川崎 4R 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

4R 川崎競馬場ダ2000m ダート2000m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマイルフェリス差し	野畑凌（川崎）	実26.7	B× A▽勝率4% EV-4% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/20 川崎5R 7着/11頭+1.9秒 05/14 川崎3R 4着/14頭+0.6秒 04/09 川崎5R 5着/12頭+1.2秒 01/02 川崎8R 6着/13頭+1.2秒 12/18 川崎5R 2着/12頭+0.0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 5.3着 △ 当競馬場適性 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) -89% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 3.7%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.6% / 期待値 -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。
2	スナオナキモチ追込	神尾香（川崎）	実37.7	B× A▽勝率3% EV+4% 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 06/18 川崎8R 7着/10頭+0.0秒 05/13 川崎7R 9着/12頭+1.9秒 04/23 浦和4R 8着/11頭+1.8秒 04/10 川崎8R 5着/11頭+0.5秒 01/04 川崎12R 11着/14頭+2.5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 8.0着 (不振) △ 当競馬場適性 38走で勝率 5% △ 騎手近50戦勝率 4% (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 9位 / 勝率 2.8% / 期待値 +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。
3	ファイヤーボール逃げ	新原周（川崎）	実15.5	B△ A△勝率6% EV-6% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調）
前5走 08/20 川崎5R 6着/11頭+1.7秒 07/28 川崎7R 6着/12頭+1.3秒 04/08 川崎9R 13着/13頭+5.6秒 03/05 川崎5R 2着/10頭+0.6秒 02/03 川崎9R 6着/14頭+1.0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 17走で勝率 18% (相性良) △ 距離適性同距離 8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) -81% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 6.5%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.0% / 期待値 -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	ナリノボガート逃げ推奨	笹川翼（大井）	実8.7	B○ A△勝率10% EV-9% 詳細▼	市場が大きく過小評価、AI予想勝率40% × オッズ8.7倍で期待値+249%の有力候補（前走3着で力を示す／適度な間隔で状態万全）
前5走 08/21 川崎8R 3着/12頭+0.4秒 07/28 川崎7R 2着/12頭+0.1秒 06/17 川崎7R 5着/10頭 05/13 川崎6R 3着/14頭+0.2秒 04/09 川崎8R 2着/14頭+0.0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戦の調子平均 3.3着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 前走実績前走 3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) +249% (市場が大幅過小評価) AI 予想勝率 40.2% (オッズ暗示: 11.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.4% / 期待値 -10% ※ 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	タヴァネスタン先行	和田譲（大井）	実2.0	B◎ A◎勝率33% EV-34% 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／騎手は近50戦で勝率22%）
前5走 08/20 川崎5R 4着/11頭+0.9秒 07/31 川崎8R 1着/10頭勝利 06/15 川崎8R 4着/11頭 05/13 川崎5R 8着/11頭+2.4秒 04/07 川崎8R 2着/13頭+0.0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% ◎ 騎手近50戦勝率 22% (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) -12% (オッズ過剰評価) AI 予想勝率 44.0% (オッズ暗示: 50.0%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 32.8% / 期待値 -34% ※ 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	ワンラヴ差し	本田紀（川崎）	実85.3	B× A▽勝率1% EV-22% 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8R 5着/12頭+0.9秒 07/31 川崎8R 4着/10頭+1.4秒 07/10 川崎8R 4着/7頭+0.0秒 05/13 川崎4R 7着/12頭+1.0秒 04/24 浦和12R 6着/12頭+1.2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 4.3着 △ 当競馬場適性 39走で勝率 5% ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -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 0.9% / 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。
7	クロウソング逃げ	櫻井光（川崎）	実5.5	B△ A○勝率14% EV-21% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着）
前5走 08/21 川崎8R 2着/12頭+0.1秒 05/13 川崎6R 7着/14頭+1.0秒 04/09 川崎8R 4着/14頭+0.5秒 03/06 川崎8R 1着/12頭勝利 02/03 川崎9R 3着/14頭+0.3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 4.3着 △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 5走で勝率 20% ○ 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) -82% (大幅な期待値マイナス) AI 予想勝率 3.3% (オッズ暗示: 18.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 14.3% / 期待値 -21% ※ 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	ヴァッツマン	佐野遥（川崎）	実6.9	B△ A▲勝率12% EV-14% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は3走で勝ち無し／前走2着）
前5走 08/20 川崎5R 2着/11頭+0.5秒 07/31 川崎8R 3着/10頭+1.1秒 07/07 川崎8R 6着/11頭+1.0秒 06/16 川崎8R 4着/10頭 05/13 川崎6R 13着/14頭+1.9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 3.7着 △ 当競馬場適性 16走で勝率 6% ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 2着 (好走) ○ 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) -72% (大幅な期待値マイナス) AI 予想勝率 4.0% (オッズ暗示: 14.5%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.3% / 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	ケイツーブル	西啓太（大井）	実76.4	B× A×勝率1% EV-59% 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 08/20 川崎5R 8着/11頭+1.9秒 07/28 川崎7R 5着/12頭+0.9秒 07/07 川崎8R 10着/11頭 06/16 川崎8R 9着/10頭 05/13 川崎6R 11着/14頭+1.5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 7.7着 (不振) × 当競馬場適性 8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 14% ○ 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 14位 / 勝率 0.5% / 期待値 -60% ※ 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	オトコユメラク自在	増田充（川崎）	実59.0	B× A▽勝率1% EV-32% 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8R 4着/12頭+0.7秒 07/31 川崎8R 7着/10頭+2.3秒 07/10 川崎8R 5着/7頭 05/15 川崎12R 6着/14頭+1.6秒 04/08 川崎6R 10着/12頭+1.4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 5.3着 △ 当競馬場適性 15走で勝率 7% ▽ 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) ○ 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) -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 1.1% / 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	モナークスラッガー	加藤雄（川崎）	実26.1	B× A▽勝率3% EV-26% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場29走で勝率3%と苦戦傾向／同距離帯は28走で勝ち無し／前走3着）
前5走 08/20 川崎5R 3着/11頭+0.8秒 07/31 川崎8R 6着/10頭+1.7秒 07/06 川崎1R 2着/7頭+2.0秒 06/26 浦和7R 4着/10頭+1.0秒 05/29 浦和8R 4着/12頭+1.0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 3.7着 × 当競馬場適性 29走で勝率 3% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ 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) -94% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 3.8%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.8% / 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。
12	ミストラ	池谷匠（川崎）	実13.1	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（直近3走で勝率33%と好調）
前5走 08/20 川崎5R 5着/11頭+1.4秒 06/17 川崎7R 2着/10頭 05/27 浦和6R 1着/12頭 05/14 川崎3R 10着/14頭+1.9秒 04/20 浦和6R 9着/11頭+3.2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 41走で勝率 7% △ 距離適性同距離 10走で勝率 10% ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 7.6%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.9% / 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。
13	シュヴァイゲン	中山遥（浦和）	実42.3	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4走で勝率25%／直近3走で勝率33%と好調）
前5走 08/19 川崎6R 10着/11頭+3.6秒 07/28 川崎3R 1着/9頭勝利 07/10 川崎8R 6着/7頭+1.0秒 06/17 川崎5R 12着/12頭+8.0秒 05/26 浦和4R 4着/11頭
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 15走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ▽ 前走実績前走 10着 (大敗) ○ 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) +160% (市場が大幅過小評価) AI 予想勝率 6.1% (オッズ暗示: 2.4%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.7% / 期待値 +14% ※ 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	アースチャン差し	藤江渉（川崎）	実45.9	B× A▽勝率2% EV-19% 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0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 08/21 川崎8R 6着/12頭+1.6秒 07/28 川崎7R 8着/12頭+1.5秒 06/16 川崎5R 7着/12頭 02/23 浦和12R 12着/12頭+2.8秒 12/23 浦和10R 4着/12頭+0.8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 7.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 2.2%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.8% / 期待値 -19% ※ 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 ◎

