川崎 11R 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

11R 川崎競馬場スパーキングサマーカップダ1600m ダート1600m　発走 20:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヴィクトゥーラ差し	張田昂（船橋）	実105.8	B× A▽勝率1% EV-4% 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 07/29 川崎11R 5着/10頭+1.4秒 04/02 船橋12R 4着/11頭+0.9秒 03/10 船橋11R 2着/9頭+0.1秒 02/12 船橋11R 2着/13頭+0.2秒 01/03 川崎11R 4着/11頭+2.4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 3.7着 ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 14走で勝率 29% ◎ 馬場適性同馬場 11走で勝率 36% ○ 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 0.9% / 期待値 -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	ゴールドホイヤー追込	古岡勇（川崎）	実151.7	B× A▽勝率0% 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 02/05 川崎8R 2着/5頭+0.0秒 01/03 川崎11R 8着/11頭+3.7秒 12/16 川崎11R 6着/10頭+2.8秒 04/10 川崎10R 3着/9頭+1.0秒 01/03 川崎11R 8着/12頭+2.2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 5.3着 × 当競馬場適性 12走で勝率 0% (苦戦) △ 距離適性同距離 16走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) △ ローテーション 195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 0.5% / 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。
3	ポリゴンウェイヴ逃げ	山中悠（船橋）	実53.1	B× A▽勝率2% EV0% 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 06/11 大井11R 6着/12頭+1.0秒 05/12 川崎11R 7着/12頭+1.6秒 02/01 315R 4着/11頭+0.2秒 12/23 浦和11R 3着/13頭+0.6秒 10/17 園田11R 1着/11頭勝利
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 5.7着 △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 11走で勝率 9% ◎ 馬場適性同馬場 15走で勝率 33% ○ 騎手近50戦勝率 14% × 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 1.9% / 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。
4	バハルダール自在	鷹見陸（大井）	実49.5	B× A▽勝率2% 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 07/22 大井11R 8着/15頭+2.0秒 07/02 大井11R 2着/10頭 05/20 大井11R 14着/16頭 04/28 大井11R 9着/16頭+2.4秒 12/29 大井9R 14着/15頭+4.7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 8.0着 (不振) ○ 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) -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 2.2% / 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。
5	グレートジャーニー追込	見越彬（浦和）	実287.4	B× A▽勝率0% EV+43% 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 04/03 船橋7R 6着/9頭+2.6秒 12/24 浦和11R 12着/12頭+2.4秒 12/12 船橋9R 4着/8頭+0.3秒 11/27 浦和10R 10着/12頭+1.8秒 11/12 大井12R 9着/12頭+1.8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 7.3着 (不振) ○ 当競馬場適性 10走で勝率 20% (相性良) △ 距離適性同距離 9走で勝率 11% ◎ 馬場適性同馬場 21走で勝率 33% △ ローテーション 138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 11位 / 勝率 0.5% / 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。
6	サヨノネイチヤ差し	西啓太（大井）	実7.1	B△ A△勝率7% EV-51% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯9走で勝率67%／同馬場状態で勝率56%）
前5走 07/22 大井11R 4着/15頭+1.5秒 05/20 大井11R 2着/16頭+4.0秒 04/16 大井11R 12着/16頭+3.2秒 05/06 名古屋11R 8着/12頭+3.3秒 04/09 川崎11R 7着/13頭+1.8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 6.0着 ◎ 距離適性同距離 9走で勝率 67% ◎ 馬場適性同馬場 9走で勝率 56% ○ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 14.1%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 6.8% / 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。
7	ベラール追込	町田直（川崎）	実85.0	B× A▽勝率2% EV+39% 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 07/09 川崎11R 3着/14頭 05/14 川崎11R 6着/9頭+1.0秒 04/09 川崎11R 5着/14頭+1.9秒 12/16 川崎11R 10着/10頭+5.0秒 11/27 浦和10R 3着/12頭+0.7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 4.7着 ○ 当競馬場適性 22走で勝率 18% (相性良) △ 距離適性同距離 11走で勝率 9% ◎ 馬場適性同馬場 13走で勝率 31% ○ 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) -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 +39% ※ 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	ベアバッキューン逃げ	野畑凌（川崎）	実2.5	B🌟◎ A🌟◎勝率50% EV+25% 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7走で勝率86%と適性高／同距離帯4走で勝率50%／同馬場状態で勝率50%）
前5走 07/09 川崎11R 1着/14頭 05/27 浦和11R 12着/13頭+4.0秒 05/05 船橋11R 10着/13頭+3.6秒 04/09 川崎11R 1着/14頭勝利 02/26 浦和11R 5着/13頭+0.8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 86% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 馬場適性同馬場 6走で勝率 50% ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) 🌟◎ 期待値 (オッズ vs AI勝率) +68% (市場が大幅過小評価) AI 予想勝率 67.5% (オッズ暗示: 40.0%) 🌟◎ Aモデルの評価 (参考) レース内 1位 / 勝率 50.1% / 期待値 +25% ※ 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	シーソーゲーム先行	矢野貴（大井）	実12.1	B△ A△勝率6% EV-27% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率24%）
前5走 07/09 川崎11R 6着/14頭+0.0秒 01/22 船橋11R 3着/9頭+0.2秒 12/29 大井9R 9着/15頭+1.9秒 12/09 船橋11R 1着/8頭勝利 11/04 船橋11R 3着/14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 ◎ 騎手近50戦勝率 24% (好調) × 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: 8.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.0% / 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。
10	ジョージテソーロ先行	本田重（船橋）	実3.0	B▲ A○勝率16% EV-50% 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／84日ぶりの実戦）
前5走 05/27 浦和11R 6着/13頭 05/05 船橋11R 5着/13頭+1.7秒 03/31 船橋11R 1着/14頭勝利 03/10 大井11R 2着/16頭+0.4秒 02/26 浦和11R 1着/13頭勝利
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) ○ 騎手近50戦勝率 16% × 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 2.7% (オッズ暗示: 33.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.4% / 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。
11	アランバローズ逃げ推奨	笹川翼（大井）	実5.0	B○ A▲勝率9% EV-52% 詳細▼	オッズに対しAI予想勝率がやや高め、期待値+43%の妙味（直近3走勝率67%と絶好調／当競馬場12走で勝率42%と適性高／同距離帯で勝率35%と得意）
前5走 07/09 川崎11R 11着/14頭 06/03 船橋11R 1着/14頭 01/03 川崎11R 1着/11頭勝利 12/16 川崎11R 1着/10頭勝利 10/22 大井11R 14着/16頭+2.1秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 20走で勝率 35% ○ 馬場適性同馬場 15走で勝率 20% ◎ 騎手近50戦勝率 20% (好調) ▽ 前走実績前走 11着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 28.7% (オッズ暗示: 20.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.5% / 期待値 -53% ※ 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	ゴールドレガシー差し	御神訓（大井）	実22.3	B△ A△勝率4% EV-20% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率33%と適性高／直近3走平均8.3着と低調／騎手は近50戦で勝率26%）
前5走 07/22 大井11R 9着/15頭+2.0秒 04/16 大井11R 10着/16頭+2.3秒 03/31 船橋11R 6着/14頭+1.3秒 01/03 川崎11R 3着/11頭+2.0秒 10/22 大井11R 1着/16頭勝利
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 8.3着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 距離適性同距離 16走で勝率 19% ◎ 騎手近50戦勝率 26% (好調) ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 4.5%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.6% / 期待値 -21% ※ 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 ◎

