Stride AI - 南関東競馬AI予想 2026-06-12

📢 お知らせ

2026-06-05

新機能Threads はじめましたNEW

日々の予想更新やイチオシ馬を Threads でも配信します。フォローして最新情報を受け取ってください。

Threads をフォロー →

本日の全レース予想

大井

園田

🏇本日の開催競馬場を選んでください

1R 大井競馬場ダート1600m　発走 14:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ロンギングスター	田中洸（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -72% (大幅な期待値マイナス) AI 予想勝率 11.4% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	スクラッチクラッチ	高橋優（大井）	実104.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ◎ 距離適性同距離 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +52% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ルビーディーゼル	矢野貴（大井）	実7.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率32%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 7走で勝率 14% ◎ 騎手近50戦勝率 32% (好調) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 7.2% (オッズ暗示: 13.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ノットボーダー	本田重（船橋）	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 17.4% (オッズ暗示: 24.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	エヌケイサイボウ	佐野遥（川崎）	実9.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 15走で勝率 7% ○ 距離適性同距離 6走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 4.7% (オッズ暗示: 10.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	リヨンド	石川駿（大井）	実58.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／直近3走平均8.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 2.1% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ボビー	藤本現（大井）	実49.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.3着 ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +83% (市場が大幅過小評価) AI 予想勝率 3.7% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	パルマシェール	吉井章（大井）	実7.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場5走で勝率40%と適性高／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 40% (得意) ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 9.6% (オッズ暗示: 13.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ラングドシャ	笹川翼（大井）	実1.7	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 騎手近50戦勝率 30% (好調) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 39.0% (オッズ暗示: 58.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	キャリアラダー	西優哉（大井）	実24.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場9走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 3.5% (オッズ暗示: 4.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

AI評価 🌟◎鉄板本命 ◎本命 ○対抗 ▲注目 △押さえ ▽下位 ×推奨外／ 期待値 100円賭けたときの想定利益率／ オッズ 実=リアル取得済推定=推定オッズ／ 馬名横のグレーバッジ 脚質（過去の上がり3F傾向からの推定）

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

2R 大井競馬場ダート1400m　発走 15:02

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ナポレオンバディ	御神訓（大井）	実31.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 24日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 3.5% (オッズ暗示: 3.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ツカイノトリ	吉井章（大井）	実46.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 9走で勝率 11% ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ボワヴェール	矢野貴（大井）	実25.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／直近3走平均3.0着と安定／騎手は近50戦で勝率32%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 3.0着 (安定) × 当競馬場適性 5走で勝率 0% (苦戦) ◎ 騎手近50戦勝率 32% (好調) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +86% (市場が大幅過小評価) AI 予想勝率 7.2% (オッズ暗示: 3.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ピルゴスアイトス	杉山海（大井）	実61.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 7走で勝率 14% ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	グランマローネ	藤本現（大井）	実3.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率67%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 14.4% (オッズ暗示: 28.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	エイトザット	本田重（船橋）	実6.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 16% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 14.3% (オッズ暗示: 14.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ディアモアー	中山遥（浦和）	実85.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 10走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ドレインザスワンプ	西優哉（大井）	実38.6	▲詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 10走で勝率 10% ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 5走で勝率 20% ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +162% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	シャンスラード	西啓太（大井）	実1.5	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率67%と適性高／直近3走で勝率67%と好調／212日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 212日休養明け × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 46.2% (オッズ暗示: 66.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ハヤマデイズ	岡村健（船橋）	実134.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) ○ 距離適性同距離 5走で勝率 20% ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +54% (市場が大幅過小評価) AI 予想勝率 1.2% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ムサシタルマエ	達城龍（大井）	実34.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 12走で勝率 8% ▽ 距離適性同距離は 4走で勝ち無し △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 2.8% (オッズ暗示: 2.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

3R 大井競馬場ダート1200m　発走 15:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	バーバリオン	安藤洋（大井）	実2.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率40%と適性高／同距離帯4走で勝率50%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 4走で勝率 50% ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 23.6% (オッズ暗示: 40.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	リコータロス	藤本現（大井）	実6.3	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率100%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 17.4% (オッズ暗示: 15.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ライドハイ	本田重（船橋）	実11.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率40%と適性高／133日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.0着 ◎ 当競馬場適性 5走で勝率 40% (得意) ○ 騎手近50戦勝率 16% △ ローテーション 133日休養明け △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 9.2% (オッズ暗示: 8.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	シュヴァルニブロン	西啓太（大井）	実62.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は9走で勝ち無し／直近3走平均8.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 11走で勝率 9% ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +36% (妙味あり) AI 予想勝率 2.2% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	シンプウエース	福原杏（浦和）	実103.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	カナホゲラ	和田譲（大井）	実22.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率50%と好調／前走勝利の勢い／168日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 50% (絶好調) ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 168日休養明け ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 5.9% (オッズ暗示: 4.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	エルフィダンス	御神訓（大井）	実38.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／170日ぶりの実戦／騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 10着 (大敗) △ ローテーション 170日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +72% (市場が大幅過小評価) AI 予想勝率 4.5% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	サヴォア	岡村健（船橋）	実153.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 0.8% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ファインブレード	笹川翼（大井）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯3走で勝率33%／直近3走で勝率33%と好調／騎手は近50戦で勝率30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 13走で勝率 8% ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 30% (好調) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 13.4% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	サイゴニアイハカツ	矢野貴（大井）	実6.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 12.4% (オッズ暗示: 14.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	オレンジマン	中山遥（浦和）	実28.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 9走で勝率 11% ○ 距離適性同距離 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +55% (市場が大幅過小評価) AI 予想勝率 5.5% (オッズ暗示: 3.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	トモノホマレ	藤田凌（大井）	実10.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 8走で勝率 12% ○ 距離適性同距離 6走で勝率 17% ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 4.4% (オッズ暗示: 9.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

4R 大井競馬場ダート1600m　発走 16:07

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フロントドア	和田譲（大井）	実18.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は11走で勝ち無し／231日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 16走で勝率 6% ▽ 距離適性同距離は 11走で勝ち無し ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 14% △ ローテーション 231日休養明け △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 4.9% (オッズ暗示: 5.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ヤサカスター	藤本現（大井）	実1.3	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率60%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 47.5% (オッズ暗示: 76.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アウフヴィント	谷内貫（大井）	実31.4	▲詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均10.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 4.0% (オッズ暗示: 3.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	シンアルマトゥラ	中村尚（大井）	実49.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場46走で勝率2%と苦戦傾向／同距離帯は14走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 46走で勝率 2% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	アメージングビュー	矢野貴（大井）	実8.3	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯3走で勝率33%／直近3走で勝率33%と好調／81日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% ◎ 距離適性同距離 3走で勝率 33% ○ 馬場適性同馬場 4走で勝率 25% ◎ 騎手近50戦勝率 32% (好調) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 11.9% (オッズ暗示: 12.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アイソタイプ	菅原涼（大井）	実22.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場25走で勝率4%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 25走で勝率 4% (苦戦) △ 距離適性同距離 17走で勝率 6% ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 2.9% (オッズ暗示: 4.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	シタベッド推奨	高橋昭（大井）	実7.2	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+40%の妙味（近5走で勝率20%と堅実／当競馬場で勝率17%と相性良／同距離帯で勝率17%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 24走で勝率 17% (相性良) ○ 距離適性同距離 24走で勝率 17% ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +40% (妙味あり) AI 予想勝率 19.5% (オッズ暗示: 13.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ロイヤルカラット	達城龍（大井）	実18.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／91日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 22走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ▽ 前走実績前走 11着 (大敗) △ ローテーション 91日休養明け × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 3.6% (オッズ暗示: 5.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	コーゲンマース	千田洋（大井）	実24.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 42走で勝率 12% △ 距離適性同距離 32走で勝率 9% ○ 馬場適性同馬場 9走で勝率 22% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 4.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 7 シタベッド実7.2倍期待値 +40% 推奨 6.7〜7.8倍 100円 ❌不的中8着単勝 7.2倍

