川崎 5R 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

5R 川崎競馬場ダ2000m ダート2000m　発走 17:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ミストラ	池谷匠（川崎）	実6.2	B△ A▲勝率12% EV-28% 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2着／64日ぶりの実戦）
前5走 06/17 川崎7R 2着/10頭 05/27 浦和6R 1着/12頭 05/14 川崎3R 10着/14頭+1.9秒 04/20 浦和6R 9着/11頭+3.2秒 04/06 川崎7R 4着/14頭+0.4秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 40走で勝率 8% △ 距離適性同距離 9走で勝率 11% ○ 前走実績前走 2着 (好走) × 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 0.5% (オッズ暗示: 16.1%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.5% / 期待値 -29% ※ 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	ヴァッツマン	佐野遥（川崎）	実13.4	B△ A△勝率7% EV0% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 07/31 川崎8R 3着/10頭+1.1秒 07/07 川崎8R 6着/11頭+1.0秒 06/16 川崎8R 4着/10頭 05/13 川崎6R 13着/14頭+1.9秒 04/06 川崎6R 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 4.3着 △ 当競馬場適性 15走で勝率 7% ○ 前走実績前走 3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) -72% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 7.5%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.4% / 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。
3	モナークスラッガー	加藤雄（川崎）	実71.1	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 07/31 川崎8R 6着/10頭+1.7秒 07/06 川崎1R 2着/7頭+2.0秒 06/26 浦和7R 4着/10頭+1.0秒 05/29 浦和8R 4着/12頭+1.0秒 05/14 川崎3R 9着/14頭+1.5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 × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 27走で勝ち無し ○ 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) -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 -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。
4	デルマツリダシ先行	古岡勇（川崎）	実23.2	B△ A△勝率4% EV-4% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／136日ぶりの実戦）
前5走 04/06 川崎8R 6着/12頭+1.2秒 03/16 浦和8R 5着/12頭+1.6秒 03/02 川崎4R 5着/10頭+1.0秒 02/03 川崎5R 5着/12頭+0.9秒 01/03 川崎7R 10着/12頭+3.3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 5.3着 × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ ローテーション 136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 0.9% (オッズ暗示: 4.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.1% / 期待値 -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。
5	サンディビーチ追込	張田昂（船橋）	実43.3	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15走で勝率0%と苦戦傾向／直近3走平均8.3着と低調）
前5走 07/28 川崎7R 11着/12頭+3.8秒 07/07 川崎8R 7着/11頭 05/11 川崎8R 7着/10頭+1.0秒 12/18 川崎4R 8着/12頭+2.3秒 11/18 川崎12R 10着/13頭+2.5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 8.3着 (不振) × 当競馬場適性 15走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ▽ 前走実績前走 11着 (大敗) ○ 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) -80% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 2.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 1.9% / 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。
6	ケイツーブル	西啓太（大井）	実34.5	B× A▽勝率2% EV-46% 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 川崎7R 5着/12頭+0.9秒 07/07 川崎8R 10着/11頭 06/16 川崎8R 9着/10頭 05/13 川崎6R 11着/14頭+1.5秒 04/09 川崎8R 7着/14頭+1.5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 8.0着 (不振) × 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 8位 / 勝率 1.6% / 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。
7	スマイルフェリス自在	町田直（川崎）	実12.3	B○ A△勝率8% EV+0% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（98日ぶりの実戦）
前5走 05/14 川崎3R 4着/14頭+0.6秒 04/09 川崎5R 5着/12頭+1.2秒 01/02 川崎8R 6着/13頭+1.2秒 12/18 川崎5R 2着/12頭+0.0秒 11/20 川崎4R 1着/11頭勝利
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 5.0着 △ 当競馬場適性 16走で勝率 12% ○ 馬場適性同馬場 5走で勝率 20% △ ローテーション 98日休養明け △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 9.4% (オッズ暗示: 8.1%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.2% / 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。
8	ファイヤーボール逃げ	新原周（川崎）	実4.3	B▲ A○勝率17% EV-25% 詳細▼	AI上位評価だが期待値不足、見送り
前5走 07/28 川崎7R 6着/12頭+1.3秒 04/08 川崎9R 13着/13頭+5.6秒 03/05 川崎5R 2着/10頭+0.6秒 02/03 川崎9R 6着/14頭+1.0秒 01/19 船橋12R 10着/14頭+2.0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 7.0着 (不振) ○ 当競馬場適性 16走で勝率 19% (相性良) △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 8走で勝率 25% ○ 騎手近50戦勝率 16% ○ 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) -91% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 23.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.4% / 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	パルメニデス追込	杉山海（大井）	実74.7	B× A▽勝率1% EV-42% 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 08/12 浦和8R 7着/12頭+3.3秒 07/16 浦和7R 4着/12頭+0.0秒 05/26 浦和7R 8着/10頭 04/23 浦和3R 10着/10頭+2.0秒 01/06 浦和9R 9着/11頭+2.3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 6.3着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し × 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 0.8% / 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。
10	スマイルポピー	吉留孝（浦和）	実73.3	B× A▽勝率1% EV+2% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向）
前5走 07/17 浦和12R 6着/12頭+0.0秒 06/26 浦和7R 7着/10頭 05/29 浦和8R 5着/12頭 05/13 川崎4R 5着/12頭+0.7秒 04/24 浦和12R 12着/12頭+2.2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 6.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 距離適性同距離 14走で勝率 7% × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 1.4%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.4% / 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。
11	タヴァネスタン先行	和田譲（大井）	実1.7	B🌟◎ A🌟◎勝率45% EV-23% 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（同馬場状態で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/31 川崎8R 1着/10頭勝利 06/15 川崎8R 4着/11頭 05/13 川崎5R 8着/11頭+2.4秒 04/07 川崎8R 2着/13頭+0.0秒 03/05 川崎6R 3着/11頭+0.3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 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ 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) +43% (妙味あり) AI 予想勝率 84.3% (オッズ暗示: 58.8%) 🌟◎ Aモデルの評価 (参考) レース内 1位 / 勝率 44.8% / 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。

