名古屋 7R 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

7R 名古屋競馬場中京Ｂ１１ダ1400m ダート1400m　発走 17:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ビナベンチェ自在	今井貴（愛知）	実38.2	B× A▽勝率4% EV+69% 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／直近3走平均9.7着と低調／135日ぶりの実戦）
前5走 03/17 浦和6R 9着/11頭+2.0秒 02/27 浦和5R 11着/11頭+2.6秒 01/09 浦和7R 9着/12頭+1.4秒 12/10 船橋5R 6着/14頭+0.5秒 11/28 浦和6R 4着/11頭+1.4秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.7着 (不振) ▽ 距離適性同距離は 3走で勝ち無し △ ローテーション 135日休養明け × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 4.4% / 期待値 +70% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ソダチザカリ差し	木之葵（愛知）	推定—	B△ A△勝率7% EV-89% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.7着と安定／前走2着）
前5走 06/03 名古屋7R 2着/12頭 05/21 名古屋1R 2着/10頭+0.0秒 05/06 名古屋12R 4着/12頭+1.3秒 04/07 名古屋5R 1着/11頭勝利 01/14 名古屋2R 7着/11頭+2.1秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 2.7着 (安定) △ 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% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -99% (大幅な期待値マイナス) AI 予想勝率 0.6% △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.1% / 期待値 -89% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ミキノオーボエ	阪野学（愛知）	実88.6	B× A▽勝率1% EV-2% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 07/15 名古屋12R 10着/12頭+2.0秒 07/03 名古屋7R 10着/12頭 06/05 名古屋7R 12着/12頭+4.0秒 05/25 名古屋7R 9着/10頭 05/08 名古屋9R 8着/12頭+2.4秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.7着 (不振) △ 当競馬場適性 32走で勝率 9% △ 距離適性同距離 26走で勝率 12% △ 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 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.1% / 期待値 -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	マンノミューズ先行	丸野勝（愛知）	実4.0	B▲ A▲勝率12% EV-50% 詳細▼	AI上位評価だが期待値不足、見送り（同距離帯8走で勝率25%／同馬場状態で勝率33%／83日ぶりの実戦）
前5走 05/08 名古屋4R 5着/10頭+1.0秒 04/13 名古屋5R 4着/9頭+0.6秒 03/13 名古屋8R 5着/10頭+1.3秒 01/19 名古屋7R 4着/11頭+0.5秒 12/24 名古屋6R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.7着 ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 8走で勝率 25% ◎ 馬場適性同馬場 6走で勝率 33% × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 4.0% (オッズ暗示: 25.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.4% / 期待値 -50% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	メイショウイチモン逃げ	近藤颯（愛知）	実2.7	B🌟◎ A🌟◎勝率37% EV0% 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8走で勝率25%と適性高／同距離帯8走で勝率25%／直近3走で勝率33%と好調）
前5走 07/15 名古屋6R 3着/12頭+0.0秒 01/19 名古屋6R 2着/11頭+0.4秒 01/05 名古屋4R 1着/11頭勝利 12/19 名古屋7R 1着/11頭勝利 11/20 名古屋9R 2着/12頭+0.2秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 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 25% (得意) ◎ 距離適性同距離 8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% ○ 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) +101% (市場が大幅過小評価) AI 予想勝率 74.5% (オッズ暗示: 37.0%) 🌟◎ Aモデルの評価 (参考) レース内 1位 / 勝率 36.9% / 期待値 -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	ソブリンルーラー	山田祥（愛知）	実175.2	B× A▽勝率0% EV-46% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 07/15 名古屋7R 12着/12頭 07/03 名古屋7R 12着/12頭+1.0秒 06/22 名古屋6R 10着/10頭+1.0秒 06/05 名古屋6R 12着/12頭+0.0秒 05/25 名古屋3R 7着/9頭+5.0秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 19走で勝率 11% △ 騎手近50戦勝率 4% (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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 0.3% / 期待値 -47% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	パープルルージュ先行	望月洵（愛知）	実5.6	B△ A△勝率7% EV-60% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／騎手は近50戦で勝率26%）
前5走 07/14 名古屋8R 2着/12頭+0.0秒 06/04 名古屋3R 3着/12頭+2.0秒 05/22 名古屋5R 6着/10頭 05/07 名古屋4R 4着/9頭+0.7秒 04/10 名古屋3R 6着/11頭+2.2秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 24走で勝率 17% (相性良) △ 距離適性同距離 17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 26% (好調) ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 17.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.0% / 期待値 -61% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	マルクパージュ	小笠羚（愛知）	実35.7	B× A▽勝率2% EV-24% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 07/15 名古屋12R 5着/12頭 07/03 名古屋10R 9着/12頭 06/05 名古屋10R 9着/12頭+1.0秒 05/25 名古屋12R 11着/11頭+3.0秒 05/08 名古屋12R 10着/10頭+2.5秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 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 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 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.1% / 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。
9	トモエゴゼン逃げ	加藤聡（愛知）	実3.0	B○ A○勝率21% EV-37% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率40%と適性高／同距離帯5走で勝率40%／同馬場状態で勝率50%）
前5走 07/14 名古屋6R 1着/12頭 02/27 名古屋3R 4着/11頭+0.8秒 02/10 名古屋8R 1着/12頭勝利 01/28 名古屋2R 5着/12頭+0.9秒 01/14 名古屋3R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 5走で勝率 40% ◎ 馬場適性同馬場 4走で勝率 50% ○ 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) -43% (大幅な期待値マイナス) AI 予想勝率 19.0% (オッズ暗示: 33.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 20.7% / 期待値 -38% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	アミアン	大原浩（笠松）	実58.2	B× A▽勝率2% EV+32% 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 07/15 名古屋12R 9着/12頭 07/03 名古屋6R 10着/12頭 06/05 名古屋10R 8着/12頭 05/25 名古屋12R 6着/11頭+0.0秒 05/08 名古屋12R 8着/10頭+1.0秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 31走で勝率 13% △ 距離適性同距離 22走で勝率 14% ○ 馬場適性同馬場 17走で勝率 24% ○ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.3% / 期待値 +33% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	パリパリライズ	加藤誓（愛知）	実30.8	B△ A△勝率5% EV+51% 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15走で勝ち無し）
前5走 07/15 名古屋12R 6着/12頭 07/03 名古屋7R 8着/12頭 06/22 名古屋7R 7着/11頭 06/05 名古屋6R 11着/12頭+1.0秒 05/25 名古屋6R 10着/10頭+5.0秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0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 15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) -98% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 3.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.9% / 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。
12	オールオンフリーク	東川慎（笠松）	実135.6	B× A▽勝率1% EV-7% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 07/15 名古屋7R 11着/12頭+2.0秒 07/03 名古屋7R 9着/12頭 06/05 名古屋6R 10着/12頭 05/25 名古屋3R 8着/9頭 05/08 名古屋2R 11着/11頭+1.6秒
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.0着 (不振) △ 当競馬場適性 35走で勝率 11% △ 距離適性同距離 31走で勝率 10% ▽ 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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 0.7% / 期待値 -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。

