川崎 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 川崎競馬場ダ2000m ダート2000m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	コパノモンタナ先行	和田譲（大井）	実4.8	B× A▲勝率14% EV-34% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／前走勝利の勢い／63日ぶりの実戦）
前5走 06/17 川崎7R 1着/10頭 05/13 川崎6R 2着/14頭+0.2秒 04/09 川崎8R 3着/14頭+0.5秒 03/05 川崎5R 3着/10頭+0.7秒 12/19 川崎10R 11着/14頭+2.8秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 19走で勝率 11% △ 距離適性同距離 7走で勝率 14% ◎ 前走実績前走 1着 (勢い継続) × 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 0.5% (オッズ暗示: 20.8%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 13.7% / 期待値 -34% ※ 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	バレンタインギフト逃げ	張田昂（船橋）	実16.7	B× A▽勝率3% EV-42% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率29%と適性高／直近3走平均9.7着と低調）
前5走 07/28 川崎11R 11着/14頭+1.6秒 04/22 浦和8R 4着/12頭+0.9秒 04/07 川崎11R 14着/14頭+5.1秒 03/05 川崎11R 4着/13頭+0.8秒 01/01 川崎11R 1着/11頭勝利
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 9.7着 (不振) ◎ 当競馬場適性 7走で勝率 29% (得意) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 1.4% (オッズ暗示: 6.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 3.5% / 期待値 -42% ※ 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	ワタシデイイデスカ	野畑凌（川崎）	実6.5	B○ A△勝率10% EV-37% 詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 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) +82% (市場が大幅過小評価) AI 予想勝率 28.1% (オッズ暗示: 15.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.6% / 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。
4	ハクシュ逃げ推奨	矢野貴（大井）	実6.5	B▲ A○勝率21% EV+38% 詳細▼	期待値プラスでAIの推し馬（直近3走勝率33%と上り調子／当競馬場13走で勝率38%と適性高／同距離帯で勝率38%と得意）
前5走 07/30 川崎9R 5着/11頭+1.1秒 07/09 川崎12R 1着/3頭 06/18 川崎8R 5着/10頭+0.0秒 05/12 川崎12R 3着/14頭+0.1秒 04/08 川崎9R 3着/13頭+0.4秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 13走で勝率 38% (得意) ◎ 距離適性同距離 13走で勝率 38% ◎ 馬場適性同馬場 9走で勝率 56% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 14.6% (オッズ暗示: 15.4%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 21.3% / 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	ヘニーズネフュー逃げ	新原周（川崎）	実14.9	B× A△勝率6% EV-14% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/30 川崎9R 11着/11頭+3.6秒 04/07 川崎10R 8着/12頭+2.1秒 03/02 川崎10R 2着/10頭+0.1秒 02/06 川崎10R 3着/11頭+1.1秒 01/02 川崎12R 1着/14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 8走で勝率 12% △ 距離適性同距離 9走で勝率 11% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 20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 0.5% (オッズ暗示: 6.7%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.7% / 期待値 -15% ※ 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	オリコウエルドラド逃げ	御神訓（大井）	実2.4	B△ A◎勝率24% EV-43% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率25%と適性高／同馬場状態で勝率33%／騎手は近50戦で勝率26%）
前5走 07/28 川崎11R 6着/14頭+1.0秒 04/07 川崎11R 7着/14頭+1.3秒 03/05 川崎11R 5着/13頭+1.0秒 02/03 川崎4R 1着/14頭勝利 01/04 川崎6R 1着/10頭勝利
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 ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 13.0% (オッズ暗示: 41.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 23.7% / 期待値 -43% ※ 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	ミスサラワク差し	田中涼（川崎）	実166.1	B× A▽勝率1% EV+25% 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 04/08 川崎9R 8着/13頭+1.9秒 03/05 川崎8R 6着/10頭+2.6秒 02/02 川崎9R 1着/12頭勝利 01/03 川崎9R 6着/14頭+2.5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% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 133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 13位 / 勝率 0.8% / 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。
8	ディオスパーダ逃げ推奨	町田直（川崎）	実18.3	B◎ A▽勝率5% EV-8% 詳細▼	市場が大きく過小評価、AI予想勝率37% × オッズ18.3倍で期待値+573%の有力候補（直近3走勝率67%と絶好調／騎手の手腕も後押し）
前5走 05/12 川崎12R 6着/14頭+0.5秒 09/03 名古屋10R 1着/12頭勝利 06/03 船橋6R 1着/12頭勝利 03/13 園田10R 3着/10頭+0.1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 67% (絶好調) ○ 騎手近50戦勝率 14% △ ローテーション 99日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +573% (市場が大幅過小評価) AI 予想勝率 36.8% (オッズ暗示: 5.5%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 5.0% / 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	アマビリティ差し	加藤雄（川崎）	実50.6	B× A▽勝率1% EV-25% 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 06/17 川崎6R 4着/8頭 05/14 川崎8R 3着/6頭+0.8秒 04/23 浦和9R 8着/11頭+1.7秒 04/08 川崎8R 6着/13頭+2.5秒 03/20 浦和9R 8着/9頭+2.2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 5.0着 × 当競馬場適性 12走で勝率 0% (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 11位 / 勝率 1.5% / 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。
10	リュウバター差し	山林信（川崎）	実46.9	B× A▽勝率2% 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 07/06 川崎8R 1着/9頭 06/18 川崎8R 2着/10頭 05/12 川崎12R 8着/14頭+0.7秒 04/23 浦和8R 4着/11頭+1.6秒 04/09 川崎8R 8着/14頭+2.1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 38走で勝率 11% ○ 距離適性同距離 33走で勝率 15% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 1.6% / 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	エスプリゴンザレス	佐野遥（川崎）	実45.0	B△ A▽勝率4% EV+75% 詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着）
前5走 07/30 川崎8R 2着/11頭+0.0秒 07/06 川崎9R 2着/3頭 06/16 川崎9R 6着/14頭 05/14 川崎9R 5着/13頭+0.3秒 04/07 川崎12R 3着/12頭+0.9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 3.3着 ○ 当競馬場適性 26走で勝率 19% (相性良) ○ 馬場適性同馬場 15走で勝率 20% ○ 前走実績前走 2着 (好走) ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +61% (市場が大幅過小評価) AI 予想勝率 3.6% (オッズ暗示: 2.2%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.9% / 期待値 +75% ※ 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	クレーネ自在	岡村裕（川崎）	実106.3	B× A▽勝率1% 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 07/27 川崎10R 7着/10頭+1.0秒 06/18 川崎9R 10着/11頭 05/26 浦和10R 2着/13頭 04/09 川崎9R 8着/14頭+1.5秒 03/19 浦和6R 5着/12頭+0.8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 6.3着 △ 当競馬場適性 23走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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 12位 / 勝率 1.0% / 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。
13	オウケンデューク逃げ	西啓太（大井）	実15.4	B△ A△勝率8% EV+23% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高／同距離帯7走で勝率29%／直近3走平均8.7着と低調）
前5走 07/30 川崎9R 10着/11頭+2.3秒 07/06 川崎11R 8着/9頭 03/17 浦和10R 8着/12頭+2.0秒 03/02 川崎10R 5着/10頭+1.4秒 02/06 川崎10R 4着/11頭+1.1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 8.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 7走で勝率 29% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 20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 1.4% (オッズ暗示: 6.5%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.0% / 期待値 +24% ※ 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	ノッテストラータ先行	中越琉（川崎）	実204.1	B× A▽勝率1% EV+41% 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 07/31 川崎12R 9着/10頭+1.7秒 06/16 川崎9R 10着/14頭 05/12 川崎10R 6着/14頭+2.1秒 04/08 川崎12R 12着/14頭+2.9秒 03/20 浦和10R 7着/9頭+2.1秒
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 20走で勝率 10% ○ 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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 0.7% / 期待値 +42% ※ 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 ▽

