大井 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 大井競馬場ダ1000m ダート1000m　発走 16:58

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リコーモーラー先行	町田直（川崎）	実3.1	B△ A◎勝率27% EV-17% 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 08/17 大井10R 2着/12頭+0.9秒 07/22 大井7R 3着/13頭+0.2秒 07/03 大井8R 11着/13頭 06/12 大井5R 7着/14頭 12/31 大井5R 3着/14頭+1.9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 5.3着 ○ 当競馬場適性 13走で勝率 15% (相性良) ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) ○ ローテーション 16日の間隔 (理想的) × 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 1.5% (オッズ暗示: 32.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 26.5% / 期待値 -18% ※ 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	ペイシャケリー逃げ	西啓太（大井）	実5.4	B○ A▲勝率15% EV-19% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 05/18 大井12R 8着/14頭+1.3秒 04/17 大井9R 2着/14頭+0.3秒 03/25 大井6R 1着/14頭勝利 03/11 大井6R 2着/12頭+0.1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 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 馬場適性同馬場 3走で勝率 33% △ ローテーション 107日休養明け × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 3.4% (オッズ暗示: 18.5%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 15.0% / 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。
3	ラッケンブース	田中洸（大井）	実145.5	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 08/17 大井10R 11着/12頭+2.9秒 07/22 大井7R 13着/13頭+3.6秒 06/29 大井7R 11着/11頭+7.0秒 06/12 大井5R 11着/14頭 05/22 大井8R 11着/13頭
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 11.7着 (不振) △ 当競馬場適性 15走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 16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 -17% ※ 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	クライトゥナイト	中村尚（大井）	実30.3	B× A▽勝率4% EV+9% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/20 大井10R 4着/14頭 07/01 大井5R 2着/14頭+0.0秒 06/09 大井6R 8着/12頭 05/19 大井5R 6着/14頭+1.4秒 04/28 大井7R 14着/14頭+2.9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 4.7着 △ 当競馬場適性 42走で勝率 10% × 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 0.3% (オッズ暗示: 3.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.6% / 期待値 +10% ※ 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	アイサイト先行	西優哉（大井）	実63.5	B× A▽勝率2% EV+8% 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／直近3走平均8.7着と低調／159日ぶりの実戦）
前5走 03/27 大井3R 12着/12頭+3.3秒 01/16 大井3R 5着/11頭+0.7秒 12/26 大井5R 9着/13頭+1.1秒 12/03 大井8R 12着/15頭+2.6秒 09/18 大井2R 5着/13頭+0.4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 8.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 159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 0.0% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.7% / 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。
6	ペイルムーン推奨	達城龍（大井）	実13.4	B◎ A△勝率5% EV-38% 詳細▼	市場が大きく過小評価、AI予想勝率90% × オッズ13.4倍で期待値+999%の有力候補（直近3走勝率33%と上り調子／前走勝利の勢い継続／適度な間隔で状態万全）
前5走 08/13 大井1R 1着/12頭勝利 07/23 大井2R 2着/16頭+0.1秒 06/30 大井6R 3着/14頭+1.0秒 06/08 大井9R 3着/12頭 05/20 大井3R 3着/14頭
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 19走で勝率 5% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 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) +999% (市場が大幅過小評価) AI 予想勝率 89.8% (オッズ暗示: 7.5%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.6% / 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。
7	ウチュウノキボウ差し	高橋優（大井）	実108.5	B× A▽勝率1% EV-35% 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 08/13 大井8R 10着/10頭+3.3秒 07/20 大井8R 10着/13頭 07/01 大井5R 13着/14頭 01/28 大井7R 6着/13頭+1.6秒 01/14 大井7R 9着/12頭+1.6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 11.0着 (不振) △ 当競馬場適性 17走で勝率 6% ▽ 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) -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 0.6% / 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。
8	サカベンクイーン逃げ	新原周（川崎）	実29.2	B× A▽勝率3% EV-13% 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 07/24 大井8R 12着/12頭+1.7秒 07/03 大井10R 7着/14頭 06/11 大井9R 6着/14頭 05/21 大井9R 11着/13頭+0.0秒 04/30 大井6R 5着/14頭+1.2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 8.3着 (不振) △ 当競馬場適性 77走で勝率 5% ▽ 距離適性同距離は 4走で勝ち無し ▽ 前走実績前走 12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 8位 / 勝率 3.0% / 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。
9	ママアリガトー	杉山海（大井）	実31.3	B× A▽勝率2% EV-41% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/06 川崎6R 8着/12頭 06/18 川崎7R 6着/10頭 06/02 船橋3R 9着/12頭+0.0秒 03/11 船橋4R 9着/11頭+1.1秒 02/04 川崎4R 5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 7.7着 (不振) ○ 馬場適性同馬場 5走で勝率 20% × 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 0.0% (オッズ暗示: 3.2%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.9% / 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	シルバーマック自在	中山遥（浦和）	実3.2	B▲ A○勝率25% EV-20% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率43%と適性高／同馬場状態で勝率33%／直近3走で勝率67%と好調）
前5走 08/13 大井8R 1着/10頭勝利 07/22 大井2R 1着/16頭勝利 06/30 大井6R 7着/14頭 06/10 大井2R 1着/14頭 05/19 大井3R 6着/12頭+1.1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 67% (絶好調) ◎ 当競馬場適性 7走で勝率 43% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ○ 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 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 3.4% (オッズ暗示: 31.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 24.9% / 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。
11	キタノマティーニ逃げ	澤田龍（船橋）	実10.7	B△ A△勝率7% EV-26% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場16走で勝率25%と適性高／同馬場状態で勝率38%）
前5走 08/17 大井10R 8着/12頭+2.2秒 07/23 大井8R 6着/9頭+1.0秒 04/29 大井8R 6着/13頭+1.5秒 04/14 大井12R 3着/14頭+0.8秒 03/27 大井6R 2着/14頭+0.6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 6.7着 ◎ 当競馬場適性 16走で勝率 25% (得意) ◎ 馬場適性同馬場 8走で勝率 38% ○ 騎手近50戦勝率 18% ○ ローテーション 16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 0.8% (オッズ暗示: 9.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.9% / 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。
12	ナックレガーロ逃げ	高橋昭（大井）	実7.0	B△ A△勝率11% EV-23% 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／292日ぶりの実戦）
前5走 11/14 大井8R 2着/14頭+0.3秒 10/24 大井8R 3着/12頭+0.6秒 05/23 大井12R 10着/12頭+2.0秒 05/02 大井4R 9着/9頭+3.0秒 04/18 大井2R 2着/10頭+0.1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 5.0着 △ 当競馬場適性 8走で勝率 12% ○ 前走実績前走 2着 (好走) △ ローテーション 292日休養明け × 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 0.8% (オッズ暗示: 14.3%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.9% / 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

