Quem vence a Copa do Mundo FIFA 2026: um guia de MLOps

Os dados por trás das previsões

Uma previsão só é tão boa quanto o que entra nela, então vale começar pela matéria-prima. O modelo aprende com duas fontes de dados em tempo real e as transforma em uma única tabela enxuta de features.

De onde vêm os dados

Tudo é construído a partir de dois lugares. O API-Football fornece calendário e estatísticas por partida: quem jogou contra quem, quando, onde e como terminou. O eloratings.net fornece os ratings Elo de cada seleção.

Um rating Elo é um único número que captura a força de uma equipe. Cada equipe ocupa um ponto na escala e, após cada jogo, o rating é atualizado: vencer um adversário mais forte rende muito; perder para um mais fraco derruba bastante. A ideia vem do xadrez e se adapta bem ao futebol. Se quiser a intuição completa, este artigo da DataCamp explica no contexto da Copa de 2022.

Juntas, as duas fontes oferecem um dataset Ouro com cerca de 6.900 partidas internacionais desde 2018 para aprender.

O que o modelo prevê

Aqui está a primeira decisão de design importante. Em vez de prever diretamente o resultado como vitória, empate ou derrota, o modelo prevê algo mais granular: o número de gols que cada equipe marca em uma partida. Contagens de gols no futebol seguem, com boa aproximação, uma distribuição de Poisson, a forma padrão de modelar quantas vezes um evento relativamente raro acontece em uma janela de tempo fixa.

Prever gols em vez de resultados é o que torna todo o resto possível. Uma vez que o modelo consegue gerar um placar plausível para qualquer confronto, as perguntas que todo mundo realmente quer saber — quem passa de fase e quem levanta a taça — podem ser respondidas simulando esses placares milhares de vezes.

As features que importam

Cada partida é descrita por um conjunto pequeno e bem selecionado de features:

• Diferença de Elo: a distância entre os ratings das duas equipes. É, de longe, a feature mais importante do modelo, com uma importância cerca de duas ordens de grandeza acima da próxima. Isso bate com a intuição: a diferença de força entre os lados diz mais sobre o provável resultado do que quase qualquer outra coisa.
• Soma de Elo: a soma dos dois ratings, um proxy para a qualidade geral do confronto. A diferença sozinha não distingue Argentina x Espanha de San Marino x Andorra — dois jogos equilibrados em níveis completamente diferentes — e a soma recupera essa informação.
• Variação recente do Elo (últimos 5 jogos): quanto o rating de cada equipe mudou recentemente. Isso captura o momento da equipe já considerando a força dos adversários enfrentados.
• Gols pró e contra recentes (últimos 5 jogos): desempenho ofensivo e defensivo recente em termos absolutos, calculado para cada equipe.
• Contexto da partida: o nível da competição (um jogo de Copa do Mundo pesa diferente de um qualificatório ou da Nations League), se é mata-mata e se é em campo neutro.

Toda feature é estritamente à prova de vazamento, ou seja, usa apenas informações disponíveis antes do apito inicial. Parece óbvio, mas é uma das formas mais fáceis de, sem querer, criar um modelo que brilha no teste e desaba no mundo real.

Uma ideia que ficou de fora: eu planejava um conjunto de features de "estilo de jogo" construídas por clusterização de equipes com base em estatísticas em jogo, um passo de aprendizado não supervisionado. Na prática, as equipes não se separaram em grupos significativos e, em vez de alimentar o modelo com ruído, eu removi. Resultados negativos ainda são resultados.

Garantindo reprodutibilidade dos dados

Com dados chegando de duas fontes de forma contínua, o caminho de arquivos brutos até features prontas para o modelo precisa ser idêntico todas as vezes. É isso que a arquitetura medalhão oferece. Ela organiza os dados em três camadas:

• Bronze: os dados brutos, exatamente como chegam, sem toques.
• Prata: dados limpos e padronizados. Aqui eu mapeio nomes de equipes entre as duas fontes (raramente concordam na grafia), valido o esquema, junto os ratings Elo aos registros de partidas e lido com ausências ou formatos incorretos.
• Ouro: a camada de modelagem, uma linha limpa por partida com todas as features calculadas e prontas para treinar.