ディオスパーダ

騎手町田直（川崎）

単勝オッズ

18.3倍

AI期待値

+573%

買い目

¥800

全レースの推奨

AIの推奨本命の次点

○A:△3ワタシデイイデスカ

6.5倍

EV +82%

▲A:○4ハクシュ

6.5倍

EV -4%

出走馬全14頭

◎A:▽8

ディオスパーダ

町田直（川崎）

18.3倍

+573%

›

○A:△3

ワタシデイイデスカ

野畑凌（川崎）

6.5倍

+82%

›

▲A:○4

ハクシュ

矢野貴（大井）

6.5倍

-4%

›

△A:◎6

オリコウエルドラド

御神訓（大井）

2.4倍

-68%

›

△A:▽11

エスプリゴンザレス

佐野遥（川崎）

45.0倍

+61%

›

△A:△13

オウケンデューク

西啓太（大井）

15.4倍

-77%

›

×A:▽2

バレンタインギフト

張田昂（船橋）

16.7倍

-76%

›

×A:△5

ヘニーズネフュー

新原周（川崎）

14.9倍

-92%

›

×A:▲1

コパノモンタナ

和田譲（大井）

4.8倍

-97%

›

×A:▽10

リュウバター

山林信（川崎）

46.9倍

-99%

›

×A:▽9

アマビリティ

加藤雄（川崎）

50.6倍

-99%

›

×A:▽12

クレーネ

岡村裕（川崎）

106.3倍

-99%

›

×A:▽7

ミスサラワク

田中涼（川崎）

166.1倍

-99%

›

×A:▽14

ノッテストラータ

中越琉（川崎）

204.1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

単勝 4 ハクシュ ¥100 実6.5倍期待値 -5% ❌不的中単勝 6.5倍

B. 市場除外+キャリブ

単勝 8 ディオスパーダ ¥800 実18.3倍期待値 +574% ❌不的中単勝 18.3倍

※ オッズは予測時点の値です。

12R 川崎競馬場ダ2000m ダート2000m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	コパノモンタナ先行	和田譲（大井）	実4.8	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い／63日ぶりの実戦）
前5走 06/17 川崎7R 1着/10頭 05/13 川崎6R 2着/14頭+0.2秒 04/09 川崎8R 3着/14頭+0.5秒 03/05 川崎5R 3着/10頭+0.7秒 12/19 川崎10R 11着/14頭+2.8秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 19走で勝率 11% △ 距離適性同距離 7走で勝率 14% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 13.7% (オッズ暗示: 20.8%) ※ 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。
2	バレンタインギフト逃げ	張田昂（船橋）	実16.7	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率29%と適性高／直近3走平均9.7着と低調）
前5走 07/28 川崎11R 11着/14頭+1.6秒 04/22 浦和8R 4着/12頭+0.9秒 04/07 川崎11R 14着/14頭+5.1秒 03/05 川崎11R 4着/13頭+0.8秒 01/01 川崎11R 1着/11頭勝利
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 9.7着 (不振) ◎ 当競馬場適性 7走で勝率 29% (得意) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 3.5% (オッズ暗示: 6.0%) ※ 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。
3	ワタシデイイデスカ	野畑凌（川崎）	実6.5	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 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) -38% (大幅な期待値マイナス) AI 予想勝率 9.6% (オッズ暗示: 15.4%) ※ 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。
4	ハクシュ逃げ推奨	矢野貴（大井）	実6.5	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+38%の妙味（直近3走勝率33%と上り調子／当競馬場13走で勝率38%と適性高／同距離帯で勝率38%と得意）
前5走 07/30 川崎9R 5着/11頭+1.1秒 07/09 川崎12R 1着/3頭 06/18 川崎8R 5着/10頭+0.0秒 05/12 川崎12R 3着/14頭+0.1秒 04/08 川崎9R 3着/13頭+0.4秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 13走で勝率 38% (得意) ◎ 距離適性同距離 13走で勝率 38% ◎ 馬場適性同馬場 9走で勝率 56% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 20日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 21.3% (オッズ暗示: 15.4%) ※ 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。
5	ヘニーズネフュー逃げ	新原周（川崎）	実14.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 07/30 川崎9R 11着/11頭+3.6秒 04/07 川崎10R 8着/12頭+2.1秒 03/02 川崎10R 2着/10頭+0.1秒 02/06 川崎10R 3着/11頭+1.1秒 01/02 川崎12R 1着/14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 8走で勝率 12% △ 距離適性同距離 9走で勝率 11% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 5.7% (オッズ暗示: 6.7%) ※ 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	オリコウエルドラド逃げ	御神訓（大井）	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（当競馬場8走で勝率25%と適性高／同馬場状態で勝率33%／騎手は近50戦で勝率26%）
前5走 07/28 川崎11R 6着/14頭+1.0秒 04/07 川崎11R 7着/14頭+1.3秒 03/05 川崎11R 5着/13頭+1.0秒 02/03 川崎4R 1着/14頭勝利 01/04 川崎6R 1着/10頭勝利
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 ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 23.7% (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。
