Push/Fold 全推表（单挑 Nash）

单挑全推/弃牌 Nash 均衡，10 档筹码（2-20bb）：10bb 时 SB 全推 52.9%、BB 跟注 34.2%；全部数字由自家穷举矩阵求解，收敛误差每档 ≤0.033bb。

SB 全推范围（先手）

全推 / 跟注（702 combos, 52.9%）弃牌

BB 跟注范围（面对全推）

全推 / 跟注（454 combos, 34.2%）弃牌

各档数据明细（文字版）

2bb — SB 全推 89.4% / BB 跟注 100.0%

SB 全推	1186 / 1,326 combos（89.4%）
BB 跟注	1326 / 1,326 combos（100.0%）
收敛误差	0 bb

3bb — SB 全推 76.8% / BB 跟注 91.9%

SB 全推	1018 / 1,326 combos（76.8%）
BB 跟注	1218 / 1,326 combos（91.9%）
收敛误差	0.00003 bb

4bb — SB 全推 73.8% / BB 跟注 74.1%

SB 全推	978 / 1,326 combos（73.8%）
BB 跟注	982 / 1,326 combos（74.1%）
收敛误差	0 bb

5bb — SB 全推 71.9% / BB 跟注 62.0%

SB 全推	954 / 1,326 combos（71.9%）
BB 跟注	822 / 1,326 combos（62.0%）
收敛误差	0.00005 bb

6bb — SB 全推 65.9% / BB 跟注 50.8%

SB 全推	874 / 1,326 combos（65.9%）
BB 跟注	674 / 1,326 combos（50.8%）
收敛误差	0.00684 bb

8bb — SB 全推 57.2% / BB 跟注 40.3%

SB 全推	758 / 1,326 combos（57.2%）
BB 跟注	534 / 1,326 combos（40.3%）
收敛误差	0.02073 bb

10bb — SB 全推 52.9% / BB 跟注 34.2%

SB 全推	702 / 1,326 combos（52.9%）
BB 跟注	454 / 1,326 combos（34.2%）
收敛误差	0.01925 bb

12bb — SB 全推 47.8% / BB 跟注 30.0%

SB 全推	634 / 1,326 combos（47.8%）
BB 跟注	398 / 1,326 combos（30.0%）
收敛误差	0.02159 bb

15bb — SB 全推 41.2% / BB 跟注 25.2%

SB 全推	546 / 1,326 combos（41.2%）
BB 跟注	334 / 1,326 combos（25.2%）
收敛误差	0.03222 bb

20bb — SB 全推 36.3% / BB 跟注 19.9%

SB 全推	482 / 1,326 combos（36.3%）
BB 跟注	264 / 1,326 combos（19.9%）
收敛误差	0.01989 bb

方法论

场景：单挑锦标赛式 SB vs BB，双方只有「全推/弃牌」与「跟注/弃牌」两个动作（jam-or-fold 模型），ChipEV 口径、不含 ICM 与抽水。求解：在自家 169×169 穷举类平均胜率矩阵（含阻断牌条件组合权重）上做最优反应迭代，环出现时对边界手牌用平均对手策略裁决；每档记录 exploitability（最优反应可获得的 bb/手增益）作为收敛证据，全部 ≤0.033bb。数据可用 scripts/gen-push-fold.mjs 一键复算。

教育用途：赛后学习工具，非实时对局辅助（RTA）；不构成投注建议。深码（>20bb）时 jam-or-fold 不再是合理简化。

数据版本 2026-07-04；来源：app/data/push-fold.json

引用本页: Pailiku, “Push/Fold 全推表（单挑 Nash）”, pailiku.com/push-fold (2026-07-04).

常见问题

10bb 单挑应该全推多宽？

本表 Nash 解：10bb 时 SB 全推 52.9%（702/1,326 combos），BB 跟注 34.2%。5bb 放宽到全推 71.9%，20bb 收窄到 36.3%。

这些范围和 SnapShove/HoldemResources 一样吗？

同一 jam-or-fold 模型族，量级一致；细节因类平均胜率与边界裁决方式可能差零点几个百分点。我们完整公开方法论与复算脚本，且每档附收敛误差。

多人桌能直接用这张表吗？

不能直接用。本表是单挑 ChipEV Nash；多人与决赛桌需叠加 ICM 与位置修正——可配合 ICM 计算器使用，后续版本会提供多人近似。