川崎 10R 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

10R 川崎競馬場津久井やまびこ祭り実行委員長賞ダ1500m ダート1500m　発走 19:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	パイロデキセキ差し	西啓太（大井）	実18.8	B× A×勝率2% EV-56% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/21 川崎10R 4着/10頭+0.7秒 07/29 川崎10R 2着/13頭+0.3秒 07/08 川崎9R 4着/10頭 04/10 川崎8R 1着/11頭勝利 03/02 川崎7R 4着/7頭+1.2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戦の調子平均 3.3着 △ 当競馬場適性 23走で勝率 13% △ 距離適性同距離 21走で勝率 14% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 16% ○ 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 0.1% (オッズ暗示: 5.3%) × Aモデルの評価 (参考) レース内 8位 / 勝率 2.3% / 期待値 -57% ※ 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	プリンスノット	御神訓（大井）	実8.4	B△ A▲勝率9% EV-28% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走3着／騎手は近50戦で勝率30%）
前5走 08/18 川崎12R 3着/8頭+0.2秒 07/29 川崎10R 8着/13頭+1.2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 5.5着 ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 8.4% (オッズ暗示: 11.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 8.5% / 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。
3	ハネダブライアン自在	本田重（船橋）	実4.3	B▲ A○勝率15% EV-34% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率40%と適性高／前走2着／騎手は近50戦で勝率22%）
前5走 08/21 川崎9R 2着/12頭+0.1秒 07/28 川崎11R 13着/14頭+3.3秒 07/09 川崎12R 3着/3頭 11/05 船橋11R 5着/9頭+0.9秒 10/15 川崎6R 1着/10頭勝利
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 6.0着 ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 騎手近50戦勝率 22% (好調) ○ 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) -45% (大幅な期待値マイナス) AI 予想勝率 12.8% (オッズ暗示: 23.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 15.2% / 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。
4	プルーフリーダー	笹川翼（大井）	実24.4	B△ A△勝率3% EV-22% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率33%と適性高／同距離帯17走で勝率29%／同馬場状態で勝率80%）
前5走 08/21 川崎10R 10着/10頭+2.0秒 07/29 川崎10R 4着/13頭+0.8秒 07/06 川崎9R 1着/3頭 06/05 船橋9R 13着/14頭+2.0秒 05/14 川崎9R 13着/13頭+3.0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 15走で勝率 33% (得意) ◎ 距離適性同距離 17走で勝率 29% ◎ 馬場適性同馬場 5走で勝率 80% ▽ 前走実績前走 10着 (大敗) ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 4.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.2% / 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。
5	ガジュノリホワイト先行	ゴンサ（船橋）	実8.8	B× A△勝率7% EV-37% 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／前走勝利の勢い／112日ぶりの実戦）
前5走 05/19 名古屋9R 1着/11頭勝利 04/22 名古屋10R 4着/12頭+0.7秒 03/24 名古屋10R 5着/12頭+2.0秒 01/14 名古屋9R 2着/10頭+0.2秒 01/01 名古屋10R 1着/11頭勝利
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) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 112日休養明け × 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: 11.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.1% / 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。
6	ブレイヴルーラー	室陽一（浦和）	実59.0	B× A▽勝率1% EV-47% 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 08/11 浦和9R 8着/9頭+1.8秒 07/14 浦和8R 3着/12頭 06/26 浦和10R 12着/12頭 05/29 浦和11R 6着/10頭 05/14 川崎12R 11着/12頭+2.8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 7.7着 (不振) ○ 距離適性同距離 42走で勝率 21% ◎ 馬場適性同馬場 16走で勝率 31% ○ 騎手近50戦勝率 16% ○ ローテーション 28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 0.9% / 期待値 -48% ※ 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	ナートゥ先行	新原周（川崎）	実56.4	B× A▽勝率1% EV-27% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調／176日ぶりの実戦）
前5走 03/16 浦和11R 7着/13頭+1.0秒 03/04 川崎4R 1着/11頭勝利 02/03 川崎7R 1着/12頭勝利 01/01 川崎12R 10着/12頭+1.3秒 10/27 浦和8R 2着/12頭+0.1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戦の調子勝率 67% (絶好調) ○ 当競馬場適性 13走で勝率 23% (相性良) ○ 距離適性同距離 16走で勝率 19% △ ローテーション 176日休養明け × 期待値 (オッズ vs AI勝率) -93% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.3% / 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。
