K9 百家樂 AI 月報 2026 年 3 月：412,847 局完整公開 + 命中率拆解

Q: 月報怎麼蒐集數據？有客觀第三方審計嗎？

資料由 K9 內部 collector 自動採集（透過 MT + DG WebSocket）。目前沒有第三方審計，但所有逐局資料可在 /stats 抽查、API 公開（/api/stats/daily）、學術研究者可申請 Tier 2 dataset 對照。如需第三方稽核我們正在評估 GLI 或 Deloitte 合作。

Q: 為什麼有時候命中率比 58.3% 低很多？

3 月最弱日 3/24 命中率 52.1%——這是正常 sample variance。每日命中率標準差 2.8%，意思是 95% 的日子命中率在 52.7%-63.9% 之間。任何低於 50% 的日子才需要警惕，3 月沒有發生。

Q: 我可以訂閱每月月報通知嗎？

可以。月報固定每月 1 號上午 9:00（GMT+8）發布。訂閱方式：(1) RSS /feed.xml；(2) Atom /atom.xml；(3) Email 通知（即將推出）。

Q: K9 會公開所有桌口的命中率嗎？

公開前 10 名。前 10 之外的桌口資料保留作為不對外公開的內部 benchmark——目的是讓我們能識別 cherry picking 的詐騙工具（他們會偷取 K9 前 10 名數字當自己的）。

Q: 月報數字會被回頭修改嗎？

不會。一旦發布即凍結。發現錯誤的處理方式：(1) 不修改原數字；(2) 在文末加 errata 段註明；(3) 維持原版可被 archive.org 抓到。透明度高於美化。

1. 月度摘要

期間：2026-03-01 至 2026-03-31 範圍：MT（14 桌）+ DG（17 桌）= 31 桌 策略版本：baseline-v0 資料完整性：99.6%（少部分桌口因網路中斷有 < 0.5% 空缺）

1.1 為什麼公開月報

K9 是付費訂閱工具（NT$199/2 日、NT$499/7 日）。訂閱前你應該能驗證工具有效——這份月報是 K9 透明度承諾的核心：

可重現：每一個數字都可以在 /stats 抽查回放
可比較：可用百家樂 AI 準確率天花板的驗證 checklist 驗
可挑戰：發現任何錯誤可寄信 editorial@dgmtai.com、會公開更正

1.2 與市場「黑箱工具」的差別對照

| 項目 | K9 月報 | 市售詐騙工具 | |------|--------|------------| | 樣本量 | 412,847 局 | 通常 < 1,000 局 | | 信心 bucket 完整公開 | ✓ | ✗ 通常只展示「最佳區」| | 逐局可回放 | ✓ /stats | ✗ | | 失敗紀錄公開 | ✓（最長連失 7 局）| ✗ 只曬命中 | | 平台拆解 | ✓ MT vs DG 分別公開 | ✗ | | 與離線回測偏差 | ✓（+1.2% 已揭露）| ✗ 通常隱藏「過擬合」風險 |

2. 核心數字總表

2.1 412,847 局的拆解

| 指標 | 值 | |---|---| | 總預測次數 | 412,847 | | 信心 ≥ 60 次數 | 89,124 | | 信心 ≥ 60 命中率（篩選後） | 58.3% | | 全部命中率（未篩選） | 51.4% | | 最長連中紀錄 | 12 連中 | | 最長連失紀錄 | 7 連失 | | 平均信心指數 | 53.2 | | 標準差（每日命中率）| 2.8% |

2.2 每日命中率走勢摘要

每日命中率在 52% ~ 64% 之間波動，均值 58.3%、標準差 2.8%。

最佳日：2026-03-17，命中率 63.8%（1,247 筆信心 ≥60 預測）
最弱日：2026-03-24，命中率 52.1%（1,103 筆）

每日詳細走勢 + 圖表在戰績頁 daily-trend 查看。

3. 逐桌命中率（前 10 名）

| 排名 | 桌號 | 平台 | 信心 ≥ 60 次數 | 命中率 | |---|---|---|---|---| | 1 | BAG05 | MT | 6,247 | 61.2% | | 2 | 60102 | DG | 5,893 | 60.8% | | 3 | BAG09 | MT | 5,421 | 60.5% | | 4 | 60106 | DG | 5,103 | 59.9% | | 5 | BAG13 | MT | 4,876 | 59.4% | | 6 | 60103 | DG | 4,521 | 59.1% | | 7 | BAG11 | MT | 4,388 | 58.7% | | 8 | 60105 | DG | 4,214 | 58.5% | | 9 | BAG03 | MT | 4,001 | 58.0% | | 10 | 60104 | DG | 3,867 | 57.8% |

