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 川崎競馬場ダ1600m ダート1600m　発走 20:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ゴールドホイヤー差し	古岡勇（川崎）	実9.2	B× A△勝率6% EV-48% 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13走で勝率0%と苦戦傾向）
前5走 08/19 川崎11R 7着/12頭+2.1秒 02/05 川崎8R 2着/5頭+0.0秒 01/03 川崎11R 8着/11頭+3.7秒 12/16 川崎11R 6着/10頭+2.8秒 04/10 川崎10R 3着/9頭+1.0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戦の調子平均 5.7着 × 当競馬場適性 13走で勝率 0% (苦戦) △ 距離適性同距離 17走で勝率 12% ○ 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 0.1% (オッズ暗示: 10.9%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 5.6% / 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。
2	アウグスト追込	秋元耕（浦和）	実79.4	B× A▽勝率1% 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 06/05 園田10R 9着/9頭 05/07 園田10R 8着/8頭+7.5秒 04/15 園田11R 9着/9頭+2.5秒 08/29 園田8R 5着/5頭+3.7秒 07/18 園田11R 12着/12頭+7.2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 8.7着 (不振) △ ローテーション 95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 10位 / 勝率 0.8% / 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。
3	アームズレイン先行	和田譲（大井）	実4.6	B◎ A▲勝率16% EV-28% 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3走で勝率33%と適性高／直近3走で勝率33%と好調／152日ぶりの実戦）
前5走 04/09 川崎11R 7着/14頭+2.1秒 02/05 川崎8R 1着/5頭勝利 01/03 川崎11R 5着/11頭+2.8秒 12/10 船橋11R 6着/14頭+0.7秒 10/09 大井11R 12着/15頭+2.2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 3走で勝率 33% (得意) ◎ 騎手近50戦勝率 20% (好調) △ ローテーション 152日休養明け ◎ 期待値 (オッズ vs AI勝率) +172% (市場が大幅過小評価) AI 予想勝率 59.2% (オッズ暗示: 21.7%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 15.5% / 期待値 -29% ※ 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	マテリアルガール差し	山中悠（船橋）	実13.3	B× A×勝率3% EV-63% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率27%と適性高／同距離帯は7走で勝ち無し／同馬場状態で勝率50%）
前5走 09/01 大井7R 9着/11頭+2.5秒 05/07 船橋10R 2着/11頭+0.1秒 02/05 川崎8R 5着/5頭+0.6秒 01/23 船橋11R 2着/11頭+0.2秒 11/13 大井11R 8着/9頭+1.6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 5.3着 ◎ 当競馬場適性 11走で勝率 27% (得意) ▽ 距離適性同距離は 7走で勝ち無し ◎ 馬場適性同馬場 4走で勝率 50% ○ 騎手近50戦勝率 16% × 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: 7.5%) × Aモデルの評価 (参考) レース内 7位 / 勝率 2.8% / 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。
5	ロードレイジング追込	笹川翼（大井）	実15.9	B△ A×勝率2% EV-64% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率40%と適性高／同距離帯は3走で勝ち無し／同馬場状態で勝率33%）
前5走 07/28 川崎11R 12着/14頭+1.8秒 04/07 川崎11R 9着/14頭+2.7秒 02/18 大井11R 13着/16頭+3.2秒 01/07 浦和11R 4着/12頭+0.4秒 11/05 船橋11R 3着/9頭+0.1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 11.3着 (不振) ◎ 当競馬場適性 5走で勝率 40% (得意) ▽ 距離適性同距離は 3走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 12着 (大敗) × 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 0.8% (オッズ暗示: 6.3%) × Aモデルの評価 (参考) レース内 8位 / 勝率 2.2% / 期待値 -65% ※ 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	タマモヴェナトル	櫻井光（川崎）	実12.5	B△ A△勝率5% EV-37% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 07/31 川崎11R 2着/3頭 07/09 川崎11R 7着/14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 4.5着 ○ 前走実績前走 2着 (好走) × 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 0.8% (オッズ暗示: 8.0%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.0% / 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。
7	ヴィクトゥーラ先行	野畑凌（川崎）	実10.2	B△ A△勝率5% EV-53% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率29%と適性高／同距離帯15走で勝率27%）
前5走 08/19 川崎11R 8着/12頭+2.6秒 07/29 川崎11R 5着/10頭+1.4秒 04/02 船橋12R 4着/11頭+0.9秒 03/10 船橋11R 2着/9頭+0.1秒 02/12 船橋11R 2着/13頭+0.2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 5.7着 ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 距離適性同距離 15走で勝率 27% ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 9.8%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.5% / 期待値 -54% ※ 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	グレートジャーニー追込	保園翔（浦和）	実78.4	B× A▽勝率1% EV-25% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調）
前5走 08/19 川崎11R 11着/12頭+3.4秒 04/03 船橋7R 6着/9頭+2.6秒 12/24 浦和11R 12着/12頭+2.4秒 12/12 船橋9R 4着/8頭+0.3秒 11/27 浦和10R 10着/12頭+1.8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 9.7着 (不振) ○ 当競馬場適性 11走で勝率 18% (相性良) △ 距離適性同距離 10走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ 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) -91% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 0.9% / 期待値 -26% ※ 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	スタンリーテソーロ	ゴンサ（船橋）	実4.1	B▲ A○勝率17% EV-31% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率67%と好調）
前5走 07/15 浦和11R 5着/8頭+1.0秒 06/23 浦和11R 1着/3頭 05/26 浦和11R 1着/12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戦の調子勝率 67% (絶好調) × 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 3.2% (オッズ暗示: 24.4%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.8% / 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。
10	イーグルノワール差し	篠谷葵（船橋）	実2.8	B○ A◎勝率46% EV+28% 詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し）
前5走 07/22 大井11R 5着/15頭+1.5秒 08/27 船橋11R 9着/9頭+6.1秒 08/14 大井11R 6着/8頭+2.1秒 07/16 大井11R 5着/13頭+1.3秒 07/03 大井11R 4着/8頭+1.9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 6.7着 ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 34.7% (オッズ暗示: 35.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 45.9% / 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。