7	ミスサラワク差し	田中涼（川崎）	実166.1	▽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 04/08 川崎9R 8着/13頭+1.9秒 03/05 川崎8R 6着/10頭+2.6秒 02/02 川崎9R 1着/12頭勝利 01/03 川崎9R 6着/14頭+2.5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% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 133日休養明け △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 0.8% (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	ディオスパーダ逃げ推奨	町田直（川崎）	実18.3	▽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／騎手の手腕も後押し）
前5走 05/12 川崎12R 6着/14頭+0.5秒 09/03 名古屋10R 1着/12頭勝利 06/03 船橋6R 1着/12頭勝利 03/13 園田10R 3着/10頭+0.1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 67% (絶好調) ○ 騎手近50戦勝率 14% △ ローテーション 99日休養明け △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 5.0% (オッズ暗示: 5.5%) ※ 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。
9	アマビリティ差し	加藤雄（川崎）	実50.6	▽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／63日ぶりの実戦）
前5走 06/17 川崎6R 4着/8頭 05/14 川崎8R 3着/6頭+0.8秒 04/23 浦和9R 8着/11頭+1.7秒 04/08 川崎8R 6着/13頭+2.5秒 03/20 浦和9R 8着/9頭+2.2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 5.0着 × 当競馬場適性 12走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 1.5% (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。
10	リュウバター差し	山林信（川崎）	実46.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/06 川崎8R 1着/9頭 06/18 川崎8R 2着/10頭 05/12 川崎12R 8着/14頭+0.7秒 04/23 浦和8R 4着/11頭+1.6秒 04/09 川崎8R 8着/14頭+2.1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 38走で勝率 11% ○ 距離適性同距離 33走で勝率 15% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 2.1%) ※ 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	エスプリゴンザレス	佐野遥（川崎）	実45.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着）
前5走 07/30 川崎8R 2着/11頭+0.0秒 07/06 川崎9R 2着/3頭 06/16 川崎9R 6着/14頭 05/14 川崎9R 5着/13頭+0.3秒 04/07 川崎12R 3着/12頭+0.9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 3.3着 ○ 当競馬場適性 26走で勝率 19% (相性良) ○ 馬場適性同馬場 15走で勝率 20% ○ 前走実績前走 2着 (好走) ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +75% (市場が大幅過小評価) AI 予想勝率 3.9% (オッズ暗示: 2.2%) ※ 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。
12	クレーネ自在	岡村裕（川崎）	実106.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/27 川崎10R 7着/10頭+1.0秒 06/18 川崎9R 10着/11頭 05/26 浦和10R 2着/13頭 04/09 川崎9R 8着/14頭+1.5秒 03/19 浦和6R 5着/12頭+0.8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 6.3着 △ 当競馬場適性 23走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) +7% (市場と概ね一致) AI 予想勝率 1.0% (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。
13	オウケンデューク逃げ	西啓太（大井）	実15.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高／同距離帯7走で勝率29%／直近3走平均8.7着と低調）
前5走 07/30 川崎9R 10着/11頭+2.3秒 07/06 川崎11R 8着/9頭 03/17 浦和10R 8着/12頭+2.0秒 03/02 川崎10R 5着/10頭+1.4秒 02/06 川崎10R 4着/11頭+1.1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 8.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 7走で勝率 29% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 8.0% (オッズ暗示: 6.5%) ※ 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。
14	ノッテストラータ先行	中越琉（川崎）	実204.1	▽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 07/31 川崎12R 9着/10頭+1.7秒 06/16 川崎9R 10着/14頭 05/12 川崎10R 6着/14頭+2.1秒 04/08 川崎12R 12着/14頭+2.9秒 03/20 浦和10R 7着/9頭+2.1秒
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 20走で勝率 10% ○ 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) +41% (妙味あり) AI 予想勝率 0.7% (オッズ暗示: 0.5%) ※ 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

