川崎 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 川崎競馬場ダ1500m ダート1500m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ガラデラパンテラ	田中涼（川崎）	実72.8	B× A▽勝率2% EV+16% 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 07/08 川崎2R 3着/9頭+8.0秒 06/15 川崎2R 4着/11頭+1.0秒 05/27 浦和1R 5着/10頭 05/11 川崎1R 7着/12頭+2.8秒 01/01 川崎3R 10着/12頭+2.3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 4.0着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3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 9位 / 勝率 1.6% / 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。
2	オリコウドゥビル	新原周（川崎）	推定—	B△ A▲勝率11% EV-79% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率50%と好調／前走勝利の勢い／228日ぶりの実戦）
前5走 01/03 川崎1R 1着/9頭勝利 12/19 川崎4R 3着/6頭+0.8秒 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 50% (絶好調) ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 228日休養明け × 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 0.5% ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.6% / 期待値 -80% ※ 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	ハイビッグゴールド	矢野貴（大井）	実10.9	B▲ A△勝率9% EV-3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（76日ぶりの実戦／騎手は近50戦で勝率22%）
前5走 06/04 園田10R 4着/11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 ◎ 騎手近50戦勝率 22% (好調) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 9.2%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.9% / 期待値 -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	タイムプリンス先行	佐野遥（川崎）	実24.2	B× A△勝率6% EV+35% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は5走で勝ち無し／前走3着）
前5走 06/22 浦和2R 3着/7頭+0.0秒 03/31 船橋1R 10着/12頭+2.3秒 03/19 浦和3R 4着/8頭+1.4秒 01/19 船橋2R 9着/12頭+2.6秒 11/26 浦和1R 3着/11頭+0.8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 5.7着 ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -95% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 4.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.6% / 期待値 +36% ※ 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	グアピシマ追込	加藤雄（川崎）	実59.4	B× A▽勝率1% EV-16% 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 07/27 川崎8R 4着/11頭+0.5秒 05/11 川崎2R 8着/10頭+2.0秒 04/06 川崎2R 3着/10頭+0.5秒 03/18 浦和3R 12着/12頭+1.3秒 03/03 川崎5R 6着/9頭+4.5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 5.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 23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 1.4% / 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。
6	セイカンサンラン	笹川翼（大井）	実5.9	B△ A△勝率9% EV-46% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／騎手は近50戦で勝率20%）
前5走 07/27 川崎8R 2着/11頭+0.0秒 05/20 名古屋10R 7着/11頭 04/08 園田10R 5着/8頭+2.2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 4.7着 ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 23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 1.2% (オッズ暗示: 16.9%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.0% / 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	シェナマーブル自在	神尾香（川崎）	実157.6	B× A▽勝率1% EV+13% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均2.7着と安定）
前5走 07/08 川崎2R 4着/9頭+0.0秒 06/16 川崎1R 2着/12頭+4.0秒 05/14 川崎1R 2着/8頭+1.2秒 04/10 川崎2R 7着/10頭+0.9秒 03/06 川崎1R 3着/8頭+1.0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 2.7着 (安定) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し × 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 0.1% (オッズ暗示: 0.6%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 0.7% / 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。
8	パンツオンリー	藤江渉（川崎）	実63.5	B× A▽勝率1% EV-8% 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 07/06 川崎7R 11着/12頭+3.0秒 06/25 浦和3R 1着/7頭 06/16 川崎2R 5着/12頭 03/06 川崎2R 8着/10頭+1.9秒 02/02 川崎4R 9着/9頭+1.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 7走で勝率 14% ▽ 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 10位 / 勝率 1.4% / 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。
9	クイーンズステート先行	町田直（川崎）	実81.2	B× A▽勝率1% EV-1% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 07/10 川崎5R 6着/9頭 06/15 川崎6R 8着/12頭 05/11 川崎5R 4着/11頭+1.9秒 04/06 川崎3R 3着/10頭+0.9秒 03/18 浦和3R 3着/12頭+0.2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 6.0着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.2% / 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。
10	チョコラテ	御神訓（大井）	実1.9	B○ A◎勝率29% EV-45% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 07/31 川崎6R 1着/3頭 01/03 川崎1R 2着/9頭+0.1秒 12/19 川崎4R 4着/6頭+1.5秒 ― ―
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19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 4.5% (オッズ暗示: 52.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 28.5% / 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。
11	リュウノアーチスト先行	古岡勇（川崎）	実34.2	B× A▽勝率4% EV+23% 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 07/10 川崎5R 9着/9頭 06/15 川崎6R 3着/12頭 05/26 浦和1R 5着/9頭 05/11 川崎2R 6着/10頭+1.1秒 04/20 浦和2R 4着/12頭+0.4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 5.7着 × 当競馬場適性 13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 4% (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 7位 / 勝率 3.6% / 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。
12	ヴェロオスキュラス	野畑凌（川崎）	実3.1	B🌟◎ A○勝率23% EV-27% 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100%と好調／前走勝利の勢い／騎手は近50戦で勝率24%）
前5走 07/27 川崎7R 1着/11頭勝利 07/07 川崎3R 1着/10頭 ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +181% (市場が大幅過小評価) AI 予想勝率 90.9% (オッズ暗示: 32.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 23.3% / 期待値 -28% ※ 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。
13	バードックバイパー差し	達城龍（大井）	実118.6	B× A▽勝率1% EV-9% 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 07/27 川崎8R 9着/11頭+1.8秒 07/06 川崎7R 9着/12頭+0.0秒 06/15 川崎2R 10着/11頭 05/11 川崎5R 10着/11頭+4.4秒 12/16 川崎4R 7着/12頭+2.2秒
AI 評価の内訳 — 馬番 13 ◎ 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 11走で勝率 9% ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 23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 13位 / 勝率 0.8% / 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。
14	オリコウビアリッツ先行	櫻井光（川崎）	実35.0	B△ A▽勝率3% EV+18% 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25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 07/10 川崎2R 1着/9頭 06/18 川崎1R 7着/12頭+0.0秒 01/03 川崎2R 5着/9頭+1.0秒 12/19 川崎3R 2着/6頭+0.9秒 ―
AI 評価の内訳 — 馬番 14 ◎ 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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) × 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 1.2% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.4% / 期待値 +19% ※ 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 ○