B. 市場除外+キャリブ

単勝 9 コーゲンマース実24.2倍期待値 +105% 推奨 15.3〜30.0倍 100円 ❌不的中5着単勝 24.2倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

5R 大井競馬場ダート1400m　発走 16:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アイヲコメテ	笹川翼（大井）	実7.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯3走で勝率33%／同馬場状態で勝率33%／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 13走で勝率 15% (相性良) ◎ 距離適性同距離 3走で勝率 33% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 10.6% (オッズ暗示: 13.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	レジーナティアラ	藤本現（大井）	実23.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場24走で勝率4%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 24走で勝率 4% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 3.3% (オッズ暗示: 4.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ヘビーキュー	和田譲（大井）	実6.1	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯6走で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 8走で勝率 12% ◎ 距離適性同距離 6走で勝率 33% ○ 騎手近50戦勝率 14% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 13.0% (オッズ暗示: 16.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	アルデフォックス	木澤奨（大井）	実45.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	リコーファルコン	本田重（船橋）	実63.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 15走で勝率 7% ○ 騎手近50戦勝率 16% ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +74% (市場が大幅過小評価) AI 予想勝率 2.8% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ストラーダレアーレ	安藤洋（大井）	実32.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.7着 (不振) ○ 距離適性同距離 5走で勝率 20% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +157% (市場が大幅過小評価) AI 予想勝率 8.0% (オッズ暗示: 3.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	キテツ	吉井章（大井）	実5.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場8走で勝率25%と適性高／同馬場状態で勝率50%／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 馬場適性同馬場 4走で勝率 50% ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 10.4% (オッズ暗示: 18.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ベルジャッド	西優哉（大井）	実5.4	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% ○ 距離適性同距離 6走で勝率 17% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 10.7% (オッズ暗示: 18.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	リコーモーラー	町田直（川崎）	実3.1	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯4走で勝率25%／直近3走で勝率33%と好調／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 4走で勝率 25% ○ 前走実績前走 3着 (好走) △ ローテーション 163日休養明け △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 29.5% (オッズ暗示: 32.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ヤマノリッチ	谷内貫（大井）	実88.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場50走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 50走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 1.5% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ラッケンブース	田中洸（大井）	実126.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 11走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 0.9% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	アオイフォトグラフ	達城龍（大井）	実8.8	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は5走で勝ち無し／直近3走平均3.0着と安定／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 13走で勝率 8% ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 4.2% (オッズ暗示: 11.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	カルデア	千田洋（大井）	実133.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 13 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ○ 距離適性同距離 16走で勝率 19% △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +111% (市場が大幅過小評価) AI 予想勝率 1.6% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
14	シタパンツ	鷹見陸（大井）	実51.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 14 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 7走で勝率 14% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

6R 大井競馬場ダート1200m　発走 17:12

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タガノサダフ	木澤奨（大井）	実30.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +22% (市場と概ね一致) AI 予想勝率 4.0% (オッズ暗示: 3.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	カッタラキマセン	笹川翼（大井）	実7.5	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% ◎ 騎手近50戦勝率 30% (好調) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 5.9% (オッズ暗示: 13.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	エレパイオ	和田譲（大井）	実8.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ○ 騎手近50戦勝率 14% ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 7.0% (オッズ暗示: 11.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	オオサキサンダー	岡村健（船橋）	実115.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場27走で勝率0%と苦戦傾向／同距離帯は23走で勝ち無し／直近3走平均10.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 23走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 0.6% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	オーヴァーザトップ	本田重（船橋）	実61.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 16% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 1.9% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アサネガミ	菅原涼（大井）	実68.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場21走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均11.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 11.0着 (不振) × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 1.9% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	クチャモザクワジャ	小野俊（大井）	実5.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場21走で勝率43%と適性高／同距離帯20走で勝率45%／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 21走で勝率 43% (得意) ◎ 距離適性同距離 20走で勝率 45% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 11.3% (オッズ暗示: 18.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	マスターキー	藤本現（大井）	実6.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 23走で勝率 13% △ 距離適性同距離 22走で勝率 14% ▽ 前走実績前走 13着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 10.0% (オッズ暗示: 15.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ビーンスモークモカ	達城龍（大井）	実21.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯4走で勝率50%／同馬場状態で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.3着 (不振) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) △ ローテーション 283日休養明け △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 4.7% (オッズ暗示: 4.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	シカレ	杉山海（大井）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 18.2% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	イロンデル	高野誠（大井）	実3.2	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場12走で勝率33%と適性高／同距離帯10走で勝率40%／同馬場状態で勝率40%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 33% (得意) ◎ 距離適性同距離 10走で勝率 40% ◎ 馬場適性同馬場 5走で勝率 40% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 33.0% (オッズ暗示: 31.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	シストロン	東原悠（大井）	実138.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／直近3走平均10.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +73% (市場が大幅過小評価) AI 予想勝率 1.2% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

7R 大井競馬場ダート1600m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スミソニアン	鷹見陸（大井）	実85.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場55走で勝率2%と苦戦傾向／同距離帯は13走で勝ち無し／直近3走平均12.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 12.3着 (不振) × 当競馬場適性 55走で勝率 2% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し ▽ 前走実績前走 14着 (大敗) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	エルツ	谷内貫（大井）	実12.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場28走で勝率25%と適性高／同距離帯21走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 28走で勝率 25% (得意) ◎ 距離適性同距離 21走で勝率 33% ○ 馬場適性同馬場 7走で勝率 29% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 151日休養明け △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 6.8% (オッズ暗示: 7.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アッティラ	中山遥（浦和）	実16.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 6.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ヨシノダイセン	達城龍（大井）	実7.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場9走で勝率33%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 9走で勝率 33% (得意) ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 7.2% (オッズ暗示: 14.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	アレスエルピーダ	町田直（川崎）	実4.4	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯7走で勝率43%／直近3走平均2.7着と安定／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 2.7着 (安定) ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 7走で勝率 43% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 16.0% (オッズ暗示: 22.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アジアジェニファー	藤田凌（大井）	実68.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は7走で勝ち無し／直近3走平均10.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.3着 (不振) ○ 当競馬場適性 24走で勝率 21% (相性良) ▽ 距離適性同距離は 7走で勝ち無し ○ 騎手近50戦勝率 16% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 1.4% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	シャドウキャッスル	和田譲（大井）	実4.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 23.4% (オッズ暗示: 25.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	レイリ	西啓太（大井）	実77.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 26走で勝率 8% △ 距離適性同距離 22走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	モズユウガ	石川駿（大井）	実15.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) ○ 当競馬場適性 30走で勝率 17% (相性良) ○ 距離適性同距離 27走で勝率 19% ◎ 馬場適性同馬場 9走で勝率 33% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 3.6% (オッズ暗示: 6.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ガンモレジェンド	杉山海（大井）	実49.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0着 (不振) △ 当競馬場適性 48走で勝率 10% △ 距離適性同距離 21走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	シャープムスタング	安藤洋（大井）	実2.6	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場14走で勝率50%と適性高／同距離帯3走で勝率33%／同馬場状態で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 14走で勝率 50% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 馬場適性同馬場 6走で勝率 33% △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 36.4% (オッズ暗示: 38.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