Uma camada alimenta a outra, então, quando algo parece errado, dá para rastrear etapa por etapa em vez de desfazer tudo de uma vez. Para tornar todo o caminho reprodutível, uso DVC (Data Version Control). Sempre que entram resultados novos, um único dvc repro reconstrói Prata e Ouro a partir de Bronze, reexecutando uma etapa apenas se suas entradas mudaram, e versiona os datasets resultantes, de modo que qualquer estado anterior possa ser recuperado exatamente.

Escolhendo o melhor modelo

Prever gols é um problema bem estudado, e não há uma ferramenta óbvia única para isso. Então, em vez de me comprometer com uma abordagem de cara, construí dez e deixei que competissem.

Os concorrentes

Os dez modelos cobrem cinco famílias mais uma linha de base simples. Você não precisa conhecer os detalhes internos de cada um; o ponto é que eles fazem suposições bem diferentes sobre como os gols acontecem.

Como foram avaliados

Com dez candidatos, escolher a olho não funcionaria. Em vez disso, cada modelo passa por três estágios, e o código decide se ele avança. É o que chamamos de deploy baseado em código: modelos são promovidos de um ambiente para o outro por verificações automatizadas, e não por ajustes manuais, mantendo toda a seleção reprodutível e fácil de auditar.

• Experimento. Cada modelo é treinado apenas em partidas internacionais jogadas antes da Copa do Mundo de 2022. Nem todos esses jogos pesam igualmente: partidas mais recentes e de maior importância recebem mais peso (ponderação por decaimento no tempo e importância do jogo), então um resultado competitivo recente influencia mais o modelo do que um amistoso antigo. Em seguida, os hiperparâmetros de cada modelo são ajustados para minimizar a log-verossimilhança negativa de Poisson (NLL) usando validação cruzada. NLL é só uma pontuação que mede quão bem as taxas de gols previstas batem com os gols que os times realmente marcaram, onde menor é melhor. O resultado é a melhor versão de cada modelo.
• Garantia de qualidade. Esses modelos ajustados são então testados em partidas que nunca viram: a Copa de 2022 mais seis grandes torneios desde então (a EURO, duas Copas Africanas de Nações, a Copa América, a Copa da Ásia e a Gold Cup), 347 jogos ao todo. Aqui, a métrica muda para o ranked probability score (RPS), que mede a qualidade de uma previsão probabilística quando os resultados têm uma ordem natural, como derrota, empate e vitória, e recompensa estar confiante na direção certa. Menor é melhor de novo. O mais forte aqui vira o desafiante. O RPS é a régua certa porque o objetivo real é prever até onde as seleções chegam, não só totais de gols.
• Deploy. O desafiante é comparado ao campeão vigente. Se vencer, é promovido e readequado com todas as partidas disponíveis, entrando no torneio tendo aprendido com todos os dados.

Quem venceu

Então, qual abordagem ficou no topo? Aqui está o placar completo do holdout, medido por RPS (menor é melhor):

Quatro pontos chamam atenção nesses resultados:

• O XGBoost venceu, mas por pouco. Os cinco melhores modelos (XGBoost, Poisson bayesiano, binomial negativa, Poisson bivariada e random forest) terminaram dentro de cerca de 0,0011 de RPS entre si. Quando cinco abordagens tão diferentes chegam tão perto, geralmente o teto está nos dados e nas features, não no modelo. Aqui, a diferença de Elo faz tanto do trabalho que a escolha do modelo mexe pouco no ponteiro.
• Uma feature domina. A diferença de Elo foi o preditor mais importante com folga, cerca de cem vezes mais influente que a próxima feature. É mais reconfortante do que surpreendente: em um jogo único, a diferença de força entre os times é praticamente a maior parte da história.
• Deep learning ficou por último, tirando a linha de base. A CNN 1D e a LSTM foram os modelos mais fracos além do baseline ingênuo. Com só ~7.000 partidas para aprender, simplesmente não há dados suficientes para alimentar redes com tantos parâmetros; métodos clássicos lidam muito melhor com datasets pequenos e estruturados.
• Nada de overfitting nos modelos clássicos. Normalmente, um modelo vai um pouco pior em dados não vistos do que no treino. Aqui, quase todos (com exceção da LSTM) marcaram melhor nos torneios de holdout do que na validação cruzada. O motivo provável é que futebol de torneio é mais previsível que o calendário internacional do dia a dia: maior peso, seleções mais fortes e conhecidas e campos neutros tiram parte da aleatoriedade.

