川崎 1R 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

1R 川崎競馬場ダ1500m ダート1500m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オリコウビアリッツ先行	増田充（川崎）	実46.3	B× A▽勝率2% EV-12% 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 08/19 川崎8R 7着/13頭+2.6秒 07/10 川崎2R 1着/9頭 06/18 川崎1R 7着/12頭+0.0秒 01/03 川崎2R 5着/9頭+1.0秒 12/19 川崎3R 2着/6頭+0.9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 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 2% (やや苦戦) ○ 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) -95% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 2.2%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.9% / 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。
2	オンナユメラク逃げ	矢野貴（大井）	実8.3	B○ A▲勝率10% EV-20% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 07/06 川崎7R 3着/12頭+2.0秒 03/06 川崎5R 5着/8頭+1.2秒 02/06 川崎2R 1着/9頭勝利 01/04 川崎2R 2着/8頭+0.7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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 3着 (好走) × 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 5.3% (オッズ暗示: 12.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.6% / 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。
3	クイーンズステート先行	池谷匠（川崎）	実117.5	B× A▽勝率0% EV-48% 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8R 9着/13頭+3.0秒 07/10 川崎5R 6着/9頭 06/15 川崎6R 8着/12頭 05/11 川崎5R 4着/11頭+1.9秒 04/06 川崎3R 3着/10頭+0.9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 7.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 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) -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 -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。
4	スターバロン先行	半澤慶（浦和）	実98.8	B× A×勝率1% EV-50% 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 08/10 浦和2R 6着/9頭+1.1秒 07/17 浦和2R 6着/12頭 06/26 浦和1R 1着/10頭 04/22 浦和3R 9着/10頭+2.3秒 11/25 浦和1R 9着/12頭+2.9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) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 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 -50% ※ 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	セイカンサンラン	笹川翼（大井）	実7.4	B▲ A○勝率12% EV-14% 詳細▼	AI上位評価だが期待値不足、見送り（同距離帯は3走で勝ち無し）
前5走 08/19 川崎8R 4着/13頭+1.2秒 07/27 川崎8R 2着/11頭+0.0秒 05/20 名古屋10R 7着/11頭 04/08 園田10R 5着/8頭+2.2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 ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 13.5%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 11.6% / 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。
6	パッツンドレス	町田直（川崎）	実26.0	B△ A△勝率5% EV+27% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／騎手は近50戦で勝率24%）
前5走 08/20 川崎3R 6着/11頭+1.4秒 07/08 川崎5R 10着/11頭 06/18 川崎2R 8着/10頭+3.0秒 05/29 浦和5R 3着/12頭 02/06 川崎5R 3着/12頭+0.6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 17% (相性良) ◎ 騎手近50戦勝率 24% (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) -85% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 3.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.9% / 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。
7	エスプランドル	笠野雄（船橋）	実34.5	B× A▽勝率3% EV-6% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/07 浦和8R 11着/11頭+2.8秒 07/15 浦和9R 9着/12頭+2.0秒 06/22 浦和6R 2着/7頭+3.0秒 05/25 浦和5R 8着/12頭+2.0秒 02/09 船橋3R 8着/12頭+2.0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 7.3着 (不振) △ 距離適性同距離 8走で勝率 12% ▽ 前走実績前走 11着 (大敗) × 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 0.1% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.7% / 期待値 -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。
8	リーヴルマン	木間龍（船橋）	実44.4	B△ A▽勝率3% EV+14% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し）
前5走 08/05 船橋2R 5着/6頭+3.1秒 07/13 浦和5R 9着/10頭+0.0秒 06/29 船橋2R 2着/10頭 06/23 浦和4R 5着/8頭 06/02 船橋1R 4着/10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戦の調子平均 5.3着 ▽ 距離適性同距離は 5走で勝ち無し × 期待値 (オッズ vs AI勝率) -60% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 2.3%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.6% / 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	アメリカンサンデー逃げ	中越琉（川崎）	実53.3	B× A▽勝率1% EV-30% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%／直近3走で勝率33%と好調／61日ぶりの実戦）
前5走 07/10 川崎6R 5着/9頭+1.0秒 06/18 川崎1R 1着/12頭 05/14 川崎1R 3着/8頭+1.2秒 04/10 川崎1R 2着/10頭+1.0秒 02/05 川崎2R 7着/10頭+1.9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% × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.3% / 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	オーバーユー追込	岡村健（船橋）	実52.2	B× A▽勝率1% EV-29% 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 07/10 川崎5R 8着/9頭+1.0秒 06/15 川崎7R 6着/13頭 05/25 浦和2R 7着/10頭+2.0秒 05/13 川崎3R 10着/14頭+2.4秒 04/20 浦和3R 11着/12頭+2.3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 7.0着 (不振) △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 11走で勝率 9% ○ 騎手近50戦勝率 18% × 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 1.3% / 期待値 -30% ※ 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	ヴェロオスキュラス	野畑凌（川崎）	実1.2	B◎ A◎勝率50% EV-39% 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67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 08/19 川崎8R 2着/13頭+0.2秒 07/27 川崎7R 1着/11頭勝利 07/07 川崎3R 1着/10頭 ― ―
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 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ○ 前走実績前走 2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) +7% (市場と概ね一致) AI 予想勝率 89.6% (オッズ暗示: 83.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 50.2% / 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。
12	キューティパエトン	櫻井光（川崎）	推定—	B△ A△勝率8% EV-83% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 08/18 川崎1R 1着/11頭勝利 07/31 川崎2R 1着/11頭勝利 08/25 川崎3R 7着/7頭+3.4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 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22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 4位 / 勝率 7.5% / 期待値 -83% ※ 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	テンノウズアイル逃げ	中山遥（浦和）	実26.6	B× A△勝率4% EV0% 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 07/09 川崎1R 1着/11頭 06/16 川崎1R 9着/12頭 05/11 川崎1R 9着/12頭+3.0秒 02/06 川崎2R 2着/9頭+1.6秒 01/03 川崎1R 4着/9頭+1.1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) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% ◎ 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) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.8% / 期待値 -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。
14	グラズヘイム逃げ	和田譲（大井）	実60.6	B× A▽勝率2% EV+6% 詳細▼	大穴、AI予想勝率低く長期回収困難（61日ぶりの実戦／騎手は近50戦で勝率22%）
前5走 07/10 川崎5R 7着/9頭 06/15 川崎6R 4着/12頭+0.0秒 02/04 川崎3R 12着/14頭+1.5秒 01/01 川崎1R 1着/11頭勝利 12/16 川崎1R 3着/10頭+0.4秒
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 7.7着 (不振) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ◎ 騎手近50戦勝率 22% (好調) × 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 0.6% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.8% / 期待値 +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。

