名古屋 8R 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

8R 名古屋競馬場ダ1500m ダート1500m　発走 18:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ウインフルゴラ先行	望月洵（愛知）	実12.5	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（当競馬場16走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／直近3走平均10.0着と低調）
前5走 07/13 名古屋12R 9着/12頭+3.0秒 06/30 名古屋6R 9着/12頭 06/02 名古屋6R 12着/12頭+5.0秒 05/19 名古屋7R 5着/11頭+1.9秒 05/04 名古屋7R 4着/11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 10.0着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) × 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: 8.0%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 5.6% / 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。
2	サンコルテス	友森翔（愛知）	実143.7	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 07/28 名古屋6R 11着/12頭+4.0秒 07/13 名古屋12R 4着/12頭+0.0秒 07/01 名古屋6R 8着/12頭+1.0秒 06/17 名古屋5R 9着/11頭 06/03 名古屋5R 9着/12頭+2.0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 7.7着 (不振) × 当競馬場適性 128走で勝率 2% (苦戦) ▽ 距離適性同距離は 114走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ 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 12位 / 勝率 0.7% / 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。
3	サーストンユタ	近藤颯（愛知）	実104.7	B× A▽勝率1% EV-21% 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6R 8着/12頭+3.3秒 07/01 名古屋5R 8着/12頭 06/17 名古屋5R 11着/11頭 06/03 名古屋5R 10着/12頭 05/20 名古屋8R 9着/10頭+1.0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 9.0着 (不振) × 当競馬場適性 38走で勝率 0% (苦戦) ▽ 距離適性同距離は 38走で勝ち無し ○ 騎手近50戦勝率 14% ○ 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 10位 / 勝率 0.7% / 期待値 -22% ※ 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	ヴィヴィアンワン	阪野学（愛知）	実36.3	B▲ A▽勝率1% EV-46% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し／前走3着）
前5走 07/28 名古屋12R 3着/10頭+0.8秒 07/13 名古屋6R 6着/12頭 06/16 名古屋4R 5着/9頭 06/02 名古屋5R 7着/11頭 05/04 名古屋2R 2着/11頭+0.2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 4.7着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ 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) -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 1.5% / 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。
5	バイオマックス自在	大畑慧（愛知）	実2.7	B🌟◎ A○勝率35% EV-6% 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4走で勝率25%と適性高／同距離帯4走で勝率25%／前走2着）
前5走 07/13 名古屋6R 2着/12頭+6.0秒 01/27 名古屋7R 11着/12頭+2.7秒 01/14 名古屋4R 8着/11頭+2.0秒 01/01 名古屋4R 1着/12頭勝利 ―
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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 4走で勝率 25% ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +163% (市場が大幅過小評価) AI 予想勝率 97.5% (オッズ暗示: 37.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 34.7% / 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。
6	ラブウェイ自在	尾崎章（愛知）	実8.1	B× A▲勝率6% EV-49% 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12R 2着/12頭+0.0秒 06/30 名古屋5R 2着/11頭+0.0秒 06/02 名古屋4R 5着/11頭 05/19 名古屋5R 11着/11頭+2.8秒 05/04 名古屋5R 10着/11頭+2.9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 3.0着 (安定) × 当競馬場適性 67走で勝率 1% (苦戦) ▽ 距離適性同距離は 64走で勝ち無し ○ 前走実績前走 2着 (好走) × 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 3位 / 勝率 6.3% / 期待値 -49% ※ 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	バレドラパン	細川智（愛知）	実10.3	B△ A△勝率5% EV-50% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し）
前5走 07/28 名古屋6R 5着/12頭+1.0秒 07/13 名古屋6R 3着/12頭+2.0秒 06/30 名古屋12R 8着/12頭 06/16 名古屋7R 4着/10頭+0.0秒 06/02 名古屋6R 6着/12頭
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 5.3着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し ○ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 9.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.8% / 期待値 -51% ※ 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	フラッシュドロー	深澤杏（笠松）	実29.5	B× A▽勝率3% EV-22% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場42走で勝率2%と苦戦傾向／同距離帯は46走で勝ち無し）
前5走 07/13 名古屋6R 4着/12頭+0.0秒 06/30 名古屋12R 6着/12頭+0.0秒 06/17 名古屋1R 9着/11頭 05/05 名古屋5R 11着/11頭+2.6秒 04/20 名古屋12R 11着/12頭+1.2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 6.3着 × 当競馬場適性 42走で勝率 2% (苦戦) ▽ 距離適性同距離は 46走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 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: 3.4%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.6% / 期待値 -22% ※ 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	ペクトラル逃げ	小笠羚（愛知）	実2.4	B○ A🌟◎勝率37% EV-11% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／160日ぶりの実戦）
前5走 03/11 名古屋1R 8着/10頭+1.8秒 02/26 名古屋3R 6着/11頭+1.5秒 02/09 名古屋8R 1着/12頭勝利 01/13 名古屋6R 5着/12頭+0.3秒 01/01 名古屋6R 3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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 160日休養明け × 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 1.7% (オッズ暗示: 41.7%) 🌟◎ Aモデルの評価 (参考) レース内 1位 / 勝率 36.9% / 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。
10	ブリッジジェイアイ追込	木之葵（愛知）	実24.1	B× A▽勝率2% EV-44% 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6R 6着/12頭+1.6秒 06/25 園田1R 7着/10頭 06/04 園田1R 10着/10頭 05/13 園田1R 7着/9頭+1.2秒 04/29 園田1R 5着/10頭+1.9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 7.7着 (不振) ▽ 距離適性同距離は 19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 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 2.3% / 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。
11	メイショウパンゲア	加藤誓（愛知）	実91.9	B× A▽勝率1% EV-31% 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6R 12着/12頭+5.7秒 07/01 名古屋5R 11着/12頭+5.0秒 06/17 名古屋4R 11着/11頭 06/03 名古屋1R 8着/12頭+1.0秒 05/20 名古屋7R 11着/11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 11.3着 (不振) × 当競馬場適性 127走で勝率 3% (苦戦) ▽ 距離適性同距離は 111走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ 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 11位 / 勝率 0.7% / 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。
12	スマートエラブル	丹羽克（愛知）	実19.1	B△ A△勝率3% EV-40% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場40走で勝率0%と苦戦傾向／同距離帯は34走で勝ち無し）
前5走 07/13 名古屋7R 7着/12頭+3.0秒 06/30 名古屋12R 4着/12頭+0.0秒 06/16 名古屋6R 5着/10頭 05/19 名古屋6R 4着/11頭+0.7秒 05/04 名古屋7R 9着/11頭+1.9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 40走で勝率 0% (苦戦) ▽ 距離適性同距離は 34走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 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 0.1% (オッズ暗示: 5.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.1% / 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