Para o torneio ao vivo, não rodo os dez. Fico com um elenco menor: o baseline de taxa média como referência e os três melhores desempenhos. XGBoost e Poisson bayesiano ocupam o top 2 com folga.

A terceira colocação é praticamente um empate: binomial negativa e Poisson bivariada ficam a menos de 0,0002 de RPS uma da outra e trocam de lugar dependendo da semente aleatória, então, entre dois modelos indistinguíveis estatisticamente, optei pela Poisson bivariada, cuja formulação tem base mais sólida na literatura de previsão no futebol (Karlis e Ntzoufras, 2004).

Isso deixa um elenco de XGBoost (machine learning), Poisson bivariada (estatística clássica) e Poisson bayesiano (inferência bayesiana). A próxima seção explica como esses modelos rodam, se reentrenam e transformam previsões de partidas em uma projeção do torneio inteiro.

Levando para produção

Um modelo que vive no notebook só é útil enquanto você está na frente dele. Para prever jogos ao longo de um mês de torneio, tudo precisa rodar sozinho: buscar novos resultados, reentreinar, resimular e atualizar a previsão sem intervenção. Esse é o papel do pipeline.

O pipeline bimestral no GCP

O projeto inteiro roda como um job único agendado no Google Cloud Run. Antes do torneio, ele acorda uma vez por dia; desde a abertura em 11 de junho, roda a cada duas horas. Cada execução segue o mesmo ciclo:

• Checar novos dados. Se nenhuma partida terminou desde a última execução, não há nada a fazer e o job finaliza cedo.
• Ingestão e reconstrução. Quando entram resultados novos, eles são buscados nas fontes e um único dvc repro reconstrói as camadas Prata e Ouro para atualizar as features.
• Reentreinar, prever, simular. Os modelos do elenco são atualizados (mais sobre isso a seguir), cada confronto futuro é previsto e o torneio completo é simulado.
• Pontuar. Quando um jogo termina, as previsões feitas para ele são avaliadas, alimentando o monitoramento descrito abaixo.

Como cada etapa é acionada por código em um agendamento, não há cliques manuais durante o torneio. Resultado novo entra, previsão atualizada sai.

Dois modos: congelado vs. por rodada

É aqui que o projeto também vira um experimento. Durante o torneio, o elenco roda em dois modos paralelos, e a diferença entre eles é a pergunta que espero responder com os dados: reentreinar conforme o torneio avança melhora as previsões?

• Congelado. Os modelos são travados no momento do pontapé inicial e nunca reentrenados. Eles ainda respondem aos resultados, pois cada simulação parte do chaveamento atualizado, mas os parâmetros do modelo em si não mudam.
• Por rodada. Os hiperparâmetros (as configurações de alto nível) ficam fixos, mas os parâmetros aprendidos pelo modelo são reajustados com todos os dados disponíveis após cada rodada da fase de grupos e cada fase do mata-mata, então os modelos continuam aprendendo com o torneio em tempo real.

Rodar os dois lado a lado me permite compará-los depois em dois pontos: a acurácia bruta e a velocidade com que a incerteza de cada um se reduz à medida que o campo afunila. Se o modo por rodada vencer, o reentreinamento regular se justifica; se o congelado der conta, talvez o maquinário extra não valha a pena.

Das previsões ao torneio: a simulação de Monte Carlo

Prever uma partida é uma coisa. Transformar isso em "qual a chance de cada seleção ser campeã" é onde entra a simulação de Monte Carlo.

Primeiro, inferência. Em vez de prever só os jogos já conhecidos, o modelo prevê todo confronto possível entre as 48 equipes. Parece exagero, mas em torneio qualquer um pode cruzar com qualquer outro no mata-mata, então é preciso ter previsão pronta para todo emparelhamento.

