名古屋 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 名古屋競馬場ダ1500m ダート1500m　発走 20:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ニキータ	近藤颯（愛知）	実4.1	B▲ A○勝率18% EV-28% 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／同距離帯は3走で勝ち無し／直近3走で勝率33%と好調）
前5走 08/20 名古屋3R 3着/11頭+1.6秒 07/14 名古屋3R 9着/12頭 07/03 名古屋5R 1着/12頭 06/16 名古屋5R 3着/11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) ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 14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 5.0% (オッズ暗示: 24.4%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.5% / 期待値 -28% ※ 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	クツシタオトシタ	細川智（愛知）	実9.6	B× A△勝率5% EV-52% 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 08/20 名古屋2R 5着/12頭+2.0秒 07/27 川崎8R 10着/11頭+2.1秒 07/08 川崎2R 6着/9頭 06/16 川崎1R 11着/12頭 06/02 船橋2R 5着/12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 7.0着 (不振) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 14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 6位 / 勝率 5.0% / 期待値 -52% ※ 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	コスモギオン	丸野勝（愛知）	実37.4	B× A×勝率1% EV-50% 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 08/20 名古屋3R 6着/11頭+1.9秒 07/30 名古屋4R 12着/12頭+2.5秒 07/14 名古屋3R 7着/12頭 07/01 名古屋4R 4着/12頭+4.0秒 06/22 名古屋5R 8着/12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 8.3着 (不振) × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 14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 1.3% / 期待値 -50% ※ 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	グレーターグレイ	木之葵（愛知）	実31.7	B△ A▽勝率2% EV-29% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/20 名古屋3R 5着/11頭+1.8秒 07/30 名古屋4R 8着/12頭+1.4秒 07/14 名古屋3R 10着/12頭 06/22 名古屋5R 10着/12頭 05/20 名古屋6R 6着/10頭
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 7.7着 (不振) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 3.2%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.2% / 期待値 -30% ※ 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	エバーウインド	筒井勇（笠松）	実22.9	B× A▽勝率3% EV-39% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%）
前5走 08/20 名古屋2R 7着/12頭+2.6秒 07/30 名古屋4R 5着/12頭+1.1秒 07/01 名古屋4R 8着/12頭+4.0秒 06/16 名古屋5R 1着/11頭 ―
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 6.7着 ◎ 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% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -96% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 4.4%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.6% / 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。
6	ウインクリンゲル	丹羽克（愛知）	実4.6	B△ A△勝率10% EV-52% 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7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 08/20 名古屋4R 7着/12頭+2.5秒 07/30 名古屋4R 3着/12頭+0.9秒 07/15 名古屋11R 11着/12頭 07/01 名古屋4R 3着/12頭 06/22 名古屋2R 2着/11頭
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0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 6走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -96% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 21.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.4% / 期待値 -52% ※ 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	ゴーゴーマンゴー	渡邊竜（笠松）	実3.2	B○ A◎勝率21% EV-34% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/20 名古屋3R 4着/11頭+1.8秒 07/17 名古屋2R 1着/12頭 06/30 名古屋4R 3着/12頭+0.0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 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) × 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 14.7% (オッズ暗示: 31.2%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 20.5% / 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。
8	キタカラキタマアヤ	大畑慧（愛知）	実176.5	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 08/20 名古屋3R 10着/11頭+2.8秒 07/30 名古屋4R 11着/12頭+2.2秒 07/14 名古屋4R 12着/12頭 06/22 名古屋5R 5着/12頭 06/02 名古屋3R 11着/11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 11.0着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14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 0.8% / 期待値 +35% ※ 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	アウトリュコス	塚本征（愛知）	推定—	B◎ A▲勝率17% EV-71% 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3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/20 名古屋1R 4着/11頭+0.6秒 07/30 名古屋1R 6着/11頭+1.3秒 07/13 名古屋4R 1着/12頭 ― ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 77.7% ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 17.5% / 期待値 -72% ※ 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	ウインモアナ	小笠羚（愛知）	実9.9	B× A×勝率5% EV-51% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調）
前5走 08/20 名古屋2R 4着/12頭+1.6秒 07/30 名古屋4R 9着/12頭+2.0秒 07/14 名古屋3R 11着/12頭 07/02 名古屋2R 7着/11頭 06/22 名古屋5R 11着/12頭
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 8.0着 (不振) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 12走で勝率 8% ○ ローテーション 14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: 10.1%) × Aモデルの評価 (参考) レース内 7位 / 勝率 4.9% / 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	ゴッドシュアウイン	今井貴（愛知）	実29.9	B× A×勝率1% EV-58% 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 08/20 名古屋2R 11着/12頭+4.3秒 07/30 名古屋4R 7着/12頭+1.4秒 07/17 名古屋1R 1着/3頭 06/16 名古屋3R 5着/11頭+0.0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 14% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14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 1.4% / 期待値 -59% ※ 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	ウエスタンオレンジ先行	大畑雅（愛知）	実7.3	B△ A△勝率16% EV+15% 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4走で勝率25%と適性高／同距離帯3走で勝率33%）
前5走 08/20 名古屋2R 6着/12頭+2.2秒 05/07 名古屋3R 11着/11頭+3.3秒 04/23 名古屋5R 5着/11頭+1.6秒 03/23 名古屋3R 1着/11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 7.3着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 13.7%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 15.8% / 期待値 +16% ※ 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 ▲

