名古屋 10R 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

10R 名古屋競馬場ダ1700m ダート1700m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ケイズエルミー差し	細川智（愛知）	実10.2	B△ A△勝率10% EV+2% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／前走3着／67日ぶりの実戦）
前5走 05/25 名古屋10R 3着/10頭 05/08 名古屋3R 3着/10頭+0.1秒 03/27 名古屋4R 4着/12頭+2.0秒 01/30 名古屋8R 6着/10頭+1.2秒 01/05 名古屋8R 2着/12頭+0.5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 3.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ○ 前走実績前走 3着 (好走) × 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 1.6% (オッズ暗示: 9.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.0% / 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。
2	ミートザターゲット逃げ	近藤颯（愛知）	実11.9	B× A△勝率7% EV-11% 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／88日ぶりの実戦）
前5走 05/04 園田1R 4着/7頭+1.2秒 04/21 園田2R 5着/9頭+1.2秒 03/26 園田6R 1着/10頭勝利 09/25 園田7R 2着/10頭+0.3秒 09/03 園田7R 2着/10頭+0.1秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 8.4%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.4% / 期待値 -11% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	オレイニウタイマス	望月洵（愛知）	実4.5	B○ A▲勝率13% EV-43% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場20走で勝率5%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 07/02 名古屋7R 1着/3頭 06/19 名古屋1R 2着/10頭+5.0秒 06/04 名古屋2R 3着/11頭 05/06 名古屋3R 8着/11頭+0.9秒 04/23 名古屋1R 5着/11頭+0.9秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 20走で勝率 5% (苦戦) ◎ 騎手近50戦勝率 28% (好調) ◎ 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 19.9% (オッズ暗示: 22.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.7% / 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。
4	ラミントン	加藤聡（愛知）	実3.9	B△ A◎勝率28% EV+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6走で勝率33%と適性高／直近3走で勝率33%と好調）
前5走 07/03 名古屋1R 7着/12頭+0.0秒 06/18 名古屋7R 1着/11頭 06/03 名古屋6R 3着/12頭 05/21 名古屋2R 10着/10頭 05/06 名古屋12R 7着/12頭+2.2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 18% ○ 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) -75% (大幅な期待値マイナス) AI 予想勝率 6.3% (オッズ暗示: 25.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 28.2% / 期待値 +10% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	フークベルエ先行	村上弘（愛知）	実53.1	B× A▽勝率3% EV+74% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場59走で勝率3%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 07/17 名古屋12R 9着/12頭 06/05 名古屋8R 7着/12頭+1.0秒 05/25 名古屋7R 5着/10頭+0.0秒 05/08 名古屋2R 3着/11頭+0.0秒 04/24 名古屋8R 3着/11頭+1.7秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 59走で勝率 3% (苦戦) ▽ 距離適性同距離は 4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) -87% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.3% / 期待値 +75% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ビップレジアス	松本一（笠松）	実130.9	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 07/17 名古屋10R 10着/12頭 07/01 名古屋7R 9着/11頭 06/17 名古屋8R 9着/11頭+0.0秒 06/04 名古屋8R 9着/11頭+0.0秒 05/21 名古屋7R 9着/10頭
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 9.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ◎ 馬場適性同馬場 21走で勝率 33% △ 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 14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 0.8% / 期待値 +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	ボスコヴェローチェ	大原浩（笠松）	実65.1	B× A▽勝率2% EV+42% 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 06/18 名古屋5R 6着/9頭+0.0秒 06/04 名古屋7R 9着/11頭 05/21 名古屋6R 7着/10頭+2.0秒 05/06 名古屋5R 9着/11頭+4.3秒 04/23 名古屋12R 9着/12頭+1.3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 7.3着 (不振) △ 当競馬場適性 45走で勝率 11% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) × 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 2.2% / 期待値 +42% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ヤモリアツマレ	丹羽克（愛知）	実63.7	B× A▽勝率2% EV+15% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場76走で勝率3%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均8.3着と低調）
前5走 07/17 名古屋12R 8着/12頭 07/03 名古屋6R 9着/12頭+3.0秒 06/22 名古屋6R 8着/10頭 06/05 名古屋6R 8着/12頭 05/25 名古屋12R 4着/11頭
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 8.3着 (不振) × 当競馬場適性 76走で勝率 3% (苦戦) ▽ 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) -84% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.8% / 期待値 +16% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ジャスティンライズ推奨	柿原翔（愛知）	実9.9	B◎ A△勝率5% EV-45% 詳細▼	市場が大きく過小評価、AI予想勝率56% × オッズ9.9倍で期待値+458%の有力候補（市場想定よりAI評価が高く妙味）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +458% (市場が大幅過小評価) AI 予想勝率 56.4% (オッズ暗示: 10.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.5% / 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。
10	ミツカネリブラ	丸山真（愛知）	実313.0	B× A▽勝率1% EV+117% 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 07/17 名古屋10R 11着/12頭+1.0秒 07/02 名古屋8R 11着/12頭 06/18 名古屋5R 9着/9頭 05/21 名古屋6R 10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 10.3着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) ○ 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) -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 0.7% / 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。
11	ハクサンミニョン	大畑慧（愛知）	実21.1	B△ A▽勝率4% EV-15% 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27%と適性高／同馬場状態で勝率38%／直近3走平均10.0着と低調）
前5走 07/01 名古屋7R 11着/11頭 06/16 名古屋9R 9着/10頭+0.0秒 06/04 名古屋8R 10着/11頭 01/02 名古屋12R 4着/9頭+1.5秒 11/26 名古屋10R 8着/12頭+1.9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 10.0着 (不振) ◎ 当競馬場適性 22走で勝率 27% (得意) ○ 距離適性同距離 9走で勝率 22% ◎ 馬場適性同馬場 13走で勝率 38% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 5.5% (オッズ暗示: 4.7%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 4.0% / 期待値 -16% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	アショカ差し	小笠羚（愛知）	実2.5	B▲ A○勝率23% EV-41% 詳細▼	人気馬、市場評価通りで上乗せなし（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）
前5走 06/05 名古屋10R 7着/12頭 05/08 名古屋10R 6着/10頭+1.4秒 04/24 名古屋6R 3着/12頭+0.3秒 03/27 名古屋11R 4着/9頭+1.4秒 07/25 浦和9R 7着/8頭+2.3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 5.3着 × 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 ○ 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) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 8.3% (オッズ暗示: 40.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 23.4% / 期待値 -41% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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

