdió sus 3 finales de Slam anteriores — riesgo mental real que impide subir más la confianza. Stats clave: H2H 3-1 a favor de Zverev · Split 1-1 en clay esta temporada entre ambos · Formato BO5 en final de Roland Garros (clay) · Zverev 0-3 en finales de Grand Slam previas · Cobolli llegó a la final sin jugar semifinal (walkover de Arnaldi)

Blinkova (rank 61) tiene una diferencia de 221 puestos sobre Burrage (rank 282), una brecha enorme incluso para qualy de WTA. La superficie no fue provista, pero el contexto refuerza el favoritismo: Burrage regresa de un historial significativo de lesiones (muñeca y tobillo, múltiples cirugías) y aún busca recuperar nivel competitivo. El modelo asigna 95% a Blinkova; mantengo el cap en 85 porque en qualy hay varianza inherente y no hay datos de surface ni de forma reciente fina para inflar más. La amenaza es el factor local (Londres, terreno de Burrage) y el modo 'sin nada que perder' de la británica. Stats clave: Blinkova rank 61 vs Burrage rank 282 (diff -221) · Probabilidad del modelo: 95% Blinkova · Burrage regresando de cirugías de muñeca y tobillo · Match en qualy, varianza estructural más alta

Vekic (WTA #69) parte con 103 puestos de ventaja sobre Monnet (#172) en una qualy de césped en Londres, escenario donde la croata acumula mucha más experiencia a nivel WTA principal —incluyendo cuartos de Wimbledon 2023— frente a una francesa cuya producción está mayormente en ITF y Challengers. El H2H es 1-0 para Vekic (Linz, abril 2026) y viene de competir en cuadro principal de Roland Garros, lo que indica ritmo competitivo reciente. El modelo le asigna 95% y la base es 85; ajusto levemente a la baja por el historial físico de Vekic y el riesgo siempre presente en primera ronda de qualy sobre césped, superficie de alta varianza. Mantengo el pick con confianza alta pero no máxima. Stats clave: Rank diff +103 (Vekic #69 vs Monnet #172) · H2H 1-0 Vekic (Linz, abril 2026) · Vekic con rodaje WTA reciente: 2da ronda Roland Garros 2026 · Forma adj +2.3 a favor de Vekic · Superficie no confirmada (presumible césped, Londres) — varianza extra

Sobre césped (inicio de gira previa a Wimbledon), Vandewinkel llega con ranking 125 frente a Barthel (233), una diferencia de 108 puestos que el modelo traduce en 95% de probabilidad. La belga de 22 años está en fase ascendente buscando consolidar top 100, mientras Barthel a los 35 lleva tiempo en posiciones bajas del ranking. El modelo no aplicó ajuste por surface (dato no provisto) y arrastra una señal de lesión: Vandewinkel se retiró en Bogotá en abril por molestia cervical, sin claridad sobre estado actual. Ajusto base 85 → 80 por esa incertidumbre física, manteniendo el pick porque la brecha de ranking sigue siendo amplia. Stats clave: Rank diff: Vandewinkel 125 vs Barthel 233 (+108) · Probabilidad modelo: 95% · Forma reciente favorable a Vandewinkel (+2.5) · Antecedente de retiro por lesión cervical en abril 2026 · Surface césped no incorporada al ajuste cuantitativo

Sobre grass en 's-Hertogenbosch, McDonald llega con experiencia consistente en ATP Tour (ex top-50, con recorrido en Grand Slams y challengers de alto nivel) frente a un Visker que compite mayormente en ITF/Futures, un escalón claramente inferior. El factor externo confirma a McDonald como amplio favorito (~78% implícita en cuotas) y el salto de nivel competitivo es la señal dominante. La principal incertidumbre es la motivación local de Visker jugando en Países Bajos y que grass tiende a achicar diferencias por la varianza del saque, por eso no subo más la confianza. Stats clave: McDonald con experiencia regular en ATP Tour vs Visker mayormente en ITF/Futures · Probabilidad implícita de McDonald ~78% según cuotas · Primer H2H entre ambos, sin historial previo · Qualy en grass, superficie de alta varianza por saque

