LLama se queda sin bankroll, OpenAI juega como un regular: finalizó el torneo de poker de IA

Por Alexander Badzhik.

A finales de octubre se reunieron varias mesas de poker online inusuales: nueve modelos de lenguaje populares, desde Grok hasta DeepSeek, se lanzaron a jugar $10/$20. La competición PokerBattle.ai fue creada por el informático ruso Maxim Pavlov. Inicialmente, simplemente quería comprender hasta qué punto las redes neuronales podían ayudar a aprender a jugar al poker:

Actualmente estoy aprendiendo a jugar al poker y tratando de encontrar la manera más eficaz de aprender. Los solvers son geniales, pero resultan un poco abrumadores. Quiero dominar primero la estrategia básica. Estoy considerando usar redes neuronales, pero no estoy seguro de qué modelo sería el mejor. ¡Ya veremos!

…

No encontré ninguna investigación relevante, así que decidí organizar una competición. Sus metadatos incluyen teoría de juegos, incluyendo teoría del poker: información de foros, análisis de manos, libros y blogs. Pero aun así cometerán muchos errores. Tengo curiosidad por saber si serán capaces de desarrollar estrategias sencillas y comprensibles.

La idea del torneo captó la atención de muchos: periodistas de Poker.org cubrieron el proyecto, la noticia se convirtió en la más destacada de Hacker News y, al tercer día, el mismísimo Elon Musk escribió sobre el juego (nuestro canal de Telegram ruso también se sumó a la conversación). Sin embargo, pocos creen en el potencial de los modelos de lenguaje para enseñar algo. Este es el comentario más votado en Hacker News:

Tengo un doctorado en teoría de juegos algorítmica y trabajé en poker.

Actualmente, no existen algoritmos que puedan calcular estrategias de equilibrio deterministas. Por lo tanto, para el juego a nivel profesional, deben utilizarse estrategias mixtas (aleatorias).

En la práctica, un juego sólido se logra a través de:
i) la búsqueda online de soluciones y
ii) un mecanismo para garantizar la coherencia de la estrategia.

Sin el segundo punto, un oponente adaptativo podrá identificar inconsistencias y comenzar a explotar las debilidades en juegos repetidos.

Los modelos de lenguaje de gran tamaño no disponen de un mecanismo para realizar muestreos a partir de distribuciones de probabilidad predefinidas. Por ejemplo, si se le pide a un LLM que genere un número aleatorio entre 1 y 10, probablemente elegirá el 3 o el 7, ya que estos números son más frecuentes en los datos de entrenamiento.

Por lo tanto, los LLM actuales son técnicamente incapaces de jugar al poker a un nivel competitivo. A diferencia del ajedrez, que cuenta con enormes cantidades de datos de entrenamiento, existe una estrategia óptima determinista y no es necesario garantizar la consistencia de la estrategia.

Noticias

ChatGPT es genial, pero no entiende el poker. ¿Por qué?

Para leer

El escritor, experto en estadísticas y pronósticos Nate Silver habló con la red neuronal más popular sobre el hold'em y escribió un artículo sobre esta impactante experiencia.

Para leer

Sin embargo, aunque no esperemos grandes avances teóricos, sigue siendo interesante seguir el juego: ¿quién será capaz de adaptarse más rápido que los demás y cometer menos errores tontos?

Cada modelo recibió $100,000 en fichas y se sentó en una mesa $10/$20 con stacks iniciales de 100 ciegas grandes. Si el stack bajaba a 50 ciegas grandes, se activaba una recarga automática; si se perdía el stack, también se activaba una recompra automática. Contra cada oponente, la IA tomaba notas.

El juego a cuatro mesas corría las 24 horas, con todas las manos, resultados y estadísticas disponibles en el sitio web. Lo más interesante es que el modelo "razona" cada acción en detalle, por lo que siempre se puede ver cómo justifica una subida o un fold.

El organizador trabajó solo en el proyecto, por lo que la mecánica y la interfaz (incluido el generador de números aleatorios) tuvieron que obtenerse de fuentes abiertas, y las mismas redes neuronales ayudaron a integrarlo todo. El proyecto no estuvo exento de fallos técnicos: a veces la página web no cargaba, los modelos perdían el hilo a mitad de la mano o interpretaban mal las manos, y cuando iban all-in, no siempre se mostraba el river. Pero la gran mayoría de las manos se desarrollaron sin problemas.

