Quillan Salkilld vs Beneil Dariush — UFC Perth · resultado e análise
Quillan Salkilld
63%
prob. vitória
4 lutas · Orthodox · 191cm reach
vs
Beneil Dariush
36%
prob. vitória
25 lutas · Southpaw · 183cm reach
Probabilidade de vitória · simulação Markov
Luta já realizada
Disputada em 2 de maio de 2026
O resultado ainda não foi apurado no nosso histórico. As projeções abaixo são as que o modelo produziu antes da luta — ficam publicadas tal como estavam.
Como a luta termina · 8.000 simulações
Quillan 63% · Beneil 36%
Breakdown técnico
Pontos fortes de Quillan Salkilld
Vantagem de poder
Quillan Salkilld acumula 0.043 KO/TKO por minuto na carreira — 3.4× mais que Beneil Dariush (0.013). Acima da mediana UFC (~0.025), perfil de finisher claro.
Ameaça de submissão
Quillan Salkilld finaliza por submissão a 0.026 por minuto — o dobro da mediana UFC. Beneil Dariush tem defesa de submissão decente (0.005 subs sofridas/min).
Vantagem física no stand-up
Quillan Salkilld tem 191cm de reach vs 183cm — 8cm de vantagem. Em divisões com volume alto, +5cm correlaciona ~1.5pp em hit rate.
Cenários desfavoráveis
Amostra pequena
Apenas 4 lutas no histórico — número insuficiente para calibrar bem as taxas. Modelo aplica shrinkage Bayesiano para a média da liga, mas a incerteza é maior nesta predição.
Pontos fortes de Beneil Dariush
Defesa de submissão
Histórico mostra 0.005 submissões sofridas/min — bem abaixo da mediana. Crítico porque Quillan Salkilld tenta 0.026 subs/min, acima da média.
Experiência
Beneil Dariush acumula 25 lutas registadas vs 4 de Quillan Salkilld. Compostura em momentos críticos, leitura de tempo e gestão de rounds vêm com volume.
Cenários desfavoráveis
Vulnerabilidade ao KO
Beneil Dariush sofre KOs a 0.037/min — acima da mediana. Quillan Salkilld bate em 0.043/min. Trade-and-hope é cenário ruim aqui.
Análise detalhada
Ritmo da luta
Lutadores com taxa de finalização combinada de 0.090 finishes/min apontam para uma luta de volume moderado. Modelo aponta 33% de probabilidade de finalização logo no round 1.
Stance: Orthodox vs Southpaw. Match-up de stances opostos — atenção redobrada ao jab cruzado e ao low-kick no joelho da frente.
Quillan Salkilld tem 8 cm de vantagem de reach. Diferenciais >5cm tendem a ditar onde a luta acontece — fica de olho em quem controla a distância.
Diferencial técnico
Experiência: Beneil Dariush com 25 lutas vs 4 de Quillan Salkilld. Gap de 21 aparições compõe: leitura de tempo, compostura em momentos críticos.
Poder de KO: Quillan Salkilld bate a 0.043 KO/min na carreira vs 0.013 de Beneil Dariush. O fator decisivo se a luta se mantém em pé.
Durabilidade: Quillan Salkilld é nocauteado a 0.010/min, vs 0.037 de Beneil Dariush. Em trocas, o chin mais sólido tende a aguentar mais um round.
Onde a luta se decide
Primeiros 5 minutos: Quillan Salkilld tem perfil R1 finisher mais agressivo. Se cravar o ritmo no início, é cenário base; se Beneil Dariush sobreviver os primeiros 5 min sem dano significativo, o relógio começa a jogar contra Quillan Salkilld.
Probabilidade por round: R1 33% · R2 21% · R3 15% · decisão 30%. Cenário modal é finalização precoce — a aposta segura é não-dar à distância.
Stand vs chão: Quillan Salkilld é a ameaça no chão (sub_per_min 0.026). Se forçar a luta para o solo, controla a narrativa. Beneil Dariush precisa de manter a luta em pé para neutralizar.
Veredicto do modelo
Probabilidade de vitória: Quillan Salkilld 63% vs Beneil Dariush 37%. Vantagem moderada para o favorito — não é dado garantido.
Pick principal: Quillan Salkilld vence dentro da distância. Modelo coloca probabilidade real em 48.2%, enquanto o mercado implica apenas 15.4% — edge de +32.8%.
Perfil técnico — radar
Métricas walk-forward: apenas lutas anteriores a esta entram no cálculo.
Simulação Markov · 8000 lutas
Vitória A
63%
Vitória B
36%
Vai à distância
30%
Finaliza
R1 33 · R2 21 · R3 15
Perfil técnico
4
Lutas registadas
25
0.043
KO/TKO por minuto
0.013
0.026
Submissões por minuto
0.009
0.010
É finalizado p/ KO/min
0.037
0.006
É finalizado p/ SUB/min
0.005
Valores walk-forward: apenas lutas anteriores a esta entram no cálculo. Empirical Bayes priors aplicados para amostras pequenas.