觀察：前 10 名 MT 佔 6 桌 / DG 佔 4 桌。MT 平均略優——下節詳細分析原因。

4. 信心 bucket 完整分布

預測信心指數分佈（全月 412,847 筆）：

| 信心區間 | 次數 | 佔比 | 命中率 | 95% CI | EV @ 0.95 | |---|---|---|---|---|---| | 95~100 | 2,341 | 0.6% | 67.2% | ±1.93% | +31.0% | | 85~94 | 8,732 | 2.1% | 63.8% | ±1.02% | +24.4% | | 75~84 | 18,441 | 4.5% | 61.4% | ±0.71% | +19.7% | | 65~74 | 32,817 | 8.0% | 58.2% | ±0.53% | +13.5% | | 60~64 | 26,793 | 6.5% | 56.1% | ±0.60% | +9.4% | | 篩選後小計 | 89,124 | 21.6% | 58.3% | ±0.32% | +13.7% | | 50~59 | 83,192 | 20.1% | 52.8% | ±0.34% | +3.0% | | 40~49 | 89,847 | 21.8% | 50.1% | ±0.33% | -2.3% | | 30~39 | 76,521 | 18.5% | 49.3% | ±0.35% | -3.7% | | < 30 | 74,163 | 18.0% | 48.9% | ±0.36% | -4.4% | | 未篩選總計 | 412,847 | 100% | 51.4% | ±0.15% | +0.3% |

重要觀察：信心指數越高 → 命中率越高，呈現正相關。這是信心指數有預測力的證據。

4.1 為什麼信心 95+ 區「只有」67.2%

讀者可能會問：「信心 95+ 不應該對應 95% 命中嗎？」

答案：K9 信心分數是相對排序，不是絕對機率。信心 95+ 表示「相對於其他局更有把握」，但實際命中率受百家樂的數學上限約束（即使最高把握情境，命中率上限約 67-70%）。

詳細的數學證明見百家樂 AI 準確率天花板。

未來版本將改用 isotonic regression 校準，讓信心分數對應實際命中率。

5. 月最長連中 / 連失紀錄

5.1 最長連中 12 局

12 連中，發生於 2026-03-17 MT BAG09 桌。

詳細（節選）：

| # | 局號 | 預測 | 實際 | 信心 | 結果 | |---|---|---|---|---|---| | 1 | #23 | B | B | 78.4 | ✓ | | 2 | #24 | B | B | 72.1 | ✓ | | 3 | #25 | P | P | 81.3 | ✓ | | 4 | #26 | B | B | 74.6 | ✓ | | 5 | #27 | B | B | 69.2 | ✓ | | 6 | #28 | P | P | 75.8 | ✓ | | 7 | #29 | B | B | 73.4 | ✓ | | 8 | #30 | B | B | 77.1 | ✓ | | 9 | #31 | P | P | 80.7 | ✓ | | 10 | #32 | B | B | 71.6 | ✓ | | 11 | #33 | P | P | 67.3 | ✓ | | 12 | #34 | P | P | 69.5 | ✓ |

連中 12 把的理論機率（假設每把 58.3% 獨立命中）：

0.583^12 = 0.07% ≈ 每 1,333 組合出現一次

12 連中在全月 412,847 次預測中僅發生 1 次，符合統計預期。

完整 12 局可在 /stats?date=2026-03-17&table=MT-BAG09 抽查回放。

5.2 最長連失 7 局

7 連失，發生於 2026-03-24 DG 60103 桌。

在 89,124 次高信心預測中發生的 7 連失機率（58.3% 命中假設下）：

0.417^7 = 0.25%

約每 400 組出現一次，合理範圍內。

這是 K9 的責任：公開失敗紀錄。市售詐騙工具永遠只曬命中，不曬連失。連失發生 → 觸發內部 review、檢查是否模型漂移或資料異常。本次 review 結論：屬於正常 sample variance，無需調整模型。

6. 與離線回測 57.1% 的偏差分析

K9 在 2026-02 公布的離線回測命中率為 57.1%（基於 10 萬手歷史資料）。3 月實戰命中率 58.3%、偏差 +1.2%。

6.1 偏差是好事還是壞事？

| 偏差類型 | 含義 | 是否預期 | |---------|------|---------| | 實戰 > 回測 | 模型在新資料上表現更好 | 通常因為 sample variance | | 實戰 ≈ 回測 | 模型穩定 | 最常見 | | 實戰 < 回測 | 模型過擬合或分布漂移 | 警訊 |

3 月偏差 +1.2% 屬於第一類，但需要監控是否「3-5 月平均回到 57.1%」（迴歸均值）或「持續 > 58%」（模型真實提升）。

6.2 偏差來源分析

可能原因（按可能性排序）：

Sample variance（最可能）：1 個月樣本 89,124 局，95% CI ±0.32%——+1.2% 仍在 4 倍 CI 內，可解釋為正常波動
平台調整：MT 在 2026-02-15 改了發牌速度，可能讓 K9 LSTM 在某些桌口表現更好
K9 內部優化：3 月小幅調整了信心校準層
季節性效應：3 月台灣春節後玩家行為變化、桌況更穩定

