浦和 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

12R 浦和競馬場ダ2000m ダート2000m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	カイジンビリーヴ自在	高橋哲（浦和）	実29.6	B△ A▽勝率3% EV0% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/17 浦和12R 4着/12頭+4.0秒 04/22 浦和6R 5着/11頭+2.0秒 03/19 浦和2R 8着/11頭+2.7秒 02/27 浦和2R 12着/12頭+3.5秒 01/09 浦和5R 10着/11頭+3.0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 5.7着 △ 当競馬場適性 50走で勝率 6% ○ 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 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 3.4%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.4% / 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。
2	カペラスター	七夕裕（浦和）	実15.9	B× A△勝率5% EV-13% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は28走で勝ち無し）
前5走 07/17 浦和12R 11着/12頭 06/02 船橋7R 6着/14頭+0.0秒 05/26 浦和7R 3着/10頭 05/11 川崎6R 6着/9頭+2.2秒 04/22 浦和6R 2着/11頭+0.2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 6.7着 △ 当競馬場適性 36走で勝率 6% ▽ 距離適性同距離は 28走で勝ち無し ▽ 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) -98% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 6.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.4% / 期待値 -14% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ロベルタインパクト	中山遥（浦和）	実7.0	B▲ A○勝率16% EV+9% 詳細▼	AI上位評価だが期待値不足、見送り（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／前走3着）
前5走 07/28 川崎3R 3着/9頭+1.0秒 07/16 浦和4R 4着/12頭 06/26 浦和6R 5着/8頭 06/05 船橋8R 3着/12頭+2.0秒 05/29 浦和8R 11着/12頭+4.0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 4.0着 × 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 14% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 12.7% (オッズ暗示: 14.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 15.6% / 期待値 +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	スマイルポピー	吉留孝（浦和）	実21.8	B× A▽勝率4% EV-19% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/17 浦和12R 6着/12頭+0.0秒 06/26 浦和7R 7着/10頭 05/29 浦和8R 5着/12頭 05/13 川崎4R 5着/12頭+0.7秒 04/24 浦和12R 12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戦の調子平均 6.0着 △ 当競馬場適性 30走で勝率 7% △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -93% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 4.6%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.7% / 期待値 -20% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	インベンション逃げ	野畑凌（川崎）	実3.3	B🌟◎ A🌟◎勝率30% 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（騎手は近50戦で勝率32%）
前5走 07/17 浦和12R 5着/12頭 06/26 浦和12R 2着/11頭+3.0秒 04/23 浦和7R 6着/12頭+2.5秒 03/20 浦和6R 2着/12頭+0.2秒 02/27 浦和9R 4着/12頭+2.0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 4.3着 △ 当競馬場適性 41走で勝率 7% ○ 距離適性同距離 11走で勝率 18% ◎ 騎手近50戦勝率 32% (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) +105% (市場が大幅過小評価) AI 予想勝率 62.3% (オッズ暗示: 30.3%) 🌟◎ Aモデルの評価 (参考) レース内 1位 / 勝率 30.1% / 期待値 -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	リケアヴィオレ	及川烈（浦和）	実55.4	B× A▽勝率1% 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 07/17 浦和12R 10着/12頭+1.0秒 06/26 浦和7R 10着/10頭+0.0秒 05/27 浦和4R 8着/10頭+0.0秒 05/14 川崎4R 7着/12頭+1.7秒 04/24 浦和12R 10着/12頭+1.9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 9.3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 8走で勝ち無し ▽ 前走実績前走 10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) -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 1.0% / 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	マーニク	杉山海（大井）	実102.8	B× A▽勝率1% EV-19% 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 07/16 浦和7R 8着/12頭+1.0秒 06/26 浦和12R 10着/11頭+0.0秒 06/05 船橋6R 7着/12頭 05/04 船橋12R 6着/11頭+1.8秒 04/23 浦和7R 7着/12頭+3.5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 8.3着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 14走で勝率 7% ○ 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) -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 0.8% / 期待値 -20% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ビーヴィーヴォ	秋元耕（浦和）	実57.9	B× A▽勝率1% EV-27% 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5走で勝ち無し／直近3走平均9.0着と低調）
前5走 07/17 浦和12R 12着/12頭+1.0秒 06/26 浦和12R 6着/11頭 06/05 船橋6R 9着/12頭+0.0秒 05/04 船橋12R 5着/11頭+1.8秒 04/03 船橋3R 11着/12頭+2.7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 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 5走で勝ち無し ▽ 前走実績前走 12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) -96% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.3% / 期待値 -27% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ウイングラドナス	櫻井光（川崎）	実12.7	B× A△勝率7% EV-8% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場41走で勝率2%と苦戦傾向／同距離帯は21走で勝ち無し）
前5走 07/15 浦和5R 7着/12頭+6.0秒 06/26 浦和7R 8着/10頭+3.0秒 05/27 浦和6R 7着/12頭 05/14 川崎6R 4着/11頭+1.0秒 04/24 浦和12R 2着/12頭+0.7秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3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 21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 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 7.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.2% / 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。
10	メイショウトワニ	藤江渉（川崎）	実4.3	B○ A▲勝率15% EV-36% 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0%と苦戦傾向／直近3走平均3.0着と安定／前走2着）
前5走 07/17 浦和12R 2着/12頭+4.0秒 06/26 浦和12R 3着/11頭 06/02 船橋7R 4着/14頭+0.0秒 05/15 川崎6R 6着/12頭+2.5秒 04/23 浦和7R 8着/12頭+3.5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 3.0着 (安定) × 当競馬場適性 10走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ○ 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) -13% (オッズ過剰評価) AI 予想勝率 20.1% (オッズ暗示: 23.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 14.7% / 期待値 -37% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	エコロルキナ	室陽一（浦和）	実34.9	B△ A▽勝率3% EV-11% 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8.0着と低調）
前5走 07/16 浦和7R 6着/12頭 07/07 川崎1R 9着/12頭 06/26 浦和7R 9着/10頭+3.0秒 05/29 浦和8R 7着/12頭+0.0秒 04/27 大井10R 11着/15頭+2.6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 8.0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 ○ 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) -74% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.5% / 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。
12	ルミナヴィクター	和田譲（大井）	実3.5	B△ A△勝率14% EV-49% 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7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／前走3着）
前5走 07/16 浦和7R 3着/12頭+7.0秒 06/26 浦和7R 5着/10頭 05/29 浦和8R 10着/12頭 04/24 浦和12R 8着/12頭+1.6秒 04/08 川崎6R 9着/12頭+1.4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 6.0着 × 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 18% ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 28.6%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 14.4% / 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。