8R 大井競馬場ダート1600m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クアッズ	石川駿（大井）	実5.9	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 67% (絶好調) △ 当競馬場適性 23走で勝率 9% ○ 距離適性同距離 11走で勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 16.0% (オッズ暗示: 16.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	グロワールスカイ	和田譲（大井）	実16.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率38%と適性高／同距離帯7走で勝率43%／同馬場状態で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.3着 ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 7走で勝率 43% ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 14% △ ローテーション 114日休養明け △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 5.6% (オッズ暗示: 6.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ペルセイズ	達城龍（大井）	実12.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 ○ 距離適性同距離 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 8.1% (オッズ暗示: 7.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ベストリオン	藤田凌（大井）	実120.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 35走で勝率 9% △ 距離適性同距離 30走で勝率 10% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +56% (市場が大幅過小評価) AI 予想勝率 1.3% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ツルマルヴィオレ	御神訓（大井）	実8.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率25%と適性高／騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.3着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 騎手近50戦勝率 26% (好調) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 10.7% (オッズ暗示: 12.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	コーゲンシルバー	中村尚（大井）	実44.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 26走で勝率 12% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ハイアップグレード	安藤洋（大井）	実106.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均12.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 12.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +46% (妙味あり) AI 予想勝率 1.4% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	カズノトレジャー	本田重（船橋）	実30.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場36走で勝率3%と苦戦傾向／同距離帯は24走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 36走で勝率 3% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し ○ 騎手近50戦勝率 16% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 2.9% (オッズ暗示: 3.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	スカイイズユアーズ	笹川翼（大井）	実2.0	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場10走で勝率60%と適性高／同距離帯10走で勝率60%／同馬場状態で勝率67%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 10走で勝率 60% (得意) ◎ 距離適性同距離 10走で勝率 60% ◎ 馬場適性同馬場 3走で勝率 67% ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 36.3% (オッズ暗示: 50.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	カラーオブジアース	岡村健（船橋）	実135.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／直近3走平均8.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	リアルサファリ	杉山海（大井）	実43.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 2.2% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	タイガードラゴン	西優哉（大井）	実41.2	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 3.5% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	ハクアイソレイユ	吉井章（大井）	実5.1	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 13 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 18走で勝率 11% △ 距離適性同距離 16走で勝率 12% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 9.5% (オッズ暗示: 19.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

9R 大井競馬場ダート1200m　発走 18:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サウンドクラージュ推奨	江里裕（大井）	実18.6	○詳細▼	市場が大きく過小評価、AI予想勝率11% × オッズ18.6倍で期待値+112%の有力候補（当競馬場11走で勝率36%と適性高／同距離帯で勝率33%と得意／前走3着で力を示す）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0着 (不振) ◎ 当競馬場適性 11走で勝率 36% (得意) ◎ 距離適性同距離 6走で勝率 33% ○ 前走実績前走 3着 (好走) △ ローテーション 168日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +112% (市場が大幅過小評価) AI 予想勝率 11.4% (オッズ暗示: 5.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	コスモトロイメル	中山遥（浦和）	実23.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 14走で勝率 14% ○ 距離適性同距離 5走で勝率 20% ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 14% ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	サフィールシェール	藤田凌（大井）	実50.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 23走で勝率 9% △ 距離適性同距離 16走で勝率 12% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +51% (市場が大幅過小評価) AI 予想勝率 3.0% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	コーミズアムール	吉井章（大井）	実27.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場36走で勝率0%と苦戦傾向／同距離帯は33走で勝ち無し／直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 36走で勝率 0% (苦戦) ▽ 距離適性同距離は 33走で勝ち無し ▽ 前走実績前走 13着 (大敗) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 3.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ニンリル	谷内貫（大井）	実88.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アンニンドウフ	本橋孝（船橋）	実36.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場40走で勝率5%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均9.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 40走で勝率 5% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 13着 (大敗) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 2.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	レーヴレジェンド	西優哉（大井）	実22.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均9.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 7.8% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	レーベンヘルツ	古岡勇（川崎）	実70.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 1.2% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ヴィジブルライト	本田重（船橋）	実61.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ○ 騎手近50戦勝率 16% ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アミフジモアナ	菅原涼（大井）	実66.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯16走で勝率25%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 25走で勝率 20% (相性良) ◎ 距離適性同距離 16走で勝率 25% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 25日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 2.1% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	サイレントブラック	鷹見陸（大井）	実50.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 14走で勝率 7% ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	グラスコメット	中村尚（大井）	実140.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 12.7着 (不振) △ 当競馬場適性 17走で勝率 12% △ 距離適性同距離 16走で勝率 12% ○ 馬場適性同馬場 5走で勝率 20% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 0.6% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	デュピュイドローム	達城龍（大井）	実1.2	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場6走で勝率83%と適性高／同距離帯6走で勝率83%／直近3走で勝率67%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 13 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 6走で勝率 83% (得意) ◎ 距離適性同距離 6走で勝率 83% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 48.6% (オッズ暗示: 83.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
14	ヘイシリン	笹川翼（大井）	実6.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均2.0着と安定）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 14 ○ 直近3戦の調子平均 2.0着 (安定) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ◎ 騎手近50戦勝率 28% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 13.8% (オッズ暗示: 15.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 1 サウンドクラージュ実18.6倍期待値 +112% 推奨 11.4〜30.0倍 100円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 大井競馬場ダート1800m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オリジナルパターン	本橋孝（船橋）	実58.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率67%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 馬場適性同馬場 3走で勝率 67% ▽ 前走実績前走 14着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +260% (市場が大幅過小評価) AI 予想勝率 6.2% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ベイビーザロック	澤田龍（船橋）	実10.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率67%と適性高／直近3走で勝率67%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 12.5% (オッズ暗示: 10.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アヤサンジョウタロ	笹川翼（大井）	実2.7	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率28%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.3着 ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 17.0% (オッズ暗示: 37.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ドリームミヤギ	西啓太（大井）	実68.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 1.8% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	コスモギガンティア	矢野貴（大井）	実3.7	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率67%と好調／177日ぶりの実戦／騎手は近50戦で勝率30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 騎手近50戦勝率 30% (好調) △ ローテーション 177日休養明け × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 13.0% (オッズ暗示: 27.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ラインシルバー	藤本現（大井）	実191.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 10走で勝率 0% (苦戦) ○ ローテーション 21日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 0.8% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	アストラルゲート	岡村健（船橋）	実71.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 2.4% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ディアシンバ	藤田凌（大井）	実20.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率29%と適性高／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 7走で勝率 29% (得意) ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 3.9% (オッズ暗示: 5.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ナインフォルド	御神訓（大井）	実12.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率50%と適性高／直近3走で勝率33%と好調／114日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 50% (得意) ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 11着 (大敗) △ ローテーション 114日休養明け ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 10.8% (オッズ暗示: 8.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ドーンルーチェ	和田譲（大井）	実16.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 7.2% (オッズ暗示: 6.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	アイリーズ	佐野遥（川崎）	実105.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +126% (市場が大幅過小評価) AI 予想勝率 2.1% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ピーターセン	本田重（船橋）	実12.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 7.2% (オッズ暗示: 7.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	クレームドール	町田直（川崎）	実7.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均2.7着と安定／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 13 ○ 直近3戦の調子平均 2.7着 (安定) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 11.4% (オッズ暗示: 13.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
14	ユニゾン	吉井章（大井）	実19.7	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（100日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 14 △ 直近3戦の調子平均 4.0着 △ ローテーション 100日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 3.6% (オッズ暗示: 5.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 10 ドーンルーチェ実16.1倍期待値 +151% 推奨 8.3〜30.0倍 200円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 大井競馬場ダート1200m　発走 20:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サトノリリウム	和田譲（大井）	実1.7	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場10走で勝率50%と適性高／同距離帯8走で勝率62%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 10走で勝率 50% (得意) ◎ 距離適性同距離 8走で勝率 62% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 36.1% (オッズ暗示: 58.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ランベリー	菅原涼（大井）	実19.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 16走で勝率 12% △ 距離適性同距離 8走で勝率 12% △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 6.6% (オッズ暗示: 5.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	スタードラマー	西優哉（大井）	実108.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場16走で勝率0%と苦戦傾向／直近3走平均10.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) △ 距離適性同距離 13走で勝率 8% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 23日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +122% (市場が大幅過小評価) AI 予想勝率 2.1% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	サブノハクタカ	藤本現（大井）	実127.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場41走で勝率2%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均8.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 41走で勝率 2% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +92% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ロアリングルックス	櫻井光（川崎）	実23.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場21走で勝率38%と適性高／同距離帯19走で勝率37%／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.0着 (不振) ◎ 当競馬場適性 21走で勝率 38% (得意) ◎ 距離適性同距離 19走で勝率 37% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 13着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +85% (市場が大幅過小評価) AI 予想勝率 7.9% (オッズ暗示: 4.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ニシノデフィレ	瀬川将（大井）	実194.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率0%と苦戦傾向／同距離帯は19走で勝ち無し／直近3走平均9.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 25走で勝率 0% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +36% (妙味あり) AI 予想勝率 0.7% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	キタノブレイド	本村直（大井）	実162.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 23日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 1.1% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ゴールデンブザー	笹川翼（大井）	実4.8	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率28%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) ○ 当競馬場適性 21走で勝率 24% (相性良) ○ 距離適性同距離 5走で勝率 20% ◎ 騎手近50戦勝率 28% (好調) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 15.2% (オッズ暗示: 20.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	プレストステラ	本橋孝（船橋）	実7.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場30走で勝率27%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 30走で勝率 27% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 8走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 11.3% (オッズ暗示: 12.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ゴールドジャッジ	矢野貴（大井）	実5.1	○詳細▼	AI上位評価だが期待値不足、見送り（135日ぶりの実戦／騎手は近50戦で勝率30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 37走で勝率 14% △ 距離適性同距離 22走で勝率 14% ◎ 騎手近50戦勝率 30% (好調) △ ローテーション 135日休養明け × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 12.1% (オッズ暗示: 19.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ダイメイタマナ	吉留孝（浦和）	実38.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率75%／直近3走平均8.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3着 (不振) ◎ 馬場適性同馬場 4走で勝率 75% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +115% (市場が大幅過小評価) AI 予想勝率 5.6% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

