名古屋 4R 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

4R 名古屋競馬場ダ1400m ダート1400m　発走 15:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スイングボーイ	大畑慧（愛知）	実9.7	B△ A△勝率7% EV-33% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場35走で勝率3%と苦戦傾向／同距離帯は34走で勝ち無し／前走2着）
前5走 07/29 名古屋2R 2着/11頭+0.3秒 07/02 名古屋12R 9着/12頭+0.0秒 06/19 名古屋1R 5着/10頭 06/04 名古屋3R 8着/12頭 05/22 名古屋5R 8着/10頭
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 5.3着 × 当競馬場適性 35走で勝率 3% (苦戦) ▽ 距離適性同距離は 34走で勝ち無し ○ 前走実績前走 2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 0.7% (オッズ暗示: 10.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.8% / 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	モンサンケイティ	細川智（愛知）	実49.6	B× A▽勝率2% EV+6% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場26走で勝率4%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 07/14 名古屋12R 10着/11頭 07/02 名古屋3R 7着/12頭+1.0秒 06/19 名古屋1R 6着/10頭 06/03 名古屋12R 2着/12頭+6.0秒 05/21 名古屋3R 7着/10頭
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 26走で勝率 4% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) × 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 0.5% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.2% / 期待値 +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	サイコロチャン追込	松本一（笠松）	実7.7	B× A△勝率8% 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 06/30 名古屋6R 2着/12頭+0.0秒 06/16 名古屋7R 3着/10頭+1.0秒 05/19 名古屋7R 10着/11頭+3.4秒 12/09 名古屋8R 9着/12頭+2.1秒 11/25 名古屋4R 10着/12頭+5.4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 5.0着 △ 当競馬場適性 43走で勝率 7% △ 距離適性同距離 38走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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 5位 / 勝率 7.6% / 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。
4	レイナティア	小笠羚（愛知）	実3.5	B▲ A○勝率22% EV-24% 詳細▼	AI上位評価だが期待値不足、見送り
前5走 07/29 名古屋3R 6着/12頭+1.2秒 07/14 名古屋6R 2着/12頭 07/01 名古屋6R 2着/12頭 06/17 名古屋5R 5着/11頭 01/03 名古屋11R 7着/12頭+2.1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 3.3着 ○ 当競馬場適性 17走で勝率 18% (相性良) △ 距離適性同距離 15走で勝率 13% △ 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) -51% (大幅な期待値マイナス) AI 予想勝率 14.0% (オッズ暗示: 28.6%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 21.6% / 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。
5	レーヴエスポワール追込	筒井勇（笠松）	実15.3	B× A▽勝率4% EV-43% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場9走で勝率0%と苦戦傾向／同距離帯は38走で勝ち無し）
前5走 07/29 名古屋3R 7着/12頭+1.4秒 07/14 名古屋8R 5着/12頭 06/05 名古屋5R 9着/12頭+0.0秒 05/22 名古屋8R 8着/11頭 04/24 名古屋4R 8着/12頭+2.3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 7.0着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 38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) -98% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 6.5%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.7% / 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。
6	シグナトリー	深澤杏（笠松）	実64.0	B× A×勝率1% EV-63% 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12R 9着/10頭+1.9秒 07/13 名古屋7R 11着/12頭+3.0秒 06/30 名古屋12R 3着/12頭+2.0秒 06/17 名古屋1R 7着/11頭 06/02 名古屋7R 11着/12頭+0.0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 7.7着 (不振) × 当競馬場適性 42走で勝率 2% (苦戦) ▽ 距離適性同距離は 38走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -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 -64% ※ 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	クールシェリー推奨	大畑雅（愛知）	実11.1	B△ A▲勝率16% EV+77% 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）
前5走 07/14 名古屋12R 6着/11頭+0.0秒 07/02 名古屋3R 6着/12頭+1.0秒 06/17 名古屋1R 1着/11頭 06/02 名古屋6R 4着/12頭 05/19 名古屋12R 7着/11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戦の調子勝率 33% (上り調子) △ 当競馬場適性 21走で勝率 10% △ 距離適性同距離 23走で勝率 9% × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 4.1% (オッズ暗示: 9.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 16.0% / 期待値 +77% ※ 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	ノース	近藤颯（愛知）	実33.5	B△ A▽勝率2% EV-19% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場57走で勝率4%と苦戦傾向／直近3走平均8.0着と低調）
前5走 07/29 名古屋12R 10着/12頭+3.0秒 07/14 名古屋8R 9着/12頭+2.0秒 06/18 名古屋12R 5着/12頭 06/04 名古屋2R 6着/11頭 05/20 名古屋2R 1着/10頭
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 8.0着 (不振) × 当競馬場適性 57走で勝率 4% (苦戦) △ 距離適性同距離 56走で勝率 5% ○ 騎手近50戦勝率 14% ▽ 前走実績前走 10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) -76% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.4% / 期待値 -20% ※ 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	フランキンローズ	阪野学（愛知）	実78.8	B× A▽勝率1% EV-32% 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 名古屋3R 9着/12頭+3.3秒 07/14 名古屋8R 10着/12頭 07/02 名古屋12R 3着/12頭 06/19 名古屋1R 9着/10頭 06/04 名古屋3R 11着/12頭+0.0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 7.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し △ 騎手近50戦勝率 2% (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 11位 / 勝率 0.9% / 期待値 -33% ※ 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	グランリッジライン	望月洵（愛知）	実2.9	B🌟◎ A◎勝率29% EV-14% 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14走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均3.0着と安定）
前5走 07/29 名古屋2R 4着/11頭+1.2秒 07/01 名古屋6R 3着/12頭 06/17 名古屋12R 2着/12頭 05/25 名古屋12R 7着/11頭 05/06 名古屋12R 6着/12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 3.0着 (安定) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) ○ 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) +66% (市場が大幅過小評価) AI 予想勝率 57.5% (オッズ暗示: 34.5%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 29.4% / 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。
11	ローゼオ	柿原翔（愛知）	実30.4	B× A×勝率1% EV-61% 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 名古屋3R 12着/12頭+4.3秒 07/14 名古屋12R 5着/11頭 07/02 名古屋3R 8着/12頭 06/18 名古屋7R 10着/11頭 06/04 名古屋2R 11着/11頭+3.0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 8.3着 (不振) × 当競馬場適性 117走で勝率 3% (苦戦) ▽ 距離適性同距離は 108走で勝ち無し △ 騎手近50戦勝率 4% (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 10位 / 勝率 1.3% / 期待値 -61% ※ 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	ヴァスキアン逃げ推奨	丹羽克（愛知）	実7.8	B○ A△勝率8% EV-40% 詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+73%の中穴候補（同距離帯で勝率20%）
前5走 07/14 名古屋12R 7着/11頭 07/03 名古屋9R 8着/12頭 02/10 名古屋10R 10着/11頭+2.0秒 01/30 名古屋12R 5着/12頭+0.9秒 01/16 名古屋10R 8着/12頭+1.5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 8.3着 (不振) △ 当競馬場適性 22走で勝率 14% ○ 距離適性同距離 15走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +73% (市場が大幅過小評価) AI 予想勝率 22.3% (オッズ暗示: 12.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.7% / 期待値 -40% ※ 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 ◎