ベアバッキューン

騎手野畑凌（川崎）

単勝オッズ

2.5倍

AI期待値

+68%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲11アランバローズ

5.0倍

EV +43%

▲A:○10ジョージテソーロ

3.0倍

EV -91%

出走馬全12頭

◎A:◎8

ベアバッキューン

野畑凌（川崎）

2.5倍

+68%

›

○A:▲11

アランバローズ

笹川翼（大井）

5.0倍

+43%

›

▲A:○10

ジョージテソーロ

本田重（船橋）

3.0倍

-91%

›

△A:△9

シーソーゲーム

矢野貴（大井）

12.1倍

-92%

›

△A:△12

ゴールドレガシー

御神訓（大井）

22.3倍

-92%

›

△A:△6

サヨノネイチヤ

西啓太（大井）

7.1倍

-99%

›

×A:▽4

バハルダール

鷹見陸（大井）

49.5倍

-99%

›

×A:▽3

ポリゴンウェイヴ

山中悠（船橋）

53.1倍

-99%

›

×A:▽7

ベラール

町田直（川崎）

85.0倍

-99%

›

×A:▽1

ヴィクトゥーラ

張田昂（船橋）

105.8倍

-99%

›

×A:▽2

ゴールドホイヤー

古岡勇（川崎）

151.7倍

-99%

›

×A:▽5

グレートジャーニー

見越彬（浦和）

287.4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 11 アランバローズ ¥200 実5.0倍期待値 +43% ❌不的中3着単勝 5.0倍

