ClutchGC

Navegação

PainelPartidasTimesJogadorasAgentesEconomiaRecordesCompararConfrontosMapasCampeonatosFontes

Fontes: Riot + VLR.gg

ClutchGC

VALORANT · Estatísticas Competitivas

Ao vivo · auto
Privacidade·Termos de uso

Projeto independente feito por e para a comunidade do Game Changers.

  • Início
  • Partidas
  • Times
  • Jogadoras
  • Agentes
  • Comparar
Voltar para partidas
Game Changers 2024 South Asia: Split 106 de abr., 10:00 BRT
TC
Team Celestials
0:2
Bo3
Logo MLT Esports GCMLT Esports GC

Semifinals

Análise e previsão

Escolhas e banimentos

BanimentoEscolhaDeciderIniciou atacandoIniciou defendendoTeam CelestialsMLT Esports GC
  1. BanAscentTeam Celestials
  2. BanBreezeMLT Esports GC
  3. PickSplitTeam Celestials
  4. PickIceboxMLT Esports GC
  5. BanSunsetTeam Celestials
  6. BanLotusMLT Esports GC
  7. DeciderBindMapa restante · não disputado

Placar por mapa

1Split5:13
2Icebox11:13

Team Celestials

JogadoraAgente
FChompaSkye, Sova1,032212733230,8274%15117%32
AskaRaze, Viper0,91207333460,9770%13720%56
MoxiECypher, Killjoy0,79190283450,8261%13426%58
UziboozieSage, Gekko0,741662334110,6867%10414%46
milkOmen, Jett0,75161233480,6866%10330%12

MLT Esports GC

JogadoraAgente
apathySkye, Sova1,333004229171,4580%19234%102
TwirlyRaze, Reyna1,25264403071,3379%17423%45
eluwuSage, Jett1,112293430101,1371%14934%66
RoseOmen, Viper1,25210322381,3977%14533%21
AmyKilljoy0,81138212250,9576%9617%24
Economia de rounds

Vitórias no ataque

16

38% dos rounds

Vitórias na defesa

26

62% dos rounds

Pistols

1 - 3

Team Celestials / MLT Esports GC

Conversão pós-pistol

4/4

pistol + round seguinte

Venceu no ataqueVenceu na defesaRound perdidoATKDEFLado inicial (1º half)13Pistol (round 1 e 13)EliminaçãoSpike detonadaSpike desarmadaTempo esgotado

Split

Team CelestialsATK5
MLT Esports GCDEF13
123456789101112131415161718

Icebox

Team CelestialsATK11
MLT Esports GCDEF13
123456789101112131415161718192021222324

Baseado no histórico round a round do VLR.gg (lado vencedor e forma de finalização). O VLR.gg não publica os valores de compra (créditos/loadout), então a classificação de economia eco/force/full não é inferida para não gerar dados imprecisos.