川崎 7R 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

7R 川崎競馬場ダ1500m ダート1500m　発走 18:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エイシンジンジャー	山本大（船橋）	実49.5	B× A▽勝率1% EV-42% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は7走で勝ち無し／前走3着）
前5走 08/24 船橋4R 3着/11頭+1.3秒 08/06 船橋4R 7着/8頭+2.4秒 07/15 浦和9R 11着/12頭 06/28 船橋5R 2着/10頭+2.0秒 06/02 船橋2R 4着/12頭
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.0着 (不振) ▽ 距離適性同距離は 7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) -98% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 1.2% / 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。
2	シンキングレーヴ	中島良（浦和）	実66.7	B× A▽勝率1% EV-25% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯7走で勝率29%／直近3走で勝率33%と好調）
前5走 08/07 浦和8R 5着/11頭+2.0秒 07/15 浦和9R 10着/12頭+0.0秒 06/23 浦和4R 1着/8頭 05/28 浦和8R 8着/11頭 04/20 浦和2R 7着/12頭+0.5秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 7走で勝率 29% △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.1% / 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。
3	グローバルサウス差し	古岡勇（川崎）	実82.3	B× A▽勝率1% EV-22% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 08/21 川崎12R 11着/12頭+3.5秒 07/29 川崎3R 5着/9頭+2.8秒 06/16 川崎3R 12着/13頭+1.0秒 05/12 川崎3R 9着/9頭+2.5秒 01/01 川崎11R 10着/11頭+1.7秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 0.9% / 期待値 -22% ※ 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	テセラグラディウス	佐野遥（川崎）	実8.2	B△ A△勝率4% EV-63% 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3走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 08/20 川崎12R 3着/3頭 07/31 川崎7R 2着/3頭 07/06 川崎7R 7着/12頭 03/11 312R 9着/12頭+2.9秒 ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 18日の間隔 (理想的) × 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 0.2% (オッズ暗示: 12.2%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.4% / 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。
5	ソウモウクッキ	新原周（川崎）	実32.7	B▲ A△勝率5% EV+65% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/21 川崎12R 6着/12頭+1.5秒 07/09 川崎9R 2着/3頭 06/15 川崎7R 2着/13頭 05/25 浦和5R 4着/12頭+0.0秒 05/11 川崎5R 8着/11頭+3.3秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 11走で勝率 9% ○ ローテーション 17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 0.7% (オッズ暗示: 3.1%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 5.1% / 期待値 +66% ※ 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	フルミネビアンコ差し	櫻井光（川崎）	実8.1	B△ A○勝率11% EV-12% 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3着）
前5走 08/21 川崎12R 3着/12頭+0.8秒 07/29 川崎7R 9着/11頭+1.3秒 07/08 川崎2R 1着/9頭 12/16 川崎1R 6着/10頭+1.6秒 11/21 川崎3R 4着/5頭+3.6秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 前走実績前走 3着 (好走) ○ ローテーション 17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 0.4% (オッズ暗示: 12.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 10.8% / 期待値 -13% ※ 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	ウォールローゼ	岡村健（船橋）	実36.0	B× A▽勝率2% EV-44% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は13走で勝ち無し）
前5走 08/25 船橋9R 12着/13頭+2.2秒 08/03 船橋6R 3着/3頭 07/15 浦和9R 4着/12頭+1.0秒 06/28 船橋3R 3着/9頭 06/22 浦和6R 5着/7頭
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.3着 ▽ 距離適性同距離は 13走で勝ち無し ○ 騎手近50戦勝率 16% ▽ 前走実績前走 12着 (大敗) × 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: 2.8%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 1.6% / 期待値 -44% ※ 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	マイボンド	山林信（川崎）	実118.6	B× A▽勝率1% EV-38% 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 08/21 川崎12R 12着/12頭+3.9秒 07/29 川崎3R 9着/9頭+4.9秒 07/10 川崎6R 4着/9頭 06/15 川崎6R 2着/12頭+2.0秒 05/28 浦和8R 9着/11頭
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.3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% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 17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 0.5% / 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。
9	ビップルーク	七夕裕（浦和）	実44.9	B△ A△勝率2% EV-14% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/24 船橋4R 4着/11頭+1.4秒 08/07 浦和8R 4着/11頭+1.8秒 07/16 浦和9R 9着/11頭 06/24 浦和3R 1着/10頭 05/22 園田4R 4着/8頭
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 5.7着 ○ 距離適性同距離 9走で勝率 22% ○ 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) -76% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 2.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 1.9% / 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。
10	ポッドシャンク	張田昂（船橋）	実1.2	B◎ A◎勝率67% EV-19% 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（同距離帯3走で勝率100%／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 08/24 船橋3R 1着/8頭勝利 08/04 船橋2R 1着/11頭勝利 06/22 名古屋5R 1着/12頭 05/22 名古屋1R 1着/11頭 ―
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 距離適性同距離 3走で勝率 100% ○ 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 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 95.4% (オッズ暗示: 83.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 67.3% / 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。
11	ブルーオーシャン	藤田凌（大井）	実14.8	B○ A▲勝率5% EV-22% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走2着）
前5走 08/20 川崎12R 2着/3頭 07/29 川崎2R 2着/3頭 07/06 川崎7R 5着/12頭 06/15 川崎6R 6着/12頭 05/12 川崎1R 1着/12頭勝利
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子平均 3.0着 (安定) △ 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% ○ 前走実績前走 2着 (好走) ○ ローテーション 18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 2.4% (オッズ暗示: 6.8%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 5.2% / 期待値 -23% ※ 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 ◎