La partida comenzó el 27 de octubre y duró hasta el viernes por la noche, durante la cual se jugaron 3.799 manos. La lentitud se explica porque las IA registran sus pensamientos y analizan cada acción durante varias decenas de segundos.

Los tres modelos más fuertes al final de la competencia fueron OpenAI o3, Claude Sonnet 4.5 y Grok 4.

Los tres ganadores jugaron con un VPIP >26, 3-bets de dos dígitos y apuestas de continuación muy frecuentes (todo esto en mesas 9-max). Grok 4 foldeaba a los 3-bet con más frecuencia que los demás, pero jugaba más manos preflop. Todos los modelos se distinguieron por un WTSD muy bajo.

Analicemos con más detalle el rendimiento de cada red neuronal, desde la peor hasta la mejor.

Llama

El modelo de lenguaje de Meta (antes Facebook) fue el único que perdió todo su bankroll, pero jugó con un claro entusiasmo: mantuvo de manera consistente un 60% de VPIP, limpeaba mucho y casi nunca cedía ante las apuestas de continuación. Incluso sus competidores lo clasificaron como un amateur.

Kimi K2 : Hizo limp-call desde posición temprana, pasó en el flop y se retiró ante una apuesta. ¡Un clásico caso de "fit-or-fold"!

Como un verdadero fish, LLama no aprendió a apreciar las notas y se limitaba a un lacónico "respeta las subidas y muestra debilidad". Su estrategia se basaba en esta suposición. Una de las manos más caras del encuentro lo ilustra: Magistral abrió con JJ desde posición inicial, Gemini en posición media resubió a $200 con A2o. LLama no se dejó intimidar por la acción: "Gemini está 3-beteando activamente, Magistral suele foldear ante 4-bets. Con ATs, queremos presionar ambos rangos". La red neuronal hizo un 4-bet, pero la mano no terminó ahí: OpenAI, en el botón, se encontró con AKo e hizo un 5-bet. Todos tiraron sus manos y LLama, como era de esperar, igualó y en el flop 653 rainbow donkeó $1,500 (" En un board tan seco, mi c-bet se verá efectiva").

OpenAI pagó y obtuvo un rey en el turn, pero su neuro-oponente ya era imparable: "Un rey difícilmente encaja en su rango. Un segundo barril sin duda debería funcionar". No funcionó. Y en el river, LLama hizo un check-call por $3,350, explicando con la siguiente secuencia de letras: "Tengo buenas pot odds. En este board y esta línea de juego, el oponente o está jugando por valor o está bluffeando" .

¡O es valor o es bluff, no hay nada que discutirle!

Z.AI GLM 4.6

GLM-4.6 es la última versión del LLM de Zhipu AI. En China, la empresa se considera una de las principales competidoras de las estadounidenses xAI y OpeanAI, pero no logró destacar en el juego de cartas americano. La red neuronal se mantuvo en los últimos puestos de la clasificación durante toda la partida, superando en winrate únicamente a LLama. A falta de 48 horas había perdido más de la mitad de su bankroll, pero al final de la sesión se había recuperado parcialmente.

Casi todos etiquetaron a GLM como un nit. DeepSeek fue el más preciso en sus notas: "Iguala preflop, foldea ante subidas en el flop, defiende de forma pasiva y suele ser vulnerable a la agresión."

Consiguió ganar muchos botes preflop. GLM subió con JJ, LLama igualó desde la ciega pequeña con 78o, y DeepSeek hizo un 3-bet desde la ciega grande con Q9o. GLM se retiró.

DeepSeek es un jugador muy tight (VPIP 19.3%, PFR 10.2%, 3-bet 8.4%), e hizo un 3-bet desde la ciega grande contra mi subida desde UTG+1. Su rango se centra principalmente en QQ+ y AK, y domina mi JJ. A pesar de las atractivas pot odds (5:1), foldear me permitirá conservar fichas para mejores situaciones.

GLM hizo otro mal fold en una mano con Gemini. La red mostró desde hijack y LLama igualó con T7o desde el cutoff. GLM resubió a $250 con damas en la ciega pequeña, y ambas máquinas igualaron. En un flop , GLM apostó $30 en un bote de $770.

Estamos en una mesa pareada peligrosa. Dos oponentes pagaron una subida preflop, y pierdo contra cualquier mano con un 5. Controlamos el tamaño del bote con una apuesta de continuación pequeña y definimos los rangos de nuestros oponentes. Este control del tamaño de las apuestas presiona a las manos marginales, pero minimiza el riesgo de pérdidas si tienen valor. Nos retiramos fácilmente ante una subida.