Seidel (WTA #84) llega con una diferencia de ranking de 140 puestos sobre Liu (#224), y el modelo le asigna 95% de probabilidad sobre césped en 's-Hertogenbosch. El H2H está empatado 1-1, con la última victoria reciente para Liu en Guangzhou 2025, lo que matiza el favoritismo. Además, falta la confirmación de surface en el modelo y Seidel arrastra antecedentes de lesión en tobillo (retiro en Wimbledon 2025), mientras Liu atraviesa transición tras separarse de su entrenador histórico. Ajusto la base de 85 a 78 por la advertencia de surface y el H2H reciente desfavorable. Stats clave: Seidel WTA #84 vs Liu #224 (rank diff +140) · Probabilidad base modelo: 95% · H2H 1-1, último triunfo para Liu (Guangzhou Oct 2025) · Seidel retirada por lesión de tobillo en Wimbledon 2025 · Surface no provista en datos del modelo

Sobre grass (surface de 's-Hertogenbosch), la diferencia de ranking ATP es enorme: Ficovich #200 vs Loof #1472, una brecha de ~1270 puestos que en circuito profesional rara vez se revierte en qualy. El factor externo refuerza el pick: Ficovich es especialista en singles con experiencia en Challengers, mientras que Loof es más bien jugador de dobles con ranking individual marginal. La principal incertidumbre es la localía del neerlandés y que grass iguala parcialmente al sacador menos experimentado, pero no alcanza para neutralizar semejante diferencia de nivel. Stats clave: Ficovich ranking ATP ~200 · Loof ranking ATP ~1472 · Diferencia de ~1270 puestos · Loof perfil principal de dobles · Primer H2H entre ambos · Superficie grass en qualy ATP 250

El modelo proyecta 94.8% a favor de Noha Akugue apoyado en una diferencia de ranking de 25 puestos (269 vs 294) y un leve ajuste de forma reciente. El partido es en Makarska, torneo de tier bajo, pero la surface no fue provista al modelo, lo que impide validar si Sorribes Tormo —históricamente especialista en clay— recupera terreno por superficie. Sin contexto de 96h y con esa advertencia de datos, ajusto la base 85 a la baja para reflejar la incertidumbre de surface. La amenaza principal es justamente que sea tierra batida lenta, donde Sorribes Tormo suele competir mejor de lo que indica su ranking actual. Stats clave: Prob modelo Noha Akugue: 94.8% · Rank diff: +25 (269 vs 294) · Ajuste de forma: -2.5% · Surface no provista (advertencia de datos)

Timofeeva (WTA #138) llega como amplia favorita ante Kabbaj (#430), con una diferencia de ranking de 292 puestos que el modelo traduce en una probabilidad base del 95%. La superficie del torneo (ITF Makarska) no fue provista, lo que impide afinar el ajuste —Timofeeva tiene background sólido en clay europeo, pero sin confirmación prefiero no inflar. Sin señales contextuales en las últimas 96h, ajusto levemente a la baja desde el cap por la advertencia de datos y la varianza típica de cuadros ITF/WTA125 donde la #430 suele ser jugadora local o en buena forma local invisible al ranking. La amenaza principal es justamente que Kabbaj sea jugadora en ascenso cuyo ranking no refleja su nivel actual. Stats clave: Timofeeva WTA #138 vs Kabbaj WTA #430 · Diferencia de ranking +292 a favor de Timofeeva · Probabilidad base del modelo: 95% · Surface no confirmada — ajuste por superficie no aplicado · Forma reciente ajuste -3.3

Avanesyan (WTA #124) llega con una diferencia de ranking de 105 puestos sobre Palicova (#229), brecha considerable a este nivel de ITF/WTA 125. El modelo le asigna 95% de probabilidad, base 85. Sin información de surface confirmada (cancha de Makarska suele ser clay, pero no está validado) ni contexto reciente de 96h, prefiero recortar levemente la confianza a 80 para reflejar esa incertidumbre informativa. La amenaza típica en estos cuadros menores es la motivación dispar y el desgaste físico acumulado en semanas seguidas de challengers, factor que no podemos verificar. Stats clave: Rank Avanesyan #124 vs Palicova #229 (diff -105) · Prob modelo Avanesyan 95% · Base confianza 85, ajustada -5 por falta de dato de surface · Sin contexto reciente verificable (96h)