B推奨Aモデル △

ペイルムーン

騎手達城龍（大井）

単勝オッズ

13.4倍

AI期待値

+999%

買い目

¥2,200

全レースの推奨

AIの推奨本命の次点

○A:▲2ペイシャケリー

5.4倍

EV -81%

▲A:○10シルバーマック

3.2倍

EV -89%

出走馬全12頭

◎A:△6

ペイルムーン

達城龍（大井）

13.4倍

+999%

›

○A:▲2

ペイシャケリー

西啓太（大井）

5.4倍

-81%

›

▲A:○10

シルバーマック

中山遥（浦和）

3.2倍

-89%

›

△A:◎1

リコーモーラー

町田直（川崎）

3.1倍

-95%

›

△A:△12

ナックレガーロ

高橋昭（大井）

7.0倍

-94%

›

△A:△11

キタノマティーニ

澤田龍（船橋）

10.7倍

-91%

›

×A:▽4

クライトゥナイト

中村尚（大井）

30.3倍

-92%

›

×A:▽9

ママアリガトー

杉山海（大井）

31.3倍

-99%

›

×A:▽5

アイサイト

西優哉（大井）

63.5倍

-98%

›

×A:▽8

サカベンクイーン

新原周（川崎）

29.2倍

-99%

›

×A:▽7

ウチュウノキボウ

高橋優（大井）

108.5倍

-99%

›

×A:▽3

ラッケンブース

田中洸（大井）

145.5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 6 ペイルムーン ¥2,200 実13.4倍期待値 +999% ❌不的中5着単勝 13.4倍