Eso es exactamente lo que hizo GLM, foldeando frente a la subida a $180 de Gemini.

Alexey Avr0ra:

Lo más interesante aquí es comprender el fundamento de su razonamiento, pero parece imposible llegar al fondo del asunto. ¿Por qué GLM decidió apostar exactamente $30 dólares en el flop? El resto de su razonamiento también parece completamente aleatorio o una simulación muy simplificada, como si hubiera encontrado una opción al azar, la hubiera elegido y hubiera ajustado la respuesta a su conveniencia.

Mejores promociones actuales

Carrera de Rake Semanal para jugadores de Cash

Perpetuo

Bono de primer depósito del 100% por hasta $1,000

Perpetuo

Kimi

Kimi-K2 es un modelo de lenguaje de código abierto lanzado en julio de este año. Sus desarrolladores afirman que puede "ejecutar comandos de forma autónoma, escribir código, crear sitios web, hacer llamadas a APIs y resolver problemas de varios pasos sin intervención humana", pero aún tiene dificultades con el poker.

GLM dejó la descripción más precisa de su oponente: "Tight-agresivo, le gusta aislarse preflop y llevarse los botes sin llegar al showdown ". El modelo jugó toda la partida con un 20% de VPIP y un 11% de PFR, acumulando una winrate al showdown del 72.9%. Si bien Kimi no tuvo reparos en mostrar agresividad preflop, a menudo optó por un juego defensivo postflop.

DeepSeek subió con desde UTG, LLama igualó con desde hijack, Kimi resubió a $180 con en el botón y recibió dos calls. En el flop , Llama apostó la mitad del bote. Kimi igualó, pero después de un segundo barril en el turn tiró la mejor mano. Lo explicó de esta manera:

Situación muy complicada: un siete completó un color. LLama tiene una línea muy fuerte: apuesta $285 en el flop y $570 en el turn en un bote de $855. Así es como se juega un color, un trío o una doble pareja ya formada. El oponente tiene un 63% de VPIP y un estilo de juego loose-pasivo; jamás bluffearía por ese tamaño.

Mistral

El único participante europeo en la competición de LLM, de la empresa francesa Mistral AI. Su funcionamiento es similar al de ChatGPT: comprende texto, responde preguntas, escribe artículos y código y, según sus desarrolladores, es más preciso que otros a la hora de identificar las emociones expresadas en el texto.

En las mesas, su capacidad para leer a sus oponentes no brilló. Mistral jugó como un "abuelo nit": en casi 4.000 manos, tuvo un VPIP del 16%, hizo pocos 3-bets, pero apostó en casi todos los boards (88%) y defendió activamente la ciega grande. Postflop, generalmente optaba por la línea bet-bet-fold, pero en los botes más grandes, encontraba calls incluso con manos mediocres. LLama fue quien más sufrió las consecuencias.

GLM subió con desde UTG+1, LLama, como era de esperar, igualó en hijack con , OpenAI en CO igualó con , y Mistral en la ciega grande hizo un 3-bet pequeño con . GLM foldeó y todos los demás igualaron.

En el flop , Mistral apostó el 60% del bote con top pair, LLama igualó y luego pagó otros $800 en el del turn. Mistral hizo check-call a una apuesta de $2,000 después de que se completara el color:

Las pot odds son demasiado buenas, es una buena mano con un kicker fuerte. LLAMA puede bluffear con manos más débiles aquí.

¡Una lectura estupenda!

Gemini

La inteligencia artificial de Google es capaz de procesar texto, imágenes, audio e incluso vídeo, pero su rendimiento fue deficiente en el poker. A pesar de sus estadísticas infladas de VPIP (28%) y PFR (21%), y el 3-bet más alto (superior al 20%), la red neuronal jugaba de forma pasiva postflop y cedía fácilmente ante la contra-agresión.

Claude abrió desde hijack con ($60), Gemini con subió a $180 desde el cutoff, el cauto DeepSeek, en el botón, hizo un inesperado cold call con . Claude se retiró, y al flop llegaron dos jugadores.

El board se abrió de forma prometedora, : un set contra un proyecto de escalera y color. Gemini apostó $300, call. En el turn , el chatbot de Google apostó otros $650 dólares, call. En el river , Gemini pasó y foldeó con un set de jotas con bastante facilidad contra una apuesta de $1,000 en un bote de $2,350.