12R 大井競馬場ダート1400m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ロッソナブア	鷹見陸（大井）	実3.9	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.7着と安定）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 2.7着 (安定) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 21.3% (オッズ暗示: 25.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	アフターレヴュー	石川駿（大井）	実38.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率4%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 25走で勝率 4% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	エスプリリチャード	西優哉（大井）	実13.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場19走で勝率37%と適性高／同距離帯13走で勝率46%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 19走で勝率 37% (得意) ◎ 距離適性同距離 13走で勝率 46% ○ 馬場適性同馬場 7走で勝率 29% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 8.6% (オッズ暗示: 7.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ナンセイコウタロー	西啓太（大井）	実109.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は6走で勝ち無し／直近3走平均8.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 21走で勝率 10% ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 1.3% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ラバテラリュージュ	中山遥（浦和）	実22.7	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 39走で勝率 8% △ 距離適性同距離 9走で勝率 11% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 4.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	スプレンデンテ	藤田凌（大井）	実14.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率25%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 27走で勝率 15% ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 16% ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 4.0% (オッズ暗示: 7.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ポアゾンノアール	山中悠（船橋）	実9.2	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場10走で勝率40%と適性高／同馬場状態で勝率67%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 10走で勝率 40% (得意) ◎ 馬場適性同馬場 6走で勝率 67% ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 7.6% (オッズ暗示: 10.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ノベンバーステップ	岡村健（船橋）	実15.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 ○ 距離適性同距離 24走で勝率 17% ◎ 馬場適性同馬場 6走で勝率 33% ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 4.6% (オッズ暗示: 6.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	スキャロップ	吉井章（大井）	実100.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 23走で勝率 9% ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	サクラジェンヌ	矢野貴（大井）	実4.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場4走で勝率0%と苦戦傾向／同距離帯3走で勝率33%／直近3走平均2.7着と安定）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 4走で勝率 0% (苦戦) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 2着 (好走) △ ローテーション 115日休養明け △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 21.8% (オッズ暗示: 22.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ルーシーノワール	杉山海（大井）	実39.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率33%と適性高／同距離帯9走で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.0着 ◎ 当競馬場適性 9走で勝率 33% (得意) ◎ 距離適性同距離 9走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 1.7% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ティーズリンク	佐野遥（川崎）	実5.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 9走で勝率 22% (相性良) △ 距離適性同距離 16走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 8.1% (オッズ暗示: 17.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	ゴッドバーグ	安藤洋（大井）	実8.1	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯3走で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 13 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 3走で勝率 33% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 10.6% (オッズ暗示: 12.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
14	アフロライデル	木澤奨（大井）	実20.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 14 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 15走で勝率 13% ○ 距離適性同距離 13走で勝率 15% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +34% (妙味あり) AI 予想勝率 6.4% (オッズ暗示: 4.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 14 アフロライデル実20.9倍期待値 +200% 推奨 9.0〜30.0倍 200円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

1R 園田競馬場ダート1400m　発走 14:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リクノインパクト	板野央（兵庫）	実195.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は12走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 14走で勝率 7% ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +318% (市場が大幅過小評価) AI 予想勝率 2.1% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	イケノエナガチャン	土方颯（兵庫）	実103.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +163% (市場が大幅過小評価) AI 予想勝率 2.6% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	クイーンアーサー	高畑皓（兵庫）	実244.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +115% (市場が大幅過小評価) AI 予想勝率 0.9% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	エイシンヴィエント	山本太（兵庫）	実8.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 12.3% (オッズ暗示: 11.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	メイプルディープ	吉村智（兵庫）	実15.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 4.3% (オッズ暗示: 6.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	タイシン	小牧太（兵庫）	実5.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 騎手近50戦勝率 34% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 18.3% (オッズ暗示: 18.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	チョウモーレツ	新庄海（兵庫）	実297.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +101% (市場が大幅過小評価) AI 予想勝率 0.7% (オッズ暗示: 0.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	シュガーラッシュ	田野豊（兵庫）	実37.7	▲詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +206% (市場が大幅過小評価) AI 予想勝率 8.1% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	オニギリ	下原理（兵庫）	実9.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率0%と苦戦傾向／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 12.7% (オッズ暗示: 11.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	タッタタラリラ	南部楓（兵庫）	実114.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +419% (市場が大幅過小評価) AI 予想勝率 4.5% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	アルマカン	山本咲（兵庫）	実75.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.5着 🌟◎ 期待値 (オッズ vs AI勝率) +203% (市場が大幅過小評価) AI 予想勝率 4.0% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	サンミゲル	永井孝（兵庫）	実1.4	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 29.5% (オッズ暗示: 71.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