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の本命

AI評価1位Aモデル ◎

メイショウイチモン

騎手近藤颯（愛知）

単勝オッズ

2.7倍

AI期待値

+101%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○9トモエゴゼン

3.0倍

EV -43%

▲A:▲4マンノミューズ

4.0倍

EV -83%

出走馬全12頭

◎A:◎5

メイショウイチモン

近藤颯（愛知）

2.7倍

+101%

›

○A:○9

トモエゴゼン

加藤聡（愛知）

3.0倍

-43%

›

▲A:▲4

マンノミューズ

丸野勝（愛知）

4.0倍

-83%

›

△A:△7

パープルルージュ

望月洵（愛知）

5.6倍

-89%

›

△A:△2

ソダチザカリ

木之葵（愛知）

—

›

△A:△11

パリパリライズ

加藤誓（愛知）

30.8倍

-97%

›

×A:▽1

ビナベンチェ

今井貴（愛知）

38.2倍

-99%

›

×A:▽10

アミアン

大原浩（笠松）

58.2倍

-99%

›

×A:▽8

マルクパージュ

小笠羚（愛知）

35.7倍

-99%

›

×A:▽3

ミキノオーボエ

阪野学（愛知）

88.6倍

-99%

›

×A:▽12

オールオンフリーク

東川慎（笠松）

135.6倍

-99%

›

×A:▽6

ソブリンルーラー

山田祥（愛知）

175.2倍

-99%

›

💡 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

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 名古屋競馬場中京Ｂ１１ダ1400m ダート1400m　発走 17:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ビナベンチェ自在	今井貴（愛知）	実38.2	▽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／直近3走平均9.7着と低調／135日ぶりの実戦）
前5走 03/17 浦和6R 9着/11頭+2.0秒 02/27 浦和5R 11着/11頭+2.6秒 01/09 浦和7R 9着/12頭+1.4秒 12/10 船橋5R 6着/14頭+0.5秒 11/28 浦和6R 4着/11頭+1.4秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.7着 (不振) ▽ 距離適性同距離は 3走で勝ち無し △ ローテーション 135日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +69% (市場が大幅過小評価) AI 予想勝率 4.4% (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	ソダチザカリ差し	木之葵（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.7着と安定／前走2着）
前5走 06/03 名古屋7R 2着/12頭 05/21 名古屋1R 2着/10頭+0.0秒 05/06 名古屋12R 4着/12頭+1.3秒 04/07 名古屋5R 1着/11頭勝利 01/14 名古屋2R 7着/11頭+2.1秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 2.7着 (安定) △ 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% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 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。
3	ミキノオーボエ	阪野学（愛知）	実88.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調）
前5走 07/15 名古屋12R 10着/12頭+2.0秒 07/03 名古屋7R 10着/12頭 06/05 名古屋7R 12着/12頭+4.0秒 05/25 名古屋7R 9着/10頭 05/08 名古屋9R 8着/12頭+2.4秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.7着 (不振) △ 当競馬場適性 32走で勝率 9% △ 距離適性同距離 26走で勝率 12% △ 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 15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 1.1% (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。
4	マンノミューズ先行	丸野勝（愛知）	実4.0	▲詳細▼	AI上位評価だが期待値不足、見送り（同距離帯8走で勝率25%／同馬場状態で勝率33%／83日ぶりの実戦）
前5走 05/08 名古屋4R 5着/10頭+1.0秒 04/13 名古屋5R 4着/9頭+0.6秒 03/13 名古屋8R 5着/10頭+1.3秒 01/19 名古屋7R 4着/11頭+0.5秒 12/24 名古屋6R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.7着 ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 8走で勝率 25% ◎ 馬場適性同馬場 6走で勝率 33% × 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 12.4% (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。
5	メイショウイチモン逃げ	近藤颯（愛知）	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（当競馬場8走で勝率25%と適性高／同距離帯8走で勝率25%／直近3走で勝率33%と好調）
前5走 07/15 名古屋6R 3着/12頭+0.0秒 01/19 名古屋6R 2着/11頭+0.4秒 01/05 名古屋4R 1着/11頭勝利 12/19 名古屋7R 1着/11頭勝利 11/20 名古屋9R 2着/12頭+0.2秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 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 25% (得意) ◎ 距離適性同距離 8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% ○ 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) -0% (オッズ過剰評価) AI 予想勝率 36.9% (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。
