川崎 11R 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

11R 川崎競馬場開成町ダ1400m ダート1400m　発走 20:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レグノ	ゴンサ（船橋）	実14.3	B× A▽勝率5% EV-33% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場17走で勝率29%と適性高／同距離帯20走で勝率30%／直近3走で勝率33%と好調）
前5走 08/20 川崎11R 9着/12頭+1.1秒 07/08 川崎10R 1着/9頭 06/16 川崎10R 5着/11頭+0.0秒 05/28 浦和11R 9着/13頭 05/11 川崎11R 5着/14頭+0.3秒
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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 17走で勝率 29% (得意) ◎ 距離適性同距離 20走で勝率 30% ○ 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) -88% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 7.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 4.7% / 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。
2	エレファントラン自在	御神訓（大井）	実3.7	B× A○勝率18% EV-34% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率30%）
前5走 08/18 川崎11R 4着/9頭+1.5秒 07/30 川崎10R 4着/13頭+0.9秒 07/08 川崎10R 2着/9頭 05/14 川崎12R 1着/12頭勝利 02/02 川崎12R 5着/13頭+1.8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 3.3着 ○ 当競馬場適性 17走で勝率 18% (相性良) ○ 距離適性同距離 14走で勝率 21% ◎ 騎手近50戦勝率 30% (好調) ○ 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 0.8% (オッズ暗示: 27.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.8% / 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。
3	ナガタエース追込	古岡勇（川崎）	実125.6	B× A▽勝率1% 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 03/03 川崎11R 12着/14頭+3.2秒 11/20 川崎11R 9着/10頭+4.2秒 10/13 川崎10R 10着/11頭+1.8秒 09/09 川崎11R 13着/14頭+2.9秒 08/25 川崎11R 7着/8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 10.3着 (不振) △ 当競馬場適性 39走で勝率 13% △ 距離適性同距離 16走で勝率 12% ▽ 前走実績前走 12着 (大敗) △ ローテーション 188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 12位 / 勝率 0.9% / 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。
4	オールフラッグ追込	山本大（船橋）	実44.2	B× A▽勝率1% EV-49% 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 03/12 船橋8R 9着/10頭+1.8秒 02/13 船橋12R 4着/12頭+0.1秒 01/21 船橋9R 4着/11頭+0.8秒 12/12 船橋11R 10着/11頭+2.2秒 11/06 船橋9R 7着/11頭+2.1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 5.7着 △ ローテーション 179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 11位 / 勝率 1.1% / 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。
5	オリコウデレガンス先行	町田直（川崎）	推定—	B△ A△勝率10% EV-83% 詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率38%／前走2着／騎手は近50戦で勝率20%）
前5走 08/18 川崎11R 2着/9頭+0.7秒 07/30 川崎9R 8着/11頭+1.5秒 07/08 川崎10R 3着/9頭 06/16 川崎10R 8着/11頭 05/11 川崎11R 6着/14頭+0.9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 4.3着 ○ 当競馬場適性 15走で勝率 20% (相性良) ◎ 距離適性同距離 8走で勝率 38% ◎ 騎手近50戦勝率 20% (好調) ○ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.8% △ Aモデルの評価 (参考) レース内 5位 / 勝率 9.5% / 期待値 -84% ※ 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	デアシュトゥルム差し	佐野遥（川崎）	実20.8	B× A▽勝率3% EV-34% 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 08/18 川崎11R 3着/9頭+0.8秒 07/30 川崎10R 5着/13頭+1.0秒 07/08 川崎10R 6着/9頭+0.0秒 02/05 川崎11R 8着/12頭+1.7秒 01/04 川崎11R 4着/14頭+1.4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戦の調子平均 4.7着 △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 22走で勝率 14% △ 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 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 4.8%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.1% / 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。
7	ラジエーション逃げ	櫻井光（川崎）	実14.6	B△ A×勝率3% EV-55% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯10走で勝率30%／同馬場状態で勝率33%）
前5走 01/07 浦和10R 4着/13頭+0.4秒 12/22 浦和11R 2着/13頭+0.4秒 11/17 川崎10R 2着/11頭+0.4秒 10/14 川崎10R 4着/14頭+0.7秒 06/19 川崎12R 1着/11頭勝利
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 2.7着 (安定) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 10走で勝率 30% ◎ 馬場適性同馬場 3走で勝率 33% △ ローテーション 243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 1.3% (オッズ暗示: 6.8%) × Aモデルの評価 (参考) レース内 9位 / 勝率 3.0% / 期待値 -56% ※ 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	オーウェル逃げ	和田譲（大井）	実6.4	B▲ A△勝率8% EV-51% 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／騎手は近50戦で勝率22%）
前5走 08/20 川崎11R 7着/12頭+0.6秒 08/07 浦和11R 1着/9頭勝利 02/23 浦和11R 3着/13頭+0.6秒 09/24 浦和11R 7着/8頭+1.4秒 08/20 浦和10R 2着/12頭+0.5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戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 12走で勝率 17% ◎ 騎手近50戦勝率 22% (好調) ○ 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) -70% (大幅な期待値マイナス) AI 予想勝率 4.6% (オッズ暗示: 15.6%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.5% / 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。
9	ラブアンドハピネス先行	半澤慶（浦和）	実23.8	B× A×勝率2% EV-51% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯10走で勝率30%）
前5走 08/28 船橋11R 5着/11頭+2.0秒 08/11 浦和10R 5着/8頭+0.8秒 07/04 船橋11R 8着/13頭 03/20 浦和11R 10着/12頭+1.2秒 03/04 川崎11R 2着/6頭+0.2秒
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 6.0着 ◎ 距離適性同距離 10走で勝率 30% △ 騎手近50戦勝率 2% (やや苦戦) × 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 0.1% (オッズ暗示: 4.2%) × Aモデルの評価 (参考) レース内 10位 / 勝率 2.0% / 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。
10	スマトラフレイバー逃げ	野畑凌（川崎）	実4.6	B○ A◎勝率25% EV+14% 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／243日ぶりの実戦）
前5走 01/07 浦和11R 11着/12頭+3.8秒 11/05 船橋11R 1着/9頭勝利 10/15 川崎11R 6着/8頭+3.0秒 07/08 川崎3R 1着/10頭勝利 06/04 船橋2R 1着/7頭勝利
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 33% (上り調子) ▽ 前走実績前走 11着 (大敗) △ ローテーション 243日休養明け × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 9.6% (オッズ暗示: 21.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 24.9% / 期待値 +15% ※ 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	スターグリップ自在	笹川翼（大井）	実5.0	B△ A△勝率12% EV-37% 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14走で勝率43%と適性高／同距離帯13走で勝率38%）
前5走 08/20 川崎11R 6着/12頭+0.4秒 07/31 川崎11R 3着/3頭 07/07 川崎11R 3着/8頭 05/15 川崎11R 3着/12頭+0.8秒 04/17 大井11R 4着/12頭+0.5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 4.0着 ◎ 当競馬場適性 14走で勝率 43% (得意) ◎ 距離適性同距離 13走で勝率 38% ○ 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) -95% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 20.0%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 12.5% / 期待値 -38% ※ 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	スノーシュー逃げ推奨	本田重（船橋）	実6.3	B◎ A▲勝率13% EV-19% 詳細▼	市場が大きく過小評価、AI予想勝率80% × オッズ6.3倍で期待値+404%の有力候補（直近3走勝率67%と絶好調／当競馬場12走で勝率42%と適性高／同距離帯で勝率57%と得意）
前5走 05/15 川崎11R 4着/12頭+1.3秒 11/21 川崎11R 1着/9頭勝利 10/14 川崎10R 1着/14頭勝利 09/30 船橋9R 4着/10頭+3.0秒 12/10 川崎10R 2着/14頭+0.4秒
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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 7走で勝率 57% ◎ 騎手近50戦勝率 22% (好調) △ ローテーション 115日休養明け ◎ 期待値 (オッズ vs AI勝率) +404% (市場が大幅過小評価) AI 予想勝率 80.0% (オッズ暗示: 15.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.8% / 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。

