川崎 12R 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

12R 川崎競馬場ダ2000m ダート2000m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クレーネ自在	神尾香（川崎）	実66.3	B× A▽勝率1% EV-26% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/27 川崎10R 7着/10頭+1.0秒 06/18 川崎9R 10着/11頭 05/26 浦和10R 2着/13頭 04/09 川崎9R 8着/14頭+1.5秒 03/19 浦和6R 5着/12頭+0.8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 6.3着 △ 当競馬場適性 23走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) × 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: 1.5%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.1% / 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	リュクススティール差し	達城龍（大井）	実76.6	B× A▽勝率1% EV-41% 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9R 10着/12頭+2.2秒 05/21 大井5R 12着/14頭 04/30 大井7R 12着/13頭+2.7秒 04/16 大井7R 11着/11頭+3.2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 11.3着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 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) -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 0.8% / 期待値 -41% ※ 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	ティナバローズ追込	和田譲（大井）	実22.3	B△ A▽勝率2% EV-47% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／直近3走平均8.7着と低調／騎手は近50戦で勝率20%）
前5走 08/24 船橋7R 10着/12頭+3.9秒 08/05 船橋11R 6着/10頭+1.9秒 06/29 船橋12R 10着/12頭 06/02 船橋11R 9着/14頭+1.0秒 05/07 船橋12R 9着/13頭+2.6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 8.7着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 20% (好調) ▽ 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) -84% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 4.5%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.4% / 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。
4	アマビリティ差し	伊藤裕（川崎）	実37.1	B× A▽勝率2% EV-10% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率0%と苦戦傾向／83日ぶりの実戦）
前5走 06/17 川崎6R 4着/8頭 05/14 川崎8R 3着/6頭+0.8秒 04/23 浦和9R 8着/11頭+1.7秒 04/08 川崎8R 6着/13頭+2.5秒 03/20 浦和9R 8着/9頭+2.2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戦の調子平均 5.0着 × 当競馬場適性 12走で勝率 0% (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 0.0% (オッズ暗示: 2.7%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.4% / 期待値 -11% ※ 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	サンディビーチ追込	張田昂（船橋）	実7.8	B▲ A△勝率8% EV-39% 詳細▼	AI上位評価だが期待値不足、見送り（同距離帯3走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 08/20 川崎5R 1着/11頭勝利 07/28 川崎7R 11着/12頭+3.8秒 07/07 川崎8R 7着/11頭 05/11 川崎8R 7着/10頭+1.0秒 12/18 川崎4R 8着/12頭+2.3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 16走で勝率 6% ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 14% ◎ 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) -94% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 12.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.7% / 期待値 -40% ※ 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	ビルドラポール先行	加藤雄（川崎）	実59.0	B× A▽勝率1% EV-35% 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9R 11着/12頭+2.2秒 05/28 浦和9R 6着/12頭 05/15 川崎9R 7着/12頭+1.3秒 04/08 川崎9R 5着/13頭+1.3秒 03/17 浦和12R 4着/12頭+0.8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 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 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 11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) -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 -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	ボルドーダゲール	増田充（川崎）	実107.8	B× A▽勝率0% EV-46% 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9R 9着/12頭+2.1秒 07/31 川崎12R 6着/10頭+1.0秒 06/18 川崎8R 6着/10頭+1.0秒 06/02 船橋11R 7着/14頭 05/14 川崎9R 6着/13頭+0.4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 7.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (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) -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 0.5% / 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。
8	キクノルタ	岡村裕（川崎）	実13.1	B△ A△勝率4% EV-45% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率25%／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 08/21 川崎8R 1着/12頭勝利 07/28 川崎7R 3着/12頭+0.4秒 07/06 川崎8R 4着/9頭+1.0秒 06/17 川崎7R 6着/10頭+0.0秒 05/15 川崎12R 5着/14頭+1.4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 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 馬場適性同馬場 6走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 7.6%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.2% / 期待値 -45% ※ 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	タキ逃げ	町田直（川崎）	実18.4	B× A×勝率3% EV-52% 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9R 11着/12頭+2.3秒 07/31 川崎12R 4着/10頭+0.8秒 07/10 川崎9R 7着/11頭+0.0秒 05/15 川崎9R 12着/12頭+2.9秒 03/20 浦和5R 2着/10頭+0.1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 6走で勝率 0% (苦戦) ◎ 騎手近50戦勝率 24% (好調) ▽ 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) -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 2.6% / 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。
10	ワタシデイイデスカ	藤本現（大井）	実6.3	B○ A○勝率13% EV-20% 詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
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) △ 騎手近50戦勝率 4% (やや苦戦) × 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 0.7% (オッズ暗示: 15.9%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 12.7% / 期待値 -20% ※ 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	ノッテストラータ先行	中越琉（川崎）	実125.1	B× A▽勝率1% EV-28% 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 07/31 川崎12R 9着/10頭+1.7秒 06/16 川崎9R 10着/14頭 05/12 川崎10R 6着/14頭+2.1秒 04/08 川崎12R 12着/14頭+2.9秒 03/20 浦和10R 7着/9頭+2.1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 8.3着 (不振) △ 当競馬場適性 20走で勝率 10% × 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 0.6% / 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。
12	リュウバター差し	山林信（川崎）	実6.6	B× A▲勝率10% EV-34% 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／64日ぶりの実戦）
前5走 07/06 川崎8R 1着/9頭 06/18 川崎8R 2着/10頭 05/12 川崎12R 8着/14頭+0.7秒 04/23 浦和8R 4着/11頭+1.6秒 04/09 川崎8R 8着/14頭+2.1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 38走で勝率 11% ○ 距離適性同距離 33走で勝率 15% ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 15.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.9% / 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。
13	マイカラー	野畑凌（川崎）	実2.1	B◎ A◎勝率46% EV-3% 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
前5走 ― ― ― ― ―
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) ◎ AIランク評価 (順位学習モデル) レース内 1位 (最上位評価) ◎ 期待値 (オッズ vs AI勝率) +101% (市場が大幅過小評価) AI 予想勝率 96.2% (オッズ暗示: 47.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 46.0% / 期待値 -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。
14	ビービーシャーンス	菅原吏（船橋）	実11.9	B△ A△勝率8% EV-3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率50%／同馬場状態で勝率40%）
前5走 08/25 船橋12R 10着/14頭+2.2秒 08/05 船橋11R 4着/10頭+1.6秒 07/28 川崎9R 5着/10頭+0.8秒 06/18 川崎8R 1着/10頭 06/02 船橋11R 4着/14頭
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戦の調子平均 6.3着 △ 当競馬場適性 14走で勝率 14% ◎ 距離適性同距離 4走で勝率 50% ◎ 馬場適性同馬場 5走で勝率 40% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10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) -91% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 8.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.1% / 期待値 -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 ◎

