名古屋 3R 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

3R 名古屋競馬場ダ1400m ダート1400m　発走 15:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ノーブルクインダム	大畑慧（愛知）	実3.1	B△ A▲勝率12% EV-63% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 5位 (中位評価) × 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 1.4% (オッズ暗示: 32.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.8% / 期待値 -63% ※ 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	アイファーローレル	丸野勝（愛知）	実155.4	B× A▽勝率1% EV-12% 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 03/23 名古屋3R 11着/11頭+4.8秒 01/27 312R 10着/10頭+5.8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 10.5着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 148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) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 0.6% / 期待値 -12% ※ 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	メドウセージ	加藤聡（愛知）	実51.5	B△ A▽勝率1% EV-37% 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／138日ぶりの実戦／騎手は近50戦で勝率20%）
前5走 04/02 船橋6R 10着/10頭+7.5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 10.0着 (不振) ◎ 騎手近50戦勝率 20% (好調) ▽ 前走実績前走 10着 (大敗) △ ローテーション 138日休養明け × 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 0.5% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.2% / 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。
4	チョコスコーン	深澤杏（笠松）	実95.2	B× A▽勝率1% EV-38% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 騎手近50戦勝率 2% (やや苦戦) × 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 0.3% (オッズ暗示: 1.1%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 0.7% / 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。
5	フローラルアーチ	細川智（愛知）	実26.5	B× A▽勝率3% EV-27% 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 06/03 名古屋2R 11着/12頭+2.0秒 04/07 川崎7R 6着/11頭+2.1秒 02/04 川崎6R 9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 8.7着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 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 7位 / 勝率 2.7% / 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。
6	シュタットパーク	塚本征（愛知）	実2.5	B○ A🌟◎勝率49% EV+23% 詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 騎手近50戦勝率 22% (好調) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 24.3% (オッズ暗示: 40.0%) 🌟◎ Aモデルの評価 (参考) レース内 1位 / 勝率 49.3% / 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。
7	クレセントゼファー	近藤颯（愛知）	実11.5	B▲ A△勝率6% EV-30% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 騎手近50戦勝率 16% × 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 6.0% (オッズ暗示: 8.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.1% / 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。
8	サファイアプレミア	丸山真（愛知）	実35.1	B× A×勝率1% EV-52% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 8位 (中位評価) × 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 0.2% (オッズ暗示: 2.8%) × Aモデルの評価 (参考) レース内 9位 / 勝率 1.4% / 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。
9	シュトルムカイザー推奨	今井貴（愛知）	実7.2	B🌟◎ A○勝率13% EV-6% 詳細▼	市場が大きく過小評価、AI予想勝率63% × オッズ7.2倍で期待値+350%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 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ AIランク評価 (順位学習モデル) レース内 1位 (最上位評価) 🌟◎ 期待値 (オッズ vs AI勝率) +350% (市場が大幅過小評価) AI 予想勝率 62.6% (オッズ暗示: 13.9%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 13.1% / 期待値 -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。
10	ボンボンブーケ	望月洵（愛知）	実19.6	B× A△勝率4% EV-26% 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 07/13 名古屋4R 9着/12頭+3.0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) ◎ 騎手近50戦勝率 28% (好調) × 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 6位 / 勝率 3.8% / 期待値 -26% ※ 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	オーケーエレガンス	小笠羚（愛知）	実22.6	B× A×勝率2% EV-60% 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 07/28 名古屋4R 7着/11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 7.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21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 8位 / 勝率 1.8% / 期待値 -60% ※ 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	ロードリュイール	大畑雅（愛知）	実8.8	B△ A△勝率8% EV-32% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 4位 (中位評価) × 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 4.7% (オッズ暗示: 11.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.7% / 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。

