🎾 AI วิเคราะห์เทนนิส: ทายผล ATP และ WTA พร้อมสถิติเปิดเผย

🎾 AI วิเคราะห์เทนนิส

คือโมเดลสถิติที่แปลงข้อมูลเทนนิสให้เป็นความน่าจะเป็น เช่น “นักเทนนิสคนนี้ชนะ 63% ของแมตช์ในสถานการณ์แบบนี้” โมเดลไม่ได้ทายสกอร์เป็นเซต แต่เทียบความน่าจะเป็นนั้นกับอัตราต่อรอง: ถ้าอัตราจ่ายมากกว่าที่ความเสี่ยงสมควรได้รับ ก็มีมูลค่า ถ้าไม่ ก็ไม่มีทีเด็ด

สำหรับเทนนิส โมเดลพิจารณาปัจจัยหลายอย่าง เช่น

พื้นสนาม นักเทนนิสที่เก่งบนคอร์ตดินไม่ใช่คนเดิมบนคอร์ตฮาร์ดหรือคอร์ตหญ้า: ผลงานวัดแยกตามพื้นสนาม ไม่ใช่ภาพรวม
อันดับและทิศทางของอันดับ ไม่ใช่แค่ตำแหน่ง แต่รวมถึงว่ากำลังไปทางไหน
ฟอร์มล่าสุดและภาระการแข่ง นักเทนนิสที่เพิ่งผ่านสามแมตช์ยาวจะฟอร์มต่างจากคนที่สดกว่า
สถิติเจอกันของสองคน อย่างระมัดระวัง: การเจอกันโดยตรงไม่กี่ครั้งเป็นแค่สัญญาณรบกวน
ราคาตลาด ราคายุติธรรมจากเว็บอ้างอิง ไม่รวมค่าน้ำ ทำหน้าที่เป็นตัวตรวจสอบ: ถ้าโมเดลห่างเกินไป จะชะลอ

🧠 ทำไม AI ถึงได้เปรียบในเทนนิส?

เทนนิสแข่งในทัวร์นาเมนต์ทั่วโลก เกือบตลอดปี และทุกวันมีแมตช์หลายสิบนัดของนักเทนนิสที่แทบไม่มีใครพูดถึง ซึ่งมีผลชัดเจน

ผู้ชนะหนึ่งคน ไม่มีเสมอ เป็นตลาดที่เรียบง่าย มีสองผลลัพธ์ ความน่าจะเป็นที่ปรับเทียบมาดีเทียบกับอัตราต่อรองได้ง่าย
แมตช์จำนวนมากที่มีคนติดตามน้อย คนทั่วไปติดตามได้แค่ 20 อันดับแรก แต่เครื่องจักรไล่ดูหลายร้อยแมตช์ของรอบคัดเลือกและทัวร์นาเมนต์ระดับรอง ซึ่งอัตราต่อรองถูกปรับให้คมน้อยกว่า
พื้นสนามวัดได้ เป็นข้อมูลที่ชัดเจน โมเดลไขว้กับนักเทนนิสแต่ละคนได้โดยไม่เหนื่อย

ความได้เปรียบไม่ใช่การทายถูกมากกว่าใคร แต่คือวินัย: AI ไม่หลงรักนักเทนนิสคนใด ไม่ไล่ตามเงินที่เสียไป และไม่เผยแพร่ทีเด็ดหากราคาไม่คุ้ม