アウトリュコス

騎手塚本征（愛知）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎7ゴーゴーマンゴー

3.2倍

EV -52%

▲A:○1ニキータ

4.1倍

EV -79%

出走馬全12頭

◎A:▲9

アウトリュコス

塚本征（愛知）

—

›

○A:◎7

ゴーゴーマンゴー

渡邊竜（笠松）

3.2倍

-52%

›

▲A:○1

ニキータ

近藤颯（愛知）

4.1倍

-79%

›

△A:△6

ウインクリンゲル

丹羽克（愛知）

4.6倍

-95%

›

△A:△12

ウエスタンオレンジ

大畑雅（愛知）

7.3倍

-93%

›

△A:▽4

グレーターグレイ

木之葵（愛知）

31.7倍

-83%

›

×A:×10

ウインモアナ

小笠羚（愛知）

9.9倍

-98%

›

×A:▽5

エバーウインド

筒井勇（笠松）

22.9倍

-96%

›

×A:△2

クツシタオトシタ

細川智（愛知）

9.6倍

-99%

›

×A:×11

ゴッドシュアウイン

今井貴（愛知）

29.9倍

-99%

›

×A:×3

コスモギオン

丸野勝（愛知）

37.4倍

-99%

›

×A:▽8

キタカラキタマアヤ

大畑慧（愛知）

176.5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

両モデルとも見送り

12R 名古屋競馬場ダ1500m ダート1500m　発走 20:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ニキータ	近藤颯（愛知）	実4.1	○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／同距離帯は3走で勝ち無し／直近3走で勝率33%と好調）
前5走 08/20 名古屋3R 3着/11頭+1.6秒 07/14 名古屋3R 9着/12頭 07/03 名古屋5R 1着/12頭 06/16 名古屋5R 3着/11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) ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 17.5% (オッズ暗示: 24.4%) ※ 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	クツシタオトシタ	細川智（愛知）	実9.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は8走で勝ち無し）
前5走 08/20 名古屋2R 5着/12頭+2.0秒 07/27 川崎8R 10着/11頭+2.1秒 07/08 川崎2R 6着/9頭 06/16 川崎1R 11着/12頭 06/02 船橋2R 5着/12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 7.0着 (不振) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 5.0% (オッズ暗示: 10.4%) ※ 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。
3	コスモギオン	丸野勝（愛知）	実37.4	×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／同距離帯は11走で勝ち無し／直近3走平均8.3着と低調）
前5走 08/20 名古屋3R 6着/11頭+1.9秒 07/30 名古屋4R 12着/12頭+2.5秒 07/14 名古屋3R 7着/12頭 07/01 名古屋4R 4着/12頭+4.0秒 06/22 名古屋5R 8着/12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 8.3着 (不振) × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 2.7%) ※ 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	グレーターグレイ	木之葵（愛知）	実31.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/20 名古屋3R 5着/11頭+1.8秒 07/30 名古屋4R 8着/12頭+1.4秒 07/14 名古屋3R 10着/12頭 06/22 名古屋5R 10着/12頭 05/20 名古屋6R 6着/10頭
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 7.7着 (不振) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 2.2% (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。
5	エバーウインド	筒井勇（笠松）	実22.9	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%）
前5走 08/20 名古屋2R 7着/12頭+2.6秒 07/30 名古屋4R 5着/12頭+1.1秒 07/01 名古屋4R 8着/12頭+4.0秒 06/16 名古屋5R 1着/11頭 ―
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 6.7着 ◎ 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% ○ ローテーション 14日の間隔 (理想的) × 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 2.6% (オッズ暗示: 4.4%) ※ 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。
6	ウインクリンゲル	丹羽克（愛知）	実4.6	△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7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 08/20 名古屋4R 7着/12頭+2.5秒 07/30 名古屋4R 3着/12頭+0.9秒 07/15 名古屋11R 11着/12頭 07/01 名古屋4R 3着/12頭 06/22 名古屋2R 2着/11頭