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 ▲

スノーシュー

騎手本田重（船橋）

単勝オッズ

6.3倍

AI期待値

+404%

買い目

¥1,900

全レースの推奨

AIの推奨本命の次点

○A:◎10スマトラフレイバー

4.6倍

EV -56%

▲A:△8オーウェル

6.4倍

EV -70%

出走馬全12頭

◎A:▲12

スノーシュー

本田重（船橋）

6.3倍

+404%

›

○A:◎10

スマトラフレイバー

野畑凌（川崎）

4.6倍

-56%

›

▲A:△8

オーウェル

和田譲（大井）

6.4倍

-70%

›

△A:×7

ラジエーション

櫻井光（川崎）

14.6倍

-80%

›

△A:△11

スターグリップ

笹川翼（大井）

5.0倍

-94%

›

△A:△5

オリコウデレガンス

町田直（川崎）

—

›

×A:○2

エレファントラン

御神訓（大井）

3.7倍

-96%

›

×A:▽1

レグノ

ゴンサ（船橋）

14.3倍

-87%

›

×A:▽6

デアシュトゥルム

佐野遥（川崎）

20.8倍

-82%

›

×A:×9

ラブアンドハピネス

半澤慶（浦和）

23.8倍

-98%

›

×A:▽4

オールフラッグ

山本大（船橋）

44.2倍

-99%

›

×A:▽3

ナガタエース

古岡勇（川崎）

125.6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

A. 市場込みモデル

見送り

B. 市場除外+キャリブ

単勝 12 スノーシュー ¥1,900 実6.3倍期待値 +404% 不的中4着単勝 6.3倍

※ オッズは予測時点の値です。

11R 川崎競馬場開成町ダ1400m ダート1400m　発走 20:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レグノ	ゴンサ（船橋）	実14.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場17走で勝率29%と適性高／同距離帯20走で勝率30%／直近3走で勝率33%と好調）
前5走 08/20 川崎11R 9着/12頭+1.1秒 07/08 川崎10R 1着/9頭 06/16 川崎10R 5着/11頭+0.0秒 05/28 浦和11R 9着/13頭 05/11 川崎11R 5着/14頭+0.3秒
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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 17走で勝率 29% (得意) ◎ 距離適性同距離 20走で勝率 30% ○ 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) -33% (大幅な期待値マイナス) AI 予想勝率 4.7% (オッズ暗示: 7.0%) ※ 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	エレファントラン自在	御神訓（大井）	実3.7	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率30%）
前5走 08/18 川崎11R 4着/9頭+1.5秒 07/30 川崎10R 4着/13頭+0.9秒 07/08 川崎10R 2着/9頭 05/14 川崎12R 1着/12頭勝利 02/02 川崎12R 5着/13頭+1.8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 3.3着 ○ 当競馬場適性 17走で勝率 18% (相性良) ○ 距離適性同距離 14走で勝率 21% ◎ 騎手近50戦勝率 30% (好調) ○ 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 17.8% (オッズ暗示: 27.0%) ※ 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。
3	ナガタエース追込	古岡勇（川崎）	実125.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調／188日ぶりの実戦）
前5走 03/03 川崎11R 12着/14頭+3.2秒 11/20 川崎11R 9着/10頭+4.2秒 10/13 川崎10R 10着/11頭+1.8秒 09/09 川崎11R 13着/14頭+2.9秒 08/25 川崎11R 7着/8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 10.3着 (不振) △ 当競馬場適性 39走で勝率 13% △ 距離適性同距離 16走で勝率 12% ▽ 前走実績前走 12着 (大敗) △ ローテーション 188日休養明け △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 0.9% (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。
4	オールフラッグ追込	山本大（船橋）	実44.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（179日ぶりの実戦）
前5走 03/12 船橋8R 9着/10頭+1.8秒 02/13 船橋12R 4着/12頭+0.1秒 01/21 船橋9R 4着/11頭+0.8秒 12/12 船橋11R 10着/11頭+2.2秒 11/06 船橋9R 7着/11頭+2.1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 5.7着 △ ローテーション 179日休養明け × 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 1.1% (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。
5	オリコウデレガンス先行	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率38%／前走2着／騎手は近50戦で勝率20%）
前5走 08/18 川崎11R 2着/9頭+0.7秒 07/30 川崎9R 8着/11頭+1.5秒 07/08 川崎10R 3着/9頭 06/16 川崎10R 8着/11頭 05/11 川崎11R 6着/14頭+0.9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 4.3着 ○ 当競馬場適性 15走で勝率 20% (相性良) ◎ 距離適性同距離 8走で勝率 38% ◎ 騎手近50戦勝率 20% (好調) ○ 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) -84% (大幅な期待値マイナス) AI 予想勝率 9.5% ※ 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。