2R 園田競馬場ダート820m　発走 14:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シェナホープ	長尾翼（兵庫）	実9.7	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場26走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 6.1% (オッズ暗示: 10.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	テンコウバヒ	小谷周（兵庫）	実53.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場62走で勝率2%と苦戦傾向／直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 62走で勝率 2% (苦戦) △ 距離適性同距離 14走で勝率 7% ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +83% (市場が大幅過小評価) AI 予想勝率 3.4% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	モンシャトール	井上幹（兵庫）	実9.4	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 39走で勝率 8% △ 距離適性同距離 16走で勝率 6% ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 14.3% (オッズ暗示: 10.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ハッピースパイラル	高畑皓（兵庫）	実165.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場21走で勝率0%と苦戦傾向／同距離帯は20走で勝ち無し／直近3走平均10.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +70% (市場が大幅過小評価) AI 予想勝率 1.0% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	モンシュヴァル	山本太（兵庫）	実12.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は6走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 42走で勝率 10% ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 6.8% (オッズ暗示: 7.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ペイルブルードット	南部楓（兵庫）	実140.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均10.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +96% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	マダムレディバグ	佐々世（兵庫）	実2.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 16走で勝率 6% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 27.0% (オッズ暗示: 38.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	エイミーショコラ推奨	山本咲（兵庫）	実16.3	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+71%の中穴候補（適度な間隔で状態万全）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 10.5% (オッズ暗示: 6.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ディニータ	小谷哲（兵庫）	実109.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は8走で勝ち無し／直近3走平均10.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 10.0着 (不振) △ 当競馬場適性 28走で勝率 7% ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +272% (市場が大幅過小評価) AI 予想勝率 3.4% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	タガノグリジオ	杉浦健（兵庫）	実2.0	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 26.1% (オッズ暗示: 50.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 8 エイミーショコラ実16.3倍期待値 +71% 推奨 12.4〜21.5倍 100円 ❌不的中7着単勝 16.3倍

B. 市場除外+キャリブ

単勝 3 モンシャトール確定10.6倍期待値 +106% 推奨 5.9〜14.9倍 300円 🎯的中1着確定 10.6倍3,180円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

3R 園田競馬場ダート1400m　発走 15:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ビップピュアエース	高畑皓（兵庫）	実52.4	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 19走で勝率 11% △ 距離適性同距離 23走で勝率 13% ○ 馬場適性同馬場 15走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 2.8% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	サンライズグレート	新庄海（兵庫）	実3.3	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 28走で勝率 14% ○ 距離適性同距離 18走で勝率 17% ○ 馬場適性同馬場 19走で勝率 21% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 17.8% (オッズ暗示: 30.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ハワイアンセーラ	土方颯（兵庫）	実67.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場35走で勝率3%と苦戦傾向／同距離帯は24走で勝ち無し／直近3走平均8.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 35走で勝率 3% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 1.8% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	デュランヴェリテ	田野豊（兵庫）	実8.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場24走で勝率0%と苦戦傾向／同距離帯は21走で勝ち無し／騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 24走で勝率 0% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 12.5% (オッズ暗示: 11.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	メイショウバイラン	高橋洸（兵庫）	実31.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場72走で勝率1%と苦戦傾向／同距離帯は66走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 72走で勝率 1% (苦戦) ▽ 距離適性同距離は 66走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 4.2% (オッズ暗示: 3.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ワンダーフレックス	大山真（兵庫）	実3.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場9走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 15.5% (オッズ暗示: 30.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	カヤコ	吉村智（兵庫）	実15.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場32走で勝率0%と苦戦傾向／同距離帯は31走で勝ち無し／直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 32走で勝率 0% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し ◎ 騎手近50戦勝率 32% (好調) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 5.8% (オッズ暗示: 6.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ダズリングアイス	佐々世（兵庫）	実2.4	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は19走で勝ち無し／直近3走平均8.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 34走で勝率 9% ▽ 距離適性同距離は 19走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 39.6% (オッズ暗示: 41.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

馬連 2-8 実8.6倍期待値 +73% 200円 ❌不的中2番(2着)-8番(4着)

B. 市場除外+キャリブ

単勝 7 カヤコ実15.8倍期待値 +164% 推奨 7.8〜30.0倍 200円 ❌不的中7着単勝 15.8倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 園田競馬場ダート1400m　発走 15:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	パリパリ	杉浦健（兵庫）	実9.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 34走で勝率 9% △ 距離適性同距離 30走で勝率 10% ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 7.0% (オッズ暗示: 10.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	メイショウロンド	土方颯（兵庫）	実13.3	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +56% (市場が大幅過小評価) AI 予想勝率 11.8% (オッズ暗示: 7.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	イングリッドローズ	吉村智（兵庫）	実1.2	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率32%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.3着 ○ 当競馬場適性 18走で勝率 17% (相性良) △ 距離適性同距離 14走で勝率 14% ○ 馬場適性同馬場 12走で勝率 25% ◎ 騎手近50戦勝率 32% (好調) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 36.7% (オッズ暗示: 83.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	アウトサイドベット	小谷哲（兵庫）	実39.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場28走で勝率4%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 28走で勝率 4% (苦戦) △ 距離適性同距離 20走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	サクラトップムーン推奨	松木大（兵庫）	実9.6	○詳細▼	市場が大きく過小評価、AI予想勝率30% × オッズ9.6倍で期待値+192%の有力候補（適度な間隔で状態万全）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 31走で勝率 13% △ 距離適性同距離 31走で勝率 13% ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +192% (市場が大幅過小評価) AI 予想勝率 30.4% (オッズ暗示: 10.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アブラカタブラ	長尾翼（兵庫）	実17.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 7.2% (オッズ暗示: 5.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	コーディネイター	塩津璃（兵庫）	実23.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 26走で勝率 8% △ 距離適性同距離 24走で勝率 8% ○ 騎手近50戦勝率 18% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ニシノダンテ	山本咲（兵庫）	実71.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は17走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 33走で勝率 6% ▽ 距離適性同距離は 17走で勝ち無し ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +72% (市場が大幅過小評価) AI 予想勝率 2.4% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 5 サクラトップムーン実9.6倍期待値 +192% 推奨 5.0〜21.6倍 500円 ❌不的中6着単勝 9.6倍
3連複 2-3-5 実20.7倍期待値 +412% 500円 ❌不的中2番(2着)-3番(4着)-5番(6着)

B. 市場除外+キャリブ

単勝 7 コーディネイター実23.7倍期待値 +124% 推奨 13.7〜30.0倍 100円 ❌不的中5着単勝 23.7倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