ヴェロオスキュラス

騎手野畑凌（川崎）

単勝オッズ

3.1倍

AI期待値

+181%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎10チョコラテ

1.9倍

EV -91%

▲A:△3ハイビッグゴールド

10.9倍

EV -86%

出走馬全14頭

◎A:○12

ヴェロオスキュラス

野畑凌（川崎）

3.1倍

+181%

›

○A:◎10

チョコラテ

御神訓（大井）

1.9倍

-91%

›

▲A:△3

ハイビッグゴールド

矢野貴（大井）

10.9倍

-86%

›

△A:△6

セイカンサンラン

笹川翼（大井）

5.9倍

-92%

›

△A:▽14

オリコウビアリッツ

櫻井光（川崎）

35.0倍

-58%

›

△A:▲2

オリコウドゥビル

新原周（川崎）

—

›

×A:△4

タイムプリンス

佐野遥（川崎）

24.2倍

-94%

›

×A:▽9

クイーンズステート

町田直（川崎）

81.2倍

-86%

›

×A:▽7

シェナマーブル

神尾香（川崎）

157.6倍

-83%

›

×A:▽11

リュウノアーチスト

古岡勇（川崎）

34.2倍

-99%

›

×A:▽5

グアピシマ

加藤雄（川崎）

59.4倍

-99%

›

×A:▽8

パンツオンリー

藤江渉（川崎）

63.5倍

-99%

›

×A:▽1

ガラデラパンテラ

田中涼（川崎）

72.8倍

-99%

›

×A:▽13

バードックバイパー

達城龍（大井）

118.6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 川崎競馬場ダ1500m ダート1500m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ガラデラパンテラ	田中涼（川崎）	実72.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／前走3着）
前5走 07/08 川崎2R 3着/9頭+8.0秒 06/15 川崎2R 4着/11頭+1.0秒 05/27 浦和1R 5着/10頭 05/11 川崎1R 7着/12頭+2.8秒 01/01 川崎3R 10着/12頭+2.3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 4.0着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 1.6% (オッズ暗示: 1.4%) ※ 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	オリコウドゥビル	新原周（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率50%と好調／前走勝利の勢い／228日ぶりの実戦）
前5走 01/03 川崎1R 1着/9頭勝利 12/19 川崎4R 3着/6頭+0.8秒 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 50% (絶好調) ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 228日休養明け × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 10.6% ※ 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	ハイビッグゴールド	矢野貴（大井）	実10.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（76日ぶりの実戦／騎手は近50戦で勝率22%）
前5走 06/04 園田10R 4着/11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 ◎ 騎手近50戦勝率 22% (好調) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 8.9% (オッズ暗示: 9.2%) ※ 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	タイムプリンス先行	佐野遥（川崎）	実24.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は5走で勝ち無し／前走3着）
前5走 06/22 浦和2R 3着/7頭+0.0秒 03/31 船橋1R 10着/12頭+2.3秒 03/19 浦和3R 4着/8頭+1.4秒 01/19 船橋2R 9着/12頭+2.6秒 11/26 浦和1R 3着/11頭+0.8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 5.7着 ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +35% (妙味あり) AI 予想勝率 5.6% (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。
5	グアピシマ追込	加藤雄（川崎）	実59.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 07/27 川崎8R 4着/11頭+0.5秒 05/11 川崎2R 8着/10頭+2.0秒 04/06 川崎2R 3着/10頭+0.5秒 03/18 浦和3R 12着/12頭+1.3秒 03/03 川崎5R 6着/9頭+4.5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 5.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 1.4% (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。
6	セイカンサンラン	笹川翼（大井）	実5.9	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／騎手は近50戦で勝率20%）
前5走 07/27 川崎8R 2着/11頭+0.0秒 05/20 名古屋10R 7着/11頭 04/08 園田10R 5着/8頭+2.2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 4.7着 ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 23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 9.0% (オッズ暗示: 16.9%) ※ 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。
7	シェナマーブル自在	神尾香（川崎）	実157.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均2.7着と安定）
前5走 07/08 川崎2R 4着/9頭+0.0秒 06/16 川崎1R 2着/12頭+4.0秒 05/14 川崎1R 2着/8頭+1.2秒 04/10 川崎2R 7着/10頭+0.9秒 03/06 川崎1R 3着/8頭+1.0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 2.7着 (安定) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 0.7% (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。