🚫 ความเชื่อผิด ๆ ที่พบบ่อยเกี่ยวกับ AI วิเคราะห์เทนนิส

“AI รู้ว่าใครชนะ” ไม่ใช่ AI ประเมินความน่าจะเป็น ทีเด็ดที่มี 65% พลาดมากกว่า 3 ครั้งจากทุก 10 ครั้ง
“มือหนึ่งของโลกชนะเสมอ” ไม่ใช่: อัตราต่อรองที่ต่ำมากแทบไม่เคยมีมูลค่า เพราะตลาดคิดราคานั้นไว้แล้ว
“อันดับบอกทุกอย่าง” อันดับเป็นค่าเฉลี่ยของหนึ่งปี: ไม่รู้เรื่องพื้นสนาม อาการบาดเจ็บ หรือความเหนื่อยล้า
“เดิมพันสดด้วย AI ได้” ทีเด็ดของ Gambeta เผยแพร่ก่อนแข่ง ด้วยอัตราต่อรองก่อนแมตช์ ส่วนในเกมสด ราคาเปลี่ยนเร็วกว่าทีเด็ดใด ๆ

⚖️ สิ่งที่ AI ทำได้ดีและทำไม่ได้ในเทนนิส

สิ่งที่ทำได้ดี

ไขว้ข้อมูลพื้นสนาม อันดับ ฟอร์ม และภาระการแข่งของหลายร้อยแมตช์
เทียบความน่าจะเป็นของตัวเองกับราคายุติธรรม และตัดสิ่งที่ไม่มีมูลค่าทิ้ง
บันทึกทุกการตัดสินใจไว้ให้ตรวจสอบได้

สิ่งที่ทำไม่ได้

ไม่สามารถทำนายอาการบาดเจ็บระหว่างแมตช์หรือการถอนตัวนาทีสุดท้าย
ไม่รับประกันผล: ในเทนนิส การพลิกล็อกเป็นส่วนหนึ่งของกีฬา
ไม่ได้ตัดสินใจแทนคุณว่าจะเดิมพันเท่าไร: ทีเด็ดดีแต่สเตคแย่ ก็ยังเป็นเดิมพันที่แย่

📊 ตลาดของเทนนิส: AI มองหามูลค่าตรงไหน

ผู้ชนะของแมตช์ ตลาดหลักใน ATP และ WTA ในทุกพื้นสนาม

เพราะความผันผวนโดยธรรมชาติของกีฬา ทีเด็ดเทนนิสจึงมีเพดานระดับความมั่นใจ: ไม่มีทีเด็ดใดเผยแพร่ในระดับ “สูงสุด” ทุกทีเด็ดมาพร้อมความน่าจะเป็น อัตราต่อรองขั้นต่ำ และสเตคที่แนะนำ ถ้าเว็บของคุณจ่ายต่ำกว่าอัตรานั้น ก็ไม่เดิมพัน

🎯 AI + วิจารณญาณของคุณ = ผลลัพธ์ที่ดีกว่า

ใช้เป็นความเห็นที่สอง ไม่ใช่โหรทำนาย ก่อนเดิมพันทีเด็ดเทนนิส

ตรวจว่านักเทนนิสยังอยู่ในทัวร์นาเมนต์และร่างกายพร้อมหรือไม่ ถ้าถอนตัวหรือมาด้วยอาการบาดเจ็บ ทีเด็ดนั้นหมดอายุแล้ว
เทียบอัตราต่อรอง ใช้ของเว็บคุณ ไม่ใช่ของทีเด็ด: ถ้าจ่ายต่ำกว่าขั้นต่ำ ให้ข้าม
ยึดสเตคที่กำหนด การใช้หน่วยคงที่ช่วยไม่ให้สัปดาห์แย่ ๆ ทำให้คุณหลุดจากเกม ถ้าไม่แน่ใจ ใช้ เครื่องคำนวณ Kelly

🧭 เริ่มต้นกับ gambeta.ai สำหรับเทนนิสอย่างไร

ดูทีเด็ดของวันนี้ เข้าไปที่หมวดเทนนิส: ฟรีและไม่ต้องสมัครสมาชิก
อ่านเหตุผล ทุกทีเด็ดอธิบายว่าข้อมูลอะไรมีน้ำหนัก: พื้นสนาม ฟอร์ม ราคา
ติดตามสถิติ ด้านล่างของหน้านี้มีทีเด็ดเทนนิสที่ตัดสินผลแล้ว พร้อมอัตราต่อรองและผลลัพธ์ ถ้าอยากลงลึกกว่านี้: ความเหนื่อยล้าของนักเทนนิสด้วยข้อมูล

🏆 AI วิเคราะห์เทนนิสตัวไหนดีที่สุด?

