Cómo funciona el MMR checker

Resumen

El MMR checker de LoLValue combina hasta tres señales independientes de datos públicos de Riot: tu rango y tu winrate, el rating medio de los lobbies en los que te emparejaron y los PL que ganaste de verdad entre dos comprobaciones. Cada señal se convierte en un número dentro de una misma escala de MMR, las señales se combinan con pesos que dependen de cuántos datos hay detrás de cada una, y el resultado se da con un margen de error y una etiqueta de confianza.

Nada de esta página usa datos privados. Cada número sale de endpoints a los que puede llamar cualquier desarrollador con una clave de la API de Riot, lo que también significa que cualquiera puede reproducir la estimación siguiendo los pasos de abajo.

Paso 1: una escala de MMR para todos los rangos

Los rangos se convierten en números en una escala lineal donde Hierro IV con 0 PL es 0, cada nivel vale 500 puntos, cada división 125 y cada PL 1,25. Maestro empieza en 3500 y a partir de ahí la escala sigue solo con los PL, así que un jugador de Maestro con 400 PL está en 4000, y Gran Maestro y Aspirante son simplemente Maestro con más PL.

MMR(rank) = 500 × tier_index + 125 × division_index + 1.25 × LP

tier_index:     Hierro 0, Bronce 1, Plata 2, Oro 3, Platino 4, Esmeralda 5, Diamante 6
division_index: IV 0, III 1, II 2, I 3
apex:           Maestro, Gran Maestro, Aspirante = 3500 + 1.25 × LP

El rating interno de Riot no está en esta escala y nadie fuera de Riot conoce su intervalo exacto. La escala existe para que todas las señales se puedan comparar y para que el resultado se pueda traducir de vuelta a un rango que reconozcas. Cualquier escala lineal daría los mismos veredictos; elegimos esta porque 100 PL equivalen exactamente a una división.

Paso 2: método A, rango y winrate

El método A da la respuesta inmediata. Parte del MMR de tu rango visible y lo desplaza según tu winrate en esa cola, ajustado por el número de partidas en que se basa ese winrate. Un 50 % de winrate deja intacto el MMR del rango. Un winrate muy por encima del 50 % en muchas partidas sube la estimación por encima de tu rango, porque el matchmaking ya te está valorando más alto de lo que muestra tu rango.

confidence = min(1, games / 50)
adjust     = (winrate − 0.50) × 1500 × confidence
adjust     = clamp(adjust, −250, +250)

MMR_A = MMR(rank) + adjust

Ejemplo práctico: Oro II, 40 PL, 58 % de winrate en 80 partidas. MMR(rank) = 1500 + 250 + 50 = 1800. La confianza es 1 porque 80 partidas superan las 50. El ajuste es (0,58 − 0,50) × 1500 = +120, así que MMR_A = 1920, unos dos tercios de división por encima de tu rango visible.

El límite de ±250 existe porque el winrate es una herramienta tosca. Sin él, un 70 % de winrate en 20 partidas indicaría dos niveles enteros, cuando suele tratarse de un smurf al principio de su subida. El método A nunca se usa en colas sin rango (normales, Modo rápido, ARAM). En Maestro y superiores sigue funcionando, tomando como MMR del rango 3500 más 1,25 por PL.

Paso 3: método B, la media del lobby

El método B es la señal más fuerte. El matchmaking monta cada lobby con jugadores cuyo MMR oculto está cerca del tuyo, así que los rangos de los jugadores que te tocaron son la medida pública más cercana a tu propio rating. El checker lee tus diez últimas partidas en la cola elegida, busca el rango de cada uno de los otros nueve jugadores y convierte cada lobby en un solo número.

Por lobby

• Cada uno de los otros nueve jugadores se convierte en MMR con la escala de arriba, usando su rango en la cola que se analiza, o el de su otra cola clasificatoria si no tiene rango en esa. Los jugadores sin ningún rango se omiten.
• Un lobby con menos de cuatro jugadores con rango se descarta: hay demasiado pocos puntos para describirlo.
• Con seis o más jugadores con rango se quitan el valor más alto y el más bajo antes de hacer la media (una media recortada), para que un solo smurf o una sola cuenta con decay no muevan el lobby.

