川崎 9R 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

9R 川崎競馬場ダ900m ダート900m　発走 19:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	キョウエイハゴロモ先行	加藤雄（川崎）	実56.5	B× A▽勝率1% EV-45% 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 08/18 川崎10R 9着/12頭+1.1秒 07/27 川崎3R 3着/11頭+0.4秒 05/27 浦和8R 7着/7頭 05/12 川崎6R 6着/12頭+1.1秒 04/06 川崎3R 1着/10頭勝利
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 6.3着 △ 当競馬場適性 13走で勝率 8% ▽ 距離適性同距離は 3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 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 9位 / 勝率 1.0% / 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。
2	ミスサン自在	ゴンサ（船橋）	実30.6	B× A▽勝率2% EV-31% 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 06/16 川崎7R 7着/12頭+0.0秒 06/03 船橋6R 9着/13頭+0.0秒 05/14 川崎7R 7着/11頭+0.5秒 05/08 船橋8R 5着/14頭+1.4秒 04/10 川崎8R 11着/11頭+3.1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戦の調子平均 7.7着 (不振) ○ 当競馬場適性 14走で勝率 21% (相性良) ○ 距離適性同距離 17走で勝率 24% × 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 7位 / 勝率 2.2% / 期待値 -32% ※ 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	ハーバーショー推奨	佐野遥（川崎）	実13.1	B○ A△勝率7% EV-12% 詳細▼	市場が大きく過小評価、AI予想勝率19% × オッズ13.1倍で期待値+146%の有力候補（直近3走勝率33%と上り調子／当競馬場8走で勝率25%と適性高／同距離帯で勝率33%と得意）
前5走 08/19 川崎1R 1着/11頭勝利 07/31 川崎3R 2着/12頭+0.5秒 07/06 川崎7R 12着/12頭+8.0秒 06/15 川崎6R 11着/12頭 05/25 浦和2R 9着/10頭+3.0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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +146% (市場が大幅過小評価) AI 予想勝率 18.8% (オッズ暗示: 7.6%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.7% / 期待値 -12% ※ 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	サウンドプリモ	野畑凌（川崎）	実6.6	B△ A△勝率7% EV-54% 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5走 08/20 川崎3R 4着/11頭+1.0秒 07/27 川崎3R 2着/11頭+0.2秒 07/06 川崎3R 1着/12頭 06/15 川崎1R 3着/12頭 05/15 川崎4R 2着/9頭+0.2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% ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 15.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 6.9% / 期待値 -55% ※ 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	イソエヴィクラント追込	田中涼（川崎）	実90.2	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 08/19 川崎10R 8着/12頭+2.6秒 07/31 川崎10R 7着/12頭+1.6秒 06/03 船橋6R 11着/13頭 05/14 川崎7R 9着/11頭+0.8秒 11/20 川崎9R 11着/12頭+2.8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 8.7着 (不振) △ 当競馬場適性 20走で勝率 10% △ 距離適性同距離 19走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 19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 -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。
6	ラックナシェード	古岡勇（川崎）	実18.7	B△ A△勝率3% EV-46% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 08/18 川崎8R 1着/12頭勝利 07/31 川崎9R 7着/12頭+2.4秒 07/10 川崎7R 9着/10頭 06/16 川崎7R 10着/12頭 05/11 川崎7R 4着/12頭+1.6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 15走で勝率 13% △ 距離適性同距離 14走で勝率 14% ◎ 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) -97% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 5.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 2.8% / 期待値 -47% ※ 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	シルヴァーリップ自在	伊藤裕（川崎）	実53.5	B× A▽勝率1% EV-22% 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 05/11 川崎12R 12着/12頭+3.3秒 04/08 川崎7R 8着/12頭+1.7秒 03/03 川崎12R 12着/12頭+2.1秒 02/06 川崎12R 9着/12頭+1.2秒 01/04 川崎10R 6着/12頭+1.2秒
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 10.7着 (不振) ○ 当競馬場適性 21走で勝率 24% (相性良) ○ 距離適性同距離 17走で勝率 24% ▽ 前走実績前走 12着 (大敗) △ ローテーション 119日休養明け × 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 1.4% / 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。
8	ケイツーユーロ差し	西啓太（大井）	実56.4	B× A▽勝率1% EV-48% 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 08/18 川崎10R 8着/12頭+1.0秒 07/28 川崎8R 8着/12頭+1.2秒 07/09 川崎8R 10着/10頭 03/18 浦和8R 12着/12頭+2.6秒 03/03 川崎12R 10着/12頭+1.7秒
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 8.7着 (不振) △ 当競馬場適性 29走で勝率 7% ○ 距離適性同距離 32走で勝率 16% ○ 騎手近50戦勝率 16% ○ 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 -49% ※ 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	グランドマーメイド自在	増田充（川崎）	実1.8	B◎ A◎勝率56% EV+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（当競馬場5走で勝率80%と適性高／同距離帯5走で勝率80%／直近3走で勝率67%と好調）
前5走 08/19 川崎10R 3着/12頭+0.7秒 07/28 川崎8R 1着/12頭勝利 07/08 川崎5R 1着/11頭 06/15 川崎1R 1着/12頭 05/15 川崎4R 1着/9頭勝利
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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 距離適性同距離 5走で勝率 80% △ 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 19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 69.7% (オッズ暗示: 55.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 56.5% / 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。
10	クレイスアバンティ	神尾香（川崎）	実5.3	B▲ A○勝率12% EV-34% 詳細▼	AI上位評価だが期待値不足、見送り（同距離帯6走で勝率33%／前走2着）
前5走 08/18 川崎10R 2着/12頭+0.0秒 07/28 川崎8R 4着/12頭+0.8秒 07/09 川崎8R 6着/10頭+0.0秒 06/18 川崎2R 3着/10頭 06/05 船橋5R 8着/10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戦の調子平均 4.0着 ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 6走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2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) -76% (大幅な期待値マイナス) AI 予想勝率 4.6% (オッズ暗示: 18.9%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 12.4% / 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。
11	ブラックエンパイア	室陽一（浦和）	実7.2	B△ A▲勝率8% EV-42% 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8走で勝率25%／前走2着）
前5走 08/12 浦和7R 2着/12頭+0.5秒 07/16 浦和8R 6着/9頭 06/24 浦和9R 3着/11頭 05/28 浦和6R 1着/12頭 05/06 船橋6R 6着/14頭+0.8秒
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 3.7着 ◎ 距離適性同距離 8走で勝率 25% ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 4.6% (オッズ暗示: 13.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 8.0% / 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。
12	ハワイアンジュエル	及川烈（浦和）	実60.1	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 08/12 浦和7R 8着/12頭+1.4秒 07/28 川崎8R 10着/12頭+1.9秒 07/16 浦和8R 3着/9頭+0.0秒 07/09 川崎8R 7着/10頭 06/24 浦和9R 5着/11頭
AI 評価の内訳 — 馬番 12 ◎ 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 10走で勝率 20% ○ 馬場適性同馬場 4走で勝率 25% ○ ローテーション 26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 -63% ※ 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 ◎