AI วิเคราะห์เทนนิสที่ดีที่สุดคือตัวที่เปิดเผยสถิติครบทุกนัด ให้ความน่าจะเป็นของตัวเองสำหรับแต่ละแมตช์ และบอกว่าที่อัตราต่อรองเท่าไรจึงไม่คุ้มแล้ว ถ้าเครื่องมือไม่ทำครบสามข้อนี้ คุณก็ทำได้แค่เชื่อ เราจึงเปรียบเทียบตัวเลือกที่ใช้กันมาก รวมถึงของเราด้วย โดยใช้เกณฑ์นี้

สิ่งที่ควรดูก่อนเลือก

สถิติเปิดเผยและครบถ้วน ทุกการทายผล รวมนัดที่พลาด พร้อมวันที่และอัตราต่อรอง
จัดการกับพื้นสนามอย่างไร การทายผลที่ปฏิบัติต่อนักเทนนิสบนคอร์ตดินเหมือนบนคอร์ตฮาร์ด คือการมองข้ามสิ่งพื้นฐานที่สุด
มีความน่าจะเป็นของตัวเอง ไม่ใช่แค่ “เต็งชนะ” ถ้าไม่มีเปอร์เซ็นต์ คุณก็เทียบกับอัตราต่อรองไม่ได้
อัตราต่อรองขั้นต่ำและสเตค ราคาที่ต่ำกว่านี้ทีเด็ดไม่คุ้ม และควรลงเท่าไร
เก็บเงินเท่าไรและเพราะอะไร การจ่ายเงินไม่ได้รับประกันอะไร สิ่งที่ให้หลักประกันคือสถิติย้อนหลัง

เปรียบเทียบอย่างตรงไปตรงมา

ตัวเลือก	สถิติครบถ้วนไหม?	ความน่าจะเป็นและอัตราขั้นต่ำ?
Gambeta ฟรี	มี	มี
เว็บสถิติและทายผลเทนนิส ฟรี / เสียเงิน	ขึ้นกับเว็บ	มักให้ความน่าจะเป็น
แอปที่ให้ AI หลายตัวโหวต ฟรี / เสียเงิน	นาน ๆ ครั้ง	เป็นฉันทามติ ไม่มีอัตราขั้นต่ำ
เซียนทายผลและกลุ่ม VIP สมาชิกรายเดือน	แทบไม่เคย	นาน ๆ ครั้ง
แชตบอตทั่วไป (ChatGPT, Gemini) ฟรี / เสียเงิน	ไม่มี	ไม่มี

Gambeta: ทายผลเทนนิส ATP และ WTA พร้อมความน่าจะเป็น อัตราต่อรองขั้นต่ำ และสเตค ข้อจำกัด: ความได้เปรียบมีน้อย มีช่วงที่แพ้ติดกัน และในวันที่ไม่มีมูลค่าจะไม่เผยแพร่
เว็บสถิติ: ดีมากสำหรับดูข้อมูลดิบ (แต้มที่ชนะจากการเสิร์ฟ ผลงานตามพื้นสนาม) ข้อจำกัด: การเทียบกับอัตราต่อรองคุณต้องทำเอง ดู TennisStats สำหรับการเดิมพัน
เซียนทายผลและ VIP: บางคนรู้เยอะ แต่แทบไม่มีใครแสดงสถิติทั้งหมด ก่อนจ่ายเงิน ดู AI กับเซียนทายผล
แชตบอตทั่วไป: ใช้ทำความเข้าใจตลาดได้ ข้อจำกัด: ไม่มีบันทึกผล มองไม่เห็นอัตราต่อรองและการถอนตัวแบบเรียลไทม์ และอาจแต่งข้อมูลขึ้นมาเอง