ポッドシャンク

騎手張田昂（船橋）

単勝オッズ

1.2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

○A:▲11ブルーオーシャン

14.8倍

EV -64%

▲A:△5ソウモウクッキ

32.7倍

EV -77%

出走馬全11頭

◎A:◎10

ポッドシャンク

張田昂（船橋）

1.2倍

+14%

›

○A:▲11

ブルーオーシャン

藤田凌（大井）

14.8倍

-64%

›

▲A:△5

ソウモウクッキ

新原周（川崎）

32.7倍

-77%

›

△A:△9

ビップルーク

七夕裕（浦和）

44.9倍

-76%

›

△A:○6

フルミネビアンコ

櫻井光（川崎）

8.1倍

-96%

›

△A:△4

テセラグラディウス

佐野遥（川崎）

8.2倍

-98%

›

×A:▽2

シンキングレーヴ

中島良（浦和）

66.7倍

-88%

›

×A:▽3

グローバルサウス

古岡勇（川崎）

82.3倍

-89%

›

×A:▽7

ウォールローゼ

岡村健（船橋）

36.0倍

-98%

›

×A:▽1

エイシンジンジャー

山本大（船橋）

49.5倍

-98%

›

×A:▽8

マイボンド

山林信（川崎）

118.6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

7R 川崎競馬場ダ1500m ダート1500m　発走 18:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エイシンジンジャー	山本大（船橋）	実49.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は7走で勝ち無し／前走3着）
前5走 08/24 船橋4R 3着/11頭+1.3秒 08/06 船橋4R 7着/8頭+2.4秒 07/15 浦和9R 11着/12頭 06/28 船橋5R 2着/10頭+2.0秒 06/02 船橋2R 4着/12頭
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.0着 (不振) ▽ 距離適性同距離は 7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) -43% (大幅な期待値マイナス) AI 予想勝率 1.2% (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。
2	シンキングレーヴ	中島良（浦和）	実66.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯7走で勝率29%／直近3走で勝率33%と好調）
前5走 08/07 浦和8R 5着/11頭+2.0秒 07/15 浦和9R 10着/12頭+0.0秒 06/23 浦和4R 1着/8頭 05/28 浦和8R 8着/11頭 04/20 浦和2R 7着/12頭+0.5秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 7走で勝率 29% △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.5%) ※ 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	グローバルサウス差し	古岡勇（川崎）	実82.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 08/21 川崎12R 11着/12頭+3.5秒 07/29 川崎3R 5着/9頭+2.8秒 06/16 川崎3R 12着/13頭+1.0秒 05/12 川崎3R 9着/9頭+2.5秒 01/01 川崎11R 10着/11頭+1.7秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.2%) ※ 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。
4	テセラグラディウス	佐野遥（川崎）	実8.2	△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3走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 08/20 川崎12R 3着/3頭 07/31 川崎7R 2着/3頭 07/06 川崎7R 7着/12頭 03/11 312R 9着/12頭+2.9秒 ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 18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 4.4% (オッズ暗示: 12.2%) ※ 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	ソウモウクッキ	新原周（川崎）	実32.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/21 川崎12R 6着/12頭+1.5秒 07/09 川崎9R 2着/3頭 06/15 川崎7R 2着/13頭 05/25 浦和5R 4着/12頭+0.0秒 05/11 川崎5R 8着/11頭+3.3秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 11走で勝率 9% ○ ローテーション 17日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +65% (市場が大幅過小評価) AI 予想勝率 5.1% (オッズ暗示: 3.1%) ※ 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。
6	フルミネビアンコ差し	櫻井光（川崎）	実8.1	○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3着）
前5走 08/21 川崎12R 3着/12頭+0.8秒 07/29 川崎7R 9着/11頭+1.3秒 07/08 川崎2R 1着/9頭 12/16 川崎1R 6着/10頭+1.6秒 11/21 川崎3R 4着/5頭+3.6秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 前走実績前走 3着 (好走) ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 10.8% (オッズ暗示: 12.3%) ※ 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。