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0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 6走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 10.4% (オッズ暗示: 21.7%) ※ 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	ゴーゴーマンゴー	渡邊竜（笠松）	実3.2	◎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3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/20 名古屋3R 4着/11頭+1.8秒 07/17 名古屋2R 1着/12頭 06/30 名古屋4R 3着/12頭+0.0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 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 14% ○ ローテーション 14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 20.5% (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。
8	キタカラキタマアヤ	大畑慧（愛知）	実176.5	▽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 08/20 名古屋3R 10着/11頭+2.8秒 07/30 名古屋4R 11着/12頭+2.2秒 07/14 名古屋4R 12着/12頭 06/22 名古屋5R 5着/12頭 06/02 名古屋3R 11着/11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 11.0着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +35% (妙味あり) 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。
9	アウトリュコス	塚本征（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/20 名古屋1R 4着/11頭+0.6秒 07/30 名古屋1R 6着/11頭+1.3秒 07/13 名古屋4R 1着/12頭 ― ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) ○ ローテーション 14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 17.5% ※ 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。
10	ウインモアナ	小笠羚（愛知）	実9.9	×詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調）
前5走 08/20 名古屋2R 4着/12頭+1.6秒 07/30 名古屋4R 9着/12頭+2.0秒 07/14 名古屋3R 11着/12頭 07/02 名古屋2R 7着/11頭 06/22 名古屋5R 11着/12頭
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 8.0着 (不振) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 12走で勝率 8% ○ ローテーション 14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 4.9% (オッズ暗示: 10.1%) ※ 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	ゴッドシュアウイン	今井貴（愛知）	実29.9	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 08/20 名古屋2R 11着/12頭+4.3秒 07/30 名古屋4R 7着/12頭+1.4秒 07/17 名古屋1R 1着/3頭 06/16 名古屋3R 5着/11頭+0.0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 14% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 1.4% (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	ウエスタンオレンジ先行	大畑雅（愛知）	実7.3	△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4走で勝率25%と適性高／同距離帯3走で勝率33%）
前5走 08/20 名古屋2R 6着/12頭+2.2秒 05/07 名古屋3R 11着/11頭+3.3秒 04/23 名古屋5R 5着/11頭+1.6秒 03/23 名古屋3R 1着/11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 7.3着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 15.8% (オッズ暗示: 13.7%) ※ 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。

🎯 AIの本命

AI評価1位

ゴーゴーマンゴー

騎手渡邊竜（笠松）

単勝オッズ

3.2倍

AI期待値

-34%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○1ニキータ

4.1倍

EV -28%

▲9アウトリュコス

—

EV —

出走馬全12頭

◎7

ゴーゴーマンゴー

渡邊竜（笠松）

3.2倍

-34%

›

○1

ニキータ

近藤颯（愛知）

4.1倍

-28%

›

▲9

アウトリュコス

塚本征（愛知）

—

›

△12

ウエスタンオレンジ

大畑雅（愛知）

7.3倍

+15%

›

△6

ウインクリンゲル

丹羽克（愛知）

4.6倍

-52%

›

△2

クツシタオトシタ

細川智（愛知）

9.6倍

-52%

›

×10

ウインモアナ

小笠羚（愛知）

9.9倍

-51%

›

▽5

エバーウインド

筒井勇（笠松）

22.9倍

-39%

›

▽4

グレーターグレイ

木之葵（愛知）

31.7倍

-29%

›

×11

ゴッドシュアウイン

今井貴（愛知）

29.9倍

-58%

›

×3

コスモギオン

丸野勝（愛知）

37.4倍

-50%

›

▽8

キタカラキタマアヤ

大畑慧（愛知）

176.5倍

+35%

›

💡 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