ตัวเลขของ Gambeta ในเทนนิส รวมด้านที่ไม่ดีด้วย

เราไม่ได้เขียนเปอร์เซ็นต์ความแม่นยำด้วยมือให้คุณ: ด้านล่างในหน้านี้เองมีสถิติครบถ้วนของ AI ในเทนนิส ทีละแมตช์ และอัปเดตเอง เมื่อตัวอย่างมีขนาดเท่านี้ เปอร์เซ็นต์จะแกว่งมาก: ดูสถิติทั้งหมด ไม่ใช่แค่สรุป AI ที่สัญญาความแม่นยำ 80% กำลังโกหก ถ้าอยากตรวจสอบเอง ดูได้ที่ สถิติที่ตรวจสอบแล้ว

แบบไหนเหมาะ ขึ้นกับสิ่งที่คุณมองหา

ถ้าเพิ่งเริ่ม: ใช้ AI ฟรีที่มีสถิติเปิดเผย และเดิมพันจำนวนน้อยในยอดเท่ากันทุกครั้ง
ถ้าติดตามเทนนิสอยู่แล้ว: ใช้ AI เป็นความเห็นที่สอง และเว็บสถิติดูข้อมูลตามพื้นสนาม
ถ้ามีคนเสนอกลุ่ม VIP: ขอดูสถิติครบถ้วนก่อนจ่ายเงิน ถ้าไม่มี คุณก็ได้คำตอบแล้ว

🎓 Machine Learning ที่ใช้กับเทนนิสคืออะไร?

Machine Learning คือการให้โปรแกรมเรียนรู้รูปแบบจากแมตช์ในอดีตหลายพันนัด แทนที่จะเขียนกฎด้วยมือ ในเทนนิส โปรแกรมเรียนรู้ เช่น ผลงานของนักเทนนิสเปลี่ยนไปเท่าไรเมื่อย้ายจากพื้นสนามหนึ่งไปอีกพื้นหนึ่ง หรือการมาถึงด้วยความเหนื่อยล้ามีน้ำหนักแค่ไหน สิ่งนั้นถูกแปลงเป็นความน่าจะเป็น และความน่าจะเป็นนั้นถูกวัดกับผลจริง: เพราะอย่างนี้สถิติย้อนหลังจึงสำคัญกว่าคำอธิบายใด ๆ ดูเพิ่มที่ Machine Learning กับการเดิมพัน

ทีเด็ดและสถิติย้อนหลังทั้งหมดของ เทนนิส อัปเดตตลอด

ส่วนนี้อัปเดตเอง: ด้านล่างคือทีเด็ด เทนนิส ที่ยังไม่ได้แข่ง และถัดไปคือสถิติครบถ้วนของ AI ในกีฬานี้ ทีละแมตช์

ทีเด็ด เทนนิส ที่รอผล

ตอนนี้ยังไม่มีทีเด็ดที่รอผลในกีฬานี้ กลับมาดูใหม่ภายหลัง: เผยแพร่ก่อนแข่งทุกนัด

สรุปสถิติย้อนหลังใน เทนนิส

ทีเด็ดที่ตัดสินแล้ว: 122
ถูก: 68 (55.7%)
ความน่าจะเป็นโดยนัยเฉลี่ยของราคาต่อรอง: 56.3%
ROI เมื่อลง 1 หน่วยต่อทีเด็ด: -1.9%