グランリッジライン

騎手望月洵（愛知）

単勝オッズ

2.9倍

AI期待値

+66%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:△12ヴァスキアン

7.8倍

EV +73%

▲A:○4レイナティア

3.5倍

EV -50%

出走馬全12頭

◎A:◎10

グランリッジライン

望月洵（愛知）

2.9倍

+66%

›

○A:△12

ヴァスキアン

丹羽克（愛知）

7.8倍

+73%

›

▲A:○4

レイナティア

小笠羚（愛知）

3.5倍

-50%

›

△A:▲7

クールシェリー

大畑雅（愛知）

11.1倍

-54%

›

△A:△1

スイングボーイ

大畑慧（愛知）

9.7倍

-93%

›

△A:▽8

ノース

近藤颯（愛知）

33.5倍

-76%

›

×A:▽2

モンサンケイティ

細川智（愛知）

49.6倍

-76%

›

×A:▽5

レーヴエスポワール

筒井勇（笠松）

15.3倍

-97%

›

×A:△3

サイコロチャン

松本一（笠松）

7.7倍

-99%

›

×A:×11

ローゼオ

柿原翔（愛知）

30.4倍

-99%

›

×A:×6

シグナトリー

深澤杏（笠松）

64.0倍

-99%

›

×A:▽9

フランキンローズ

阪野学（愛知）

78.8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 7 クールシェリー ¥100 実11.1倍期待値 -54% ❌不的中7着単勝 11.1倍