マイカラー

騎手野畑凌（川崎）

単勝オッズ

2.1倍

AI期待値

+101%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○10ワタシデイイデスカ

6.3倍

EV -95%

▲A:△5サンディビーチ

7.8倍

EV -94%

出走馬全14頭

◎A:◎13

マイカラー

野畑凌（川崎）

2.1倍

+101%

›

○A:○10

ワタシデイイデスカ

藤本現（大井）

6.3倍

-95%

›

▲A:△5

サンディビーチ

張田昂（船橋）

7.8倍

-94%

›

△A:△14

ビービーシャーンス

菅原吏（船橋）

11.9倍

-91%

›

△A:△8

キクノルタ

岡村裕（川崎）

13.1倍

-90%

›

△A:▽3

ティナバローズ

和田譲（大井）

22.3倍

-83%

›

×A:▽1

クレーネ

神尾香（川崎）

66.3倍

-93%

›

×A:▽4

アマビリティ

伊藤裕（川崎）

37.1倍

-98%

›

×A:▲12

リュウバター

山林信（川崎）

6.6倍

-99%

›

×A:×9

タキ

町田直（川崎）

18.4倍

-99%

›

×A:▽6

ビルドラポール

加藤雄（川崎）

59.0倍

-99%

›

×A:▽2

リュクススティール

達城龍（大井）

76.6倍

-99%

›

×A:▽7

ボルドーダゲール

増田充（川崎）

107.8倍

-99%

›

×A:▽11

ノッテストラータ

中越琉（川崎）

125.1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

12R 川崎競馬場ダ2000m ダート2000m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クレーネ自在	神尾香（川崎）	実66.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 07/27 川崎10R 7着/10頭+1.0秒 06/18 川崎9R 10着/11頭 05/26 浦和10R 2着/13頭 04/09 川崎9R 8着/14頭+1.5秒 03/19 浦和6R 5着/12頭+0.8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 6.3着 △ 当競馬場適性 23走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.5%) ※ 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。
2	リュクススティール差し	達城龍（大井）	実76.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.3着と低調）
前5走 08/21 川崎9R 10着/12頭+2.2秒 05/21 大井5R 12着/14頭 04/30 大井7R 12着/13頭+2.7秒 04/16 大井7R 11着/11頭+3.2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 11.3着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 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) -41% (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	ティナバローズ追込	和田譲（大井）	実22.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／直近3走平均8.7着と低調／騎手は近50戦で勝率20%）
前5走 08/24 船橋7R 10着/12頭+3.9秒 08/05 船橋11R 6着/10頭+1.9秒 06/29 船橋12R 10着/12頭 06/02 船橋11R 9着/14頭+1.0秒 05/07 船橋12R 9着/13頭+2.6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 8.7着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 20% (好調) ▽ 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) -47% (大幅な期待値マイナス) AI 予想勝率 2.4% (オッズ暗示: 4.5%) ※ 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	アマビリティ差し	伊藤裕（川崎）	実37.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率0%と苦戦傾向／83日ぶりの実戦）
前5走 06/17 川崎6R 4着/8頭 05/14 川崎8R 3着/6頭+0.8秒 04/23 浦和9R 8着/11頭+1.7秒 04/08 川崎8R 6着/13頭+2.5秒 03/20 浦和9R 8着/9頭+2.2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戦の調子平均 5.0着 × 当競馬場適性 12走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 2.4% (オッズ暗示: 2.7%) ※ 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。
5	サンディビーチ追込	張田昂（船橋）	実7.8	△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3走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 08/20 川崎5R 1着/11頭勝利 07/28 川崎7R 11着/12頭+3.8秒 07/07 川崎8R 7着/11頭 05/11 川崎8R 7着/10頭+1.0秒 12/18 川崎4R 8着/12頭+2.3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 16走で勝率 6% ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 14% ◎ 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) -40% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 12.8%) ※ 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。
6	ビルドラポール先行	加藤雄（川崎）	実59.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均8.0着と低調）
前5走 08/21 川崎9R 11着/12頭+2.2秒 05/28 浦和9R 6着/12頭 05/15 川崎9R 7着/12頭+1.3秒 04/08 川崎9R 5着/13頭+1.3秒 03/17 浦和12R 4着/12頭+0.8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 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 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 11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) -35% (大幅な期待値マイナス) AI 予想勝率 1.1% (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	ボルドーダゲール	増田充（川崎）	実107.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向）