5R 園田競馬場ダート1400m　発走 16:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	インタールード	松木大（兵庫）	実5.3	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走3着／240日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 24走で勝率 12% △ 距離適性同距離 14走で勝率 7% ○ 前走実績前走 3着 (好走) △ ローテーション 240日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 13.4% (オッズ暗示: 18.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	メイショウサトユキ推奨	佐々世（兵庫）	実16.2	▲詳細▼	市場が大きく過小評価、AI予想勝率13% × オッズ16.2倍で期待値+115%の有力候補（直近3走平均2.3着と安定／同馬場状態で勝率33%／前走3着で力を示す）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 17走で勝率 12% △ 距離適性同距離 17走で勝率 12% ◎ 馬場適性同馬場 6走で勝率 33% ○ 前走実績前走 3着 (好走) △ ローテーション 165日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +115% (市場が大幅過小評価) AI 予想勝率 13.3% (オッズ暗示: 6.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	クイーンオブリリー	山本咲（兵庫）	実8.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は4走で勝ち無し／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 15走で勝率 13% ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 11.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	リザンテラ	山田雄（兵庫）	実69.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 1.5% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ランスオブコメット	田野豊（兵庫）	実1.7	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走平均3.0着と安定／前走3着／騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 3.0着 (安定) ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 35.8% (オッズ暗示: 58.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	テイケイソナサポ	竹村達（兵庫）	実19.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 5.7% (オッズ暗示: 5.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	デルマヴェーダ	山本太（兵庫）	実63.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 28走で勝率 7% △ 距離適性同距離 22走で勝率 9% ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +106% (市場が大幅過小評価) AI 予想勝率 3.3% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	コスモタイシ	吉村智（兵庫）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場51走で勝率2%と苦戦傾向／同距離帯は27走で勝ち無し／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 51走で勝率 2% (苦戦) ▽ 距離適性同距離は 27走で勝ち無し ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 16.1% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ジューンクエスト	高橋洸（兵庫）	実80.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場48走で勝率2%と苦戦傾向／同距離帯は41走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 48走で勝率 2% (苦戦) ▽ 距離適性同距離は 41走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +76% (市場が大幅過小評価) AI 予想勝率 2.2% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 2 メイショウサトユキ実16.2倍期待値 +115% 推奨 9.8〜26.8倍 100円 ❌不的中7着単勝 16.2倍

B. 市場除外+キャリブ

単勝 6 テイケイソナサポ実19.0倍期待値 +72% 推奨 14.3〜25.2倍 100円 ❌不的中3着単勝 19.0倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

6R 園田競馬場ダート820m　発走 17:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヤシロボーイ	南部楓（兵庫）	実102.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 11.3着 (不振) △ 当競馬場適性 53走で勝率 8% △ 距離適性同距離 36走で勝率 11% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +95% (市場が大幅過小評価) AI 予想勝率 1.9% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	クロアン推奨	笹田知（兵庫）	実26.4	▲詳細▼	市場が大きく過小評価、AI予想勝率11% × オッズ26.4倍で期待値+191%の有力候補（適度な間隔で状態万全／騎手の手腕も後押し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 8走で勝率 12% ○ 騎手近50戦勝率 14% ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +191% (市場が大幅過小評価) AI 予想勝率 11.0% (オッズ暗示: 3.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ウエルカムキリシマ	塩津璃（兵庫）	実9.4	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 21走で勝率 10% △ 距離適性同距離 20走で勝率 10% ○ 騎手近50戦勝率 18% ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +60% (市場が大幅過小評価) AI 予想勝率 17.1% (オッズ暗示: 10.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	セイブロッケン	松木大（兵庫）	実213.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 33走で勝率 6% △ 距離適性同距離 27走で勝率 7% ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +103% (市場が大幅過小評価) AI 予想勝率 1.0% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	アシャンテガール	井上幹（兵庫）	実18.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +40% (妙味あり) AI 予想勝率 7.7% (オッズ暗示: 5.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	コイビトミサキ	小谷哲（兵庫）	実44.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 50走で勝率 14% ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +114% (市場が大幅過小評価) AI 予想勝率 4.9% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	クリノオーサム	永井孝（兵庫）	実3.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.7着と安定／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 2.7着 (安定) △ 当競馬場適性 11走で勝率 9% ○ 前走実績前走 3着 (好走) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 21.2% (オッズ暗示: 32.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	テクノハッピー	佐々世（兵庫）	実30.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場38走で勝率3%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 38走で勝率 3% (苦戦) △ 距離適性同距離 13走で勝率 8% ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +34% (妙味あり) AI 予想勝率 4.5% (オッズ暗示: 3.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	エレガントフルール	高畑皓（兵庫）	実104.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場29走で勝率3%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 29走で勝率 3% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +188% (市場が大幅過小評価) AI 予想勝率 2.8% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	レーヌガレット	小牧太（兵庫）	実1.5	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は9走で勝ち無し／直近3走平均2.3着と安定／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 14走で勝率 7% ▽ 距離適性同距離は 9走で勝ち無し ◎ 騎手近50戦勝率 34% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 28.0% (オッズ暗示: 66.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 2 クロアン実26.4倍期待値 +191% 推奨 11.8〜30.0倍 100円 ❌不的中5着単勝 26.4倍

B. 市場除外+キャリブ

単勝 2 クロアン実26.4倍期待値 +106% 推奨 16.6〜30.0倍 100円 ❌不的中5着単勝 26.4倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

7R 園田競馬場ダート1400m　発走 17:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ロングロングロング	板野央（兵庫）	実39.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 2.7% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	エコロアモーレ	高畑皓（兵庫）	実300.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 29走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +129% (市場が大幅過小評価) AI 予想勝率 0.8% (オッズ暗示: 0.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	スマートキャノン	廣瀬航（兵庫）	実67.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 43走で勝率 9% △ 距離適性同距離 38走で勝率 8% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 1.5% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	マライカ	小牧太（兵庫）	実1.2	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率100%と好調／前走勝利の勢い／71日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 36% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 41.6% (オッズ暗示: 83.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ハルサメ	大山真（兵庫）	実51.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 5走で勝率 20% ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 2.6% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	デリカテッセン	小谷周（兵庫）	実45.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 48走で勝率 10% △ 距離適性同距離 39走で勝率 13% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	プライムテーラー	土方颯（兵庫）	実35.5	▲詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.7着 (不振) ○ 当競馬場適性 20走で勝率 15% (相性良) △ 距離適性同距離 24走で勝率 12% ○ 馬場適性同馬場 10走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +265% (市場が大幅過小評価) AI 予想勝率 10.3% (オッズ暗示: 2.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	グティ	下原理（兵庫）	実8.6	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 16% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 13.5% (オッズ暗示: 11.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アーウイン推奨	小谷哲（兵庫）	実7.7	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+45%の妙味（直近3走勝率33%と上り調子／当競馬場で勝率17%と相性良／同距離帯で勝率18%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 18走で勝率 17% (相性良) ○ 距離適性同距離 17走で勝率 18% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 18.9% (オッズ暗示: 13.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ヤマニンラベーラ	田野豊（兵庫）	実9.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 32走で勝率 19% (相性良) ○ 距離適性同距離 30走で勝率 20% ○ 馬場適性同馬場 18走で勝率 28% ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 6.7% (オッズ暗示: 10.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 9 アーウイン実7.7倍期待値 +45% 推奨 6.9〜8.6倍 100円 ❌不的中3着単勝 7.7倍

B. 市場除外+キャリブ

単勝 8 グティ実8.6倍期待値 +74% 推奨 6.4〜11.6倍 200円 ❌不的中4着単勝 8.6倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