Entre lobbies

weight(game) = 0.92 ^ recency × (ranked_seen / 9)

MMR_B = Σ lobby_mmr × weight / Σ weight

recency: 0 para la partida más reciente, 1 para la anterior, y así sucesivamente
ranked_seen: cuántos de los otros nueve jugadores tenían rango

Con la ponderación por antigüedad, la partida más reciente cuenta más o menos el doble que la décima. El factor ranked_seen hace que un lobby en el que los nueve jugadores tenían rango cuente más que uno en el que solo lo tenían cinco. Diez partidas son la muestra por defecto; es un equilibrio entre velocidad y estabilidad, y se puede aumentar en el servidor sin cambiar nada más.

El método B tiene un sesgo sistemático que conviene conocer: los rangos van por detrás del MMR. En las primeras semanas de una temporada el rango de todos está por debajo de su rating, así que las medias de lobby salen bajas para todo el mundo. El veredicto (por encima o por debajo de tu rango) no se ve afectado, porque tu propio rango va por detrás de la misma forma.

Paso 4: método C, PL observados

El método C usa lo único que Riot sí te dice sobre tu MMR: cuántos PL ganas por victoria. Cada comprobación guarda una instantánea de tu rango, tus PL, tus victorias y tus derrotas. En tu siguiente comprobación, si se jugaron al menos tres partidas desde una instantánea de hace más de treinta minutos, el checker calcula tus PL reales por victoria y los convierte en una diferencia entre tu MMR y tu rango.

ladder(rank) = PL totales desde Hierro IV 0 PL (100 por división)
gain_per_win = (Δladder + Δlosses × 42) / (Δwins + Δlosses)

válido si se jugaron 3+ partidas y 8 ≤ gain_per_win ≤ 40

gap_C = (gain_per_win − 21) × 18

El 42 de la primera fórmula es la suma supuesta de una victoria y una derrota en PL (21 + 21), y es lo que permite a la fórmula separar ganancias de pérdidas cuando solo ve el cambio neto. La segunda fórmula es la inversa de la predicción de PL que se describe más abajo: con una diferencia de cero, la ganancia esperada es de 21 PL, y cada 18 MMR de diferencia la mueven un PL.

Ejemplo práctico: entre dos comprobaciones, un jugador pasó de Oro II 40 PL a Oro I 20 PL (+80 PL acumulados) con 6 victorias y 3 derrotas. gain_per_win = (80 + 3 × 42) / 9 = 22,9 PL. gap_C = (22,9 − 21) × 18 = +34 MMR, así que su MMR está un poco por encima de su rango. La señal solo se usa en colas clasificatorias por debajo de Maestro (los niveles más altos no tienen divisiones que aplanar) y se descarta cuando los números no tienen sentido, por ejemplo tras un escudo contra el descenso o un decay.

Paso 5: combinar las señales

Los tres números se combinan con pesos que crecen con la cantidad de datos que hay detrás de cada uno. La media del lobby llega a ocupar el 70 % de la combinación cuando se han leído diez lobbies; con menos lobbies su parte se reduce y el método A completa el resto. Los PL observados, si están disponibles, acercan después el resultado una cuarta parte del camino hacia el valor que indican.

w_B    = min(0.70, lobbies_read / 12 × 0.70)
MMR_AB = MMR_B × w_B + MMR_A × (1 − w_B)

si hay PL observados:
    MMR    = MMR_AB × 0.75 + (MMR(rank) + gap_C) × 0.25
si no:
    MMR    = MMR_AB

Por eso el número de la página de resultados cambia durante los primeros segundos: la respuesta inmediata es solo el método A, y a medida que se lee cada lobby la combinación se desplaza hacia el método B. La página muestra un veredicto provisional hasta que termina el análisis, para que un cambio temporal no se tome como respuesta definitiva.

