名古屋 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 名古屋競馬場ダ1500m ダート1500m　発走 16:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ネクタール逃げ	今井貴（愛知）	実64.0	B× A▽勝率2% EV+26% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 08/24 名古屋7R 8着/12頭+1.3秒 07/31 名古屋7R 6着/12頭+1.5秒 07/14 名古屋8R 1着/12頭 06/04 名古屋3R 2着/12頭+1.0秒 05/22 名古屋5R 7着/10頭+2.0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 6走で勝率 17% (相性良) △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 16% ○ 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) -75% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.0% / 期待値 +27% ※ 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	トッピゴー逃げ	小笠羚（愛知）	実3.1	B◎ A○勝率22% EV-31% 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／前走3着）
前5走 08/24 名古屋7R 3着/12頭+0.6秒 07/29 名古屋3R 1着/12頭勝利 10/14 名古屋11R 2着/12頭+0.0秒 10/01 名古屋12R 2着/12頭+0.1秒 09/03 名古屋8R 5着/12頭+0.8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% ○ 騎手近50戦勝率 14% ○ 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) +121% (市場が大幅過小評価) AI 予想勝率 71.5% (オッズ暗示: 32.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 22.2% / 期待値 -31% ※ 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	クィーンミツコ逃げ	加藤聡（愛知）	実40.4	B× A▽勝率2% EV-27% 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 08/24 名古屋10R 7着/11頭+0.6秒 07/31 名古屋7R 12着/12頭+2.7秒 07/03 名古屋9R 6着/12頭+1.0秒 05/21 名古屋4R 1着/10頭 05/06 名古屋1R 3着/11頭+0.0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戦の調子平均 8.3着 (不振) △ 当競馬場適性 38走で勝率 5% △ 距離適性同距離 32走で勝率 6% ○ 騎手近50戦勝率 16% ○ 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 1.8% / 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。
4	リックトメンマ	大原浩（笠松）	推定—	B× A△勝率6% EV-88% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し）
前5走 08/24 名古屋6R 4着/11頭+0.8秒 07/31 名古屋12R 5着/12頭+0.5秒 07/03 名古屋1R 3着/12頭 06/19 名古屋3R 3着/11頭 06/04 名古屋4R 4着/12頭
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 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 15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) -99% (大幅な期待値マイナス) AI 予想勝率 0.6% △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.5% / 期待値 -88% ※ 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	ファルコナーラ自在	細川智（愛知）	実7.2	B△ A▲勝率16% EV+13% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同馬場状態で勝率33%／直近3走で勝率33%と好調／94日ぶりの実戦）
前5走 06/05 名古屋12R 4着/11頭 05/25 名古屋5R 5着/11頭 04/23 名古屋1R 1着/11頭勝利 04/09 名古屋4R 3着/11頭+0.0秒 03/12 名古屋2R 11着/11頭+3.7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戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 15走で勝率 13% ◎ 馬場適性同馬場 3走で勝率 33% △ ローテーション 94日休養明け × 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 2.2% (オッズ暗示: 13.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 15.7% / 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。
6	ターミバレンシア	近藤颯（愛知）	実8.1	B△ A△勝率9% EV-23% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 08/24 名古屋7R 6着/12頭+0.8秒 07/31 名古屋5R 5着/12頭+1.5秒 07/03 名古屋9R 2着/12頭 06/05 名古屋12R 5着/11頭 05/25 名古屋5R 7着/11頭
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 4.3着 △ 当競馬場適性 76走で勝率 9% △ 距離適性同距離 48走で勝率 10% ○ 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 0.7% (オッズ暗示: 12.3%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.4% / 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。
7	リストン逃げ	阪野学（愛知）	実42.8	B× A▽勝率2% EV-1% 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 08/24 名古屋7R 12着/12頭+3.6秒 07/31 名古屋7R 7着/12頭+1.6秒 07/17 名古屋12R 5着/12頭 07/02 名古屋6R 9着/12頭 05/22 名古屋10R 8着/10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 8.0着 (不振) △ 当競馬場適性 45走で勝率 11% △ 距離適性同距離 33走で勝率 6% ▽ 前走実績前走 12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 8位 / 勝率 2.3% / 期待値 -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。
8	スイングボーイ	大畑慧（愛知）	実18.8	B△ A△勝率6% EV+14% 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 08/19 名古屋4R 1着/11頭勝利 07/29 名古屋2R 2着/11頭+0.3秒 07/02 名古屋12R 9着/12頭+0.0秒 06/19 名古屋1R 5着/10頭 06/04 名古屋3R 8着/12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戦の調子勝率 33% (上り調子) △ 当競馬場適性 36走で勝率 6% △ 距離適性同距離 35走で勝率 6% ◎ 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) -87% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 5.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.1% / 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。
9	ゼーブルージュ	木之葵（愛知）	実16.9	B▲ A▽勝率4% EV-38% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は6走で勝ち無し／前走3着）
前5走 08/24 名古屋6R 3着/11頭+0.5秒 07/31 名古屋5R 8着/12頭+2.1秒 07/14 浦和5R 3着/11頭+0.0秒 06/23 浦和9R 7着/10頭+0.0秒 05/29 浦和9R 6着/10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 4.7着 ▽ 距離適性同距離は 6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 14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 4.6% (オッズ暗示: 5.9%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.6% / 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。
10	クロメヒョウ逃げ	塚本征（愛知）	実2.0	B○ A◎勝率30% EV-39% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.7着と安定／前走2着／騎手は近50戦で勝率32%）
前5走 08/24 名古屋5R 2着/3頭 03/02 名古屋8R 3着/11頭+0.8秒 02/13 名古屋7R 3着/11頭+0.5秒 01/30 名古屋3R 1着/11頭勝利 01/19 名古屋4R 5着/11頭+0.5秒
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 2.7着 (安定) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 10走で勝率 20% ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 2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) -61% (大幅な期待値マイナス) AI 予想勝率 19.3% (オッズ暗示: 50.0%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 30.4% / 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。