グランドマーメイド

騎手増田充（川崎）

単勝オッズ

1.8倍

AI期待値

+25%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:△3ハーバーショー

13.1倍

EV +146%

▲A:○10クレイスアバンティ

5.3倍

EV -75%

出走馬全12頭

◎A:◎9

グランドマーメイド

増田充（川崎）

1.8倍

+25%

›

○A:△3

ハーバーショー

佐野遥（川崎）

13.1倍

+146%

›

▲A:○10

クレイスアバンティ

神尾香（川崎）

5.3倍

-75%

›

△A:▲11

ブラックエンパイア

室陽一（浦和）

7.2倍

-66%

›

△A:△4

サウンドプリモ

野畑凌（川崎）

6.6倍

-85%

›

△A:△6

ラックナシェード

古岡勇（川崎）

18.7倍

-97%

›

×A:▽2

ミスサン

ゴンサ（船橋）

30.6倍

-99%

›

×A:▽7

シルヴァーリップ

伊藤裕（川崎）

53.5倍

-99%

›

×A:▽8

ケイツーユーロ

西啓太（大井）

56.4倍

-99%

›

×A:▽1

キョウエイハゴロモ

加藤雄（川崎）

56.5倍

-99%

›

×A:×12

ハワイアンジュエル

及川烈（浦和）

60.1倍

-99%

›

×A:×5

イソエヴィクラント

田中涼（川崎）

90.2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 3 ハーバーショー ¥300 実13.1倍期待値 +146% 不的中単勝 13.1倍