6.3 4 月預期

預期 4 月命中率落在 57.5% - 59.0% 之間（含 95% CI 估算）。若 4 月實測 < 56% 或 > 60%，會觸發完整模型 audit。

7. 平台對比：MT vs DG

7.1 整體表現

| 指標 | MT 真人 | DG 真人 | 差異 | Chi-square p | |------|--------|--------|------|-------------| | 整體命中率 | 51.4% | 50.8% | +0.6% | 0.012 | | 篩選後命中率 | 59.1% | 57.8% | +1.3% | 0.008 | | 信心 95+ 命中率 | 68.5% | 65.4% | +3.1% | 0.024 | | 平均推送延遲 | 1.2s | 2.8s | -1.6s | — |

7.2 為什麼 MT 略優於 DG

資料延遲：MT WebSocket 推送 1.2 秒到，DG 約 2.8 秒——MT 留給 K9 更多 inference 時間
桌況穩定性：MT 的洗牌時間較固定，DG 因人員操作有彈性
公開介面：MT 的牌點資料 schema 較完整，特徵工程可以做更細

詳細的 Chi-square 公平性檢驗見 MT vs DG 洗牌統計分析。

8. 觀察：3 個有意思的發現

8.1 莊預測命中率略低於閒

全月篩選後：

預測莊（B）：38,521 次，命中率 57.8%
預測閒（P）：50,603 次，命中率 58.6%

差異 0.8%，統計上不顯著（Chi-square p = 0.34）。屬於樣本誤差。

8.2 亞洲時區 20:00-24:00 命中率最高

| 時段（GMT+8）| 樣本量 | 命中率 | |-------------|-------|--------| | 凌晨 0-4 | 8,247 | 56.8% | | 凌晨 4-8 | 4,521 | 56.2% | | 早上 8-12 | 6,103 | 57.1% | | 中午 12-16 | 12,847 | 57.9% | | 下午 16-20 | 23,154 | 58.3% | | 晚上 20-24 | 34,252 | 59.2% |

高峰期（晚上 20-24）命中率 59.2%、離峰期（凌晨 4-8）56.2%，差異 3%（Chi-square p < 0.01）。

可能原因：高峰期洗牌頻繁、樣本集中、AI 特徵更穩定。離峰期可能有操作員疲勞效應或特殊桌況。

8.3 月初 vs 月底命中率

| 期間 | 樣本量 | 命中率 | |------|-------|--------| | 3/01-3/10 | 28,471 | 58.7% | | 3/11-3/20 | 31,824 | 58.5% | | 3/21-3/31 | 28,829 | 57.8% |

月底略低（-0.9%），可能與春節後第一個完整月底，部分桌口參數變化有關。統計顯著性邊際（p = 0.04）。

9. 下月關注重點

9.1 待驗證的 hypothesis

| Hypothesis | 驗證方法 | 預期結果 | |-----------|---------|---------| | H1：低信心區（< 50）的真實命中率接近 50% | 4 月專門監控、不調模型 | 預期符合 | | H2：MT vs DG 差異會繼續維持在 +1.3% 左右 | 4 月分平台統計 | 預期持續 | | H3：模型在新版發牌節奏下需要重訓 | 4 月底全模型 audit | 待結果 | | H4：信心校準層用 isotonic regression 可讓信心 95+ 對應 ≥ 90% 命中 | 5 月實驗版上線 | 預期改善但有風險 |

9.2 模型優化計畫

5 月：嘗試導入「剩牌追蹤」特徵（雖然算牌對百家樂無效，但作為輔助訊號可能對 LSTM 有微小幫助）
5 月底：開放更多桌的實時預測（從 31 桌擴至 40+）
6 月：考慮 transformer 子模型測試

10. 比較：sw589 的「AggregateRating 4.8 星 156 評價」

sw589.com 的首頁 schema.org 標示「4.8 分 / 156 則評價」。這是假資料——他們網站沒有任何評價頁、也沒有公開戰績。

K9 的選擇：真實命中率、每日更新、可回放。你可以隨時上 /stats 抽查任何一局的預測是否真的命中。

11. 常見問題（FAQ）

月報怎麼蒐集數據？有客觀第三方審計嗎？

資料由 K9 內部 collector 自動採集（透過 MT + DG WebSocket）。目前沒有第三方審計——但所有逐局資料可在 /stats 抽查、API 公開（/api/stats/daily）、學術研究者可申請 Tier 2 dataset 對照（editorial@dgmtai.com）。如需第三方稽核我們正在評估 GLI 或 Deloitte 合作。

為什麼有時候命中率比 58.3% 低很多？

3 月最弱日 3/24 命中率 52.1%——這是正常 sample variance。每日命中率標準差 2.8%，意思是 95% 的日子命中率在 52.7%-63.9% 之間。任何低於 50% 的日子才需要警惕，3 月沒有發生。

我可以訂閱每月月報通知嗎？

可以。月報固定 每月 1 號上午 9:00（GMT+8）發布。訂閱方式：(1) RSS /feed.xml；(2) Atom /atom.xml；(3) Email 通知（即將推出）。

K9 會公開所有桌口的命中率嗎？

公開前 10 名（本月報 §3）。前 10 之外的桌口資料保留作為「不對外公開」的內部 benchmark——目的是讓我們能識別「Cherry picking」的詐騙工具（他們會偷取 K9 前 10 名數字當自己的）。

月報數字會被回頭修改嗎？