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 ○

トッピゴー

騎手小笠羚（愛知）

単勝オッズ

3.1倍

AI期待値

+121%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎10クロメヒョウ

2.0倍

EV -61%

▲A:▽9ゼーブルージュ

16.9倍

EV -21%

出走馬全10頭

◎A:○2

トッピゴー

小笠羚（愛知）

3.1倍

+121%

›

○A:◎10

クロメヒョウ

塚本征（愛知）

2.0倍

-61%

›

▲A:▽9

ゼーブルージュ

木之葵（愛知）

16.9倍

-21%

›

△A:▲5

ファルコナーラ

細川智（愛知）

7.2倍

-84%

›

△A:△6

ターミバレンシア

近藤颯（愛知）

8.1倍

-94%

›

△A:△8

スイングボーイ

大畑慧（愛知）

18.8倍

-87%

›

×A:△4

リックトメンマ

大原浩（笠松）

—

›

×A:▽1

ネクタール

今井貴（愛知）

64.0倍

-75%

›

×A:▽3

クィーンミツコ

加藤聡（愛知）

40.4倍

-99%

›

×A:▽7

リストン

阪野学（愛知）

42.8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

5R 名古屋競馬場ダ1500m ダート1500m　発走 16:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ネクタール逃げ	今井貴（愛知）	実64.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 08/24 名古屋7R 8着/12頭+1.3秒 07/31 名古屋7R 6着/12頭+1.5秒 07/14 名古屋8R 1着/12頭 06/04 名古屋3R 2着/12頭+1.0秒 05/22 名古屋5R 7着/10頭+2.0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 6走で勝率 17% (相性良) △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 16% ○ 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) +26% (市場と概ね一致) AI 予想勝率 2.0% (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。
2	トッピゴー逃げ	小笠羚（愛知）	実3.1	○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 08/24 名古屋7R 3着/12頭+0.6秒 07/29 名古屋3R 1着/12頭勝利 10/14 名古屋11R 2着/12頭+0.0秒 10/01 名古屋12R 2着/12頭+0.1秒 09/03 名古屋8R 5着/12頭+0.8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% ○ 騎手近50戦勝率 14% ○ 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) -31% (大幅な期待値マイナス) AI 予想勝率 22.2% (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。
3	クィーンミツコ逃げ	加藤聡（愛知）	実40.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 08/24 名古屋10R 7着/11頭+0.6秒 07/31 名古屋7R 12着/12頭+2.7秒 07/03 名古屋9R 6着/12頭+1.0秒 05/21 名古屋4R 1着/10頭 05/06 名古屋1R 3着/11頭+0.0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戦の調子平均 8.3着 (不振) △ 当競馬場適性 38走で勝率 5% △ 距離適性同距離 32走で勝率 6% ○ 騎手近50戦勝率 16% ○ 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 1.8% (オッズ暗示: 2.5%) ※ 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。
4	リックトメンマ	大原浩（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し）
前5走 08/24 名古屋6R 4着/11頭+0.8秒 07/31 名古屋12R 5着/12頭+0.5秒 07/03 名古屋1R 3着/12頭 06/19 名古屋3R 3着/11頭 06/04 名古屋4R 4着/12頭
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 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 15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) -88% (大幅な期待値マイナス) AI 予想勝率 6.5% ※ 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。
5	ファルコナーラ自在	細川智（愛知）	実7.2	▲詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率33%／直近3走で勝率33%と好調／94日ぶりの実戦）
前5走 06/05 名古屋12R 4着/11頭 05/25 名古屋5R 5着/11頭 04/23 名古屋1R 1着/11頭勝利 04/09 名古屋4R 3着/11頭+0.0秒 03/12 名古屋2R 11着/11頭+3.7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戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 15走で勝率 13% ◎ 馬場適性同馬場 3走で勝率 33% △ ローテーション 94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 15.7% (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。