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 ◎

インベンション

騎手野畑凌（川崎）

単勝オッズ

3.3倍

AI期待値

+105%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲10メイショウトワニ

4.3倍

EV -13%

▲A:○3ロベルタインパクト

7.0倍

EV -11%

出走馬全12頭

◎A:◎5

インベンション

野畑凌（川崎）

3.3倍

+105%

›

○A:▲10

メイショウトワニ

藤江渉（川崎）

4.3倍

-13%

›

▲A:○3

ロベルタインパクト

中山遥（浦和）

7.0倍

-11%

›

△A:△12

ルミナヴィクター

和田譲（大井）

3.5倍

-91%

›

△A:▽1

カイジンビリーヴ

高橋哲（浦和）

29.6倍

-77%

›

△A:▽11

エコロルキナ

室陽一（浦和）

34.9倍

-73%

›

×A:△9

ウイングラドナス

櫻井光（川崎）

12.7倍

-92%

›

×A:▽4

スマイルポピー

吉留孝（浦和）

21.8倍

-93%

›

×A:△2

カペラスター

七夕裕（浦和）

15.9倍

-98%

›

×A:▽8

ビーヴィーヴォ

秋元耕（浦和）

57.9倍

-96%

›

×A:▽6

リケアヴィオレ

及川烈（浦和）

55.4倍

-99%

›

×A:▽7

マーニク

杉山海（大井）

102.8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。

▶ 展開シミュレーション

このレースの推奨馬券　2モデル並走

両モデルとも見送り

12R 浦和競馬場ダ2000m ダート2000m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	カイジンビリーヴ自在	高橋哲（浦和）	実29.6	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/17 浦和12R 4着/12頭+4.0秒 04/22 浦和6R 5着/11頭+2.0秒 03/19 浦和2R 8着/11頭+2.7秒 02/27 浦和2R 12着/12頭+3.5秒 01/09 浦和5R 10着/11頭+3.0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 5.7着 △ 当競馬場適性 50走で勝率 6% ○ 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 24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 3.4% (オッズ暗示: 3.4%) ※ 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	カペラスター	七夕裕（浦和）	実15.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は28走で勝ち無し）
前5走 07/17 浦和12R 11着/12頭 06/02 船橋7R 6着/14頭+0.0秒 05/26 浦和7R 3着/10頭 05/11 川崎6R 6着/9頭+2.2秒 04/22 浦和6R 2着/11頭+0.2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 6.7着 △ 当競馬場適性 36走で勝率 6% ▽ 距離適性同距離は 28走で勝ち無し ▽ 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) -14% (オッズ過剰評価) AI 予想勝率 5.4% (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。
3	ロベルタインパクト	中山遥（浦和）	実7.0	○詳細▼	AI上位評価だが期待値不足、見送り（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／前走3着）
前5走 07/28 川崎3R 3着/9頭+1.0秒 07/16 浦和4R 4着/12頭 06/26 浦和6R 5着/8頭 06/05 船橋8R 3着/12頭+2.0秒 05/29 浦和8R 11着/12頭+4.0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 4.0着 × 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 14% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 15.6% (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。
4	スマイルポピー	吉留孝（浦和）	実21.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/17 浦和12R 6着/12頭+0.0秒 06/26 浦和7R 7着/10頭 05/29 浦和8R 5着/12頭 05/13 川崎4R 5着/12頭+0.7秒 04/24 浦和12R 12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戦の調子平均 6.0着 △ 当競馬場適性 30走で勝率 7% △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -20% (オッズ過剰評価) AI 予想勝率 3.7% (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。
5	インベンション逃げ	野畑凌（川崎）	実3.3	🌟◎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（騎手は近50戦で勝率32%）
前5走 07/17 浦和12R 5着/12頭 06/26 浦和12R 2着/11頭+3.0秒 04/23 浦和7R 6着/12頭+2.5秒 03/20 浦和6R 2着/12頭+0.2秒 02/27 浦和9R 4着/12頭+2.0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 4.3着 △ 当競馬場適性 41走で勝率 7% ○ 距離適性同距離 11走で勝率 18% ◎ 騎手近50戦勝率 32% (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) -1% (オッズ過剰評価) AI 予想勝率 30.1% (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。
6	リケアヴィオレ	及川烈（浦和）	実55.4	▽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8走で勝ち無し／直近3走平均9.3着と低調）