B. 市場除外+キャリブ

単勝 12 ヴァスキアン ¥200 実7.8倍期待値 +74% ❌不的中8着単勝 7.8倍

※ オッズは予測時点の値です。

4R 名古屋競馬場ダ1400m ダート1400m　発走 15:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スイングボーイ	大畑慧（愛知）	実9.7	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場35走で勝率3%と苦戦傾向／同距離帯は34走で勝ち無し／前走2着）
前5走 07/29 名古屋2R 2着/11頭+0.3秒 07/02 名古屋12R 9着/12頭+0.0秒 06/19 名古屋1R 5着/10頭 06/04 名古屋3R 8着/12頭 05/22 名古屋5R 8着/10頭
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 5.3着 × 当競馬場適性 35走で勝率 3% (苦戦) ▽ 距離適性同距離は 34走で勝ち無し ○ 前走実績前走 2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) -34% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 10.3%) ※ 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	モンサンケイティ	細川智（愛知）	実49.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場26走で勝率4%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 07/14 名古屋12R 10着/11頭 07/02 名古屋3R 7着/12頭+1.0秒 06/19 名古屋1R 6着/10頭 06/03 名古屋12R 2着/12頭+6.0秒 05/21 名古屋3R 7着/10頭
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 26走で勝率 4% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +6% (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。
3	サイコロチャン追込	松本一（笠松）	実7.7	△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）
前5走 06/30 名古屋6R 2着/12頭+0.0秒 06/16 名古屋7R 3着/10頭+1.0秒 05/19 名古屋7R 10着/11頭+3.4秒 12/09 名古屋8R 9着/12頭+2.1秒 11/25 名古屋4R 10着/12頭+5.4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 5.0着 △ 当競馬場適性 43走で勝率 7% △ 距離適性同距離 38走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) × 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 7.6% (オッズ暗示: 13.0%) ※ 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	レイナティア	小笠羚（愛知）	実3.5	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 07/29 名古屋3R 6着/12頭+1.2秒 07/14 名古屋6R 2着/12頭 07/01 名古屋6R 2着/12頭 06/17 名古屋5R 5着/11頭 01/03 名古屋11R 7着/12頭+2.1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 3.3着 ○ 当競馬場適性 17走で勝率 18% (相性良) △ 距離適性同距離 15走で勝率 13% △ 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) -24% (オッズ過剰評価) AI 予想勝率 21.6% (オッズ暗示: 28.6%) ※ 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。
5	レーヴエスポワール追込	筒井勇（笠松）	実15.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場9走で勝率0%と苦戦傾向／同距離帯は38走で勝ち無し）
前5走 07/29 名古屋3R 7着/12頭+1.4秒 07/14 名古屋8R 5着/12頭 06/05 名古屋5R 9着/12頭+0.0秒 05/22 名古屋8R 8着/11頭 04/24 名古屋4R 8着/12頭+2.3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 7.0着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 38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) -43% (大幅な期待値マイナス) AI 予想勝率 3.7% (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。
6	シグナトリー	深澤杏（笠松）	実64.0	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場42走で勝率2%と苦戦傾向／同距離帯は38走で勝ち無し）
前5走 07/28 名古屋12R 9着/10頭+1.9秒 07/13 名古屋7R 11着/12頭+3.0秒 06/30 名古屋12R 3着/12頭+2.0秒 06/17 名古屋1R 7着/11頭 06/02 名古屋7R 11着/12頭+0.0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 7.7着 (不振) × 当競馬場適性 42走で勝率 2% (苦戦) ▽ 距離適性同距離は 38走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -64% (大幅な期待値マイナス) AI 予想勝率 0.6% (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。
7	クールシェリー推奨	大畑雅（愛知）	実11.1	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+77%の中穴候補（直近3走勝率33%と上り調子）
前5走 07/14 名古屋12R 6着/11頭+0.0秒 07/02 名古屋3R 6着/12頭+1.0秒 06/17 名古屋1R 1着/11頭 06/02 名古屋6R 4着/12頭 05/19 名古屋12R 7着/11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戦の調子勝率 33% (上り調子) △ 当競馬場適性 21走で勝率 10% △ 距離適性同距離 23走で勝率 9% 🌟◎ 期待値 (オッズ vs AI勝率) +77% (市場が大幅過小評価) AI 予想勝率 16.0% (オッズ暗示: 9.0%) ※ 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。
8	ノース	近藤颯（愛知）	実33.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場57走で勝率4%と苦戦傾向／直近3走平均8.0着と低調）
前5走 07/29 名古屋12R 10着/12頭+3.0秒 07/14 名古屋8R 9着/12頭+2.0秒 06/18 名古屋12R 5着/12頭 06/04 名古屋2R 6着/11頭 05/20 名古屋2R 1着/10頭
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 8.0着 (不振) × 当競馬場適性 57走で勝率 4% (苦戦) △ 距離適性同距離 56走で勝率 5% ○ 騎手近50戦勝率 14% ▽ 前走実績前走 10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) -20% (オッズ過剰評価) AI 予想勝率 2.4% (オッズ暗示: 3.0%) ※ 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	フランキンローズ	阪野学（愛知）	実78.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は19走で勝ち無し）
前5走 07/29 名古屋3R 9着/12頭+3.3秒 07/14 名古屋8R 10着/12頭 07/02 名古屋12R 3着/12頭 06/19 名古屋1R 9着/10頭 06/04 名古屋3R 11着/12頭+0.0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 7.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し △ 騎手近50戦勝率 2% (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) -33% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 1.3%) ※ 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	グランリッジライン	望月洵（愛知）	実2.9	◎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14走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均3.0着と安定）
前5走 07/29 名古屋2R 4着/11頭+1.2秒 07/01 名古屋6R 3着/12頭 06/17 名古屋12R 2着/12頭 05/25 名古屋12R 7着/11頭 05/06 名古屋12R 6着/12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 3.0着 (安定) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) ○ 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) -15% (オッズ過剰評価) AI 予想勝率 29.4% (オッズ暗示: 34.5%) ※ 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。
11	ローゼオ	柿原翔（愛知）	実30.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場117走で勝率3%と苦戦傾向／同距離帯は108走で勝ち無し／直近3走平均8.3着と低調）
前5走 07/29 名古屋3R 12着/12頭+4.3秒 07/14 名古屋12R 5着/11頭 07/02 名古屋3R 8着/12頭 06/18 名古屋7R 10着/11頭 06/04 名古屋2R 11着/11頭+3.0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 8.3着 (不振) × 当競馬場適性 117走で勝率 3% (苦戦) ▽ 距離適性同距離は 108走で勝ち無し △ 騎手近50戦勝率 4% (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) -61% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 3.3%) ※ 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。
12	ヴァスキアン逃げ推奨	丹羽克（愛知）	実7.8	△詳細▼	期待値プラスでAIの推し馬（同距離帯で勝率20%）
前5走 07/14 名古屋12R 7着/11頭 07/03 名古屋9R 8着/12頭 02/10 名古屋10R 10着/11頭+2.0秒 01/30 名古屋12R 5着/12頭+0.9秒 01/16 名古屋10R 8着/12頭+1.5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 8.3着 (不振) △ 当競馬場適性 22走で勝率 14% ○ 距離適性同距離 15走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 12.8%) ※ 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。