8	トーセンジニアール自在	保園翔（浦和）	実82.2	B× A×勝率1% EV-55% 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 04/20 浦和12R 1着/12頭勝利 04/01 船橋8R 4着/10頭+1.2秒 03/17 浦和7R 3着/7頭+0.8秒 01/08 浦和8R 1着/12頭勝利 09/23 浦和7R 10着/13頭+1.5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 4走で勝率 25% (得意) ◎ 距離適性同距離 16走で勝率 31% △ 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 141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 13位 / 勝率 0.5% / 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。
9	スピナッチバイパー先行	伊藤裕（川崎）	実141.5	B× A▽勝率0% EV-39% 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10R 6着/10頭+1.1秒 07/29 川崎10R 6着/13頭+1.0秒 12/15 川崎11R 10着/11頭+2.3秒 11/17 川崎10R 7着/11頭+1.5秒 10/14 川崎10R 5着/14頭+0.8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 7.3着 (不振) △ 当競馬場適性 32走で勝率 6% ▽ 距離適性同距離は 22走で勝ち無し ○ 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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 0.4% / 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。
10	ライヴドライバー	佐野遥（川崎）	実35.1	B△ A▽勝率2% EV-32% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率50%と好調）
前5走 08/21 川崎10R 5着/10頭+0.9秒 07/10 川崎9R 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 50% (絶好調) △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -36% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 2.8%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.9% / 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。
11	フジュム自在	矢野貴（大井）	実2.5	B◎ A◎勝率49% EV+21% 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7走で勝率71%と適性高／同距離帯10走で勝率60%／直近3走で勝率67%と好調）
前5走 08/20 川崎10R 1着/9頭勝利 07/30 川崎8R 1着/11頭勝利 07/06 川崎9R 3着/3頭 05/13 川崎5R 1着/11頭勝利 04/06 川崎12R 4着/13頭+0.3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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 7走で勝率 71% (得意) ◎ 距離適性同距離 10走で勝率 60% ○ 馬場適性同馬場 4走で勝率 25% ◎ 騎手近50戦勝率 26% (好調) ◎ 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) +27% (市場と概ね一致) AI 予想勝率 51.0% (オッズ暗示: 40.0%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 48.8% / 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。
12	カズヤ	和田譲（大井）	実15.6	B× A×勝率3% EV-52% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯7走で勝率29%／直近3走で勝率33%と好調／前走2着）
前5走 08/20 川崎8R 2着/13頭+0.2秒 07/31 川崎12R 1着/10頭勝利 07/08 川崎6R 10着/11頭+0.0秒 06/17 川崎6R 7着/8頭+0.0秒 03/05 川崎11R 13着/13頭+7.2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 33% (上り調子) ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 距離適性同距離 7走で勝率 29% ◎ 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 19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: 6.4%) × Aモデルの評価 (参考) レース内 7位 / 勝率 3.0% / 期待値 -53% ※ 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。
13	ジョセフィーナ自在	高橋利（船橋）	実39.3	B× A×勝率1% EV-56% 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 船橋11R 10着/14頭+1.7秒 08/12 浦和10R 1着/11頭勝利 08/02 船橋11R 7着/9頭+1.6秒 06/28 船橋12R 2着/3頭 06/16 川崎10R 6着/11頭+1.0秒
AI 評価の内訳 — 馬番 13 ◎ 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 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 15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 1.1% / 期待値 -57% ※ 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。
14	ダテオトコ推奨	野畑凌（川崎）	実7.5	B○ A△勝率6% EV-56% 詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+77%の中穴候補（直近3走勝率67%と絶好調／当競馬場5走で勝率60%と適性高／同距離帯で勝率50%と得意）
前5走 08/20 川崎6R 1着/3頭 07/27 川崎10R 4着/10頭+0.6秒 07/09 川崎9R 1着/3頭 06/16 川崎3R 2着/13頭 04/07 川崎6R 1着/10頭勝利
AI 評価の内訳 — 馬番 14 ◎ 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 60% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 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) +77% (市場が大幅過小評価) AI 予想勝率 23.7% (オッズ暗示: 13.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.8% / 期待値 -57% ※ 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 ◎