前5走 07/17 浦和12R 10着/12頭+1.0秒 06/26 浦和7R 10着/10頭+0.0秒 05/27 浦和4R 8着/10頭+0.0秒 05/14 川崎4R 7着/12頭+1.7秒 04/24 浦和12R 10着/12頭+1.9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 9.3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 8走で勝ち無し ▽ 前走実績前走 10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) -47% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 1.8%) ※ 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	マーニク	杉山海（大井）	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8.3着と低調）
前5走 07/16 浦和7R 8着/12頭+1.0秒 06/26 浦和12R 10着/11頭+0.0秒 06/05 船橋6R 7着/12頭 05/04 船橋12R 6着/11頭+1.8秒 04/23 浦和7R 7着/12頭+3.5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 8.3着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 14走で勝率 7% ○ 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) -20% (オッズ過剰評価) AI 予想勝率 0.8% (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。
8	ビーヴィーヴォ	秋元耕（浦和）	実57.9	▽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／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 07/17 浦和12R 12着/12頭+1.0秒 06/26 浦和12R 6着/11頭 06/05 船橋6R 9着/12頭+0.0秒 05/04 船橋12R 5着/11頭+1.8秒 04/03 船橋3R 11着/12頭+2.7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 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 5走で勝ち無し ▽ 前走実績前走 12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) -27% (オッズ過剰評価) AI 予想勝率 1.3% (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。
9	ウイングラドナス	櫻井光（川崎）	実12.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場41走で勝率2%と苦戦傾向／同距離帯は21走で勝ち無し）
前5走 07/15 浦和5R 7着/12頭+6.0秒 06/26 浦和7R 8着/10頭+3.0秒 05/27 浦和6R 7着/12頭 05/14 川崎6R 4着/11頭+1.0秒 04/24 浦和12R 2着/12頭+0.7秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3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 21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 26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 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。
10	メイショウトワニ	藤江渉（川崎）	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0%と苦戦傾向／直近3走平均3.0着と安定／前走2着）
前5走 07/17 浦和12R 2着/12頭+4.0秒 06/26 浦和12R 3着/11頭 06/02 船橋7R 4着/14頭+0.0秒 05/15 川崎6R 6着/12頭+2.5秒 04/23 浦和7R 8着/12頭+3.5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 3.0着 (安定) × 当競馬場適性 10走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ○ 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) -37% (大幅な期待値マイナス) AI 予想勝率 14.7% (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。
11	エコロルキナ	室陽一（浦和）	実34.9	▽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／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 07/16 浦和7R 6着/12頭 07/07 川崎1R 9着/12頭 06/26 浦和7R 9着/10頭+3.0秒 05/29 浦和8R 7着/12頭+0.0秒 04/27 大井10R 11着/15頭+2.6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 8.0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 ○ 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) -11% (オッズ過剰評価) AI 予想勝率 2.5% (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。
12	ルミナヴィクター	和田譲（大井）	実3.5	△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7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／前走3着）
前5走 07/16 浦和7R 3着/12頭+7.0秒 06/26 浦和7R 5着/10頭 05/29 浦和8R 10着/12頭 04/24 浦和12R 8着/12頭+1.6秒 04/08 川崎6R 9着/12頭+1.4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 6.0着 × 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 18% ○ 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) -50% (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。