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 ○

シュトルムカイザー

騎手今井貴（愛知）

単勝オッズ

7.2倍

AI期待値

+350%

買い目

¥1,400

全レースの推奨

AIの推奨本命の次点

○A:◎6シュタットパーク

2.5倍

EV -39%

▲A:△7クレセントゼファー

11.5倍

EV -31%

出走馬全12頭

◎A:○9

シュトルムカイザー

今井貴（愛知）

7.2倍

+350%

›

○A:◎6

シュタットパーク

塚本征（愛知）

2.5倍

-39%

›

▲A:△7

クレセントゼファー

近藤颯（愛知）

11.5倍

-31%

›

△A:△12

ロードリュイール

大畑雅（愛知）

8.8倍

-58%

›

△A:▲1

ノーブルクインダム

大畑慧（愛知）

3.1倍

-95%

›

△A:▽3

メドウセージ

加藤聡（愛知）

51.5倍

-74%

›

×A:▽4

チョコスコーン

深澤杏（笠松）

95.2倍

-70%

›

×A:×8

サファイアプレミア

丸山真（愛知）

35.1倍

-92%

›

×A:△10

ボンボンブーケ

望月洵（愛知）

19.6倍

-99%

›

×A:×11

オーケーエレガンス

小笠羚（愛知）

22.6倍

-99%

›

×A:▽5

フローラルアーチ

細川智（愛知）

26.5倍

-99%

›

×A:▽2

アイファーローレル

丸野勝（愛知）

155.4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

A. 市場込みモデル

見送り

B. 市場除外+キャリブ

単勝 9 シュトルムカイザー ¥1,400 実7.2倍期待値 +351% ❌不的中8着単勝 7.2倍

※ オッズは予測時点の値です。

3R 名古屋競馬場ダ1400m ダート1400m　発走 15:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ノーブルクインダム	大畑慧（愛知）	実3.1	▲詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ AIランク評価 (順位学習モデル) レース内 3位 (上位評価) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 11.8% (オッズ暗示: 32.3%) ※ 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。
2	アイファーローレル	丸野勝（愛知）	実155.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.5着と低調／148日ぶりの実戦）
前5走 03/23 名古屋3R 11着/11頭+4.8秒 01/27 312R 10着/10頭+5.8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 10.5着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 148日休養明け △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 0.6% (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。
3	メドウセージ	加藤聡（愛知）	実51.5	▽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／138日ぶりの実戦／騎手は近50戦で勝率20%）
前5走 04/02 船橋6R 10着/10頭+7.5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 10.0着 (不振) ◎ 騎手近50戦勝率 20% (好調) ▽ 前走実績前走 10着 (大敗) △ ローテーション 138日休養明け × 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 1.2% (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。
4	チョコスコーン	深澤杏（笠松）	実95.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 騎手近50戦勝率 2% (やや苦戦) × 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 0.7% (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。
5	フローラルアーチ	細川智（愛知）	実26.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／直近3走平均8.7着と低調／76日ぶりの実戦）
前5走 06/03 名古屋2R 11着/12頭+2.0秒 04/07 川崎7R 6着/11頭+2.1秒 02/04 川崎6R 9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 8.7着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 2.7% (オッズ暗示: 3.8%) ※ 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。
6	シュタットパーク	塚本征（愛知）	実2.5	🌟◎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22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 騎手近50戦勝率 22% (好調) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 49.3% (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。
7	クレセントゼファー	近藤颯（愛知）	実11.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 6.1% (オッズ暗示: 8.7%) ※ 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。
8	サファイアプレミア	丸山真（愛知）	実35.1	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 9位 (中位評価) × 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 1.4% (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	シュトルムカイザー推奨	今井貴（愛知）	実7.2	○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 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ AIランク評価 (順位学習モデル) レース内 2位 (上位評価) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 13.1% (オッズ暗示: 13.9%) ※ 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	ボンボンブーケ	望月洵（愛知）	実19.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調／騎手は近50戦で勝率28%）
前5走 07/13 名古屋4R 9着/12頭+3.0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) ◎ 騎手近50戦勝率 28% (好調) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 3.8% (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。
11	オーケーエレガンス	小笠羚（愛知）	実22.6	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/28 名古屋4R 7着/11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 7.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -60% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 4.4%) ※ 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。
12	ロードリュイール	大畑雅（愛知）	実8.8	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 4位 (中位評価) × 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 7.7% (オッズ暗示: 11.4%) ※ 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の本命

AI評価1位

シュタットパーク

騎手塚本征（愛知）

単勝オッズ

2.5倍

AI期待値

+23%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○9シュトルムカイザー

7.2倍

EV -6%

▲1ノーブルクインダム

3.1倍

EV -63%

出走馬全12頭

◎6

シュタットパーク

塚本征（愛知）

2.5倍

+23%

›

○9

シュトルムカイザー

今井貴（愛知）

7.2倍

-6%

›

▲1

ノーブルクインダム

大畑慧（愛知）

3.1倍

-63%

›

△12

ロードリュイール

大畑雅（愛知）

8.8倍

-32%

›

△7

クレセントゼファー

近藤颯（愛知）

11.5倍

-30%

›

△10

ボンボンブーケ

望月洵（愛知）

19.6倍

-26%

›

▽5

フローラルアーチ

細川智（愛知）

26.5倍

-27%

›

×11

オーケーエレガンス

小笠羚（愛知）

22.6倍

-60%

›

×8

サファイアプレミア

丸山真（愛知）

35.1倍

-52%

›

▽3

メドウセージ

加藤聡（愛知）

51.5倍

-37%

›

▽4

チョコスコーン

深澤杏（笠松）

95.2倍

-38%

›

▽2

アイファーローレル

丸野勝（愛知）

155.4倍

-12%

›

💡 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

A. 市場込みモデル

見送り

B. 市場除外+キャリブ

単勝 9 シュトルムカイザー ¥1,400 実7.2倍期待値 -6% ❌不的中8着単勝 7.2倍

※ オッズは予測時点の値です。

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