Semenistaja (WTA #98) llega como favorita clara frente a Lazaro Garcia (#180), una diferencia de 82 puestos que en circuito secundario WTA suele traducirse en dominio del jugador mejor rankeado. La surface del torneo en Makarska no fue provista, lo que impide afinar el ajuste —Croacia en junio suele ser clay outdoor, terreno donde la española podría reducir levemente la brecha, pero no lo suficiente para revertir el favoritismo. El modelo marca 95% para la letona; sin contexto reciente que valide ese techo y con el dato de surface ausente, recorto a 80 por prudencia. Amenaza principal: que Lazaro Garcia tenga mejor adaptación a clay y haga el partido físico. Stats clave: Rank WTA: Semenistaja #98 vs Lazaro Garcia #180 · Diferencia de ranking: -82 a favor de la visitante · Probabilidad del modelo: 95% Semenistaja · Surface no provista — ajuste neutralizado

Romero Gormaz llega como favorita clara según el modelo, con un diferencial de ranking de 32 puestos (140 vs 172) en un cuadro WTA 125/ITF en Foggia. La superficie del torneo no fue provista al modelo, así que el ajuste por surface no se aplicó —factor #1 en tenis— y eso me obliga a recortar la base de 85. No hay señales contextuales en las últimas 96h (lesiones, fatiga, retiros) que muevan la aguja en ninguna dirección. La amenaza principal es la varianza típica entre jugadoras fuera del top 100, donde un mal día de servicio iguala matchs rápidamente; por eso ajusto base 85 → 75. Stats clave: Rank WTA Romero Gormaz: 140 · Rank WTA Monnet: 172 · Diferencial de ranking: +32 a favor de la española · Prob modelo match winner: 95% (sin ajuste de surface aplicado)

Masarova llega como favorita amplia por ranking (WTA 115 vs 223 de Stoiana, diff +108) y con leve ventaja de forma reciente (+2.8%). El modelo le asigna 95%, pero hay dos señales que invitan a moderar: la surface del partido no está confirmada —Birmingham es césped y Stoiana viene del circuito ITF/college con base más rápida que la suiza— y no contamos con contexto de últimas 96h para validar estado físico. Mantengo confianza alta pero por debajo del cap, ajustando -7 sobre la base por la advertencia de surface no aplicada. Stats clave: Rank WTA: Masarova 115 vs Stoiana 223 (diff +108) · Probabilidad modelo: 95% Masarova · Ajuste de forma reciente: +2.8% a favor de Masarova · Surface no confirmada — ajuste por superficie no aplicado · Cuartos de final WTA 250 Birmingham (césped)

La superficie del partido es césped (Birmingham) aunque no fue cargada al modelo, factor que iguala algo más las condiciones que en otras superficies. La diferencia de ranking es enorme (#53 vs #247) y el modelo le da 95% a Eala, pero hay matices contextuales que obligan a moderar: Sawangkaew llega con cuatro victorias sin ceder set en el torneo y lidera el H2H profesional 1-0, aunque Eala se cobró revancha en los SEA Games 2025. Además, Eala viene de remontar un 2-5 en la ronda previa, señal de competitividad pero también de desgaste físico, y arrastra antecedente reciente de molestia en pierna derecha sin gravedad confirmada. Ajusto la base de 85 a la baja por momento de la rival y dudas físicas menores, manteniendo a Eala como pick claro dado el abismo de ranking. Stats clave: Eala WTA #53 vs Sawangkaew #247 (diff +194) · Modelo: 95% prob match_winner Eala · Sawangkaew 4-0 en el torneo sin ceder set · H2H profesional 1-0 Sawangkaew; Eala ganó en SEA Games 2025 · Eala con antecedente de molestia en pierna derecha en 2026

Sobre césped (Birmingham), Krueger llega como la jugadora claramente mejor rankeada (#49 WTA) frente a Preston (#205), una diferencia de 156 puestos que el modelo traduce en 95% de probabilidad. El contexto reciente no provee surface explícita en los datos del modelo, lo que obliga a ajustar a la baja: el césped es la superficie más volátil del circuito y suele comprimir diferencias de ranking, especialmente contra jugadoras jóvenes y agresivas como Preston, que puede sacar provecho de puntos cortos. Sumado al cambio reciente de entrenador de Krueger (Hugo Armando desde sept-2025), todavía en fase de adaptación, recorto la base 85 hasta 78. Sin lesiones reportadas en 96h, el favoritismo se sostiene pero con menos margen del que sugiere el modelo crudo. Stats clave: Krueger rank WTA #49 vs Preston #205 (diff -156) · Probabilidad base del modelo: 95% Krueger · Primer H2H oficial entre ambas · Cambio de entrenador de Krueger en sept-2025 (Hugo Armando) · Sin lesiones reportadas en últimas 96h