เมื่อกลุ่มตัวอย่างน้อย เปอร์เซ็นต์จะแกว่งมาก ควรดูประวัติทั้งหมด ไม่ใช่แค่สรุป

ประวัติทีเด็ดทั้งหมดใน เทนนิส

วันที่	แมตช์	ทีเด็ด	ราคาต่อรอง	ผล
3 พ.ย. 2569	Michelsen – Lehecka	Michelsen ชนะ	2.50	✓ ถูก
30 ต.ค. 2569	Eala – Shnaider	Eala ชนะ	2.50	✗ ผิด
16 ต.ค. 2569	Chwalinska – Sakkari	Chwalinska ชนะ	2.30	✓ ถูก
13 ต.ค. 2569	Li – Camila Osorio Serrano	Li ชนะ	1.80	✓ ถูก
11 ต.ค. 2569	Davidovich Fokina – Tiafoe	Davidovich Fokina ชนะ	2.06	✓ ถูก
11 ต.ค. 2569	Bublik – Nakashima	Bublik ชนะ	2.25	✓ ถูก
9 ต.ค. 2569	Nakashima – Berrettini	Berrettini ชนะ	2.43	✗ ผิด
8 ต.ค. 2569	Yunchaokete – Van Assche	Van Assche ชนะ	2.42	✗ ผิด
8 ต.ค. 2569	Struff – Landaluce	Landaluce ชนะ	2.10	✗ ผิด
8 ต.ค. 2569	Giron – Baez	Baez ชนะ	1.83	✓ ถูก
8 ต.ค. 2569	Navone – Carreno Busta	Navone ชนะ	1.88	✗ ผิด
7 ต.ค. 2569	Lam Coleman Wong – Halys	Halys ชนะ	1.78	✓ ถูก
7 ต.ค. 2569	Fery – Cilic	Fery ชนะ	1.70	✓ ถูก
4 ต.ค. 2569	de Minaur – Rublev	de Minaur ชนะ	1.74	✓ ถูก
3 ต.ค. 2569	Vekic – Zhu	Vekic ชนะ	1.60	✓ ถูก
2 ต.ค. 2569	Jacquet – Darderi	Darderi ชนะ	1.76	✗ ผิด
2 ต.ค. 2569	Snigur – Paolini	Paolini ชนะ	1.66	✗ ผิด
2 ต.ค. 2569	Yastremska – Chwalinska	Chwalinska ชนะ	1.56	✗ ผิด
2 ต.ค. 2569	Li – Krueger	Li ชนะ	1.95	✓ ถูก
2 ต.ค. 2569	Mertens – Volynets	Mertens ชนะ	1.88	✓ ถูก
2 ต.ค. 2569	Sasnovich – Alexandrova	Alexandrova ชนะ	1.68	✓ ถูก
1 ต.ค. 2569	Fery – Faria	Fery ชนะ	1.98	✗ ผิด
1 ต.ค. 2569	Hurkacz – Tien	Tien ชนะ	1.62	✗ ผิด
1 ต.ค. 2569	Cobolli – Safiullin	Cobolli ชนะ	1.81	✗ ผิด
30 ก.ย. 2569	Auger-Aliassime – Khachanov	Auger-Aliassime ชนะ	1.62	✗ ผิด
15 ก.ย. 2569	Parry – Stearns	Parry ชนะ	2.10	✗ ผิด
15 ก.ย. 2569	Tjen – Stephens	Tjen ชนะ	1.77	✗ ผิด
14 ก.ย. 2569	Dolehide – Zarazua	Zarazua ชนะ	2.18	✗ ผิด
13 ก.ย. 2569	Andreescu – Bucsa	Bucsa ชนะ	2.15	✓ ถูก
13 ก.ย. 2569	Zverev – Shelton	Zverev ชนะ	1.77	✓ ถูก
12 ก.ย. 2569	Sabalenka – Rybakina	Sabalenka ชนะ	1.78	✗ ผิด
11 ก.ย. 2569	Gauff – Rybakina	Rybakina ชนะ	2.19	✓ ถูก