フジュム

騎手矢野貴（大井）

単勝オッズ

2.5倍

AI期待値

+27%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:△14ダテオトコ

7.5倍

EV +77%

▲A:○3ハネダブライアン

4.3倍

EV -44%

出走馬全14頭

◎A:◎11

フジュム

矢野貴（大井）

2.5倍

+27%

›

○A:△14

ダテオトコ

野畑凌（川崎）

7.5倍

+77%

›

▲A:○3

ハネダブライアン

本田重（船橋）

4.3倍

-44%

›

△A:▲2

プリンスノット

御神訓（大井）

8.4倍

-29%

›

△A:▽10

ライヴドライバー

佐野遥（川崎）

35.1倍

-36%

›

△A:△4

プルーフリーダー

笹川翼（大井）

24.4倍

-62%

›

×A:△5

ガジュノリホワイト

ゴンサ（船橋）

8.8倍

-97%

›

×A:×12

カズヤ

和田譲（大井）

15.6倍

-96%

›

×A:▽7

ナートゥ

新原周（川崎）

56.4倍

-93%

›

×A:×1

パイロデキセキ

西啓太（大井）

18.8倍

-98%

›

×A:×13

ジョセフィーナ

高橋利（船橋）

39.3倍

-99%

›

×A:▽6

ブレイヴルーラー

室陽一（浦和）

59.0倍

-99%

›

×A:×8

トーセンジニアール

保園翔（浦和）

82.2倍

-99%

›

×A:▽9

スピナッチバイパー

伊藤裕（川崎）

141.5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

A. 市場込みモデル

見送り

B. 市場除外+キャリブ

単勝 14 ダテオトコ ¥200 実7.5倍期待値 +78% 不的中10着単勝 7.5倍

※ オッズは予測時点の値です。

10R 川崎競馬場津久井やまびこ祭り実行委員長賞ダ1500m ダート1500m　発走 19:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	パイロデキセキ差し	西啓太（大井）	実18.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/21 川崎10R 4着/10頭+0.7秒 07/29 川崎10R 2着/13頭+0.3秒 07/08 川崎9R 4着/10頭 04/10 川崎8R 1着/11頭勝利 03/02 川崎7R 4着/7頭+1.2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戦の調子平均 3.3着 △ 当競馬場適性 23走で勝率 13% △ 距離適性同距離 21走で勝率 14% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 16% ○ 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) -57% (大幅な期待値マイナス) AI 予想勝率 2.3% (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。
2	プリンスノット	御神訓（大井）	実8.4	▲詳細▼	AI上位評価だが期待値不足、見送り（前走3着／騎手は近50戦で勝率30%）
前5走 08/18 川崎12R 3着/8頭+0.2秒 07/29 川崎10R 8着/13頭+1.2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 5.5着 ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 21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 8.5% (オッズ暗示: 11.9%) ※ 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。
3	ハネダブライアン自在	本田重（船橋）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率40%と適性高／前走2着／騎手は近50戦で勝率22%）
前5走 08/21 川崎9R 2着/12頭+0.1秒 07/28 川崎11R 13着/14頭+3.3秒 07/09 川崎12R 3着/3頭 11/05 船橋11R 5着/9頭+0.9秒 10/15 川崎6R 1着/10頭勝利
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 6.0着 ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 騎手近50戦勝率 22% (好調) ○ 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) -35% (大幅な期待値マイナス) AI 予想勝率 15.2% (オッズ暗示: 23.3%) ※ 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。
4	プルーフリーダー	笹川翼（大井）	実24.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率33%と適性高／同距離帯17走で勝率29%／同馬場状態で勝率80%）
前5走 08/21 川崎10R 10着/10頭+2.0秒 07/29 川崎10R 4着/13頭+0.8秒 07/06 川崎9R 1着/3頭 06/05 船橋9R 13着/14頭+2.0秒 05/14 川崎9R 13着/13頭+3.0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 15走で勝率 33% (得意) ◎ 距離適性同距離 17走で勝率 29% ◎ 馬場適性同馬場 5走で勝率 80% ▽ 前走実績前走 10着 (大敗) ○ 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 3.2% (オッズ暗示: 4.1%) ※ 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。
5	ガジュノリホワイト先行	ゴンサ（船橋）	実8.8	△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／前走勝利の勢い／112日ぶりの実戦）
前5走 05/19 名古屋9R 1着/11頭勝利 04/22 名古屋10R 4着/12頭+0.7秒 03/24 名古屋10R 5着/12頭+2.0秒 01/14 名古屋9R 2着/10頭+0.2秒 01/01 名古屋10R 1着/11頭勝利
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) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 112日休養明け × 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 7.1% (オッズ暗示: 11.4%) ※ 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	ブレイヴルーラー	室陽一（浦和）	実59.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率31%）
前5走 08/11 浦和9R 8着/9頭+1.8秒 07/14 浦和8R 3着/12頭 06/26 浦和10R 12着/12頭 05/29 浦和11R 6着/10頭 05/14 川崎12R 11着/12頭+2.8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 7.7着 (不振) ○ 距離適性同距離 42走で勝率 21% ◎ 馬場適性同馬場 16走で勝率 31% ○ 騎手近50戦勝率 16% ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
7	ナートゥ先行	新原周（川崎）	実56.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調／176日ぶりの実戦）