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 ◎

タヴァネスタン

騎手和田譲（大井）

単勝オッズ

1.7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

○A:△7スマイルフェリス

12.3倍

EV +15%

▲A:○8ファイヤーボール

4.3倍

EV -90%

出走馬全11頭

◎A:◎11

タヴァネスタン

和田譲（大井）

1.7倍

+43%

›

○A:△7

スマイルフェリス

町田直（川崎）

12.3倍

+15%

›

▲A:○8

ファイヤーボール

新原周（川崎）

4.3倍

-90%

›

△A:△2

ヴァッツマン

佐野遥（川崎）

13.4倍

-71%

›

△A:△4

デルマツリダシ

古岡勇（川崎）

23.2倍

-79%

›

△A:▲1

ミストラ

池谷匠（川崎）

6.2倍

-97%

›

×A:▽5

サンディビーチ

張田昂（船橋）

43.3倍

-80%

›

×A:▽10

スマイルポピー

吉留孝（浦和）

73.3倍

-79%

›

×A:▽6

ケイツーブル

西啓太（大井）

34.5倍

-99%

›

×A:▽3

モナークスラッガー

加藤雄（川崎）

71.1倍

-99%

›

×A:▽9

パルメニデス

杉山海（大井）

74.7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

5R 川崎競馬場ダ2000m ダート2000m　発走 17:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ミストラ	池谷匠（川崎）	実6.2	▲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2着／64日ぶりの実戦）
前5走 06/17 川崎7R 2着/10頭 05/27 浦和6R 1着/12頭 05/14 川崎3R 10着/14頭+1.9秒 04/20 浦和6R 9着/11頭+3.2秒 04/06 川崎7R 4着/14頭+0.4秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 40走で勝率 8% △ 距離適性同距離 9走で勝率 11% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 11.5% (オッズ暗示: 16.1%) ※ 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。
2	ヴァッツマン	佐野遥（川崎）	実13.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 07/31 川崎8R 3着/10頭+1.1秒 07/07 川崎8R 6着/11頭+1.0秒 06/16 川崎8R 4着/10頭 05/13 川崎6R 13着/14頭+1.9秒 04/06 川崎6R 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 4.3着 △ 当競馬場適性 15走で勝率 7% ○ 前走実績前走 3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) -1% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 7.5%) ※ 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。
3	モナークスラッガー	加藤雄（川崎）	実71.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場28走で勝率4%と苦戦傾向／同距離帯は27走で勝ち無し）
前5走 07/31 川崎8R 6着/10頭+1.7秒 07/06 川崎1R 2着/7頭+2.0秒 06/26 浦和7R 4着/10頭+1.0秒 05/29 浦和8R 4着/12頭+1.0秒 05/14 川崎3R 9着/14頭+1.5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 × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 27走で勝ち無し ○ 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) -33% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
4	デルマツリダシ先行	古岡勇（川崎）	実23.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／136日ぶりの実戦）
前5走 04/06 川崎8R 6着/12頭+1.2秒 03/16 浦和8R 5着/12頭+1.6秒 03/02 川崎4R 5着/10頭+1.0秒 02/03 川崎5R 5着/12頭+0.9秒 01/03 川崎7R 10着/12頭+3.3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 5.3着 × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ ローテーション 136日休養明け △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 4.1% (オッズ暗示: 4.3%) ※ 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。
5	サンディビーチ追込	張田昂（船橋）	実43.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場15走で勝率0%と苦戦傾向／直近3走平均8.3着と低調）
前5走 07/28 川崎7R 11着/12頭+3.8秒 07/07 川崎8R 7着/11頭 05/11 川崎8R 7着/10頭+1.0秒 12/18 川崎4R 8着/12頭+2.3秒 11/18 川崎12R 10着/13頭+2.5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 8.3着 (不振) × 当競馬場適性 15走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ▽ 前走実績前走 11着 (大敗) ○ 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) -19% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 2.3%) ※ 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	ケイツーブル	西啓太（大井）	実34.5	▽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／同距離帯は5走で勝ち無し／直近3走平均8.0着と低調）