7 ก.ย. 2569	Khachanov – Tien	Tien ชนะ	1.59	✗ ผิด
7 ก.ย. 2569	Rybakina – Osaka	Rybakina ชนะ	1.79	✓ ถูก
6 ก.ย. 2569	Kalinskaya – Navarro	Kalinskaya ชนะ	2.04	✗ ผิด
5 ก.ย. 2569	Keys – Zheng	Keys ชนะ	1.64	✗ ผิด
5 ก.ย. 2569	Blockx – Cobolli	Cobolli ชนะ	1.95	✗ ผิด
4 ก.ย. 2569	Navone – Martin Etcheverry	Martin Etcheverry ชนะ	2.15	✓ ถูก
4 ก.ย. 2569	Shnaider – Townsend	Shnaider ชนะ	1.57	✗ ผิด
3 ก.ย. 2569	Bonzi – Buse	Buse ชนะ	1.84	✗ ผิด
3 ก.ย. 2569	Bucsa – Sakatsume	Bucsa ชนะ	1.55	✓ ถูก
3 ก.ย. 2569	Tabilo – Popyrin	Tabilo ชนะ	1.73	✓ ถูก
3 ก.ย. 2569	Svrcina – Darderi	Darderi ชนะ	1.76	✓ ถูก
31 ส.ค. 2569	Svrcina – Royer	Royer ชนะ	1.97	✗ ผิด
31 ส.ค. 2569	Passaro – De Jong	De Jong ชนะ	1.77	✓ ถูก
31 ส.ค. 2569	Kovacevic – Vacherot	Vacherot ชนะ	1.82	✓ ถูก
31 ส.ค. 2569	Daniel Vallejo – Monfils	Daniel Vallejo ชนะ	1.85	✗ ผิด
30 ส.ค. 2569	Fearnley – Landaluce	Landaluce ชนะ	2.06	✗ ผิด
30 ส.ค. 2569	Alexandrova – Kessler	Alexandrova ชนะ	1.62	✓ ถูก
30 ส.ค. 2569	Young Suh Lee – Boulter	Boulter ชนะ	1.76	✓ ถูก
30 ส.ค. 2569	Samuel – Machac	Machac ชนะ	2.05	✗ ผิด
30 ส.ค. 2569	Iatcenko – Zarazua	Zarazua ชนะ	1.86	✗ ผิด
30 ส.ค. 2569	Vekic – Gibson	Vekic ชนะ	1.94	✓ ถูก
30 ส.ค. 2569	Tien – Borges	Tien ชนะ	1.54	✓ ถูก
30 ส.ค. 2569	Buse – Giron	Buse ชนะ	1.88	✓ ถูก
30 ส.ค. 2569	Marozsan – Zheng	Marozsan ชนะ	2.20	✗ ผิด
30 ส.ค. 2569	Duckworth – Arnaldi	Arnaldi ชนะ	1.87	✗ ผิด
26 ส.ค. 2569	Tauson – Alexandrova	Alexandrova ชนะ	2.00	ยกเลิก
25 ส.ค. 2569	Bondár – Bucsa	Bucsa ชนะ	2.02	✓ ถูก
24 ส.ค. 2569	Li – Camila Osorio Serrano	Li ชนะ	1.93	✓ ถูก
24 ส.ค. 2569	Parks – Marcinko	Parks ชนะ	2.14	✓ ถูก
21 ส.ค. 2569	Gauff – Kostyuk	Gauff ชนะ	1.78	✓ ถูก
20 ส.ค. 2569	Anisimova – Pegula	Pegula ชนะ	1.80	✓ ถูก
19 ส.ค. 2569	de Minaur – Fils	de Minaur ชนะ	2.58	✗ ผิด
19 ส.ค. 2569	Tiafoe – Tien	Tien ชนะ	1.91	✗ ผิด
18 ส.ค. 2569	Walton – Faria	Walton ชนะ	2.38	✗ ผิด
18 ส.ค. 2569	Musetti – Zheng	Musetti ชนะ	1.59	✓ ถูก