6	デアシュトゥルム差し	佐野遥（川崎）	実20.8	▽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 08/18 川崎11R 3着/9頭+0.8秒 07/30 川崎10R 5着/13頭+1.0秒 07/08 川崎10R 6着/9頭+0.0秒 02/05 川崎11R 8着/12頭+1.7秒 01/04 川崎11R 4着/14頭+1.4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戦の調子平均 4.7着 △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 22走で勝率 14% △ 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 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 3.1% (オッズ暗示: 4.8%) ※ 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。
7	ラジエーション逃げ	櫻井光（川崎）	実14.6	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯10走で勝率30%／同馬場状態で勝率33%）
前5走 01/07 浦和10R 4着/13頭+0.4秒 12/22 浦和11R 2着/13頭+0.4秒 11/17 川崎10R 2着/11頭+0.4秒 10/14 川崎10R 4着/14頭+0.7秒 06/19 川崎12R 1着/11頭勝利
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 2.7着 (安定) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 10走で勝率 30% ◎ 馬場適性同馬場 3走で勝率 33% △ ローテーション 243日休養明け × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 3.0% (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。
8	オーウェル逃げ	和田譲（大井）	実6.4	△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／騎手は近50戦で勝率22%）
前5走 08/20 川崎11R 7着/12頭+0.6秒 08/07 浦和11R 1着/9頭勝利 02/23 浦和11R 3着/13頭+0.6秒 09/24 浦和11R 7着/8頭+1.4秒 08/20 浦和10R 2着/12頭+0.5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戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 12走で勝率 17% ◎ 騎手近50戦勝率 22% (好調) ○ 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) -52% (大幅な期待値マイナス) AI 予想勝率 7.5% (オッズ暗示: 15.6%) ※ 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	ラブアンドハピネス先行	半澤慶（浦和）	実23.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯10走で勝率30%）
前5走 08/28 船橋11R 5着/11頭+2.0秒 08/11 浦和10R 5着/8頭+0.8秒 07/04 船橋11R 8着/13頭 03/20 浦和11R 10着/12頭+1.2秒 03/04 川崎11R 2着/6頭+0.2秒
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 6.0着 ◎ 距離適性同距離 10走で勝率 30% △ 騎手近50戦勝率 2% (やや苦戦) × 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 2.0% (オッズ暗示: 4.2%) ※ 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	スマトラフレイバー逃げ	野畑凌（川崎）	実4.6	◎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（直近3走で勝率33%と好調／243日ぶりの実戦）
前5走 01/07 浦和11R 11着/12頭+3.8秒 11/05 船橋11R 1着/9頭勝利 10/15 川崎11R 6着/8頭+3.0秒 07/08 川崎3R 1着/10頭勝利 06/04 船橋2R 1着/7頭勝利
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 33% (上り調子) ▽ 前走実績前走 11着 (大敗) △ ローテーション 243日休養明け △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 24.9% (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。
11	スターグリップ自在	笹川翼（大井）	実5.0	△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14走で勝率43%と適性高／同距離帯13走で勝率38%）
前5走 08/20 川崎11R 6着/12頭+0.4秒 07/31 川崎11R 3着/3頭 07/07 川崎11R 3着/8頭 05/15 川崎11R 3着/12頭+0.8秒 04/17 大井11R 4着/12頭+0.5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 4.0着 ◎ 当競馬場適性 14走で勝率 43% (得意) ◎ 距離適性同距離 13走で勝率 38% ○ 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) -38% (大幅な期待値マイナス) AI 予想勝率 12.5% (オッズ暗示: 20.0%) ※ 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。
12	スノーシュー逃げ推奨	本田重（船橋）	実6.3	▲詳細▼	期待値プラスでAIの推し馬（直近3走勝率67%と絶好調／当競馬場12走で勝率42%と適性高／同距離帯で勝率57%と得意）
前5走 05/15 川崎11R 4着/12頭+1.3秒 11/21 川崎11R 1着/9頭勝利 10/14 川崎10R 1着/14頭勝利 09/30 船橋9R 4着/10頭+3.0秒 12/10 川崎10R 2着/14頭+0.4秒
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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 7走で勝率 57% ◎ 騎手近50戦勝率 22% (好調) △ ローテーション 115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 12.8% (オッズ暗示: 15.9%) ※ 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。