前5走 08/21 川崎9R 9着/12頭+2.1秒 07/31 川崎12R 6着/10頭+1.0秒 06/18 川崎8R 6着/10頭+1.0秒 06/02 船橋11R 7着/14頭 05/14 川崎9R 6着/13頭+0.4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 7.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (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) -46% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 0.9%) ※ 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	キクノルタ	岡村裕（川崎）	実13.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率25%／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 08/21 川崎8R 1着/12頭勝利 07/28 川崎7R 3着/12頭+0.4秒 07/06 川崎8R 4着/9頭+1.0秒 06/17 川崎7R 6着/10頭+0.0秒 05/15 川崎12R 5着/14頭+1.4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 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 馬場適性同馬場 6走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ 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 4.2% (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。
9	タキ逃げ	町田直（川崎）	実18.4	×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0%と苦戦傾向／騎手は近50戦で勝率24%）
前5走 08/19 川崎9R 11着/12頭+2.3秒 07/31 川崎12R 4着/10頭+0.8秒 07/10 川崎9R 7着/11頭+0.0秒 05/15 川崎9R 12着/12頭+2.9秒 03/20 浦和5R 2着/10頭+0.1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 6走で勝率 0% (苦戦) ◎ 騎手近50戦勝率 24% (好調) ▽ 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) -52% (大幅な期待値マイナス) AI 予想勝率 2.6% (オッズ暗示: 5.4%) ※ 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	ワタシデイイデスカ	藤本現（大井）	実6.3	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
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) △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 12.7% (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。
11	ノッテストラータ先行	中越琉（川崎）	実125.1	▽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 07/31 川崎12R 9着/10頭+1.7秒 06/16 川崎9R 10着/14頭 05/12 川崎10R 6着/14頭+2.1秒 04/08 川崎12R 12着/14頭+2.9秒 03/20 浦和10R 7着/9頭+2.1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 8.3着 (不振) △ 当競馬場適性 20走で勝率 10% △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 0.6% (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。
12	リュウバター差し	山林信（川崎）	実6.6	▲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／前走勝利の勢い／64日ぶりの実戦）
前5走 07/06 川崎8R 1着/9頭 06/18 川崎8R 2着/10頭 05/12 川崎12R 8着/14頭+0.7秒 04/23 浦和8R 4着/11頭+1.6秒 04/09 川崎8R 8着/14頭+2.1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 38走で勝率 11% ○ 距離適性同距離 33走で勝率 15% ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 9.9% (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。
13	マイカラー	野畑凌（川崎）	実2.1	◎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
前5走 ― ― ― ― ―
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) ◎ AIランク評価 (順位学習モデル) レース内 1位 (最上位評価) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 46.0% (オッズ暗示: 47.6%) ※ 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。
14	ビービーシャーンス	菅原吏（船橋）	実11.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率50%／同馬場状態で勝率40%）
前5走 08/25 船橋12R 10着/14頭+2.2秒 08/05 船橋11R 4着/10頭+1.6秒 07/28 川崎9R 5着/10頭+0.8秒 06/18 川崎8R 1着/10頭 06/02 船橋11R 4着/14頭
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戦の調子平均 6.3着 △ 当競馬場適性 14走で勝率 14% ◎ 距離適性同距離 4走で勝率 50% ◎ 馬場適性同馬場 5走で勝率 40% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10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) -3% (オッズ過剰評価) AI 予想勝率 8.1% (オッズ暗示: 8.4%) ※ 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。