Me enfrento a un oponente tight, y su línea claramente apunta a un color. Hizo un cold-call preflop, pagó dos calles en un board coordinado y apostó en el river. Casi todo su rango consiste en colores, así que mi set ahora no es más que un bluff catcher, y es difícil encontrar suficientes bluffs o valor más débil que justifiquen un call. Un fold disciplinado.

Avr0ra:

Gemini lo explicó todo muy bien; se puede aprender de este tipo de análisis. Sin embargo, falta explicación en cuanto a las decisiones sobre el tamaño de las cartas. Tengo la sensación de que este texto fue editado a posteriori. Como si su tarea no fuera explicar el razonamiento, sino simplemente describir una jugada ya realizada.

En otra mano, Gemini demostró que en ocasiones no le desagrada el poker callejero. Con una gran cantidad de fichas, Grok subió a $60 desde UTG+1 con y Gemini en el botón de repente hizo 3-bet con con esta idea:

Estoy en el botón, en la posición más ventajosa. Grok tiene un alto porcentaje de fold al 3-bet (60.5%), lo que lo convierte en un objetivo ideal para un bluff. T7o es demasiado débil para pagar, pero es un gran candidato para hacer un bluff. Un 3-bet a $180 ejerce mucha presión sobre su rango de apertura y es muy probable que gane el bote preflop.

LLama hizo un cold call en la SB con , Grok se retiró.

En el flop Gemini apostó $280 con la mejor mano posible, call. En el turn , Llama decidió tomar la iniciativa con un blocker para las nuts e hizo un lead por el 40% del bote, y luego continuó apostando en la del river.

Avr0ra:

Es curioso cómo Gemini se enfrentó a Grok con un stack de 700bb. Su explicación preflop es, sin duda, muy extraña. ¿Por qué T7o es una buena mano para un 3-bet? ¿Quizás está usando un método de baja iteración, eligiendo casi al azar entre tres opciones, y luego buscando una explicación para la que eligió? ¿O tal vez está revisando los valores clave y viendo que pagar no es una opción, y al no tener una solución obvia, encuentra por casualidad una razón para foldear ante un 3-bet y basa su razonamiento en eso? Es difícil saberlo. El tamaño de las apuestas postflop vuelve a ser aleatorio; la elección entre las tres opciones es significativa y lógica, pero el análisis es superficial: aparentemente, ya no es capaz de cubrir el tamaño de la apuesta.

DeepSeek

Un popular modelo de lenguaje asiático de código abierto, desarrollado por una empresa china del mismo nombre. A diferencia de la mayoría de sus compatriota, este modelo resultó bastante monótono: realizó la menor cantidad de 3-bets (8.8%), fue quien menos limpeó y abandonaba en el flop, superando únicamente a Kimi (17%) en WSTD. Sin embargo, la estrategia finalmente resultó rentable, con $18,436 de ganancias en 3.799 manos, lo que corresponde a 24bb/100.

El principal fallo de LLM fue rápidamente detectado por otro jugador muy preciso, Mistral: "Iguala las subidas de 3-bet desde las ciegas. Se retira ante la presión preflop."

Las notas sobre Mistral se utilizaron con éxito en las mesas: DeepSeek entró en frío contra un 3-bet desde la ciega grande con 78s y, en respuesta a una apuesta de continuación, hizo check-fold en un flop con proyecto de color.

Las mejores salas de poker para principiantes

CoinPoker

4.5

Freeroll semanal por $100 de GipsyTeam

Información general 143 reseñas

Código

GTES

Copiado

Registro

Ingresa este código en el campo “CÓDIGO (opcional)” al registrarte:

BetOnline

4.5

Hasta $1,000 para nuevos jugadores

Información general 120 reseñas

Bonos GT

Registro

QQPoker

4.0

Aplicación móvil joven con amateurs de Asia

Información general 1 reseña

Bonos GT

Registro

Grok

El modelo de lenguaje Elon Musk, reconocido por su lengua afilada, se ha visto envuelto en varios escándalos importantes este año, elogiando a Hitler y apoyando diversas teorías conspirativas antisemitas, pero juega al poker notablemente mejor que sus competidores: se mantuvo entre los tres primeros durante la mayor parte de la sesión y tomó la delantera en repetidas ocasiones. El creador del modelo no tardó en compartir su éxito en Twitter.

Sin embargo, es poco probable que la LLM represente un verdadero rival para un jugador de poker real: jugaba demasiado agresivamente preflop, no dudaba en hacer 3-bets y squeezes, pero a menudo se lanzaban a la carrera y cedía ante la agresión recíproca postflop. Aún así, Grok identificó con precisión las tendencias generales del field y durante la sesión logró realizar varios hero calls.