6	ソブリンルーラー	山田祥（愛知）	実175.2	▽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11.3着と低調）
前5走 07/15 名古屋7R 12着/12頭 07/03 名古屋7R 12着/12頭+1.0秒 06/22 名古屋6R 10着/10頭+1.0秒 06/05 名古屋6R 12着/12頭+0.0秒 05/25 名古屋3R 7着/9頭+5.0秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 19走で勝率 11% △ 騎手近50戦勝率 4% (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) -47% (大幅な期待値マイナス) AI 予想勝率 0.3% (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。
7	パープルルージュ先行	望月洵（愛知）	実5.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／騎手は近50戦で勝率26%）
前5走 07/14 名古屋8R 2着/12頭+0.0秒 06/04 名古屋3R 3着/12頭+2.0秒 05/22 名古屋5R 6着/10頭 05/07 名古屋4R 4着/9頭+0.7秒 04/10 名古屋3R 6着/11頭+2.2秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 24走で勝率 17% (相性良) △ 距離適性同距離 17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 26% (好調) ○ 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) -61% (大幅な期待値マイナス) AI 予想勝率 7.0% (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。
8	マルクパージュ	小笠羚（愛知）	実35.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（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5走 07/15 名古屋12R 5着/12頭 07/03 名古屋10R 9着/12頭 06/05 名古屋10R 9着/12頭+1.0秒 05/25 名古屋12R 11着/11頭+3.0秒 05/08 名古屋12R 10着/10頭+2.5秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 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 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 15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 2.1% (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。
9	トモエゴゼン逃げ	加藤聡（愛知）	実3.0	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率40%と適性高／同距離帯5走で勝率40%／同馬場状態で勝率50%）
前5走 07/14 名古屋6R 1着/12頭 02/27 名古屋3R 4着/11頭+0.8秒 02/10 名古屋8R 1着/12頭勝利 01/28 名古屋2R 5着/12頭+0.9秒 01/14 名古屋3R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 5走で勝率 40% ◎ 馬場適性同馬場 4走で勝率 50% ○ 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) -38% (大幅な期待値マイナス) AI 予想勝率 20.7% (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。
10	アミアン	大原浩（笠松）	実58.2	▽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 07/15 名古屋12R 9着/12頭 07/03 名古屋6R 10着/12頭 06/05 名古屋10R 8着/12頭 05/25 名古屋12R 6着/11頭+0.0秒 05/08 名古屋12R 8着/10頭+1.0秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 31走で勝率 13% △ 距離適性同距離 22走で勝率 14% ○ 馬場適性同馬場 17走で勝率 24% ○ 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) +32% (妙味あり) AI 予想勝率 2.3% (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。
11	パリパリライズ	加藤誓（愛知）	実30.8	△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／同距離帯は15走で勝ち無し）
前5走 07/15 名古屋12R 6着/12頭 07/03 名古屋7R 8着/12頭 06/22 名古屋7R 7着/11頭 06/05 名古屋6R 11着/12頭+1.0秒 05/25 名古屋6R 10着/10頭+5.0秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0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 15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) +51% (市場が大幅過小評価) AI 予想勝率 4.9% (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。
12	オールオンフリーク	東川慎（笠松）	実135.6	▽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 07/15 名古屋7R 11着/12頭+2.0秒 07/03 名古屋7R 9着/12頭 06/05 名古屋6R 10着/12頭 05/25 名古屋3R 8着/9頭 05/08 名古屋2R 11着/11頭+1.6秒
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.0着 (不振) △ 当競馬場適性 35走で勝率 11% △ 距離適性同距離 31走で勝率 10% ▽ 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) -8% (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。