Depois, é preciso codificar as regras, e o formato de 2026 torna isso especialmente trabalhoso. Nos 12 grupos, os dois primeiros avançam automaticamente, mas também avançam os oito melhores terceiros, e o slot de mata-mata que cada um desses oito ocupa depende de quais grupos eles vieram.

Há 495 maneiras de escolher oito grupos classificados entre doze (doze escolhe oito), e cada uma gera um conjunto diferente de confrontos nas oitavas de final. Não há uma fórmula limpa para isso; a FIFA simplesmente publica uma tabela. Então eu (na verdade, meu colega muito capaz, o Cursor) codifiquei as 495 combinações em um mapeamento, usando a tabela oficial como fonte.

"best_third_mappings": {
  "EFGHIJKL": {
    "74": "3F",
    "77": "3G",
    "79": "3E",
    "80": "3K",
    "81": "3I",
    "82": "3H",
    "85": "3J",
    "87": "3L"
  }, 
  "DFGHIJKL": ...

Cada chave, como EFGHIJKL, lista de quais oito grupos vieram os terceiros colocados que avançaram, e os valores posicionam cada um desses times (3E, 3F e assim por diante) em um número específico de partida das oitavas. Esse é um item; o mapeamento completo repete isso 495 vezes, uma por combinação.

As três sedes (Estados Unidos, Canadá e México) recebem um tratamento extra. Quando um anfitrião joga um jogo em seu próprio país, a simulação aplica um ajuste de mando de campo para aquela partida, enquanto o restante do torneio é tratado como campo neutro.

Com previsões e regras no lugar, a simulação roda o torneio inteiro 10.000 vezes. Em cada execução, segue este procedimento:

1. Sorteia um placar para cada jogo amostrando gols de mandante e visitante das distribuições previstas pelo modelo
2. Joga a fase de grupos com as regras reais de pontos e critérios de desempate
3. Resolve a tabela de melhores terceiros
4. Preenche o chaveamento do mata-mata a partir dos mapeamentos acima
5. Joga até sair o campeão.

Ao longo de 10.000 torneios simulados, a fração de execuções em que uma seleção chega à final ou levanta a taça vira a probabilidade dela. Uma execução é um palpite; dez mil execuções formam uma previsão.

Acompanhando tudo com MLflow

Cada execução descrita até aqui, nos dois modos, é registrada no MLflow (hospedado no DagsHub). O rastreamento de experimentos significa registrar sistematicamente entradas, configurações, resultados e saídas de cada execução, para que qualquer uma possa ser comparada ou reproduzida exatamente. Alguns pontos que valem destacar:

• Reprodutibilidade. A simulação usa uma semente fixa derivada da fase do torneio, e a mesma semente é compartilhada entre os modos congelado e por rodada. Isso significa que qualquer diferença entre os dois vem dos modelos em si, não da sorte do sorteio dentro da simulação. Cada run também registra o snapshot exato de dados que viu (número de linhas em Ouro e um timestamp), para que os resultados sempre possam ser rastreados até suas entradas.
• O experimento. Cada execução é etiquetada com seu modo (congelado ou por rodada) e com o estágio no ciclo de vida, do experimental e QA até as execuções ao vivo de inferência e refit, espelhando o fluxo de promoção da seção anterior.
• Comparação. O RPS do holdout é registrado como métrica de seleção, junto com uma referência à execução campeã atual para linhagem. O tempo de ajuste também é gravado — é aí que o treino cerca de 100 vezes mais lento do modelo bayesiano aparece preto no branco.

Os modelos treinados e os próprios arquivos de previsão (probabilidades do torneio, classificações de grupos e previsões de partidas) são armazenados como artefatos das execuções — e são exatamente esses arquivos que o dashboard ao vivo lê. Isso fecha o ciclo: de resultados brutos, passando por treino e simulação, até os números que você vê online.

Monitorando drift

A última peça roda quando as partidas se encerram. Conforme chegam os resultados reais, as previsões feitas para eles são pontuadas e comparadas ao baseline simples de taxa média. Se os modelos completos começarem a perder terreno para um modelo que nada sabe sobre as equipes, isso é um sinal de drift: os padrões aprendidos antes do torneio podem não corresponder mais ao que está acontecendo em campo.