6	ターミバレンシア	近藤颯（愛知）	実8.1	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 08/24 名古屋7R 6着/12頭+0.8秒 07/31 名古屋5R 5着/12頭+1.5秒 07/03 名古屋9R 2着/12頭 06/05 名古屋12R 5着/11頭 05/25 名古屋5R 7着/11頭
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 4.3着 △ 当競馬場適性 76走で勝率 9% △ 距離適性同距離 48走で勝率 10% ○ 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) -24% (オッズ過剰評価) AI 予想勝率 9.4% (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	リストン逃げ	阪野学（愛知）	実42.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 08/24 名古屋7R 12着/12頭+3.6秒 07/31 名古屋7R 7着/12頭+1.6秒 07/17 名古屋12R 5着/12頭 07/02 名古屋6R 9着/12頭 05/22 名古屋10R 8着/10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 8.0着 (不振) △ 当競馬場適性 45走で勝率 11% △ 距離適性同距離 33走で勝率 6% ▽ 前走実績前走 12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) -1% (オッズ過剰評価) AI 予想勝率 2.3% (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。
8	スイングボーイ	大畑慧（愛知）	実18.8	△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 08/19 名古屋4R 1着/11頭勝利 07/29 名古屋2R 2着/11頭+0.3秒 07/02 名古屋12R 9着/12頭+0.0秒 06/19 名古屋1R 5着/10頭 06/04 名古屋3R 8着/12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戦の調子勝率 33% (上り調子) △ 当競馬場適性 36走で勝率 6% △ 距離適性同距離 35走で勝率 6% ◎ 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) +14% (市場と概ね一致) AI 予想勝率 6.1% (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。
9	ゼーブルージュ	木之葵（愛知）	実16.9	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は6走で勝ち無し／前走3着）
前5走 08/24 名古屋6R 3着/11頭+0.5秒 07/31 名古屋5R 8着/12頭+2.1秒 07/14 浦和5R 3着/11頭+0.0秒 06/23 浦和9R 7着/10頭+0.0秒 05/29 浦和9R 6着/10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 4.7着 ▽ 距離適性同距離は 6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 14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 3.6% (オッズ暗示: 5.9%) ※ 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。
10	クロメヒョウ逃げ	塚本征（愛知）	実2.0	◎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走平均2.7着と安定／前走2着／騎手は近50戦で勝率32%）
前5走 08/24 名古屋5R 2着/3頭 03/02 名古屋8R 3着/11頭+0.8秒 02/13 名古屋7R 3着/11頭+0.5秒 01/30 名古屋3R 1着/11頭勝利 01/19 名古屋4R 5着/11頭+0.5秒
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 2.7着 (安定) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 10走で勝率 20% ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 2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) -39% (大幅な期待値マイナス) AI 予想勝率 30.4% (オッズ暗示: 50.0%) ※ 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。

AIの本命

AI評価1位

クロメヒョウ

騎手塚本征（愛知）

単勝オッズ

2.0倍

AI期待値

-39%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○2トッピゴー

3.1倍

EV -31%

▲5ファルコナーラ

7.2倍

EV +13%

出走馬全10頭

◎10

クロメヒョウ

塚本征（愛知）

2.0倍

-39%

›

○2

トッピゴー

小笠羚（愛知）

3.1倍

-31%

›

▲5

ファルコナーラ

細川智（愛知）

7.2倍

+13%

›

△6

ターミバレンシア

近藤颯（愛知）

8.1倍

-23%

›

△4

リックトメンマ

大原浩（笠松）

—

›

△8

スイングボーイ

大畑慧（愛知）

18.8倍

+14%

›

▽9

ゼーブルージュ

木之葵（愛知）

16.9倍

-38%

›

▽7

リストン

阪野学（愛知）

42.8倍

-1%

›

▽1

ネクタール

今井貴（愛知）

64.0倍

+26%

›

▽3

クィーンミツコ

加藤聡（愛知）

40.4倍

-27%

›

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