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 ▲

アームズレイン

騎手和田譲（大井）

単勝オッズ

4.6倍

AI期待値

+172%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎10イーグルノワール

2.8倍

EV -2%

▲A:○9スタンリーテソーロ

4.1倍

EV -86%

出走馬全10頭

◎A:▲3

アームズレイン

和田譲（大井）

4.6倍

+172%

›

○A:◎10

イーグルノワール

篠谷葵（船橋）

2.8倍

-2%

›

▲A:○9

スタンリーテソーロ

ゴンサ（船橋）

4.1倍

-86%

›

△A:△7

ヴィクトゥーラ

野畑凌（川崎）

10.2倍

-91%

›

△A:△6

タマモヴェナトル

櫻井光（川崎）

12.5倍

-89%

›

△A:×5

ロードレイジング

笹川翼（大井）

15.9倍

-86%

›

×A:△1

ゴールドホイヤー

古岡勇（川崎）

9.2倍

-98%

›

×A:×4

マテリアルガール

山中悠（船橋）

13.3倍

-98%

›

×A:▽8

グレートジャーニー

保園翔（浦和）

78.4倍

-91%

›

×A:▽2

アウグスト

秋元耕（浦和）

79.4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

11R 川崎競馬場ダ1600m ダート1600m　発走 20:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ゴールドホイヤー差し	古岡勇（川崎）	実9.2	△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13走で勝率0%と苦戦傾向）
前5走 08/19 川崎11R 7着/12頭+2.1秒 02/05 川崎8R 2着/5頭+0.0秒 01/03 川崎11R 8着/11頭+3.7秒 12/16 川崎11R 6着/10頭+2.8秒 04/10 川崎10R 3着/9頭+1.0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戦の調子平均 5.7着 × 当競馬場適性 13走で勝率 0% (苦戦) △ 距離適性同距離 17走で勝率 12% ○ 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) -48% (大幅な期待値マイナス) AI 予想勝率 5.6% (オッズ暗示: 10.9%) ※ 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。
2	アウグスト追込	秋元耕（浦和）	実79.4	▽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／95日ぶりの実戦）
前5走 06/05 園田10R 9着/9頭 05/07 園田10R 8着/8頭+7.5秒 04/15 園田11R 9着/9頭+2.5秒 08/29 園田8R 5着/5頭+3.7秒 07/18 園田11R 12着/12頭+7.2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 8.7着 (不振) △ ローテーション 95日休養明け × 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 0.8% (オッズ暗示: 1.3%) ※ 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	アームズレイン先行	和田譲（大井）	実4.6	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／152日ぶりの実戦）
前5走 04/09 川崎11R 7着/14頭+2.1秒 02/05 川崎8R 1着/5頭勝利 01/03 川崎11R 5着/11頭+2.8秒 12/10 船橋11R 6着/14頭+0.7秒 10/09 大井11R 12着/15頭+2.2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 3走で勝率 33% (得意) ◎ 騎手近50戦勝率 20% (好調) △ ローテーション 152日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 15.5% (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。
4	マテリアルガール差し	山中悠（船橋）	実13.3	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率27%と適性高／同距離帯は7走で勝ち無し／同馬場状態で勝率50%）
前5走 09/01 大井7R 9着/11頭+2.5秒 05/07 船橋10R 2着/11頭+0.1秒 02/05 川崎8R 5着/5頭+0.6秒 01/23 船橋11R 2着/11頭+0.2秒 11/13 大井11R 8着/9頭+1.6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 5.3着 ◎ 当競馬場適性 11走で勝率 27% (得意) ▽ 距離適性同距離は 7走で勝ち無し ◎ 馬場適性同馬場 4走で勝率 50% ○ 騎手近50戦勝率 16% × 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 2.8% (オッズ暗示: 7.5%) ※ 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	ロードレイジング追込	笹川翼（大井）	実15.9	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率40%と適性高／同距離帯は3走で勝ち無し／同馬場状態で勝率33%）
前5走 07/28 川崎11R 12着/14頭+1.8秒 04/07 川崎11R 9着/14頭+2.7秒 02/18 大井11R 13着/16頭+3.2秒 01/07 浦和11R 4着/12頭+0.4秒 11/05 船橋11R 3着/9頭+0.1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 11.3着 (不振) ◎ 当競馬場適性 5走で勝率 40% (得意) ▽ 距離適性同距離は 3走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 2.2% (オッズ暗示: 6.3%) ※ 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。
