川崎 12R 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 |
タキ 先行 |
古岡勇（川崎） |
実10.4 |
B△ A×勝率4% EV-58% 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) -82% (大幅な期待値マイナス) AI 予想勝率 1.7% (オッズ暗示: 9.6%) ×Aモデルの評価 (参考) レース内 7位 / 勝率 4.0% / 期待値 -58% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ボルドーダゲール 追込 |
増田充（川崎） |
実37.8 |
B× A▽勝率2% EV-43% 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) -62% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 2.6%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 1.5% / 期待値 -43% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
カズヤ 先行 |
矢野貴（大井） |
実3.6 |
B○ A🌟◎勝率36% EV+29% 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) -20% (オッズ過剰評価) AI 予想勝率 22.1% (オッズ暗示: 27.8%) 🌟◎Aモデルの評価 (参考) レース内 1位 / 勝率 36.0% / 期待値 +30% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エイシントゥラン 差し |
池谷匠（川崎） |
実9.5 |
B× A△勝率6% EV-46% 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) -97% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 10.5%) △Aモデルの評価 (参考) レース内 5位 / 勝率 5.7% / 期待値 -46% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ホシニネガイヲ |
田中涼（川崎） |
実19.9 |
B× A×勝率2% EV-68% 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) -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 1.6% / 期待値 -69% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ノッテストラータ 差し |
笹川翼（大井） |
実3.9 |
B△ A○勝率17% EV-32% 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) -82% (大幅な期待値マイナス) AI 予想勝率 4.7% (オッズ暗示: 25.6%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 17.3% / 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。 |
| 7 |
バースフラワー 追込 |
本橋孝（船橋） |
実38.3 |
B▲ A▽勝率1% EV-44% 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) +307% (市場が大幅過小評価) AI 予想勝率 10.6% (オッズ暗示: 2.6%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 1.5% / 期待値 -44% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ヴィヴィッドムーン 逃げ |
佐野遥（川崎） |
実4.5 |
B🌟◎ A▲勝率15% EV-31% 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) +135% (市場が大幅過小評価) AI 予想勝率 52.3% (オッズ暗示: 22.2%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 15.3% / 期待値 -31% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ブラッドライン 自在 |
中山遥（浦和） |
推定— |
B× A△勝率5% EV-90% 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) -99% (大幅な期待値マイナス) △Aモデルの評価 (参考) レース内 6位 / 勝率 5.4% / 期待値 -90% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エスジースパークル 自在 |
神尾香（川崎） |
実12.8 |
B× A×勝率3% EV-66% 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) -96% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 7.8%) ×Aモデルの評価 (参考) レース内 8位 / 勝率 2.6% / 期待値 -66% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
セラード 先行 |
町田直（川崎） |
実8.2 |
B△ A△勝率9% EV-24% 詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 6.2% (オッズ暗示: 12.2%) △Aモデルの評価 (参考) レース内 4位 / 勝率 9.2% / 期待値 -25% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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11頭
🌟◎期待値 (オッズ vs AI勝率)
+135% (市場が大幅過小評価)
AI 予想勝率
52.3% (オッズ暗示: 22.2%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 15.3% / 期待値 -31%
△期待値 (オッズ vs AI勝率)
-20% (オッズ過剰評価)
AI 予想勝率
22.1% (オッズ暗示: 27.8%)
🌟◎Aモデルの評価 (参考)
レース内 1位 / 勝率 36.0% / 期待値 +30%
🌟◎期待値 (オッズ vs AI勝率)
+307% (市場が大幅過小評価)
AI 予想勝率
10.6% (オッズ暗示: 2.6%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 1.5% / 期待値 -44%
×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
6.2% (オッズ暗示: 12.2%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 9.2% / 期待値 -25%
×期待値 (オッズ vs AI勝率)
-82% (大幅な期待値マイナス)
AI 予想勝率
4.7% (オッズ暗示: 25.6%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 17.3% / 期待値 -32%
×期待値 (オッズ vs AI勝率)
-82% (大幅な期待値マイナス)
AI 予想勝率
1.7% (オッズ暗示: 9.6%)