AI評価1位Aモデル ○

バイオマックス

騎手大畑慧（愛知）

単勝オッズ

2.7倍

AI期待値

+163%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎9ペクトラル

2.4倍

EV -95%

▲A:▽4ヴィヴィアンワン

36.3倍

EV -92%

出走馬全12頭

◎A:○5

バイオマックス

大畑慧（愛知）

2.7倍

+163%

›

○A:◎9

ペクトラル

小笠羚（愛知）

2.4倍

-95%

›

▲A:▽4

ヴィヴィアンワン

阪野学（愛知）

36.3倍

-92%

›

△A:△1

ウインフルゴラ

望月洵（愛知）

12.5倍

-98%

›

△A:△12

スマートエラブル

丹羽克（愛知）

19.1倍

-97%

›

△A:△7

バレドラパン

細川智（愛知）

10.3倍

-98%

›

×A:▽8

フラッシュドロー

深澤杏（笠松）

29.5倍

-96%

›

×A:▲6

ラブウェイ

尾崎章（愛知）

8.1倍

-99%

›

×A:▽10

ブリッジジェイアイ

木之葵（愛知）

24.1倍

-99%

›

×A:▽11

メイショウパンゲア

加藤誓（愛知）

91.9倍

-99%

›

×A:▽3

サーストンユタ

近藤颯（愛知）

104.7倍

-99%

›

×A:▽2

サンコルテス

友森翔（愛知）

143.7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

8R 名古屋競馬場ダ1500m ダート1500m　発走 18:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ウインフルゴラ先行	望月洵（愛知）	実12.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場16走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／直近3走平均10.0着と低調）
前5走 07/13 名古屋12R 9着/12頭+3.0秒 06/30 名古屋6R 9着/12頭 06/02 名古屋6R 12着/12頭+5.0秒 05/19 名古屋7R 5着/11頭+1.9秒 05/04 名古屋7R 4着/11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 10.0着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) × 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 5.6% (オッズ暗示: 8.0%) ※ 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	サンコルテス	友森翔（愛知）	実143.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場128走で勝率2%と苦戦傾向／同距離帯は114走で勝ち無し）
前5走 07/28 名古屋6R 11着/12頭+4.0秒 07/13 名古屋12R 4着/12頭+0.0秒 07/01 名古屋6R 8着/12頭+1.0秒 06/17 名古屋5R 9着/11頭 06/03 名古屋5R 9着/12頭+2.0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 7.7着 (不振) × 当競馬場適性 128走で勝率 2% (苦戦) ▽ 距離適性同距離は 114走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ 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) +2% (市場と概ね一致) 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。
3	サーストンユタ	近藤颯（愛知）	実104.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場38走で勝率0%と苦戦傾向／同距離帯は38走で勝ち無し／直近3走平均9.0着と低調）
前5走 07/28 名古屋6R 8着/12頭+3.3秒 07/01 名古屋5R 8着/12頭 06/17 名古屋5R 11着/11頭 06/03 名古屋5R 10着/12頭 05/20 名古屋8R 9着/10頭+1.0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 9.0着 (不振) × 当競馬場適性 38走で勝率 0% (苦戦) ▽ 距離適性同距離は 38走で勝ち無し ○ 騎手近50戦勝率 14% ○ 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) -22% (オッズ過剰評価) AI 予想勝率 0.7% (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。
4	ヴィヴィアンワン	阪野学（愛知）	実36.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し／前走3着）
前5走 07/28 名古屋12R 3着/10頭+0.8秒 07/13 名古屋6R 6着/12頭 06/16 名古屋4R 5着/9頭 06/02 名古屋5R 7着/11頭 05/04 名古屋2R 2着/11頭+0.2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 4.7着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ 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) -46% (大幅な期待値マイナス) AI 予想勝率 1.5% (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。
5	バイオマックス自在	大畑慧（愛知）	実2.7	○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25%と適性高／同距離帯4走で勝率25%／前走2着）
前5走 07/13 名古屋6R 2着/12頭+6.0秒 01/27 名古屋7R 11着/12頭+2.7秒 01/14 名古屋4R 8着/11頭+2.0秒 01/01 名古屋4R 1着/12頭勝利 ―
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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 4走で勝率 25% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 34.7% (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	ラブウェイ自在	尾崎章（愛知）	実8.1	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場67走で勝率1%と苦戦傾向／同距離帯は64走で勝ち無し／直近3走平均3.0着と安定）