6	タマモヴェナトル	櫻井光（川崎）	実12.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 07/31 川崎11R 2着/3頭 07/09 川崎11R 7着/14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 4.5着 ○ 前走実績前走 2着 (好走) × 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 5.0% (オッズ暗示: 8.0%) ※ 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。
7	ヴィクトゥーラ先行	野畑凌（川崎）	実10.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率29%と適性高／同距離帯15走で勝率27%）
前5走 08/19 川崎11R 8着/12頭+2.6秒 07/29 川崎11R 5着/10頭+1.4秒 04/02 船橋12R 4着/11頭+0.9秒 03/10 船橋11R 2着/9頭+0.1秒 02/12 船橋11R 2着/13頭+0.2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 5.7着 ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 距離適性同距離 15走で勝率 27% ○ 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) -54% (大幅な期待値マイナス) AI 予想勝率 4.5% (オッズ暗示: 9.8%) ※ 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	グレートジャーニー追込	保園翔（浦和）	実78.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調）
前5走 08/19 川崎11R 11着/12頭+3.4秒 04/03 船橋7R 6着/9頭+2.6秒 12/24 浦和11R 12着/12頭+2.4秒 12/12 船橋9R 4着/8頭+0.3秒 11/27 浦和10R 10着/12頭+1.8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 9.7着 (不振) ○ 当競馬場適性 11走で勝率 18% (相性良) △ 距離適性同距離 10走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ 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) -26% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.3%) ※ 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	スタンリーテソーロ	ゴンサ（船橋）	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率67%と好調）
前5走 07/15 浦和11R 5着/8頭+1.0秒 06/23 浦和11R 1着/3頭 05/26 浦和11R 1着/12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戦の調子勝率 67% (絶好調) × 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 16.8% (オッズ暗示: 24.4%) ※ 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。
10	イーグルノワール差し	篠谷葵（船橋）	実2.8	◎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（同距離帯は4走で勝ち無し）
前5走 07/22 大井11R 5着/15頭+1.5秒 08/27 船橋11R 9着/9頭+6.1秒 08/14 大井11R 6着/8頭+2.1秒 07/16 大井11R 5着/13頭+1.3秒 07/03 大井11R 4着/8頭+1.9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 6.7着 ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 45.9% (オッズ暗示: 35.7%) ※ 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

イーグルノワール

騎手篠谷葵（船橋）

単勝オッズ

2.8倍

AI期待値

+28%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○9スタンリーテソーロ

4.1倍

EV -31%

▲3アームズレイン

4.6倍

EV -28%

出走馬全10頭

◎10

イーグルノワール

篠谷葵（船橋）

2.8倍

+28%

›

○9

スタンリーテソーロ

ゴンサ（船橋）

4.1倍

-31%

›

▲3

アームズレイン

和田譲（大井）

4.6倍

-28%

›

△1

ゴールドホイヤー

古岡勇（川崎）

9.2倍

-48%

›

△6

タマモヴェナトル

櫻井光（川崎）

12.5倍

-37%

›

△7

ヴィクトゥーラ

野畑凌（川崎）

10.2倍

-53%

›

×4

マテリアルガール

山中悠（船橋）

13.3倍

-63%

›

×5

ロードレイジング

笹川翼（大井）

15.9倍

-64%

›

▽8

グレートジャーニー

保園翔（浦和）

78.4倍

-25%

›

▽2

アウグスト

秋元耕（浦和）

79.4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

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