8	パンツオンリー	藤江渉（川崎）	実63.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 07/06 川崎7R 11着/12頭+3.0秒 06/25 浦和3R 1着/7頭 06/16 川崎2R 5着/12頭 03/06 川崎2R 8着/10頭+1.9秒 02/02 川崎4R 9着/9頭+1.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 1.4% (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	クイーンズステート先行	町田直（川崎）	実81.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 07/10 川崎5R 6着/9頭 06/15 川崎6R 8着/12頭 05/11 川崎5R 4着/11頭+1.9秒 04/06 川崎3R 3着/10頭+0.9秒 03/18 浦和3R 3着/12頭+0.2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 6.0着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 1.2% (オッズ暗示: 1.2%) ※ 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。
10	チョコラテ	御神訓（大井）	実1.9	◎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3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 07/31 川崎6R 1着/3頭 01/03 川崎1R 2着/9頭+0.1秒 12/19 川崎4R 4着/6頭+1.5秒 ― ―
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19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 28.5% (オッズ暗示: 52.6%) ※ 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。
11	リュウノアーチスト先行	古岡勇（川崎）	実34.2	▽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14走で勝ち無し）
前5走 07/10 川崎5R 9着/9頭 06/15 川崎6R 3着/12頭 05/26 浦和1R 5着/9頭 05/11 川崎2R 6着/10頭+1.1秒 04/20 浦和2R 4着/12頭+0.4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 5.7着 × 当競馬場適性 13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 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 3.6% (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	ヴェロオスキュラス	野畑凌（川崎）	実3.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率100%と好調／前走勝利の勢い／騎手は近50戦で勝率24%）
前5走 07/27 川崎7R 1着/11頭勝利 07/07 川崎3R 1着/10頭 ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 23.3% (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。
13	バードックバイパー差し	達城龍（大井）	実118.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 07/27 川崎8R 9着/11頭+1.8秒 07/06 川崎7R 9着/12頭+0.0秒 06/15 川崎2R 10着/11頭 05/11 川崎5R 10着/11頭+4.4秒 12/16 川崎4R 7着/12頭+2.2秒
AI 評価の内訳 — 馬番 13 ◎ 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 11走で勝率 9% ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) 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。
14	オリコウビアリッツ先行	櫻井光（川崎）	実35.0	▽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25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 07/10 川崎2R 1着/9頭 06/18 川崎1R 7着/12頭+0.0秒 01/03 川崎2R 5着/9頭+1.0秒 12/19 川崎3R 2着/6頭+0.9秒 ―
AI 評価の内訳 — 馬番 14 ◎ 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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 3.4% (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。

🎯 AIの本命

AI評価1位

チョコラテ

騎手御神訓（大井）

単勝オッズ

1.9倍

AI期待値

-45%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○12ヴェロオスキュラス

3.1倍

EV -27%

▲2オリコウドゥビル

—

EV —

出走馬全14頭

◎10

チョコラテ

御神訓（大井）

1.9倍

-45%

›

○12

ヴェロオスキュラス

野畑凌（川崎）

3.1倍

-27%

›

▲2

オリコウドゥビル

新原周（川崎）

—

›

△6

セイカンサンラン

笹川翼（大井）

5.9倍

-46%

›

△3

ハイビッグゴールド

矢野貴（大井）

10.9倍

-3%

›

△4

タイムプリンス

佐野遥（川崎）

24.2倍

+35%

›

▽11

リュウノアーチスト

古岡勇（川崎）

34.2倍

+23%

›

▽14

オリコウビアリッツ

櫻井光（川崎）

35.0倍

+18%

›

▽1

ガラデラパンテラ

田中涼（川崎）

72.8倍

+16%

›

▽8

パンツオンリー

藤江渉（川崎）

63.5倍

-8%

›

▽5

グアピシマ

加藤雄（川崎）

59.4倍

-16%

›

▽9

クイーンズステート

町田直（川崎）

81.2倍

-1%

›

▽13

バードックバイパー

達城龍（大井）

118.6倍

-9%

›

▽7

シェナマーブル

神尾香（川崎）

157.6倍

+13%

›

💡 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