AIの本命

AI評価1位

スマトラフレイバー

騎手野畑凌（川崎）

単勝オッズ

4.6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

○2エレファントラン

3.7倍

EV -34%

▲12スノーシュー

6.3倍

EV -19%

出走馬全12頭

◎10

スマトラフレイバー

野畑凌（川崎）

4.6倍

+14%

›

○2

エレファントラン

御神訓（大井）

3.7倍

-34%

›

▲12

スノーシュー

本田重（船橋）

6.3倍

-19%

›

△11

スターグリップ

笹川翼（大井）

5.0倍

-37%

›

△5

オリコウデレガンス

町田直（川崎）

—

›

△8

オーウェル

和田譲（大井）

6.4倍

-51%

›

▽1

レグノ

ゴンサ（船橋）

14.3倍

-33%

›

▽6

デアシュトゥルム

佐野遥（川崎）

20.8倍

-34%

›

×7

ラジエーション

櫻井光（川崎）

14.6倍

-55%

›

×9

ラブアンドハピネス

半澤慶（浦和）

23.8倍

-51%

›

▽4

オールフラッグ

山本大（船橋）

44.2倍

-49%

›

▽3

ナガタエース

古岡勇（川崎）

125.6倍

+13%

›

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 12 スノーシュー ¥1,900 実6.3倍期待値 -19% 不的中4着単勝 6.3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