AIの本命

AI評価1位

マイカラー

騎手野畑凌（川崎）

単勝オッズ

2.1倍

AI期待値

-3%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○10ワタシデイイデスカ

6.3倍

EV -20%

▲12リュウバター

6.6倍

EV -34%

出走馬全14頭

◎13

マイカラー

野畑凌（川崎）

2.1倍

-3%

›

○10

ワタシデイイデスカ

藤本現（大井）

6.3倍

-20%

›

▲12

リュウバター

山林信（川崎）

6.6倍

-34%

›

△14

ビービーシャーンス

菅原吏（船橋）

11.9倍

-3%

›

△5

サンディビーチ

張田昂（船橋）

7.8倍

-39%

›

△8

キクノルタ

岡村裕（川崎）

13.1倍

-45%

›

×9

タキ

町田直（川崎）

18.4倍

-52%

›

▽4

アマビリティ

伊藤裕（川崎）

37.1倍

-10%

›

▽3

ティナバローズ

和田譲（大井）

22.3倍

-47%

›

▽1

クレーネ

神尾香（川崎）

66.3倍

-26%

›

▽6

ビルドラポール

加藤雄（川崎）

59.0倍

-35%

›

▽2

リュクススティール

達城龍（大井）

76.6倍

-41%

›

▽11

ノッテストラータ

中越琉（川崎）

125.1倍

-28%

›

▽7

ボルドーダゲール

増田充（川崎）

107.8倍

-46%

›

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