川崎 6R 詳細AI予想
本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。
モデル
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
タツノスペシャル 先行 |
佐野遥（川崎） |
実2.8 |
B× A◎勝率24% EV-31% 詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 12.7% (オッズ暗示: 35.7%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 24.4% / 期待値 -32% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
アウフタクト 先行 |
神尾香（川崎） |
実63.9 |
B▽ A▽勝率2% EV+18% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +462% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 1.6%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 1.9% / 期待値 +19% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
アメリカンサンデー 逃げ |
和田譲（大井） |
実3.0 |
B○ A○勝率16% EV-51% 詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 10.0% (オッズ暗示: 33.3%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 16.2% / 期待値 -52% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
シナノフラッシュ 逃げ 推奨 |
増田充（川崎） |
実19.6 |
B▲ A△勝率11% EV+116% 詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎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 10.0% (オッズ暗示: 5.1%) △Aモデルの評価 (参考) レース内 4位 / 勝率 11.1% / 期待値 +117% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ピエスポリード 自在 |
町田直（川崎） |
実7.6 |
B△ A△勝率10% EV-23% 詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 9.9% (オッズ暗示: 13.2%) △Aモデルの評価 (参考) レース内 5位 / 勝率 10.1% / 期待値 -23% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
マイボンド 自在 推奨 |
山林信（川崎） |
実27.5 |
B▽ A▽勝率3% EV-24% 詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +173% (市場が大幅過小評価) AI 予想勝率 9.9% (オッズ暗示: 3.6%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 2.8% / 期待値 -24% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ミオサンダー 追込 |
古岡勇（川崎） |
実14.0 |
B▽ A▽勝率7% EV+4% 詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 9.9% (オッズ暗示: 7.1%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.5% / 期待値 +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 |
ボレロライズ 逃げ |
池谷匠（川崎） |
推定— |
B△ A▲勝率14% EV-71% 詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 14.3% / 期待値 -72% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ジーベローチェ 追込 |
田中涼（川崎） |
実15.7 |
B▽ A×勝率3% EV-56% 詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 8.8% (オッズ暗示: 6.4%) ×Aモデルの評価 (参考) レース内 8位 / 勝率 2.8% / 期待値 -56% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
アンジュベル 逃げ |
野畑凌（川崎） |
実4.9 |
B△ A△勝率9% EV-55% 詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 9.9% (オッズ暗示: 20.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 9.1% / 期待値 -55% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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）
AIの推奨本命の次点
出走馬全10頭
×期待値 (オッズ vs AI勝率)
-64% (大幅な期待値マイナス)
AI 予想勝率
12.7% (オッズ暗示: 35.7%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 24.4% / 期待値 -32%
×期待値 (オッズ vs AI勝率)
-70% (大幅な期待値マイナス)
AI 予想勝率
10.0% (オッズ暗示: 33.3%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 16.2% / 期待値 -52%
🌟◎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
10.0% (オッズ暗示: 5.1%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 11.1% / 期待値 +117%
×期待値 (オッズ vs AI勝率)
-80% (大幅な期待値マイナス)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 14.3% / 期待値 -72%
×期待値 (オッズ vs AI勝率)
-51% (大幅な期待値マイナス)
AI 予想勝率
9.9% (オッズ暗示: 20.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 9.1% / 期待値 -55%
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
9.9% (オッズ暗示: 13.2%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 10.1% / 期待値 -23%
◎期待値 (オッズ vs AI勝率)
+39% (妙味あり)
AI 予想勝率
9.9% (オッズ暗示: 7.1%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.5% / 期待値 +4%
🌟◎期待値 (オッズ vs AI勝率)
+173% (市場が大幅過小評価)
AI 予想勝率
9.9% (オッズ暗示: 3.6%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 2.8% / 期待値 -24%
◎期待値 (オッズ vs AI勝率)
+38% (妙味あり)
AI 予想勝率
8.8% (オッズ暗示: 6.4%)
×Aモデルの評価 (参考)
レース内 8位 / 勝率 2.8% / 期待値 -56%
🌟◎期待値 (オッズ vs AI勝率)
+462% (市場が大幅過小評価)
AI 予想勝率
8.8% (オッズ暗示: 1.6%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 1.9% / 期待値 +19%
💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。
▶
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
4
シナノフラッシュ
実19.6倍
期待値 +116%
❌不的中8着単勝 19.6倍
B. 市場除外+キャリブ
-
単勝
6
マイボンド
実27.5倍
期待値 +173%
❌不的中4着単勝 27.5倍
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
タツノスペシャル 先行 |
佐野遥（川崎） |
実2.8 |
◎詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 24.4% (オッズ暗示: 35.7%) ※ 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 |
アウフタクト 先行 |
神尾香（川崎） |
実63.9 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +18% (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。 |
| 3 |
アメリカンサンデー 逃げ |
和田譲（大井） |
実3.0 |
○詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 16.2% (オッズ暗示: 33.3%) ※ 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 |
シナノフラッシュ 逃げ 推奨 |
増田充（川崎） |
実19.6 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +116% (市場が大幅過小評価) AI 予想勝率 11.1% (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。 |
| 5 |
ピエスポリード 自在 |
町田直（川崎） |
実7.6 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 10.1% (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。 |
| 6 |
マイボンド 自在 推奨 |
山林信（川崎） |
実27.5 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 2.8% (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。 |
| 7 |
ミオサンダー 追込 |
古岡勇（川崎） |
実14.0 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 7.5% (オッズ暗示: 7.1%) ※ 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。 |
| 8 |
ボレロライズ 逃げ |
池谷匠（川崎） |
推定— |
▲詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -72% (大幅な期待値マイナス) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ジーベローチェ 追込 |
田中涼（川崎） |
実15.7 |
×詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 2.8% (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。 |
| 10 |
アンジュベル 逃げ |
野畑凌（川崎） |
実4.9 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 9.1% (オッズ暗示: 20.4%) ※ 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。 |
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）
AIの推奨本命の次点
出走馬全10頭
×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
24.4% (オッズ暗示: 35.7%)
×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
16.2% (オッズ暗示: 33.3%)
×期待値 (オッズ vs AI勝率)
-72% (大幅な期待値マイナス)
🌟◎期待値 (オッズ vs AI勝率)
+116% (市場が大幅過小評価)
AI 予想勝率
11.1% (オッズ暗示: 5.1%)
△期待値 (オッズ vs AI勝率)
-23% (オッズ過剰評価)
AI 予想勝率
10.1% (オッズ暗示: 13.2%)
×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
9.1% (オッズ暗示: 20.4%)
△期待値 (オッズ vs AI勝率)
+4% (市場と概ね一致)
AI 予想勝率
7.5% (オッズ暗示: 7.1%)
×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
2.8% (オッズ暗示: 6.4%)
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
2.8% (オッズ暗示: 3.6%)
△期待値 (オッズ vs AI勝率)
+18% (市場と概ね一致)
AI 予想勝率
1.9% (オッズ暗示: 1.6%)
💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。
▶
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
4
シナノフラッシュ
実19.6倍
期待値 +116%
❌不的中8着単勝 19.6倍
B. 市場除外+キャリブ
-
単勝
6
マイボンド
実27.5倍
期待値 +173%
❌不的中4着単勝 27.5倍
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。