8R 園田競馬場ダート1400m　発走 18:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヘシキリ	渡瀬和（兵庫）	実7.4	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯4走で勝率25%／同馬場状態で勝率38%／直近3走平均2.7着と安定）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 2.7着 (安定) ○ 当競馬場適性 16走で勝率 19% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 馬場適性同馬場 8走で勝率 38% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 9.4% (オッズ暗示: 13.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ウィスピースノー	小谷哲（兵庫）	実23.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 22走で勝率 9% △ 距離適性同距離 19走で勝率 11% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 5.4% (オッズ暗示: 4.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アッケシ	松木大（兵庫）	実73.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 9走で勝率 11% ◎ 距離適性同距離 4走で勝率 25% ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +53% (市場が大幅過小評価) AI 予想勝率 2.1% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	テーオーニュートン	長尾翼（兵庫）	実52.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均2.7着と安定）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +101% (市場が大幅過小評価) AI 予想勝率 3.8% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	スプリガン	小牧太（兵庫）	実1.9	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場10走で勝率40%と適性高／同距離帯8走で勝率50%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 10走で勝率 40% (得意) ◎ 距離適性同距離 8走で勝率 50% ◎ 騎手近50戦勝率 36% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 38.1% (オッズ暗示: 52.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ガルバナム	廣瀬航（兵庫）	実4.7	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 9走で勝率 11% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 9.8% (オッズ暗示: 21.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	マグネター	杉浦健（兵庫）	実22.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場42走で勝率2%と苦戦傾向／同距離帯は42走で勝ち無し／前走2着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 42走で勝率 2% (苦戦) ▽ 距離適性同距離は 42走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 4.0% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	モデルチャン	塩津璃（兵庫）	実76.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場41走で勝率2%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 41走で勝率 2% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 騎手近50戦勝率 18% ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 1.7% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	エズヴィラージュ	山本咲（兵庫）	実3.8	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 24走で勝率 17% (相性良) ○ 距離適性同距離 16走で勝率 19% ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 23.5% (オッズ暗示: 26.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	タイイクスワリ	小谷周（兵庫）	実192.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 12走で勝率 8% ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +299% (市場が大幅過小評価) AI 予想勝率 2.1% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

9R 園田競馬場ダート820m　発走 18:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	インゲニウム	高橋洸（兵庫）	実61.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 22走で勝率 9% △ 距離適性同距離 18走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +57% (市場が大幅過小評価) AI 予想勝率 2.5% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	バークエム	小谷周（兵庫）	実263.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 0.5% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	マイネルスピカ	板野央（兵庫）	実59.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率4%と苦戦傾向／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 25走で勝率 4% (苦戦) △ 距離適性同距離 18走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 1.7% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ハンバーグハマー	小谷哲（兵庫）	実193.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は12走で勝ち無し／直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 44走で勝率 7% ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +81% (市場が大幅過小評価) AI 予想勝率 0.9% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ヘノヘノカッパ	山本太（兵庫）	実68.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 12走で勝率 8% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 1.9% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ニシノミニョンヌ	廣瀬航（兵庫）	実11.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場25走で勝率4%と苦戦傾向／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 25走で勝率 4% (苦戦) △ 距離適性同距離 17走で勝率 6% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 8.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	エナドライブ	佐々世（兵庫）	実1.6	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 37.3% (オッズ暗示: 62.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	テイムキッド	長尾翼（兵庫）	実40.2	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 34走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 3.5% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ヴァンガルダ	下原理（兵庫）	実40.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.5着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.5着 (不振) ○ 騎手近50戦勝率 16% ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +62% (市場が大幅過小評価) AI 予想勝率 4.0% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ラベンサラ	永井孝（兵庫）	実21.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 馬場適性同馬場 5走で勝率 20% ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +41% (妙味あり) AI 予想勝率 6.5% (オッズ暗示: 4.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	プエルトガレラ	田野豊（兵庫）	実3.7	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 22走で勝率 14% △ 距離適性同距離 7走で勝率 14% ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 12.7% (オッズ暗示: 27.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	パープルパライソ推奨	川原正（兵庫）	実7.6	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+60%の中穴候補（直近3走勝率33%と上り調子／当競馬場3走で勝率33%と適性高／前走勝利の勢い継続）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +60% (市場が大幅過小評価) AI 予想勝率 21.2% (オッズ暗示: 13.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 12 パープルパライソ実7.6倍期待値 +60% 推奨 6.1〜9.4倍 200円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 園田競馬場ダート1400m　発走 19:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	イスラアズール推奨	大山真（兵庫）	実15.6	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+60%の中穴候補（直近3走勝率33%と上り調子／前走勝利の勢い継続／適度な間隔で状態万全）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 25走で勝率 8% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +60% (市場が大幅過小評価) AI 予想勝率 10.3% (オッズ暗示: 6.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ゼットシルヴィア	小牧太（兵庫）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場12走で勝率50%と適性高／同距離帯12走で勝率50%／同馬場状態で勝率50%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 3.0着 (安定) ◎ 当競馬場適性 12走で勝率 50% (得意) ◎ 距離適性同距離 12走で勝率 50% ◎ 馬場適性同馬場 8走で勝率 50% ◎ 騎手近50戦勝率 36% (好調) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 13.2% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	エイシンロッソネリ	笹田知（兵庫）	実81.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.0着 (不振) ○ 騎手近50戦勝率 14% 🌟◎ 期待値 (オッズ vs AI勝率) +102% (市場が大幅過小評価) AI 予想勝率 2.5% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	クリノクーチャン	長尾翼（兵庫）	実40.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 3.4% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	グラスフラッグ	永井孝（兵庫）	実112.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 4走で勝率 0% (苦戦) △ 距離適性同距離 18走で勝率 11% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 1.1% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	サルファー	吉村智（兵庫）	実1.4	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 騎手近50戦勝率 34% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 45.3% (オッズ暗示: 71.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ホウオウヌーヴォー	土方颯（兵庫）	実38.0	▲詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 6走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +176% (市場が大幅過小評価) AI 予想勝率 7.3% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	アンモード	杉浦健（兵庫）	実103.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 14走で勝率 14% ○ 距離適性同距離 12走で勝率 17% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +12% (市場と概ね一致) AI 予想勝率 1.1% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	メイショウマゴイチ	川原正（兵庫）	実8.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率38%と適性高／同距離帯8走で勝率38%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 8走で勝率 38% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 12.3% (オッズ暗示: 11.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ワンノブアス	小谷哲（兵庫）	実199.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場33走で勝率0%と苦戦傾向／同距離帯は31走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 33走で勝率 0% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 0.5% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ララテロワール	廣瀬航（兵庫）	実15.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 32走で勝率 12% △ 距離適性同距離 27走で勝率 15% ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 3.0% (オッズ暗示: 6.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 1 イスラアズール実15.6倍期待値 +60% 推奨 12.6〜19.3倍 100円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 園田競馬場ダート1700m　発走 19:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テーオーターナー	下原理（兵庫）	実39.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率28%と適性高／同距離帯は3走で勝ち無し／同馬場状態で勝率46%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 25走で勝率 28% (得意) ▽ 距離適性同距離は 3走で勝ち無し ◎ 馬場適性同馬場 13走で勝率 46% ○ 騎手近50戦勝率 16% ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +55% (市場が大幅過小評価) AI 予想勝率 3.9% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	スマラグドス	小谷哲（兵庫）	実79.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 1.8% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アーマルコライト	山本咲（兵庫）	実228.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／中6日以内の連戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 3走で勝率 0% (苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +268% (市場が大幅過小評価) AI 予想勝率 1.6% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	インヴァリアンス	大山真（兵庫）	実165.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 3走で勝率 0% (苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +96% (市場が大幅過小評価) AI 予想勝率 1.2% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	スマートセプター	笹田知（兵庫）	実13.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率64%と適性高／同馬場状態で勝率62%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 14走で勝率 64% (得意) ◎ 馬場適性同馬場 8走で勝率 62% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 9.6% (オッズ暗示: 7.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ジグラート	小牧太（兵庫）	実7.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場25走で勝率52%と適性高／同距離帯9走で勝率56%／同馬場状態で勝率44%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 25走で勝率 52% (得意) ◎ 距離適性同距離 9走で勝率 56% ◎ 馬場適性同馬場 18走で勝率 44% ◎ 騎手近50戦勝率 36% (好調) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 12.0% (オッズ暗示: 13.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	アキュートガール	田野豊（兵庫）	実81.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場20走で勝率5%と苦戦傾向／同距離帯は7走で勝ち無し／騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 20走で勝率 5% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +165% (市場が大幅過小評価) AI 予想勝率 3.3% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ナムラタタ	吉村智（兵庫）	実18.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（66日ぶりの実戦／騎手は近50戦で勝率34%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 ○ 当競馬場適性 25走で勝率 20% (相性良) ○ 距離適性同距離 9走で勝率 22% ◎ 騎手近50戦勝率 34% (好調) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 4.3% (オッズ暗示: 5.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	シトラルテミニ	佐々世（兵庫）	実131.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調／71日ぶりの実戦）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +399% (市場が大幅過小評価) AI 予想勝率 3.8% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ウォルラス	塩津璃（兵庫）	実1.4	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率33%と適性高／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 25.1% (オッズ暗示: 71.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ラヴィアン	廣瀬航（兵庫）	実6.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場18走で勝率56%と適性高／同距離帯3走で勝率67%／同馬場状態で勝率55%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 18走で勝率 56% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 馬場適性同馬場 11走で勝率 55% △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 19.8% (オッズ暗示: 15.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ヴィーリヤ推奨	杉浦健（兵庫）	実10.8	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+46%の妙味（直近3走勝率33%と上り調子／当競馬場9走で勝率78%と適性高／同距離帯で勝率67%と得意）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 9走で勝率 78% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 馬場適性同馬場 4走で勝率 75% △ ローテーション 148日休養明け ◎ 期待値 (オッズ vs AI勝率) +46% (妙味あり) AI 予想勝率 13.6% (オッズ暗示: 9.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 12 ヴィーリヤ実10.8倍期待値 +46% 推奨 9.6〜12.2倍 100円