前5走 07/13 名古屋12R 2着/12頭+0.0秒 06/30 名古屋5R 2着/11頭+0.0秒 06/02 名古屋4R 5着/11頭 05/19 名古屋5R 11着/11頭+2.8秒 05/04 名古屋5R 10着/11頭+2.9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 3.0着 (安定) × 当競馬場適性 67走で勝率 1% (苦戦) ▽ 距離適性同距離は 64走で勝ち無し ○ 前走実績前走 2着 (好走) × 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 6.3% (オッズ暗示: 12.3%) ※ 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。
7	バレドラパン	細川智（愛知）	実10.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し）
前5走 07/28 名古屋6R 5着/12頭+1.0秒 07/13 名古屋6R 3着/12頭+2.0秒 06/30 名古屋12R 8着/12頭 06/16 名古屋7R 4着/10頭+0.0秒 06/02 名古屋6R 6着/12頭
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 5.3着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し ○ 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) -51% (大幅な期待値マイナス) AI 予想勝率 4.8% (オッズ暗示: 9.7%) ※ 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	フラッシュドロー	深澤杏（笠松）	実29.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場42走で勝率2%と苦戦傾向／同距離帯は46走で勝ち無し）
前5走 07/13 名古屋6R 4着/12頭+0.0秒 06/30 名古屋12R 6着/12頭+0.0秒 06/17 名古屋1R 9着/11頭 05/05 名古屋5R 11着/11頭+2.6秒 04/20 名古屋12R 11着/12頭+1.2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 6.3着 × 当競馬場適性 42走で勝率 2% (苦戦) ▽ 距離適性同距離は 46走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 2.6% (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。
9	ペクトラル逃げ	小笠羚（愛知）	実2.4	🌟◎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（直近3走で勝率33%と好調／160日ぶりの実戦）
前5走 03/11 名古屋1R 8着/10頭+1.8秒 02/26 名古屋3R 6着/11頭+1.5秒 02/09 名古屋8R 1着/12頭勝利 01/13 名古屋6R 5着/12頭+0.3秒 01/01 名古屋6R 3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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 160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 36.9% (オッズ暗示: 41.7%) ※ 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。
10	ブリッジジェイアイ追込	木之葵（愛知）	実24.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は19走で勝ち無し）
前5走 07/28 名古屋6R 6着/12頭+1.6秒 06/25 園田1R 7着/10頭 06/04 園田1R 10着/10頭 05/13 園田1R 7着/9頭+1.2秒 04/29 園田1R 5着/10頭+1.9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 7.7着 (不振) ▽ 距離適性同距離は 19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 21日の間隔 (理想的) × 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 2.3% (オッズ暗示: 4.1%) ※ 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	メイショウパンゲア	加藤誓（愛知）	実91.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場127走で勝率3%と苦戦傾向／同距離帯は111走で勝ち無し／直近3走平均11.3着と低調）
前5走 07/28 名古屋6R 12着/12頭+5.7秒 07/01 名古屋5R 11着/12頭+5.0秒 06/17 名古屋4R 11着/11頭 06/03 名古屋1R 8着/12頭+1.0秒 05/20 名古屋7R 11着/11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 11.3着 (不振) × 当競馬場適性 127走で勝率 3% (苦戦) ▽ 距離適性同距離は 111走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ 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) -32% (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。
12	スマートエラブル	丹羽克（愛知）	実19.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場40走で勝率0%と苦戦傾向／同距離帯は34走で勝ち無し）
前5走 07/13 名古屋7R 7着/12頭+3.0秒 06/30 名古屋12R 4着/12頭+0.0秒 06/16 名古屋6R 5着/10頭 05/19 名古屋6R 4着/11頭+0.7秒 05/04 名古屋7R 9着/11頭+1.9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 40走で勝率 0% (苦戦) ▽ 距離適性同距離は 34走で勝ち無し △ 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 3.1% (オッズ暗示: 5.2%) ※ 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の本命