※ オッズは予測時点の値です。

5R 大井競馬場ダ1000m ダート1000m　発走 16:58

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リコーモーラー先行	町田直（川崎）	実3.1	◎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（前走2着）
前5走 08/17 大井10R 2着/12頭+0.9秒 07/22 大井7R 3着/13頭+0.2秒 07/03 大井8R 11着/13頭 06/12 大井5R 7着/14頭 12/31 大井5R 3着/14頭+1.9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 5.3着 ○ 当競馬場適性 13走で勝率 15% (相性良) ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 26.5% (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。
2	ペイシャケリー逃げ	西啓太（大井）	実5.4	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 05/18 大井12R 8着/14頭+1.3秒 04/17 大井9R 2着/14頭+0.3秒 03/25 大井6R 1着/14頭勝利 03/11 大井6R 2着/12頭+0.1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 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 馬場適性同馬場 3走で勝率 33% △ ローテーション 107日休養明け △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 15.0% (オッズ暗示: 18.5%) ※ 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	ラッケンブース	田中洸（大井）	実145.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調）
前5走 08/17 大井10R 11着/12頭+2.9秒 07/22 大井7R 13着/13頭+3.6秒 06/29 大井7R 11着/11頭+7.0秒 06/12 大井5R 11着/14頭 05/22 大井8R 11着/13頭
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 11.7着 (不振) △ 当競馬場適性 15走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 0.6% (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。
4	クライトゥナイト	中村尚（大井）	実30.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/20 大井10R 4着/14頭 07/01 大井5R 2着/14頭+0.0秒 06/09 大井6R 8着/12頭 05/19 大井5R 6着/14頭+1.4秒 04/28 大井7R 14着/14頭+2.9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 4.7着 △ 当競馬場適性 42走で勝率 10% △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 3.6% (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。
5	アイサイト先行	西優哉（大井）	実63.5	▽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／直近3走平均8.7着と低調／159日ぶりの実戦）
前5走 03/27 大井3R 12着/12頭+3.3秒 01/16 大井3R 5着/11頭+0.7秒 12/26 大井5R 9着/13頭+1.1秒 12/03 大井8R 12着/15頭+2.6秒 09/18 大井2R 5着/13頭+0.4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 8.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 159日休養明け △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 1.7% (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。
6	ペイルムーン推奨	達城龍（大井）	実13.4	△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／前走勝利の勢い継続／適度な間隔で状態万全）
前5走 08/13 大井1R 1着/12頭勝利 07/23 大井2R 2着/16頭+0.1秒 06/30 大井6R 3着/14頭+1.0秒 06/08 大井9R 3着/12頭 05/20 大井3R 3着/14頭
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 19走で勝率 5% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 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) -39% (大幅な期待値マイナス) AI 予想勝率 4.6% (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。
7	ウチュウノキボウ差し	高橋優（大井）	実108.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走 08/13 大井8R 10着/10頭+3.3秒 07/20 大井8R 10着/13頭 07/01 大井5R 13着/14頭 01/28 大井7R 6着/13頭+1.6秒 01/14 大井7R 9着/12頭+1.6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 11.0着 (不振) △ 当競馬場適性 17走で勝率 6% ▽ 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) -36% (大幅な期待値マイナス) AI 予想勝率 0.6% (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。
8	サカベンクイーン逃げ	新原周（川崎）	実29.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は4走で勝ち無し／直近3走平均8.3着と低調）
前5走 07/24 大井8R 12着/12頭+1.7秒 07/03 大井10R 7着/14頭 06/11 大井9R 6着/14頭 05/21 大井9R 11着/13頭+0.0秒 04/30 大井6R 5着/14頭+1.2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 8.3着 (不振) △ 当競馬場適性 77走で勝率 5% ▽ 距離適性同距離は 4走で勝ち無し ▽ 前走実績前走 12着 (大敗) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 3.0% (オッズ暗示: 3.4%) ※ 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。
9	ママアリガトー	杉山海（大井）	実31.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/06 川崎6R 8着/12頭 06/18 川崎7R 6着/10頭 06/02 船橋3R 9着/12頭+0.0秒 03/11 船橋4R 9着/11頭+1.1秒 02/04 川崎4R 5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 7.7着 (不振) ○ 馬場適性同馬場 5走で勝率 20% × 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 1.9% (オッズ暗示: 3.2%) ※ 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	シルバーマック自在	中山遥（浦和）	実3.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率43%と適性高／同馬場状態で勝率33%／直近3走で勝率67%と好調）
前5走 08/13 大井8R 1着/10頭勝利 07/22 大井2R 1着/16頭勝利 06/30 大井6R 7着/14頭 06/10 大井2R 1着/14頭 05/19 大井3R 6着/12頭+1.1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 67% (絶好調) ◎ 当競馬場適性 7走で勝率 43% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ○ 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 20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 24.9% (オッズ暗示: 31.2%) ※ 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	キタノマティーニ逃げ	澤田龍（船橋）	実10.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場16走で勝率25%と適性高／同馬場状態で勝率38%）
前5走 08/17 大井10R 8着/12頭+2.2秒 07/23 大井8R 6着/9頭+1.0秒 04/29 大井8R 6着/13頭+1.5秒 04/14 大井12R 3着/14頭+0.8秒 03/27 大井6R 2着/14頭+0.6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 6.7着 ◎ 当競馬場適性 16走で勝率 25% (得意) ◎ 馬場適性同馬場 8走で勝率 38% ○ 騎手近50戦勝率 18% ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 6.9% (オッズ暗示: 9.3%) ※ 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	ナックレガーロ逃げ	高橋昭（大井）	実7.0	△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／292日ぶりの実戦）
前5走 11/14 大井8R 2着/14頭+0.3秒 10/24 大井8R 3着/12頭+0.6秒 05/23 大井12R 10着/12頭+2.0秒 05/02 大井4R 9着/9頭+3.0秒 04/18 大井2R 2着/10頭+0.1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 5.0着 △ 当競馬場適性 8走で勝率 12% ○ 前走実績前走 2着 (好走) △ ローテーション 292日休養明け △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 10.9% (オッズ暗示: 14.3%) ※ 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。