前5走 07/28 川崎7R 5着/12頭+0.9秒 07/07 川崎8R 10着/11頭 06/16 川崎8R 9着/10頭 05/13 川崎6R 11着/14頭+1.5秒 04/09 川崎8R 7着/14頭+1.5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 8.0着 (不振) × 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) -46% (大幅な期待値マイナス) AI 予想勝率 1.6% (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。
7	スマイルフェリス自在	町田直（川崎）	実12.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（98日ぶりの実戦）
前5走 05/14 川崎3R 4着/14頭+0.6秒 04/09 川崎5R 5着/12頭+1.2秒 01/02 川崎8R 6着/13頭+1.2秒 12/18 川崎5R 2着/12頭+0.0秒 11/20 川崎4R 1着/11頭勝利
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 5.0着 △ 当競馬場適性 16走で勝率 12% ○ 馬場適性同馬場 5走で勝率 20% △ ローテーション 98日休養明け △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 8.2% (オッズ暗示: 8.1%) ※ 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。
8	ファイヤーボール逃げ	新原周（川崎）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 07/28 川崎7R 6着/12頭+1.3秒 04/08 川崎9R 13着/13頭+5.6秒 03/05 川崎5R 2着/10頭+0.6秒 02/03 川崎9R 6着/14頭+1.0秒 01/19 船橋12R 10着/14頭+2.0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 7.0着 (不振) ○ 当競馬場適性 16走で勝率 19% (相性良) △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 8走で勝率 25% ○ 騎手近50戦勝率 16% ○ 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) -25% (オッズ過剰評価) AI 予想勝率 17.4% (オッズ暗示: 23.3%) ※ 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。
9	パルメニデス追込	杉山海（大井）	実74.7	▽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25走で勝ち無し）
前5走 08/12 浦和8R 7着/12頭+3.3秒 07/16 浦和7R 4着/12頭+0.0秒 05/26 浦和7R 8着/10頭 04/23 浦和3R 10着/10頭+2.0秒 01/06 浦和9R 9着/11頭+2.3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 6.3着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し × 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 0.8% (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	スマイルポピー	吉留孝（浦和）	実73.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向）
前5走 07/17 浦和12R 6着/12頭+0.0秒 06/26 浦和7R 7着/10頭 05/29 浦和8R 5着/12頭 05/13 川崎4R 5着/12頭+0.7秒 04/24 浦和12R 12着/12頭+2.2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 6.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 距離適性同距離 14走で勝率 7% △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 1.4% (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。
11	タヴァネスタン先行	和田譲（大井）	実1.7	🌟◎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（同馬場状態で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/31 川崎8R 1着/10頭勝利 06/15 川崎8R 4着/11頭 05/13 川崎5R 8着/11頭+2.4秒 04/07 川崎8R 2着/13頭+0.0秒 03/05 川崎6R 3着/11頭+0.3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 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -24% (オッズ過剰評価) AI 予想勝率 44.8% (オッズ暗示: 58.8%) ※ 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

タヴァネスタン

騎手和田譲（大井）

単勝オッズ

1.7倍

AI期待値

-23%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○8ファイヤーボール

4.3倍

EV -25%

▲1ミストラ

6.2倍

EV -28%

出走馬全11頭

◎11

タヴァネスタン

和田譲（大井）

1.7倍

-23%

›

○8

ファイヤーボール

新原周（川崎）

4.3倍

-25%

›

▲1

ミストラ

池谷匠（川崎）

6.2倍

-28%

›

△7

スマイルフェリス

町田直（川崎）

12.3倍

+0%

›

△2

ヴァッツマン

佐野遥（川崎）

13.4倍

›

△4

デルマツリダシ

古岡勇（川崎）

23.2倍

-4%

›

▽5

サンディビーチ

張田昂（船橋）

43.3倍

-19%

›

▽6

ケイツーブル

西啓太（大井）

34.5倍

-46%

›

▽10

スマイルポピー

吉留孝（浦和）

73.3倍

+2%

›

▽3

モナークスラッガー

加藤雄（川崎）

71.1倍

-32%

›

▽9

パルメニデス

杉山海（大井）

74.7倍

-42%

›

💡 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