前5走 03/16 浦和11R 7着/13頭+1.0秒 03/04 川崎4R 1着/11頭勝利 02/03 川崎7R 1着/12頭勝利 01/01 川崎12R 10着/12頭+1.3秒 10/27 浦和8R 2着/12頭+0.1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戦の調子勝率 67% (絶好調) ○ 当競馬場適性 13走で勝率 23% (相性良) ○ 距離適性同距離 16走で勝率 19% △ ローテーション 176日休養明け △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 1.3% (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。
8	トーセンジニアール自在	保園翔（浦和）	実82.2	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率25%と適性高／同距離帯16走で勝率31%／直近3走で勝率33%と好調）
前5走 04/20 浦和12R 1着/12頭勝利 04/01 船橋8R 4着/10頭+1.2秒 03/17 浦和7R 3着/7頭+0.8秒 01/08 浦和8R 1着/12頭勝利 09/23 浦和7R 10着/13頭+1.5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 4走で勝率 25% (得意) ◎ 距離適性同距離 16走で勝率 31% △ 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 141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 0.5% (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。
9	スピナッチバイパー先行	伊藤裕（川崎）	実141.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は22走で勝ち無し）
前5走 08/21 川崎10R 6着/10頭+1.1秒 07/29 川崎10R 6着/13頭+1.0秒 12/15 川崎11R 10着/11頭+2.3秒 11/17 川崎10R 7着/11頭+1.5秒 10/14 川崎10R 5着/14頭+0.8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 7.3着 (不振) △ 当競馬場適性 32走で勝率 6% ▽ 距離適性同距離は 22走で勝ち無し ○ 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) -39% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 0.7%) ※ 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。
10	ライヴドライバー	佐野遥（川崎）	実35.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率50%と好調）
前5走 08/21 川崎10R 5着/10頭+0.9秒 07/10 川崎9R 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 50% (絶好調) △ 騎手近50戦勝率 4% (やや苦戦) ○ 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 1.9% (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。
11	フジュム自在	矢野貴（大井）	実2.5	◎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7走で勝率71%と適性高／同距離帯10走で勝率60%／直近3走で勝率67%と好調）
前5走 08/20 川崎10R 1着/9頭勝利 07/30 川崎8R 1着/11頭勝利 07/06 川崎9R 3着/3頭 05/13 川崎5R 1着/11頭勝利 04/06 川崎12R 4着/13頭+0.3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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 7走で勝率 71% (得意) ◎ 距離適性同距離 10走で勝率 60% ○ 馬場適性同馬場 4走で勝率 25% ◎ 騎手近50戦勝率 26% (好調) ◎ 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) +21% (市場と概ね一致) AI 予想勝率 48.8% (オッズ暗示: 40.0%) ※ 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	カズヤ	和田譲（大井）	実15.6	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯7走で勝率29%／直近3走で勝率33%と好調／前走2着）
前5走 08/20 川崎8R 2着/13頭+0.2秒 07/31 川崎12R 1着/10頭勝利 07/08 川崎6R 10着/11頭+0.0秒 06/17 川崎6R 7着/8頭+0.0秒 03/05 川崎11R 13着/13頭+7.2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 33% (上り調子) ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 距離適性同距離 7走で勝率 29% ◎ 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 19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 3.0% (オッズ暗示: 6.4%) ※ 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。
13	ジョセフィーナ自在	高橋利（船橋）	実39.3	×詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/24 船橋11R 10着/14頭+1.7秒 08/12 浦和10R 1着/11頭勝利 08/02 船橋11R 7着/9頭+1.6秒 06/28 船橋12R 2着/3頭 06/16 川崎10R 6着/11頭+1.0秒
AI 評価の内訳 — 馬番 13 ◎ 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 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 1.1% (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。
14	ダテオトコ推奨	野畑凌（川崎）	実7.5	△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5走で勝率60%と適性高／同距離帯で勝率50%と得意）
前5走 08/20 川崎6R 1着/3頭 07/27 川崎10R 4着/10頭+0.6秒 07/09 川崎9R 1着/3頭 06/16 川崎3R 2着/13頭 04/07 川崎6R 1着/10頭勝利
AI 評価の内訳 — 馬番 14 ◎ 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 60% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 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) -57% (大幅な期待値マイナス) AI 予想勝率 5.8% (オッズ暗示: 13.3%) ※ 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。