B推奨Aモデル △

ジャスティンライズ

騎手柿原翔（愛知）

単勝オッズ

9.9倍

AI期待値

+458%

買い目

¥1,200

全レースの推奨

AIの推奨本命の次点

○A:▲3オレイニウタイマス

4.5倍

EV -10%

▲A:○12アショカ

2.5倍

EV -79%

出走馬全12頭

◎A:△9

ジャスティンライズ

柿原翔（愛知）

9.9倍

+458%

›

○A:▲3

オレイニウタイマス

望月洵（愛知）

4.5倍

-10%

›

▲A:○12

アショカ

小笠羚（愛知）

2.5倍

-79%

›

△A:◎4

ラミントン

加藤聡（愛知）

3.9倍

-75%

›

△A:▽11

ハクサンミニョン

大畑慧（愛知）

21.1倍

+17%

›

△A:△1

ケイズエルミー

細川智（愛知）

10.2倍

-84%

›

×A:△2

ミートザターゲット

近藤颯（愛知）

11.9倍

-81%

›

×A:▽5

フークベルエ

村上弘（愛知）

53.1倍

-86%

›

×A:▽8

ヤモリアツマレ

丹羽克（愛知）

63.7倍

-83%

›

×A:▽7

ボスコヴェローチェ

大原浩（笠松）

65.1倍

-99%

›

×A:▽6

ビップレジアス

松本一（笠松）

130.9倍

-99%

›

×A:▽10

ミツカネリブラ

丸山真（愛知）

313.0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 (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 9 ジャスティンライズ ¥1,200 実9.9倍期待値 +458% ❌不的中5着単勝 9.9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