18 ส.ค. 2569	Nakashima – Medvedev	Medvedev ชนะ	1.88	✗ ผิด
18 ส.ค. 2569	Eala – Anisimova	Anisimova ชนะ	1.88	✓ ถูก
17 ส.ค. 2569	Fils – Lehecka	Lehecka ชนะ	2.44	✗ ผิด
17 ส.ค. 2569	Tabilo – Jodar	Tabilo ชนะ	3.10	✗ ผิด
17 ส.ค. 2569	Blockx – Cobolli	Cobolli ชนะ	2.10	✓ ถูก
17 ส.ค. 2569	Tiafoe – Sonego	Tiafoe ชนะ	1.65	✓ ถูก
16 ส.ค. 2569	Michelsen – Fritz	Fritz ชนะ	1.63	✓ ถูก
16 ส.ค. 2569	Li – Zhang	Li ชนะ	1.60	✓ ถูก
16 ส.ค. 2569	Krejcikova – Bejlek	Krejcikova ชนะ	1.62	✗ ผิด
16 ส.ค. 2569	Rublev – Carreno Busta	Rublev ชนะ	1.50	✓ ถูก
16 ส.ค. 2569	Rinderknech – Manuel Cerundolo	Rinderknech ชนะ	1.57	✗ ผิด
15 ส.ค. 2569	Atmane – Martin Etcheverry	Atmane ชนะ	1.59	✓ ถูก
15 ส.ค. 2569	Lehecka – Berrettini	Lehecka ชนะ	1.62	✓ ถูก
15 ส.ค. 2569	Tabilo – Struff	Tabilo ชนะ	1.55	✓ ถูก
15 ส.ค. 2569	Daniel Vallejo – Vacherot	Vacherot ชนะ	1.50	✗ ผิด
14 ส.ค. 2569	Medjedovic – Trungelliti	Medjedovic ชนะ	1.50	✗ ผิด
14 ส.ค. 2569	Walton – Mejia	Walton ชนะ	1.62	✓ ถูก
14 ส.ค. 2569	O'Connell – Majchrzak	Majchrzak ชนะ	1.53	✗ ผิด
14 ส.ค. 2569	Duckworth – Wolf	Wolf ชนะ	1.54	✗ ผิด
14 ส.ค. 2569	Berrettini – Droguet	Berrettini ชนะ	1.53	✓ ถูก
14 ส.ค. 2569	Daniel Vallejo – Jacquet	Jacquet ชนะ	1.60	✗ ผิด
14 ส.ค. 2569	Bellucci – Svajda	Svajda ชนะ	1.60	✗ ผิด
13 ส.ค. 2569	Fucsovics – Atmane	Atmane ชนะ	1.53	✓ ถูก
13 ส.ค. 2569	Mannarino – Shapovalov	Shapovalov ชนะ	1.57	✓ ถูก
13 ส.ค. 2569	Choinski – Agustin Tirante	Agustin Tirante ชนะ	1.50	✓ ถูก
13 ส.ค. 2569	Norrie – Prizmic	Norrie ชนะ	1.61	✓ ถูก
13 ส.ค. 2569	Borges – Kokkinakis	Borges ชนะ	1.56	✓ ถูก
12 ส.ค. 2569	Shelton – Tien	Shelton ชนะ	1.56	✓ ถูก
12 ส.ค. 2569	Jacquet – Budkov Kjaer	Jacquet ชนะ	1.53	✗ ผิด
12 ส.ค. 2569	Sasnovich – Arango	Sasnovich ชนะ	1.56	✗ ผิด
11 ส.ค. 2569	Merida Aguilar – Tien	Tien ชนะ	1.52	✓ ถูก
8 ส.ค. 2569	Rinderknech – Nakashima	Nakashima ชนะ	1.52	✓ ถูก
8 ส.ค. 2569	Darderi – Borges	Borges ชนะ	1.61	✗ ผิด
4 ส.ค. 2569	Tallon Griekspoor – Lorenzo Sonego	Tallon Griekspoor ชนะ	1.95	✓ ถูก