※ オッズは予測時点の値です。

11R 川崎競馬場スパーキングサマーカップダ1600m ダート1600m　発走 20:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヴィクトゥーラ差し	張田昂（船橋）	実105.8	▽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33%と適性高／同距離帯14走で勝率29%／同馬場状態で勝率36%）
前5走 07/29 川崎11R 5着/10頭+1.4秒 04/02 船橋12R 4着/11頭+0.9秒 03/10 船橋11R 2着/9頭+0.1秒 02/12 船橋11R 2着/13頭+0.2秒 01/03 川崎11R 4着/11頭+2.4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 3.7着 ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 14走で勝率 29% ◎ 馬場適性同馬場 11走で勝率 36% ○ 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) -4% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 0.9%) ※ 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。
2	ゴールドホイヤー追込	古岡勇（川崎）	実151.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率0%と苦戦傾向／前走2着／195日ぶりの実戦）
前5走 02/05 川崎8R 2着/5頭+0.0秒 01/03 川崎11R 8着/11頭+3.7秒 12/16 川崎11R 6着/10頭+2.8秒 04/10 川崎10R 3着/9頭+1.0秒 01/03 川崎11R 8着/12頭+2.2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 5.3着 × 当競馬場適性 12走で勝率 0% (苦戦) △ 距離適性同距離 16走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) △ ローテーション 195日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 0.5% (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	ポリゴンウェイヴ逃げ	山中悠（船橋）	実53.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%／69日ぶりの実戦）
前5走 06/11 大井11R 6着/12頭+1.0秒 05/12 川崎11R 7着/12頭+1.6秒 02/01 315R 4着/11頭+0.2秒 12/23 浦和11R 3着/13頭+0.6秒 10/17 園田11R 1着/11頭勝利
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 5.7着 △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 11走で勝率 9% ◎ 馬場適性同馬場 15走で勝率 33% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 1.9% (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	バハルダール自在	鷹見陸（大井）	実49.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 07/22 大井11R 8着/15頭+2.0秒 07/02 大井11R 2着/10頭 05/20 大井11R 14着/16頭 04/28 大井11R 9着/16頭+2.4秒 12/29 大井9R 14着/15頭+4.7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 8.0着 (不振) ○ 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) +7% (市場と概ね一致) AI 予想勝率 2.2% (オッズ暗示: 2.0%) ※ 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。
5	グレートジャーニー追込	見越彬（浦和）	実287.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%／138日ぶりの実戦）
前5走 04/03 船橋7R 6着/9頭+2.6秒 12/24 浦和11R 12着/12頭+2.4秒 12/12 船橋9R 4着/8頭+0.3秒 11/27 浦和10R 10着/12頭+1.8秒 11/12 大井12R 9着/12頭+1.8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 7.3着 (不振) ○ 当競馬場適性 10走で勝率 20% (相性良) △ 距離適性同距離 9走で勝率 11% ◎ 馬場適性同馬場 21走で勝率 33% △ ローテーション 138日休養明け ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 0.5% (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。
6	サヨノネイチヤ差し	西啓太（大井）	実7.1	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯9走で勝率67%／同馬場状態で勝率56%）
前5走 07/22 大井11R 4着/15頭+1.5秒 05/20 大井11R 2着/16頭+4.0秒 04/16 大井11R 12着/16頭+3.2秒 05/06 名古屋11R 8着/12頭+3.3秒 04/09 川崎11R 7着/13頭+1.8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 6.0着 ◎ 距離適性同距離 9走で勝率 67% ◎ 馬場適性同馬場 9走で勝率 56% ○ 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) -51% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 14.1%) ※ 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。
7	ベラール追込	町田直（川崎）	実85.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率31%／前走3着）
前5走 07/09 川崎11R 3着/14頭 05/14 川崎11R 6着/9頭+1.0秒 04/09 川崎11R 5着/14頭+1.9秒 12/16 川崎11R 10着/10頭+5.0秒 11/27 浦和10R 3着/12頭+0.7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 4.7着 ○ 当競馬場適性 22走で勝率 18% (相性良) △ 距離適性同距離 11走で勝率 9% ◎ 馬場適性同馬場 13走で勝率 31% ○ 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) +39% (妙味あり) AI 予想勝率 1.6% (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。
8	ベアバッキューン逃げ	野畑凌（川崎）	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（当競馬場7走で勝率86%と適性高／同距離帯4走で勝率50%／同馬場状態で勝率50%）
前5走 07/09 川崎11R 1着/14頭 05/27 浦和11R 12着/13頭+4.0秒 05/05 船橋11R 10着/13頭+3.6秒 04/09 川崎11R 1着/14頭勝利 02/26 浦和11R 5着/13頭+0.8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 86% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 馬場適性同馬場 6走で勝率 50% ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 50.1% (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。
9	シーソーゲーム先行	矢野貴（大井）	実12.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率24%）
前5走 07/09 川崎11R 6着/14頭+0.0秒 01/22 船橋11R 3着/9頭+0.2秒 12/29 大井9R 9着/15頭+1.9秒 12/09 船橋11R 1着/8頭勝利 11/04 船橋11R 3着/14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 ◎ 騎手近50戦勝率 24% (好調) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 6.0% (オッズ暗示: 8.3%) ※ 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。
10	ジョージテソーロ先行	本田重（船橋）	実3.0	○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／84日ぶりの実戦）
前5走 05/27 浦和11R 6着/13頭 05/05 船橋11R 5着/13頭+1.7秒 03/31 船橋11R 1着/14頭勝利 03/10 大井11R 2着/16頭+0.4秒 02/26 浦和11R 1着/13頭勝利
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) ○ 騎手近50戦勝率 16% × 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 16.4% (オッズ暗示: 33.3%) ※ 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	アランバローズ逃げ推奨	笹川翼（大井）	実5.0	▲詳細▼	期待値プラスでAIの推し馬（直近3走勝率67%と絶好調／当競馬場12走で勝率42%と適性高／同距離帯で勝率35%と得意）
前5走 07/09 川崎11R 11着/14頭 06/03 船橋11R 1着/14頭 01/03 川崎11R 1着/11頭勝利 12/16 川崎11R 1着/10頭勝利 10/22 大井11R 14着/16頭+2.1秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 20走で勝率 35% ○ 馬場適性同馬場 15走で勝率 20% ◎ 騎手近50戦勝率 20% (好調) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 9.5% (オッズ暗示: 20.0%) ※ 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。
12	ゴールドレガシー差し	御神訓（大井）	実22.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率33%と適性高／直近3走平均8.3着と低調／騎手は近50戦で勝率26%）
前5走 07/22 大井11R 9着/15頭+2.0秒 04/16 大井11R 10着/16頭+2.3秒 03/31 船橋11R 6着/14頭+1.3秒 01/03 川崎11R 3着/11頭+2.0秒 10/22 大井11R 1着/16頭勝利
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 8.3着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 距離適性同距離 16走で勝率 19% ◎ 騎手近50戦勝率 26% (好調) ○ 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) -21% (オッズ過剰評価) AI 予想勝率 3.6% (オッズ暗示: 4.5%) ※ 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。