B. 市場除外+キャリブ

単勝 12 ヴィーリヤ実10.8倍期待値 +95% 推奨 7.2〜16.3倍 200円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

12R 園田競馬場ダート1230m　発走 20:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ソレア推奨	杉浦健（兵庫）	実25.0	▲詳細▼	市場が大きく過小評価、AI予想勝率9% × オッズ25.0倍で期待値+119%の有力候補（近5走で勝率20%と堅実／同距離帯で勝率20%／適度な間隔で状態万全）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 ○ 距離適性同距離 10走で勝率 20% ○ ローテーション 23日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +119% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 4.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	フラッシングレート	高橋洸（兵庫）	実196.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.5着 △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +271% (市場が大幅過小評価) AI 予想勝率 1.9% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	グランレイハート	南部楓（兵庫）	実171.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 39走で勝率 13% △ 距離適性同距離 27走で勝率 15% ○ ローテーション 23日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +150% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	アドワン	田野豊（兵庫）	実2.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場25走で勝率28%と適性高／騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 25走で勝率 28% (得意) ◎ 騎手近50戦勝率 22% (好調) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 22.5% (オッズ暗示: 34.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ゼンダンノハゲミ	吉村智（兵庫）	実4.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場24走で勝率25%と適性高／同距離帯7走で勝率43%／騎手は近50戦で勝率34%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 24走で勝率 25% (得意) ◎ 距離適性同距離 7走で勝率 43% ○ 馬場適性同馬場 18走で勝率 22% ◎ 騎手近50戦勝率 34% (好調) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 10.7% (オッズ暗示: 22.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ハイラブソング	廣瀬航（兵庫）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場10走で勝率40%と適性高／同馬場状態で勝率60%／直近3走で勝率67%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 10走で勝率 40% (得意) ◎ 馬場適性同馬場 5走で勝率 60% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 15.8% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	イズジョーヒーロー	永井孝（兵庫）	実154.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 35走で勝率 14% ○ 距離適性同距離 13走で勝率 15% ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +144% (市場が大幅過小評価) AI 予想勝率 1.6% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ギユウ	笹田知（兵庫）	実22.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.7着と安定／前走3着）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 2.7着 (安定) △ 当競馬場適性 30走で勝率 10% ○ 距離適性同距離 20走で勝率 15% ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) ○ ローテーション 23日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 6.5% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	シルバーブレッド	下原理（兵庫）	実44.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 16% ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 2.3% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	エルピーゾ	小牧太（兵庫）	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場9走で勝率33%と適性高／同距離帯7走で勝率43%／同馬場状態で勝率33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 9走で勝率 33% (得意) ◎ 距離適性同距離 7走で勝率 43% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 36% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 17.0% (オッズ暗示: 24.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	リケアサブル	土方颯（兵庫）	実17.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場16走で勝率25%と適性高／同距離帯は4走で勝ち無し）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 16走で勝率 25% (得意) ▽ 距離適性同距離は 4走で勝ち無し ○ 馬場適性同馬場 11走で勝率 27% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 6.8% (オッズ暗示: 5.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ブーヤカ	渡瀬和（兵庫）	実25.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.0着 △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +21% (市場と概ね一致) AI 予想勝率 4.7% (オッズ暗示: 3.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 1 ソレア実25.0倍期待値 +119% 推奨 14.8〜30.0倍 100円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

🎯 直近3日の的中馬券2件

2026/06/12（金）1的中

2026年

06月12日

園田

2レース

単
勝

モンシャトール

オッズ10.6倍

払戻 3,180円

2026/06/11（木）1的中

2026年

06月11日

園田

10レース

単
勝

サチノメグミ

オッズ9.7倍

払戻 2,910円

📚 競馬AI・馬券の解説記事

AIモデルの仕組み・南関東競馬の基礎・期待値プラスの考え方など、Stride AI 編集部による解説記事です。

AIで競馬は勝てるのか — 機械学習予想の現実と限界
AI 機械学習による競馬予想は本当に勝てるのか。LightGBM ベースの実運用モデルで分かった現実的な期待値、勝てる条件、そして越えられない壁を解説。
南関東競馬入門 — 大井・川崎・船橋・浦和の特徴と狙い方
南関東4場（大井・川崎・船橋・浦和）の競馬場特徴・コース傾向・狙い目を AI 予想実運用の観点から徹底解説。地方競馬初心者にも分かりやすく。
期待値プラスの馬券とは — 競馬を「投資」として考える基礎
競馬の単勝オッズと期待値の関係を数式と具体例で解説。ケリー基準による資金管理、長期的なプラス収支を狙う「投資的アプローチ」の基礎を学べます。
AI が外した時、何が起きているのか — 不的中レースの 3 パターン分析
Stride AI の不的中レースを「展開負け / 馬場不適 / 状態変化」の 3 パターンに分類して分析。なぜ外したか、どう改善するか、業界唯一の不的中公開サイトが解説します。
パチンコ・スロットと競馬、何が決定的に違うのか — 構造比較
控除率・情報非対称性・期待値抽出可能性の3軸でパチスロと競馬を比較。なぜ競馬には「期待値プラスの馬券」が残るのかを、AI 予想を作る人間の視点から構造的に解説。
期待値プラスでも破産する? — ケリー基準の基礎
期待値プラスの戦略を見つけても、全額賭けると破産する。数学的に最適な賭金を求めるケリー基準と、実用的な分数ケリーまでを高校数学レベルで解説。

すべての解説記事を見る →

本サイトはアフィリエイト広告を含みます。当サイトを経由して投票サイトに登録 / 入金 / 投票することで、当サイト運営者に紹介料が支払われる場合があります。馬券購入は自己責任でお願いします。

本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。