10R 名古屋競馬場ダ1700m ダート1700m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ケイズエルミー差し	細川智（愛知）	実10.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／前走3着／67日ぶりの実戦）
前5走 05/25 名古屋10R 3着/10頭 05/08 名古屋3R 3着/10頭+0.1秒 03/27 名古屋4R 4着/12頭+2.0秒 01/30 名古屋8R 6着/10頭+1.2秒 01/05 名古屋8R 2着/12頭+0.5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 3.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 10.0% (オッズ暗示: 9.8%) ※ 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	ミートザターゲット逃げ	近藤颯（愛知）	実11.9	△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／88日ぶりの実戦）
前5走 05/04 園田1R 4着/7頭+1.2秒 04/21 園田2R 5着/9頭+1.2秒 03/26 園田6R 1着/10頭勝利 09/25 園田7R 2着/10頭+0.3秒 09/03 園田7R 2着/10頭+0.1秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 8.4%) ※ 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	オレイニウタイマス	望月洵（愛知）	実4.5	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場20走で勝率5%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 07/02 名古屋7R 1着/3頭 06/19 名古屋1R 2着/10頭+5.0秒 06/04 名古屋2R 3着/11頭 05/06 名古屋3R 8着/11頭+0.9秒 04/23 名古屋1R 5着/11頭+0.9秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 20走で勝率 5% (苦戦) ◎ 騎手近50戦勝率 28% (好調) ◎ 前走実績前走 1着 (勢い継続) × 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 12.7% (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。
4	ラミントン	加藤聡（愛知）	実3.9	◎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6走で勝率33%と適性高／直近3走で勝率33%と好調）
前5走 07/03 名古屋1R 7着/12頭+0.0秒 06/18 名古屋7R 1着/11頭 06/03 名古屋6R 3着/12頭 05/21 名古屋2R 10着/10頭 05/06 名古屋12R 7着/12頭+2.2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 18% ○ 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) +9% (市場と概ね一致) AI 予想勝率 28.2% (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。
5	フークベルエ先行	村上弘（愛知）	実53.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場59走で勝率3%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 07/17 名古屋12R 9着/12頭 06/05 名古屋8R 7着/12頭+1.0秒 05/25 名古屋7R 5着/10頭+0.0秒 05/08 名古屋2R 3着/11頭+0.0秒 04/24 名古屋8R 3着/11頭+1.7秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 59走で勝率 3% (苦戦) ▽ 距離適性同距離は 4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) +74% (市場が大幅過小評価) AI 予想勝率 3.3% (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	ビップレジアス	松本一（笠松）	実130.9	▽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／同馬場状態で勝率33%／直近3走平均9.3着と低調）
前5走 07/17 名古屋10R 10着/12頭 07/01 名古屋7R 9着/11頭 06/17 名古屋8R 9着/11頭+0.0秒 06/04 名古屋8R 9着/11頭+0.0秒 05/21 名古屋7R 9着/10頭
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 9.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ◎ 馬場適性同馬場 21走で勝率 33% △ 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 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 0.8% (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。
7	ボスコヴェローチェ	大原浩（笠松）	実65.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 06/18 名古屋5R 6着/9頭+0.0秒 06/04 名古屋7R 9着/11頭 05/21 名古屋6R 7着/10頭+2.0秒 05/06 名古屋5R 9着/11頭+4.3秒 04/23 名古屋12R 9着/12頭+1.3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 7.3着 (不振) △ 当競馬場適性 45走で勝率 11% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 2.2% (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。
8	ヤモリアツマレ	丹羽克（愛知）	実63.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場76走で勝率3%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均8.3着と低調）
前5走 07/17 名古屋12R 8着/12頭 07/03 名古屋6R 9着/12頭+3.0秒 06/22 名古屋6R 8着/10頭 06/05 名古屋6R 8着/12頭 05/25 名古屋12R 4着/11頭
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 8.3着 (不振) × 当競馬場適性 76走で勝率 3% (苦戦) ▽ 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) +15% (市場と概ね一致) AI 予想勝率 1.8% (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。
9	ジャスティンライズ推奨	柿原翔（愛知）	実9.9	△詳細▼	期待値プラスでAIの推し馬（市場想定よりAI評価が高く妙味）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 騎手近50戦勝率 4% (やや苦戦) × 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 5.5% (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。
10	ミツカネリブラ	丸山真（愛知）	実313.0	▽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／直近3走平均10.3着と低調）
前5走 07/17 名古屋10R 11着/12頭+1.0秒 07/02 名古屋8R 11着/12頭 06/18 名古屋5R 9着/9頭 05/21 名古屋6R 10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 10.3着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) ○ 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) +117% (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。
11	ハクサンミニョン	大畑慧（愛知）	実21.1	▽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27%と適性高／同馬場状態で勝率38%／直近3走平均10.0着と低調）
前5走 07/01 名古屋7R 11着/11頭 06/16 名古屋9R 9着/10頭+0.0秒 06/04 名古屋8R 10着/11頭 01/02 名古屋12R 4着/9頭+1.5秒 11/26 名古屋10R 8着/12頭+1.9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 10.0着 (不振) ◎ 当競馬場適性 22走で勝率 27% (得意) ○ 距離適性同距離 9走で勝率 22% ◎ 馬場適性同馬場 13走で勝率 38% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 4.0% (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。
12	アショカ差し	小笠羚（愛知）	実2.5	○詳細▼	人気馬、市場評価通りで上乗せなし（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）
前5走 06/05 名古屋10R 7着/12頭 05/08 名古屋10R 6着/10頭+1.4秒 04/24 名古屋6R 3着/12頭+0.3秒 03/27 名古屋11R 4着/9頭+1.4秒 07/25 浦和9R 7着/8頭+2.3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 5.3着 × 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 ○ 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) × 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 23.4% (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。