🎯 AIの本命

AI評価1位

ベアバッキューン

騎手野畑凌（川崎）

単勝オッズ

2.5倍

AI期待値

+25%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○10ジョージテソーロ

3.0倍

EV -50%

▲11アランバローズ

5.0倍

EV -52%

出走馬全12頭

◎8

ベアバッキューン

野畑凌（川崎）

2.5倍

+25%

›

○10

ジョージテソーロ

本田重（船橋）

3.0倍

-50%

›

▲11

アランバローズ

笹川翼（大井）

5.0倍

-52%

›

△6

サヨノネイチヤ

西啓太（大井）

7.1倍

-51%

›

△9

シーソーゲーム

矢野貴（大井）

12.1倍

-27%

›

△12

ゴールドレガシー

御神訓（大井）

22.3倍

-20%

›

▽4

バハルダール

鷹見陸（大井）

49.5倍

+7%

›

▽3

ポリゴンウェイヴ

山中悠（船橋）

53.1倍

›

▽7

ベラール

町田直（川崎）

85.0倍

+39%

›

▽1

ヴィクトゥーラ

張田昂（船橋）

105.8倍

-4%

›

▽5

グレートジャーニー

見越彬（浦和）

287.4倍

+43%

›

▽2

ゴールドホイヤー

古岡勇（川崎）

151.7倍

-26%

›

💡 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 11 アランバローズ ¥200 実5.0倍期待値 -53% ❌不的中3着単勝 5.0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