🎯 AIの本命

AI評価1位

リコーモーラー

騎手町田直（川崎）

単勝オッズ

3.1倍

AI期待値

-17%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○10シルバーマック

3.2倍

EV -20%

▲2ペイシャケリー

5.4倍

EV -19%

出走馬全12頭

◎1

リコーモーラー

町田直（川崎）

3.1倍

-17%

›

○10

シルバーマック

中山遥（浦和）

3.2倍

-20%

›

▲2

ペイシャケリー

西啓太（大井）

5.4倍

-19%

›

△12

ナックレガーロ

高橋昭（大井）

7.0倍

-23%

›

△11

キタノマティーニ

澤田龍（船橋）

10.7倍

-26%

›

△6

ペイルムーン

達城龍（大井）

13.4倍

-38%

›

▽4

クライトゥナイト

中村尚（大井）

30.3倍

+9%

›

▽8

サカベンクイーン

新原周（川崎）

29.2倍

-13%

›

▽9

ママアリガトー

杉山海（大井）

31.3倍

-41%

›

▽5

アイサイト

西優哉（大井）

63.5倍

+8%

›

▽7

ウチュウノキボウ

高橋優（大井）

108.5倍

-35%

›

▽3

ラッケンブース

田中洸（大井）

145.5倍

-16%

›

💡 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 6 ペイルムーン ¥2,200 実13.4倍期待値 -39% ❌不的中5着単勝 13.4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