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 ◎

ヴェロオスキュラス

騎手野畑凌（川崎）

単勝オッズ

1.2倍

AI期待値

+7%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲2オンナユメラク

8.3倍

EV -55%

▲A:○5セイカンサンラン

7.4倍

EV -85%

出走馬全14頭

◎A:◎11

ヴェロオスキュラス

野畑凌（川崎）

1.2倍

+7%

›

○A:▲2

オンナユメラク

矢野貴（大井）

8.3倍

-55%

›

▲A:○5

セイカンサンラン

笹川翼（大井）

7.4倍

-85%

›

△A:▽8

リーヴルマン

木間龍（船橋）

44.4倍

-60%

›

△A:△12

キューティパエトン

櫻井光（川崎）

—

›

△A:△6

パッツンドレス

町田直（川崎）

26.0倍

-84%

›

×A:▽14

グラズヘイム

和田譲（大井）

60.6倍

-64%

›

×A:▽9

アメリカンサンデー

中越琉（川崎）

53.3倍

-82%

›

×A:▽7

エスプランドル

笠野雄（船橋）

34.5倍

-96%

›

×A:▽1

オリコウビアリッツ

増田充（川崎）

46.3倍

-95%

›

×A:△13

テンノウズアイル

中山遥（浦和）

26.6倍

-99%

›

×A:▽10

オーバーユー

岡村健（船橋）

52.2倍

-99%

›

×A:×4

スターバロン

半澤慶（浦和）

98.8倍

-99%

›

×A:▽3

クイーンズステート

池谷匠（川崎）

117.5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

両モデルとも見送り

1R 川崎競馬場ダ1500m ダート1500m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オリコウビアリッツ先行	増田充（川崎）	実46.3	▽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 08/19 川崎8R 7着/13頭+2.6秒 07/10 川崎2R 1着/9頭 06/18 川崎1R 7着/12頭+0.0秒 01/03 川崎2R 5着/9頭+1.0秒 12/19 川崎3R 2着/6頭+0.9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 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 2% (やや苦戦) ○ 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) -13% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 2.2%) ※ 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。
2	オンナユメラク逃げ	矢野貴（大井）	実8.3	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 07/06 川崎7R 3着/12頭+2.0秒 03/06 川崎5R 5着/8頭+1.2秒 02/06 川崎2R 1着/9頭勝利 01/04 川崎2R 2着/8頭+0.7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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 9.6% (オッズ暗示: 12.0%) ※ 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	クイーンズステート先行	池谷匠（川崎）	実117.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 08/19 川崎8R 9着/13頭+3.0秒 07/10 川崎5R 6着/9頭 06/15 川崎6R 8着/12頭 05/11 川崎5R 4着/11頭+1.9秒 04/06 川崎3R 3着/10頭+0.9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 7.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 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) -49% (大幅な期待値マイナス) AI 予想勝率 0.4% (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。
4	スターバロン先行	半澤慶（浦和）	実98.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し／直近3走で勝率33%と好調）
前5走 08/10 浦和2R 6着/9頭+1.1秒 07/17 浦和2R 6着/12頭 06/26 浦和1R 1着/10頭 04/22 浦和3R 9着/10頭+2.3秒 11/25 浦和1R 9着/12頭+2.9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) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.0%) ※ 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。
5	セイカンサンラン	笹川翼（大井）	実7.4	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯は3走で勝ち無し）
前5走 08/19 川崎8R 4着/13頭+1.2秒 07/27 川崎8R 2着/11頭+0.0秒 05/20 名古屋10R 7着/11頭 04/08 園田10R 5着/8頭+2.2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 ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -15% (オッズ過剰評価) AI 予想勝率 11.6% (オッズ暗示: 13.5%) ※ 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	パッツンドレス	町田直（川崎）	実26.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／騎手は近50戦で勝率24%）