AI評価1位

ペクトラル

騎手小笠羚（愛知）

単勝オッズ

2.4倍

AI期待値

-11%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○5バイオマックス

2.7倍

EV -6%

▲6ラブウェイ

8.1倍

EV -49%

出走馬全12頭

◎9

ペクトラル

小笠羚（愛知）

2.4倍

-11%

›

○5

バイオマックス

大畑慧（愛知）

2.7倍

-6%

›

▲6

ラブウェイ

尾崎章（愛知）

8.1倍

-49%

›

△1

ウインフルゴラ

望月洵（愛知）

12.5倍

-30%

›

△7

バレドラパン

細川智（愛知）

10.3倍

-50%

›

△12

スマートエラブル

丹羽克（愛知）

19.1倍

-40%

›

▽8

フラッシュドロー

深澤杏（笠松）

29.5倍

-22%

›

▽10

ブリッジジェイアイ

木之葵（愛知）

24.1倍

-44%

›

▽4

ヴィヴィアンワン

阪野学（愛知）

36.3倍

-46%

›

▽3

サーストンユタ

近藤颯（愛知）

104.7倍

-21%

›

▽11

メイショウパンゲア

加藤誓（愛知）

91.9倍

-31%

›

▽2

サンコルテス

友森翔（愛知）

143.7倍

+2%

›

💡 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