※ オッズは予測時点の値です。

9R 川崎競馬場ダ900m ダート900m　発走 19:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	キョウエイハゴロモ先行	加藤雄（川崎）	実56.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し）
前5走 08/18 川崎10R 9着/12頭+1.1秒 07/27 川崎3R 3着/11頭+0.4秒 05/27 浦和8R 7着/7頭 05/12 川崎6R 6着/12頭+1.1秒 04/06 川崎3R 1着/10頭勝利
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 6.3着 △ 当競馬場適性 13走で勝率 8% ▽ 距離適性同距離は 3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 20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 1.0% (オッズ暗示: 1.8%) ※ 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。
2	ミスサン自在	ゴンサ（船橋）	実30.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（83日ぶりの実戦）
前5走 06/16 川崎7R 7着/12頭+0.0秒 06/03 船橋6R 9着/13頭+0.0秒 05/14 川崎7R 7着/11頭+0.5秒 05/08 船橋8R 5着/14頭+1.4秒 04/10 川崎8R 11着/11頭+3.1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戦の調子平均 7.7着 (不振) ○ 当競馬場適性 14走で勝率 21% (相性良) ○ 距離適性同距離 17走で勝率 24% × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 2.2% (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。
3	ハーバーショー推奨	佐野遥（川崎）	実13.1	△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／当競馬場8走で勝率25%と適性高／同距離帯で勝率33%と得意）
前5走 08/19 川崎1R 1着/11頭勝利 07/31 川崎3R 2着/12頭+0.5秒 07/06 川崎7R 12着/12頭+8.0秒 06/15 川崎6R 11着/12頭 05/25 浦和2R 9着/10頭+3.0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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 6.7% (オッズ暗示: 7.6%) ※ 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。
4	サウンドプリモ	野畑凌（川崎）	実6.6	△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5走 08/20 川崎3R 4着/11頭+1.0秒 07/27 川崎3R 2着/11頭+0.2秒 07/06 川崎3R 1着/12頭 06/15 川崎1R 3着/12頭 05/15 川崎4R 2着/9頭+0.2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% ○ 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) -55% (大幅な期待値マイナス) AI 予想勝率 6.9% (オッズ暗示: 15.2%) ※ 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	イソエヴィクラント追込	田中涼（川崎）	実90.2	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 08/19 川崎10R 8着/12頭+2.6秒 07/31 川崎10R 7着/12頭+1.6秒 06/03 船橋6R 11着/13頭 05/14 川崎7R 9着/11頭+0.8秒 11/20 川崎9R 11着/12頭+2.8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 8.7着 (不振) △ 当競馬場適性 20走で勝率 10% △ 距離適性同距離 19走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 19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 0.6% (オッズ暗示: 1.1%) ※ 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	ラックナシェード	古岡勇（川崎）	実18.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 08/18 川崎8R 1着/12頭勝利 07/31 川崎9R 7着/12頭+2.4秒 07/10 川崎7R 9着/10頭 06/16 川崎7R 10着/12頭 05/11 川崎7R 4着/12頭+1.6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 15走で勝率 13% △ 距離適性同距離 14走で勝率 14% ◎ 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) -47% (大幅な期待値マイナス) AI 予想勝率 2.8% (オッズ暗示: 5.3%) ※ 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	シルヴァーリップ自在	伊藤裕（川崎）	実53.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／119日ぶりの実戦）
前5走 05/11 川崎12R 12着/12頭+3.3秒 04/08 川崎7R 8着/12頭+1.7秒 03/03 川崎12R 12着/12頭+2.1秒 02/06 川崎12R 9着/12頭+1.2秒 01/04 川崎10R 6着/12頭+1.2秒
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 10.7着 (不振) ○ 当競馬場適性 21走で勝率 24% (相性良) ○ 距離適性同距離 17走で勝率 24% ▽ 前走実績前走 12着 (大敗) △ ローテーション 119日休養明け △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 1.4% (オッズ暗示: 1.9%) ※ 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	ケイツーユーロ差し	西啓太（大井）	実56.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 08/18 川崎10R 8着/12頭+1.0秒 07/28 川崎8R 8着/12頭+1.2秒 07/09 川崎8R 10着/10頭 03/18 浦和8R 12着/12頭+2.6秒 03/03 川崎12R 10着/12頭+1.7秒
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 8.7着 (不振) △ 当競馬場適性 29走で勝率 7% ○ 距離適性同距離 32走で勝率 16% ○ 騎手近50戦勝率 16% ○ 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) -49% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 1.8%) ※ 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	グランドマーメイド自在	増田充（川崎）	実1.8	◎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5走で勝率80%と適性高／同距離帯5走で勝率80%／直近3走で勝率67%と好調）
前5走 08/19 川崎10R 3着/12頭+0.7秒 07/28 川崎8R 1着/12頭勝利 07/08 川崎5R 1着/11頭 06/15 川崎1R 1着/12頭 05/15 川崎4R 1着/9頭勝利
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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 距離適性同距離 5走で勝率 80% △ 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 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 56.5% (オッズ暗示: 55.6%) ※ 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。
10	クレイスアバンティ	神尾香（川崎）	実5.3	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯6走で勝率33%／前走2着）
前5走 08/18 川崎10R 2着/12頭+0.0秒 07/28 川崎8R 4着/12頭+0.8秒 07/09 川崎8R 6着/10頭+0.0秒 06/18 川崎2R 3着/10頭 06/05 船橋5R 8着/10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戦の調子平均 4.0着 ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 6走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2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) -34% (大幅な期待値マイナス) AI 予想勝率 12.4% (オッズ暗示: 18.9%) ※ 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。
11	ブラックエンパイア	室陽一（浦和）	実7.2	▲詳細▼	AI上位評価だが期待値不足、見送り（同距離帯8走で勝率25%／前走2着）
前5走 08/12 浦和7R 2着/12頭+0.5秒 07/16 浦和8R 6着/9頭 06/24 浦和9R 3着/11頭 05/28 浦和6R 1着/12頭 05/06 船橋6R 6着/14頭+0.8秒
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 3.7着 ◎ 距離適性同距離 8走で勝率 25% ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) ○ ローテーション 26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 8.0% (オッズ暗示: 13.9%) ※ 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。
12	ハワイアンジュエル	及川烈（浦和）	実60.1	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/12 浦和7R 8着/12頭+1.4秒 07/28 川崎8R 10着/12頭+1.9秒 07/16 浦和8R 3着/9頭+0.0秒 07/09 川崎8R 7着/10頭 06/24 浦和9R 5着/11頭
AI 評価の内訳 — 馬番 12 ◎ 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 10走で勝率 20% ○ 馬場適性同馬場 4走で勝率 25% ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 1.7%) ※ 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