🎯 AIの本命

AI評価1位

ラミントン

騎手加藤聡（愛知）

単勝オッズ

3.9倍

AI期待値

+9%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○12アショカ

2.5倍

EV -41%

▲3オレイニウタイマス

4.5倍

EV -43%

出走馬全12頭

◎4

ラミントン

加藤聡（愛知）

3.9倍

+9%

›

○12

アショカ

小笠羚（愛知）

2.5倍

-41%

›

▲3

オレイニウタイマス

望月洵（愛知）

4.5倍

-43%

›

△1

ケイズエルミー

細川智（愛知）

10.2倍

+2%

›

△2

ミートザターゲット

近藤颯（愛知）

11.9倍

-11%

›

△9

ジャスティンライズ

柿原翔（愛知）

9.9倍

-45%

›

▽11

ハクサンミニョン

大畑慧（愛知）

21.1倍

-15%

›

▽5

フークベルエ

村上弘（愛知）

53.1倍

+74%

›

▽7

ボスコヴェローチェ

大原浩（笠松）

65.1倍

+42%

›

▽8

ヤモリアツマレ

丹羽克（愛知）

63.7倍

+15%

›

▽6

ビップレジアス

松本一（笠松）

130.9倍

+7%

›

▽10

ミツカネリブラ

丸山真（愛知）

313.0倍

+117%

›

💡 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

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 9 ジャスティンライズ ¥1,200 実9.9倍期待値 -46% ❌不的中5着単勝 9.9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

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。