7	ウォールローゼ	岡村健（船橋）	実36.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は13走で勝ち無し）
前5走 08/25 船橋9R 12着/13頭+2.2秒 08/03 船橋6R 3着/3頭 07/15 浦和9R 4着/12頭+1.0秒 06/28 船橋3R 3着/9頭 06/22 浦和6R 5着/7頭
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.3着 ▽ 距離適性同距離は 13走で勝ち無し ○ 騎手近50戦勝率 16% ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.8%) ※ 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。
8	マイボンド	山林信（川崎）	実118.6	▽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 08/21 川崎12R 12着/12頭+3.9秒 07/29 川崎3R 9着/9頭+4.9秒 07/10 川崎6R 4着/9頭 06/15 川崎6R 2着/12頭+2.0秒 05/28 浦和8R 9着/11頭
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.3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% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 17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 0.5% (オッズ暗示: 0.8%) ※ 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。
9	ビップルーク	七夕裕（浦和）	実44.9	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/24 船橋4R 4着/11頭+1.4秒 08/07 浦和8R 4着/11頭+1.8秒 07/16 浦和9R 9着/11頭 06/24 浦和3R 1着/10頭 05/22 園田4R 4着/8頭
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 5.7着 ○ 距離適性同距離 9走で勝率 22% ○ 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) -14% (オッズ過剰評価) AI 予想勝率 1.9% (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。
10	ポッドシャンク	張田昂（船橋）	実1.2	◎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（同距離帯3走で勝率100%／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 08/24 船橋3R 1着/8頭勝利 08/04 船橋2R 1着/11頭勝利 06/22 名古屋5R 1着/12頭 05/22 名古屋1R 1着/11頭 ―
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 距離適性同距離 3走で勝率 100% ○ 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 14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 67.3% (オッズ暗示: 83.3%) ※ 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。
11	ブルーオーシャン	藤田凌（大井）	実14.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走2着）
前5走 08/20 川崎12R 2着/3頭 07/29 川崎2R 2着/3頭 07/06 川崎7R 5着/12頭 06/15 川崎6R 6着/12頭 05/12 川崎1R 1着/12頭勝利
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子平均 3.0着 (安定) △ 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% ○ 前走実績前走 2着 (好走) ○ ローテーション 18日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 5.2% (オッズ暗示: 6.8%) ※ 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

ポッドシャンク

騎手張田昂（船橋）

単勝オッズ

1.2倍

AI期待値

-19%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○6フルミネビアンコ

8.1倍

EV -12%

▲11ブルーオーシャン

14.8倍

EV -22%

出走馬全11頭

◎10

ポッドシャンク

張田昂（船橋）

1.2倍

-19%

›

○6

フルミネビアンコ

櫻井光（川崎）

8.1倍

-12%

›

▲11

ブルーオーシャン

藤田凌（大井）

14.8倍

-22%

›

△5

ソウモウクッキ

新原周（川崎）

32.7倍

+65%

›

△4

テセラグラディウス

佐野遥（川崎）

8.2倍

-63%

›

△9

ビップルーク

七夕裕（浦和）

44.9倍

-14%

›

▽7

ウォールローゼ

岡村健（船橋）

36.0倍

-44%

›

▽1

エイシンジンジャー

山本大（船橋）

49.5倍

-42%

›

▽2

シンキングレーヴ

中島良（浦和）

66.7倍

-25%

›

▽3

グローバルサウス

古岡勇（川崎）

82.3倍

-22%

›

▽8

マイボンド

山林信（川崎）

118.6倍

-38%

›

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