4 ส.ค. 2569	Adrian Mannarino – Jacob Fearnley	Adrian Mannarino ชนะ	2.56	✗ ผิด
4 ส.ค. 2569	Roman Andres Burruchaga – Alexei Popyrin	Roman Andres Burruchaga ชนะ	2.54	✗ ผิด
4 ส.ค. 2569	Jenson Brooksby – Adam Walton	Jenson Brooksby ชนะ	1.83	✗ ผิด
4 ส.ค. 2569	Marcos Giron – Hubert Hurkacz	Hubert Hurkacz ชนะ	1.57	✓ ถูก
4 ส.ค. 2569	Mattia Bellucci – Sebastian Baez	Sebastian Baez ชนะ	1.94	✓ ถูก
4 ส.ค. 2569	Alexander Blockx – Jaume Munar	Alexander Blockx ชนะ	1.54	ยกเลิก
3 ส.ค. 2569	Eva Lys – Panna Udvardy	Panna Udvardy ชนะ	1.54	✓ ถูก
3 ส.ค. 2569	Catherine McNally – Tatjana Maria	Catherine McNally ชนะ	1.72	✓ ถูก
2 ส.ค. 2569	Marin Cilic – Sho Shimabukuro	Marin Cilic ชนะ	1.64	✓ ถูก
2 ส.ค. 2569	Denis Shapovalov – Zachary Svajda	Denis Shapovalov ชนะ	1.64	ยกเลิก
2 ส.ค. 2569	Valentin Royer – Pablo Carreno Busta	Pablo Carreno Busta ชนะ	1.51	ยกเลิก
2 ส.ค. 2569	Alejandro Tabilo – Rafael Jodar	Rafael Jodar ชนะ	1.72	✓ ถูก
1 ส.ค. 2569	Dane Sweeny – Shintaro Mochizuki	Shintaro Mochizuki ชนะ	1.68	✓ ถูก
1 ส.ค. 2569	Marina Bassols Ribera – Victoria Jimenez Kasintseva	Victoria Jimenez Kasintseva ชนะ	1.57	✓ ถูก
1 ส.ค. 2569	Francesca Jones – Kaitlin Quevedo	Kaitlin Quevedo ชนะ	1.68	✓ ถูก
31 ก.ค. 2569	Mananchaya Sawangkaew – Taylah Preston	Mananchaya Sawangkaew ชนะ	1.64	✗ ผิด
31 ก.ค. 2569	Lorenzo Musetti – Rafael Jodar	Lorenzo Musetti ชนะ	1.61	✗ ผิด
30 ก.ค. 2569	Anastasia Potapova – Diana Shnaider	Diana Shnaider ชนะ	1.61	✓ ถูก
30 ก.ค. 2569	Michael Zheng – Arthur Gea	Michael Zheng ชนะ	1.61	✗ ผิด
29 ก.ค. 2569	Adrian Mannarino – Alex Michelsen	Alex Michelsen ชนะ	1.68	✓ ถูก
29 ก.ค. 2569	Alexandra Eala – Leylah Fernandez	Alexandra Eala ชนะ	1.72	✓ ถูก
27 ก.ค. 2569	Ann Li – Magdalena Frech	Ann Li ชนะ	1.54	✗ ผิด
27 ก.ค. 2569	Tatjana Maria – Talia Gibson	Talia Gibson ชนะ	1.72	✗ ผิด
10 เม.ย. 2544	de Minaur – Hurkacz	de Minaur ชนะ	1.56	✓ ถูก
10 ก.พ. 2544	Rublev – Safiullin	Rublev ชนะ	1.67	✓ ถูก