🎯 AIの本命

AI評価1位

インベンション

騎手野畑凌（川崎）

単勝オッズ

3.3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

○3ロベルタインパクト

7.0倍

EV +9%

▲10メイショウトワニ

4.3倍

EV -36%

出走馬全12頭

◎5

インベンション

野畑凌（川崎）

3.3倍

›

○3

ロベルタインパクト

中山遥（浦和）

7.0倍

+9%

›

▲10

メイショウトワニ

藤江渉（川崎）

4.3倍

-36%

›

△12

ルミナヴィクター

和田譲（大井）

3.5倍

-49%

›

△9

ウイングラドナス

櫻井光（川崎）

12.7倍

-8%

›

△2

カペラスター

七夕裕（浦和）

15.9倍

-13%

›

▽4

スマイルポピー

吉留孝（浦和）

21.8倍

-19%

›

▽1

カイジンビリーヴ

高橋哲（浦和）

29.6倍

›

▽11

エコロルキナ

室陽一（浦和）

34.9倍

-11%

›

▽8

ビーヴィーヴォ

秋元耕（浦和）

57.9倍

-27%

›

▽6

リケアヴィオレ

及川烈（浦和）

55.4倍

-46%

›

▽7

マーニク

杉山海（大井）

102.8倍

-19%

›

💡 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。

▶ 展開シミュレーション

このレースの推奨馬券　2モデル並走

両モデルとも見送り

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）

予想は参考情報です。馬券購入は自己責任で。20歳未満は購入できません。免責事項