Paso 6: margen de error y confianza

Cada estimación se muestra como un valor más o menos un margen. El margen no es un intervalo de confianza estadístico; es una tolerancia calibrada que se reduce a medida que entran más datos independientes en la combinación.

margin = 170                          solo con el método A
margin = 150 − 8 × min(12, lobbies)   cuando ya se han leído lobbies
margin = margin − 10                  si hay PL observados
margin = max(margin, 45)

confidence: alta si margin ≤ 70, media si ≤ 110, baja en otro caso

Al comparar el margen con la diferencia entre tu estimación y tu rango sale el veredicto: una diferencia de al menos +60 MMR se muestra como «por encima de tu rango», una de como mucho −60 como «por debajo de tu rango», y cualquier valor intermedio como «MMR y rango coinciden». Sesenta MMR son media división, la diferencia más pequeña que cambia los PL por victoria más que el ruido entre dos partidas.

Paso 7: predecir los PL y las partidas que faltan para subir

La predicción de PL convierte la diferencia entre tu MMR estimado y tu rango en PL esperados por victoria y por derrota. Con diferencia cero, el checker supone 21 PL en ambos sentidos. Cada 18 MMR de diferencia positiva suman un PL a las victorias y restan uno a las derrotas, dentro de un intervalo de 10 a 35 PL.

shift    = gap / 18
LP_win   = clamp(round(21 + shift), 10, 35)
LP_loss  = clamp(round(21 − shift), 10, 35)

games_to_next_division(winrate) = menor n tal que
    LP + n × (winrate × LP_win − (1 − winrate) × LP_loss) ≥ 100

wins_in_a_row = ceil((100 − LP) / LP_win)

Ejemplo práctico: una estimación de 1920 frente a un rango de Oro II en 1750 da una diferencia de +170. shift = 9,4, así que LP_win = 30 y LP_loss = 12. Desde 40 PL, con un 55 % de winrate cada partida vale de media 0,55 × 30 − 0,45 × 12 = 11,1 PL, así que Oro I está a unas seis partidas; dos victorias seguidas también bastarían.

Las constantes 21 y 18 se ajustaron a las ganancias de PL que reportaron jugadores de Oro a Diamante en la temporada actual. Son la parte del modelo con más probabilidades de cambiar: cuando Riot ajusta las ganancias de PL, estos dos números se vuelven a ajustar y esta página se actualiza con los nuevos valores.

Paso 8: percentil

El percentil responde a «¿qué porcentaje de jugadores clasificados está por debajo de este MMR?». Sale de nuestro propio recuento diario de todos los jugadores de solo/dúo de todas las regiones, los mismos datos que se muestran en la página de distribución de rangos LoL.

• Cada división de Hierro IV a Diamante I se convierte en un punto: su suelo en la escala de MMR y el porcentaje de jugadores por debajo.
• Maestro empieza en 3500. Gran Maestro y Aspirante empiezan en 3500 más 1,25 MMR por PL del jugador de Gran Maestro y del de Aspirante con menos PL ese día, así que sus suelos siguen los cortes reales.
• Entre dos puntos, el percentil se interpola de forma lineal.

La tabla se reconstruye cada vez que se guarda un nuevo recuento diario. Solo afecta a la línea del percentil en el resultado; la estimación de MMR, el veredicto y la predicción de PL no dependen de ella. Antes de que exista el primer recuento, el checker usa una tabla aproximada.

Límites y sesgos conocidos

Un checker honesto dice dónde falla. Estos son los casos en los que la estimación de LoLValue es menos fiable.

El rating que usa Riot no es público, así que no hay un valor real con el que comparar. La mejor comprobación disponible es la coherencia: la misma cuenta consultada el mismo día en distintas herramientas basadas en lobbies queda a una división, más o menos, y la señal de los PL observados, que es la propia respuesta de Riot, coincide con la estimación combinada en la gran mayoría de las segundas comprobaciones.

Datos, caché y límites de peticiones

El checker solo lee datos públicos de la API de Riot: la cuenta detrás de un Riot ID, las entradas clasificatorias de esa cuenta, la lista de partidas recientes y los participantes de cada partida. No hace falta iniciar sesión, y no se usa ninguna contraseña, correo electrónico ni dato del cliente.