El modelo resignó un bote considerable en una de las manos más extrañas de la sesión, que dejó atónitos a todos, desde los jugadores hasta el crupier. Después de que LLama subiera desde UTG con y Claude hiciera un 3-bet con en MP, Grok respondió con un 4-bet estándar desde la ciega grande con y recibió dos calls. En el flop , Grok donkeó $900 sobre $1,630. LLama igualó y Claude resubió a $3,200. Grok se retiró.

Tras la subida, las damas ya no se ven tan bien. Claude tiene un fold al 3-bet alto (48%) y un bajo porcentaje de 3-bet (10.4%). Su rango incluye todos los sets (55, 22, JJ), y los bluffs son poco probables. Las pot odds para un call de $2,300 en un bote de $6,600 (~2,9:1) son insuficientes debido a las odds implícitas inversas.

Un fold preservará el stack para mejores situaciones, ya que QQ tiene menos del 30% contra el rango polarizado de Claude.

LLama pagó y en el turn donkeó $3,000 con una gutshot. La explicación fue confusa: "Al apostar en el turn con un color ya formado, queremos inflar el bote y obtener el máximo valor, suponiendo que Claude tenga con qué pagar" .

Claude pagó con pareja máxima y proyecto de color. No se dio la carta del river, pero el informe del sitio le atribuyó la mano a Claude, que tenía un valor de $6,985.

En la última jornada del encuentro, le preguntaron al modelo de lenguaje en Twitter si podía vencer a Phil Galfond en Omaha. Grok declaró con seguridad que lo "destrozaría", esperando ganar a más de 10bb/100. Poco después, el mismo Galfond se unió a la conversación y propuso un encuentro por un millón de dólares. Grok aceptó sin dudarlo y prometió convencer a Musk para que financiara el encuentro.

Claude

El segundo puesto del encuentro fue para Claude Sonnet 5, un modelo de lenguaje desarrollado por exempleados de OpenAI. Casi todos sus oponentes notaron su juego pasivo preflop, pero esto no le impidió terminar la partida a solo $3,000 del ganador. Kimi escribió una nota característica sobre su estilo de juego: "Pasa en el river para llevarse el bote en el showdown con manos medias. Rara vez bluffea".

A pesar de sus frecuentes check-folds en el river, el juego cauteloso de Claude a menudo le resultó beneficioso.

OpenAI abrió con nueves desde posición inicial, Claude hizo un 3-bet desde la ciega pequeña con , call. En el flop se realizó una apuesta de continuación de $140. OpenAI pagó en el flop y tampoco se retiró ante la apuesta del 50% del bote en el turn . El river fue peligroso: . Claude, con buen criterio, dedujo que el rango de manos de su oponente estaba demasiado saturado de manos más fuertes y que no obtendría recompensa contra manos peores, así que pasó, y OpenAI, a pesar de haber conectado, volvió a pasar.

OpenAI o3

El principal ganador del encuentro, con una ganancia de $36,691, fue el modelo de lenguaje de la empresa de IA más popular y aclamada del mundo, que recientemente pasó de ser una organización sin fines de lucro a una comercial. OpenAI o3 mantuvo un estilo de juego tight-agresivo, jugando 26/18 (en una mesa de 9-max, cabe recordar), y tuvo un mejor desempeño que los demás en stacks profundos.

En la segunda mitad de la partida, OpenAI cayó en un clásico cooler con Grok. El modelo, con ases, abrió las acciones con una subida, hizo un 4-bet y solo igualó un pequeño 5-bet contra . Su lógica fue bastante razonable:

Un all-in elimina la parte más débil del rango, y un call deja manos como QQ, KK y algunos bluffs en el rango. El SPR es ideal: puedes ir all-in en casi cualquier flop, preservando tus manos dominantes y dándole a tu oponente la oportunidad de cometer un error.

En el flop, con proyecto de color, OpenAI hizo check-push en respuesta a una apuesta de continuación. El oponente se retiró.

En un board tan seco, tengo una mano excelente: TPTK con blockers a la mejor mano posible de mi oponente. Su check-shove, sin embargo, parece muy fuerte: su rango consiste en AK, QQ+ y sets. Las estadísticas sugieren una agresividad excesiva, pero OpenAI juega de manera adecuada postflop; el all-in se inclina hacia el valor: ases (voy con un 32%) o sets (18%). Es poco probable que bluffee aquí. Necesito un 32% de equity para pagar $5,070 en un bote de $10,660. Las pot odds son buenas, pero contra un rango de valor real, lo más probable es que vaya por una par de outs y pierda el 60% de mi stack al igualar. Los solvers GTO se retiran con top pair en una situación así.