前5走 08/20 川崎3R 6着/11頭+1.4秒 07/08 川崎5R 10着/11頭 06/18 川崎2R 8着/10頭+3.0秒 05/29 浦和5R 3着/12頭 02/06 川崎5R 3着/12頭+0.6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 17% (相性良) ◎ 騎手近50戦勝率 24% (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) +27% (市場と概ね一致) AI 予想勝率 4.9% (オッズ暗示: 3.8%) ※ 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	エスプランドル	笠野雄（船橋）	実34.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/07 浦和8R 11着/11頭+2.8秒 07/15 浦和9R 9着/12頭+2.0秒 06/22 浦和6R 2着/7頭+3.0秒 05/25 浦和5R 8着/12頭+2.0秒 02/09 船橋3R 8着/12頭+2.0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 7.3着 (不振) △ 距離適性同距離 8走で勝率 12% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 2.7% (オッズ暗示: 2.9%) ※ 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	リーヴルマン	木間龍（船橋）	実44.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し）
前5走 08/05 船橋2R 5着/6頭+3.1秒 07/13 浦和5R 9着/10頭+0.0秒 06/29 船橋2R 2着/10頭 06/23 浦和4R 5着/8頭 06/02 船橋1R 4着/10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戦の調子平均 5.3着 ▽ 距離適性同距離は 5走で勝ち無し △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 2.6% (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。
9	アメリカンサンデー逃げ	中越琉（川崎）	実53.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%／直近3走で勝率33%と好調／61日ぶりの実戦）
前5走 07/10 川崎6R 5着/9頭+1.0秒 06/18 川崎1R 1着/12頭 05/14 川崎1R 3着/8頭+1.2秒 04/10 川崎1R 2着/10頭+1.0秒 02/05 川崎2R 7着/10頭+1.9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% × 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 1.3% (オッズ暗示: 1.9%) ※ 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	オーバーユー追込	岡村健（船橋）	実52.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（61日ぶりの実戦）
前5走 07/10 川崎5R 8着/9頭+1.0秒 06/15 川崎7R 6着/13頭 05/25 浦和2R 7着/10頭+2.0秒 05/13 川崎3R 10着/14頭+2.4秒 04/20 浦和3R 11着/12頭+2.3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 7.0着 (不振) △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 11走で勝率 9% ○ 騎手近50戦勝率 18% △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 1.3% (オッズ暗示: 1.9%) ※ 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	ヴェロオスキュラス	野畑凌（川崎）	実1.2	◎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67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 08/19 川崎8R 2着/13頭+0.2秒 07/27 川崎7R 1着/11頭勝利 07/07 川崎3R 1着/10頭 ― ―
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 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ○ 前走実績前走 2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) -40% (大幅な期待値マイナス) AI 予想勝率 50.2% (オッズ暗示: 83.3%) ※ 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。
12	キューティパエトン	櫻井光（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 08/18 川崎1R 1着/11頭勝利 07/31 川崎2R 1着/11頭勝利 08/25 川崎3R 7着/7頭+3.4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 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
13	テンノウズアイル逃げ	中山遥（浦和）	実26.6	△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／62日ぶりの実戦）
前5走 07/09 川崎1R 1着/11頭 06/16 川崎1R 9着/12頭 05/11 川崎1R 9着/12頭+3.0秒 02/06 川崎2R 2着/9頭+1.6秒 01/03 川崎1R 4着/9頭+1.1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) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 3.8% (オッズ暗示: 3.8%) ※ 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。
14	グラズヘイム逃げ	和田譲（大井）	実60.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（61日ぶりの実戦／騎手は近50戦で勝率22%）
前5走 07/10 川崎5R 7着/9頭 06/15 川崎6R 4着/12頭+0.0秒 02/04 川崎3R 12着/14頭+1.5秒 01/01 川崎1R 1着/11頭勝利 12/16 川崎1R 3着/10頭+0.4秒
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 7.7着 (不振) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ◎ 騎手近50戦勝率 22% (好調) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 1.8% (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。