🎯 AIの本命

AI評価1位

グランリッジライン

騎手望月洵（愛知）

単勝オッズ

2.9倍

AI期待値

-14%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○4レイナティア

3.5倍

EV -24%

▲7クールシェリー

11.1倍

EV +77%

出走馬全12頭

◎10

グランリッジライン

望月洵（愛知）

2.9倍

-14%

›

○4

レイナティア

小笠羚（愛知）

3.5倍

-24%

›

▲7

クールシェリー

大畑雅（愛知）

11.1倍

+77%

›

△12

ヴァスキアン

丹羽克（愛知）

7.8倍

-40%

›

△3

サイコロチャン

松本一（笠松）

7.7倍

-41%

›

△1

スイングボーイ

大畑慧（愛知）

9.7倍

-33%

›

▽5

レーヴエスポワール

筒井勇（笠松）

15.3倍

-43%

›

▽8

ノース

近藤颯（愛知）

33.5倍

-19%

›

▽2

モンサンケイティ

細川智（愛知）

49.6倍

+6%

›

×11

ローゼオ

柿原翔（愛知）

30.4倍

-61%

›

▽9

フランキンローズ

阪野学（愛知）

78.8倍

-32%

›

×6

シグナトリー

深澤杏（笠松）

64.0倍

-63%

›

💡 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 7 クールシェリー ¥100 実11.1倍期待値 +77% ❌不的中7着単勝 11.1倍

B. 市場除外+キャリブ

単勝 12 ヴァスキアン ¥200 実7.8倍期待値 -40% ❌不的中8着単勝 7.8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