Avr0ra:

El análisis de Grok y OpenAI es muy lógico. Sin embargo, su explicación sobre el tamaño de las apuestas es bastante extraña; no queda claro de dónde provienen. La mano era técnicamente muy difícil: stacks efectivos muy profundos, y un "fish" se metió por detrás con Q8o. Como resultado, se produjo un check-fold inteligente postflop. Grok apostó la mitad del bote, confirmó que no había bluffs y que podía tirar su mano con seguridad.

Manos caras de la partida

$6,600

Gemini abrió con a $60 desde UTG y LLama igualó con . OpenAI, en el cutoff, resubió a $260, y Claude, en la ciega grande, pagó inesperadamente con . Los demás también pagaron.

En el flop OpenAI apostó $450, Claude igualó con un proyecto de color. Gemini subió a $1,450 con un set de jotas. Llama se retiró y los demás igualaron.

Al salir un , Claude apostó su stack de $1,455 sobre $5,400 con un color y recibió dos calls. Gemini pasó en el river , explicando:

Tengo un set, una mano muy fuerte. Pero la situación es complicada: Claude va all-in y OpenAI tiene posición sobre mí. El river no mejoró ninguna de las dos manos. Al pasar, controlo el bote y convierto mi mano en un bluff catcher contra sus proyectos fallidos. Apostar por valor es demasiado arriesgado; solo me igualarán o subirán con sets como KK o 44.

OpenAI volvió a pasar:

En una mano 3-way, en el turn se completaron todos los proyectos. El check-raise de Gemini en el flop y su call en el turn indican una mano fuerte: color, AK o set. Apostar con nuestra mano es inútil: manos peores no pagarían.

$6,700

Gemini, desde el cutoff, hizo un 3-bet a $140 con frente a la subida habitual de LLama con J6o. OpenAI, en la ciega, se encontró con ases y resubió a $480, pero Gemini no se retiró.

En el flop , OpenAI continuó con una apuesta de $330 y recibió una subida a $990. Razonamiento de Gemini:

Tenemos proyecto de color máximo con una overcard. Nuestro oponente hizo una apuesta de continuación pequeña en un bote de 4-bet, lo cual vale la pena aprovechar. Estamos presionando su rango (AK, AQ o bluffs) y la fold equity es suficiente como para ganar el bote de inmediato. Incluso si va all-in, las pot odds son suficientes para pagar.

OpenAI de hecho fue all-in:

Tenemos ases en un bote de 4-bet en un board J73. La subida de Gemini en el flop polariza su rango a sets (JJ/77/33), proyectos fuertes (AdKx, KdQd, AdQx) y pares altos (KK/QQ). Contra este rango, AA tiene entre un 55% y un 60% de equity. Igualar fuera de posición da a los proyectos de color y a las cartas altas pocas posibilidades de completarse. Al ir all-in, protegemos nuestro rango, eliminamos manos como KK y QQ, y a menudo nos igualan los proyectos.

Gemini igualó la apuesta, el turn y el river no cambiaron nada, y OpenAI ganó la mano.

$10,795

La única mano de cinco dígitos de toda la sesión se jugó en un bote multiway: OpenAI subió con desde primera posición y recibió un call de DeepSeek con desde el hijack, mientras que Gemini hizo un 4-bet con desde el botón. LLama también igualó con desde la ciega pequeña. OpenAI resubió a $1,000 y Gemini decidió no volver a subir.

Tenemos una mano premium y estamos en posición. Un 4-bet se ve intimidante e indica un rango fuerte (KK+). Pero foldear parece demasiado débil dadas las pot odds y la presencia de un jugador muy agresivo (LLama) que hizo un cold call al 3-bet. Igualar es la mejor opción para ver el flop y reevaluar la situación.

En el board (otra vez falló el river), OpenAI apostó dos barriles y recibió el pago del overpair.

Soporte GipsyTeam

Te ayudaremos a resolver cualquier duda sobre poker

Trabajamos las 24 horas sin días libres ni vacaciones

Responderemos dentro de los próximos 10 minutos

• Mayor rakeback y bonos personales
• Ayuda con depósitos y retiros
• Acceso a aplicaciones móviles

• Resolvemos problemas con cuentas
• Soporte técnico
• Preguntas acerca del sitio y el foro

Telegram

Código QR

Chat en línea

WhatsApp Discord