AIの本命

AI評価1位

ヴェロオスキュラス

騎手野畑凌（川崎）

単勝オッズ

1.2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

○5セイカンサンラン

7.4倍

EV -14%

▲2オンナユメラク

8.3倍

EV -20%

出走馬全14頭

◎11

ヴェロオスキュラス

野畑凌（川崎）

1.2倍

-39%

›

○5

セイカンサンラン

笹川翼（大井）

7.4倍

-14%

›

▲2

オンナユメラク

矢野貴（大井）

8.3倍

-20%

›

△12

キューティパエトン

櫻井光（川崎）

—

›

△6

パッツンドレス

町田直（川崎）

26.0倍

+27%

›

△13

テンノウズアイル

中山遥（浦和）

26.6倍

›

▽7

エスプランドル

笠野雄（船橋）

34.5倍

-6%

›

▽8

リーヴルマン

木間龍（船橋）

44.4倍

+14%

›

▽1

オリコウビアリッツ

増田充（川崎）

46.3倍

-12%

›

▽14

グラズヘイム

和田譲（大井）

60.6倍

+6%

›

▽10

オーバーユー

岡村健（船橋）

52.2倍

-29%

›

▽9

アメリカンサンデー

中越琉（川崎）

53.3倍

-30%

›

×4

スターバロン

半澤慶（浦和）

98.8倍

-50%

›

▽3

クイーンズステート

池谷匠（川崎）

117.5倍

-48%

›

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