グランドマーメイド

騎手増田充（川崎）

単勝オッズ

1.8倍

AI期待値

+1%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○10クレイスアバンティ

5.3倍

EV -34%

▲11ブラックエンパイア

7.2倍

EV -42%

出走馬全12頭

◎9

グランドマーメイド

増田充（川崎）

1.8倍

+1%

›

○10

クレイスアバンティ

神尾香（川崎）

5.3倍

-34%

›

▲11

ブラックエンパイア

室陽一（浦和）

7.2倍

-42%

›

△4

サウンドプリモ

野畑凌（川崎）

6.6倍

-54%

›

△3

ハーバーショー

佐野遥（川崎）

13.1倍

-12%

›

△6

ラックナシェード

古岡勇（川崎）

18.7倍

-46%

›

▽2

ミスサン

ゴンサ（船橋）

30.6倍

-31%

›

▽7

シルヴァーリップ

伊藤裕（川崎）

53.5倍

-22%

›

▽1

キョウエイハゴロモ

加藤雄（川崎）

56.5倍

-45%

›

▽8

ケイツーユーロ

西啓太（大井）

56.4倍

-48%

›

×12

ハワイアンジュエル

及川烈（浦和）

60.1倍

-63%

›

×5

イソエヴィクラント

田中涼（川崎）

90.2倍

-50%

›

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 3 ハーバーショー ¥300 実13.1倍期待値 -12% 不的中単勝 13.1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