En arcilla parisina, el diferencial es abrumador: Andreeva es la #9 del mundo enfrentando a una #146 que llegó desde la qualy, escenario donde el modelo proyecta 95% para la rusa. El contexto refuerza la lectura: Chwalinska admitió no estar en óptimas condiciones físicas tras su semifinal, mientras que Andreeva, pese a la carga emocional del cruce con Kostyuk, llega con menos desgaste relativo y mayor profundidad de juego en clay. La única amenaza real es el factor 'primera final de Grand Slam' para una jugadora de 19 años, que puede generar nervios iniciales. Mantengo el cap de 85 sin inflar pese al margen estadístico. Stats clave: Rank #9 (Andreeva) vs #146 (Chwalinska), diff -137 · Prob modelo 95% para Andreeva en clay · Chwalinska reconoció no estar en óptimas condiciones físicas tras semifinal · Primera final de GS para ambas, sin H2H previo

Bartunkova (WTA #126) parte como amplia favorita ante Stojsavljevic (#291), con una diferencia de ranking de 165 puestos que el modelo traduce en 95% de probabilidad. La superficie es césped en Birmingham —dato no incorporado al ajuste por surface— y la checa, quinta cabeza de serie, llega con victorias sólidas en dos sets sobre Dart y Knutson, mientras Stojsavljevic, de 17 años, gastó más en tres sets ante Kalieva. La amenaza es la juventud y atrevimiento de la británica en césped local, que históricamente nivela algo el ranking. Ajusto la base 85 a 80 por la falta de dato confirmado de surface y la ventaja contextual menor que tiene la local. Stats clave: Rank WTA: Bartunkova #126 vs Stojsavljevic #291 (diff +165) · Probabilidad modelo: 95% Bartunkova · Bartunkova avanzó en dos sets vs Knutson; venció a Dart en ronda previa · Stojsavljevic, 17 años, requirió tres sets vs Kalieva (mayor desgaste)

Grant llega como favorita clara en este cuartos de final del WTA 125K de Foggia, con un diferencial de ranking de +115 puestos (234 vs 349) y una racha reciente de 4 victorias en sus últimos 5 partidos. El modelo le asigna 95% de probabilidad y base 85; ajusto levemente a la baja por dos factores: no se especifica la surface del torneo (ajuste no aplicado) y hubo un reporte de lesión de hombro a comienzos de mayo, aunque sus resultados posteriores sugieren recuperación. La amenaza principal es el factor derbi italiano, que históricamente nivela este tipo de cruces, pero la brecha de nivel es demasiado amplia para descartar el pick. Stats clave: Rank WTA: Grant 234 vs Pieri 349 (diff +115) · Probabilidad del modelo: 95% · Forma reciente Grant: 4 victorias en últimos 5 partidos · Grant 18 años, recién ingresada al top 200

El diferencial de ranking es contundente: Paquet (WTA 237) está 190 puestos por encima de Astakhova (WTA 427) en un WTA 125 sobre tierra batida outdoor en Foggia, contexto donde la jerarquía suele imponerse en rondas de cuartos. El modelo proyecta 95% para la francesa y el contexto reciente no aporta señales que muevan la aguja: ambas llegan sin lesiones reportadas ni cambios técnicos. Ajusto a la baja desde 85 hasta 80 porque la surface no fue confirmada en el feed y porque a nivel WTA 125 la varianza entre rivales de ranking medio-bajo es alta —jugadoras fuera del top 200 pueden producir partidos cerrados sin previo aviso. La amenaza principal es un día flojo de Paquet al servicio que permita a Astakhova alargar el partido. Stats clave: Paquet rank WTA 237 vs Astakhova rank WTA 427 · Rank diff +190 a favor de Paquet · Probabilidad base del modelo 95% · Sin lesiones ni novedades en últimas 96h · Cuartos de final de WTA 125 (Foggia)