🎯 AIの本命

AI評価1位

メイショウイチモン

騎手近藤颯（愛知）

単勝オッズ

2.7倍

AI期待値

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○9トモエゴゼン

3.0倍

EV -37%

▲4マンノミューズ

4.0倍

EV -50%

出走馬全12頭

◎5

メイショウイチモン

近藤颯（愛知）

2.7倍

›

○9

トモエゴゼン

加藤聡（愛知）

3.0倍

-37%

›

▲4

マンノミューズ

丸野勝（愛知）

4.0倍

-50%

›

△2

ソダチザカリ

木之葵（愛知）

—

›

△7

パープルルージュ

望月洵（愛知）

5.6倍

-60%

›

△11

パリパリライズ

加藤誓（愛知）

30.8倍

+51%

›

▽1

ビナベンチェ

今井貴（愛知）

38.2倍

+69%

›

▽10

アミアン

大原浩（笠松）

58.2倍

+32%

›

▽8

マルクパージュ

小笠羚（愛知）

35.7倍

-24%

›

▽3

ミキノオーボエ

阪野学（愛知）

88.6倍

-2%

›

▽12

オールオンフリーク

東川慎（笠松）

135.6倍

-7%

›

▽6

ソブリンルーラー

山田祥（愛知）

175.2倍

-46%

›

💡 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

両モデルとも本レースは見送り判定（期待値プラスなし）

次の推奨を X で受け取る

あわせて読む

本日のAI予想購入戦略の解説 AIモデルの仕組み運用実績（回収率）

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。