AIの本命

AI評価1位

フジュム

騎手矢野貴（大井）

単勝オッズ

2.5倍

AI期待値

+21%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○3ハネダブライアン

4.3倍

EV -34%

▲2プリンスノット

8.4倍

EV -28%

出走馬全14頭

◎11

フジュム

矢野貴（大井）

2.5倍

+21%

›

○3

ハネダブライアン

本田重（船橋）

4.3倍

-34%

›

▲2

プリンスノット

御神訓（大井）

8.4倍

-28%

›

△5

ガジュノリホワイト

ゴンサ（船橋）

8.8倍

-37%

›

△14

ダテオトコ

野畑凌（川崎）

7.5倍

-56%

›

△4

プルーフリーダー

笹川翼（大井）

24.4倍

-22%

›

×12

カズヤ

和田譲（大井）

15.6倍

-52%

›

×1

パイロデキセキ

西啓太（大井）

18.8倍

-56%

›

▽10

ライヴドライバー

佐野遥（川崎）

35.1倍

-32%

›

▽7

ナートゥ

新原周（川崎）

56.4倍

-27%

›

×13

ジョセフィーナ

高橋利（船橋）

39.3倍

-56%

›

▽6

ブレイヴルーラー

室陽一（浦和）

59.0倍

-47%

›

×8

トーセンジニアール

保園翔（浦和）

82.2倍

-55%

›

▽9

スピナッチバイパー

伊藤裕（川崎）

141.5倍

-39%

›

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 14 ダテオトコ ¥200 実7.5倍期待値 -57% 不的中10着単勝 7.5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