Acompanhar isso é prática padrão para qualquer sistema que faz previsões ao vivo — e você pode ler mais sobre como detectar neste guia sobre data drift e model drift.

Então, quem vence a Copa?

Depois de toda essa engrenagem, é para isso que ela serve.

Os favoritos

Em 10 de junho de 2026, véspera do jogo de abertura, o veredito do modelo é claro no topo e apertado logo atrás. Espanha e Argentina lideram o campo, cada uma com algo em torno de 16% de chance de levantar a taça. O fato de a atual campeã do mundo (Argentina) e a atual campeã europeia (Espanha) aparecerem no topo é um bom teste de sanidade: o modelo está ancorado na realidade.

Logo depois vem um pelotão forte: França, Inglaterra, Brasil e Colômbia completam a lista dos mais prováveis campeões. Esses números são ao vivo e vão mudar assim que os resultados reais começarem a sair, então trate-os como um retrato de 10 de junho, não uma profecia fixa. O dashboard sempre mostra os números atuais, com no máximo duas horas de atraso.

O dashboard ao vivo

Falando nisso: todo número deste artigo vem de um app Streamlit ao vivo que atualiza automaticamente conforme o pipeline roda. Você pode abrir em wc2026-predictions.streamlit.app e acompanhar o torneio. Ele tem quatro visões principais:

• Panorama do torneio: até onde cada seleção deve chegar, de relance.
• Classificação dos grupos: para cada grupo, a probabilidade de cada seleção terminar em primeiro, segundo, terceiro (separando terceiro-classificado de terceiro-eliminado, por causa da regra dos melhores terceiros) ou quarto.
• Previsões de partidas: para cada jogo da fase de grupos, a chance de vitória do mandante, empate ou vitória do visitante, além do chaveamento mais provável do mata-mata.
• Confrontos mais comuns no mata-mata: os emparelhamentos que a simulação mais produz.

Um detalhe curioso na visão de partidas: alguns times aparecem em dois possíveis slots das oitavas ao mesmo tempo. Não é bug. Acontece quando um grupo é tão equilibrado que o modelo não consegue cravar qual posição a equipe vai ocupar na classificação. Junto com a incerteza dos melhores terceiros, os dois desfechos levam a slots diferentes no mata-mata. No caso da Turquia, isso até a colocou duas vezes nas oitavas.

O gráfico a seguir mostra as fases finais (quartas até a final) projetadas pelo modelo XGBoost antes do pontapé inicial do torneio:

O time cara ou coroa: Estados Unidos

A graça de um modelo como este está nas seleções que desafiam o senso comum, e o exemplo mais claro são os Estados Unidos. Se você abrir o panorama do torneio no dashboard, vai notar na hora que os EUA se destacam na cor.

Como coanfitriões jogando em casa, você poderia esperar um começo tranquilo, mas o modelo é bem mais cauteloso: dá a eles cerca de 54,6% de chance de escapar do grupo, a 13ª mais baixa de todo o torneio (lembre que dois terços das seleções avançam!), porque o grupo com Austrália, Paraguai e Turquia é incomumente equilibrado.

O interessante é o que vem depois. Se passando no sufoco, os EUA então ficam por volta de cara ou coroa em cada fase seguinte. Empilhando essas moedas, chegam a cerca de 2% de chance de ganhar o torneio — a 13ª mais alta entre as 48 seleções.

Um time que é 13º de baixo para cima para sair do grupo e 13º de cima para baixo para ser campeão é praticamente a definição perfeita de "cara ou coroa": nunca favorito, nunca morto.

Considerações finais

Este projeto deu trabalho e cobre muito mais do que cabe num único artigo. O repositório tem bastante coisa que não entrou aqui: o conjunto completo de modelos candidatos, a engenharia de features e a orquestração que mantém tudo rodando, por exemplo.

Por ora, o modelo fez suas apostas e o torneio é quem vai julgar. Seja você do time MLOps ou do time futebol, espero que se divirta acompanhando tanto quanto eu. Você pode seguir a previsão ao vivo conforme os jogos acontecem e ver como as projeções se sustentam.

Se quiser se aprofundar nos conceitos que mencionei, recomendo nosso curso MLOps Concepts.