×Aモデルの評価 (参考)
レース内 7位 / 勝率 4.0% / 期待値 -58%
×期待値 (オッズ vs AI勝率)
-62% (大幅な期待値マイナス)
AI 予想勝率
1.0% (オッズ暗示: 2.6%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 1.5% / 期待値 -43%
×期待値 (オッズ vs AI勝率)
-99% (大幅な期待値マイナス)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 5.4% / 期待値 -90%
×期待値 (オッズ vs AI勝率)
-97% (大幅な期待値マイナス)
AI 予想勝率
0.3% (オッズ暗示: 10.5%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 5.7% / 期待値 -46%
×期待値 (オッズ vs AI勝率)
-96% (大幅な期待値マイナス)
AI 予想勝率
0.3% (オッズ暗示: 7.8%)
×Aモデルの評価 (参考)
レース内 8位 / 勝率 2.6% / 期待値 -66%
×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 1.6% / 期待値 -69%
💡 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）
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
タキ 先行 |
古岡勇（川崎） |
実10.4 |
×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) -58% (大幅な期待値マイナス) AI 予想勝率 4.0% (オッズ暗示: 9.6%) ※ 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 |
ボルドーダゲール 追込 |
増田充（川崎） |
実37.8 |
▽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) -43% (大幅な期待値マイナス) AI 予想勝率 1.5% (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。 |
| 3 |
カズヤ 先行 |
矢野貴（大井） |
実3.6 |
🌟◎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) +29% (市場と概ね一致) AI 予想勝率 36.0% (オッズ暗示: 27.8%) ※ 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 |
エイシントゥラン 差し |
池谷匠（川崎） |
実9.5 |
△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) -46% (大幅な期待値マイナス) AI 予想勝率 5.7% (オッズ暗示: 10.5%) ※ 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 |
ホシニネガイヲ |
田中涼（川崎） |
実19.9 |
×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) -69% (大幅な期待値マイナス) AI 予想勝率 1.6% (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。 |
| 6 |
ノッテストラータ 差し |
笹川翼（大井） |
実3.9 |
○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) -32% (大幅な期待値マイナス) AI 予想勝率 17.3% (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。 |
| 7 |
バースフラワー 追込 |
本橋孝（船橋） |
実38.3 |
▽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) -44% (大幅な期待値マイナス) AI 予想勝率 1.5% (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 |
ヴィヴィッドムーン 逃げ |
佐野遥（川崎） |
実4.5 |
▲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) -31% (大幅な期待値マイナス) AI 予想勝率 15.3% (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。 |
| 9 |
ブラッドライン 自在 |
中山遥（浦和） |
推定— |
△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) -90% (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。 |
| 10 |
エスジースパークル 自在 |
神尾香（川崎） |
実12.8 |
×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) -66% (大幅な期待値マイナス) AI 予想勝率 2.6% (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。 |
| 11 |
セラード 先行 |
町田直（川崎） |
実8.2 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 9.2% (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。 |
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11頭
△期待値 (オッズ vs AI勝率)
+29% (市場と概ね一致)
AI 予想勝率
36.0% (オッズ暗示: 27.8%)
×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
17.3% (オッズ暗示: 25.6%)
×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
15.3% (オッズ暗示: 22.2%)
△期待値 (オッズ vs AI勝率)
-25% (オッズ過剰評価)
AI 予想勝率
9.2% (オッズ暗示: 12.2%)
×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
5.7% (オッズ暗示: 10.5%)
×期待値 (オッズ vs AI勝率)
-90% (大幅な期待値マイナス)
×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
4.0% (オッズ暗示: 9.6%)
×期待値 (オッズ vs AI勝率)
-66% (大幅な期待値マイナス)
AI 予想勝率
2.6% (オッズ暗示: 7.8%)
×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
1.6% (オッズ暗示: 5.0%)
×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
1.5% (オッズ暗示: 2.6%)
×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
1.5% (オッズ暗示: 2.6%)
💡 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
両モデルとも本レースは見送り判定（期待値プラスなし）
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。