オリコウエルドラド

騎手御神訓（大井）

単勝オッズ

2.4倍

AI期待値

-43%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○4ハクシュ

6.5倍

EV +38%

▲1コパノモンタナ

4.8倍

EV -34%

出走馬全14頭

◎6

オリコウエルドラド

御神訓（大井）

2.4倍

-43%

›

○4

ハクシュ

矢野貴（大井）

6.5倍

+38%

›

▲1

コパノモンタナ

和田譲（大井）

4.8倍

-34%

›

△3

ワタシデイイデスカ

野畑凌（川崎）

6.5倍

-37%

›

△13

オウケンデューク

西啓太（大井）

15.4倍

+23%

›

△5

ヘニーズネフュー

新原周（川崎）

14.9倍

-14%

›

▽8

ディオスパーダ

町田直（川崎）

18.3倍

-8%

›

▽11

エスプリゴンザレス

佐野遥（川崎）

45.0倍

+75%

›

▽2

バレンタインギフト

張田昂（船橋）

16.7倍

-42%

›

▽10

リュウバター

山林信（川崎）

46.9倍

-26%

›

▽9

アマビリティ

加藤雄（川崎）

50.6倍

-25%

›

▽12

クレーネ

岡村裕（川崎）

106.3倍

+7%

›

▽7

ミスサラワク

田中涼（川崎）

166.1倍

+25%

›

▽14

ノッテストラータ

中越琉（川崎）

204.1倍

+41%

›

💡 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

単勝 4 ハクシュ ¥100 実6.5倍期待値 +38% ❌不的中単勝 6.5倍

B. 市場除外+キャリブ

単勝 8 ディオスパーダ ¥800 実18.3倍期待値 -9% ❌不的中単勝 18.3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