• El rango de cada jugador visto en un lobby se guarda en caché durante seis horas, para no volver a pedir los compañeros de lobby de un jugador popular en cada comprobación.
• Un resultado terminado se guarda en caché durante cinco minutos; comprobar la misma cuenta dos veces en ese tiempo devuelve la misma respuesta al instante.
• Se guardan instantáneas (rango, PL, victorias, derrotas y la estimación en el momento de la comprobación) para que el método de PL observados funcione en la siguiente comprobación y para que la página pueda mostrar tu historial de MMR.
• Cada IP puede hacer doce comprobaciones por minuto y el servidor analiza cuatro cuentas a la vez, lo que mantiene la herramienta dentro de los límites de la API de Riot para todos.
• Una vez al día, el servidor también cuenta los jugadores de cada nivel y división de la clasificación de solo/dúo de cada región, lo que alimenta el percentil y la página de distribución de rangos.

Si quieres reproducir la estimación, los pasos de esta página bastan: cualquier desarrollador con una clave de la API de Riot puede llamar a los mismos endpoints y aplicar las mismas fórmulas. Para eso las publicamos.

Historial de cambios

• Septiembre de 2026. El percentil pasa de una tabla aproximada a nuestro recuento diario de todos los jugadores de solo/dúo (consulta la distribución de rangos).
• Septiembre de 2026. Publicación de la metodología. Combinación de tres señales, veredicto provisional durante el análisis y checker de ARAM en su propia página.

Los cambios en las fórmulas se registran aquí con la fecha en que entraron en vigor, para que un resultado anterior a un cambio se pueda leer con las reglas que lo produjeron.

Preguntas frecuentes sobre la metodología

¿Cómo se calcula el MMR en League of Legends?

El MMR de Riot es un rating oculto que se mueve después de cada partida según el resultado y lo probable que era. Riot no publica ni la fórmula ni el número. Los checkers como este lo estiman con datos públicos: tu rango y tu winrate, los rangos de los jugadores con los que te emparejan y los PL que ganas por victoria.

¿Qué señal importa más?

La media del lobby. El matchmaking te junta con jugadores de MMR parecido, así que los rangos de tus lobbies recientes describen tu rating mejor que tu propio rango. Llega a ocupar el 70 % de la combinación cuando se han leído diez partidas.

¿Por qué cambió mi número mientras cargaba la página?

La primera respuesta usa solo rango y winrate. A medida que se lee cada una de tus partidas recientes, la media del lobby toma el relevo, así que el número se mueve y el veredicto puede cambiar. La página muestra una etiqueta provisional hasta que termina el análisis.

¿Por qué distintas webs de MMR muestran números distintos?

Cada web usa su propia escala y su propia mezcla de señales. Dos herramientas basadas en lobbies suelen quedar a una división la una de la otra; una web que solo lee tu rango y tu winrate puede alejarse más. Compara el rango al que corresponde el número, no el número en bruto.

¿El margen es un intervalo de confianza real?

No. Es una tolerancia calibrada que se reduce con la cantidad de datos leídos: ±170 MMR solo con rango y winrate, unos ±70 con diez lobbies y ±45 en el mejor caso. Tómalo como «el valor real está muy probablemente dentro de este intervalo», no como una estadística formal.

¿Cómo sabe el checker cuántos PL gano?

Los predice a partir de la diferencia entre tu MMR estimado y tu rango: 21 PL con diferencia cero, más un PL por cada 18 MMR de diferencia, entre 10 y 35. A partir de tu segunda comprobación también lee los PL que ganaste de verdad y los incorpora a la estimación.

¿Por qué ARAM se muestra como un rango de clasificatoria?

ARAM no tiene rango propio, así que la única forma pública de describir un lobby de ARAM es por los rangos de solo/dúo o de flexible de sus jugadores. El resultado de ARAM es el nivel equivalente en clasificatoria de tus lobbies.

¿El checker usa datos privados o del cliente?

No. Todo sale de endpoints públicos de la API de Riot: búsqueda de cuentas, entradas clasificatorias, listas de partidas y participantes de las partidas. No hay inicio de sesión.

¿Puedo reproducir la estimación yo mismo?

Sí. La escala, los tres métodos, los pesos de la combinación y las reglas del margen están todos en esta página. Con una clave de desarrollador de Riot y los mismos endpoints obtienes el mismo número.

¿Cada cuánto se actualizan las fórmulas?

Cada vez que Riot cambia las ganancias de PL o la estructura de las clasificatorias. Entonces las constantes de PL se vuelven a ajustar y el cambio se registra con su fecha en el historial de cambios de esta página.