タヴァネスタン

騎手和田譲（大井）

単勝オッズ

2.0倍

AI期待値

-11%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:△4ナリノボガート

8.7倍

EV +249%

▲A:▽13シュヴァイゲン

42.3倍

EV +160%

出走馬全14頭

◎A:◎5

タヴァネスタン

和田譲（大井）

2.0倍

-11%

›

○A:△4

ナリノボガート

笹川翼（大井）

8.7倍

+249%

›

▲A:▽13

シュヴァイゲン

中山遥（浦和）

42.3倍

+160%

›

△A:▲8

ヴァッツマン

佐野遥（川崎）

6.9倍

-72%

›

△A:○7

クロウソング

櫻井光（川崎）

5.5倍

-81%

›

△A:△3

ファイヤーボール

新原周（川崎）

15.5倍

-81%

›

×A:▽1

スマイルフェリス

野畑凌（川崎）

26.7倍

-88%

›

×A:△12

ミストラ

池谷匠（川崎）

13.1倍

-96%

›

×A:▽11

モナークスラッガー

加藤雄（川崎）

26.1倍

-94%

›

×A:▽14

アースチャン

藤江渉（川崎）

45.9倍

-90%

›

×A:▽2

スナオナキモチ

神尾香（川崎）

37.7倍

-99%

›

×A:▽10

オトコユメラク

増田充（川崎）

59.0倍

-99%

›

×A:×9

ケイツーブル

西啓太（大井）

76.4倍

-99%

›

×A:▽6

ワンラヴ

本田紀（川崎）

85.3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 4 ナリノボガート ¥800 実8.7倍期待値 +249% 不的中2着単勝 8.7倍

※ オッズは予測時点の値です。

4R 川崎競馬場ダ2000m ダート2000m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマイルフェリス差し	野畑凌（川崎）	実26.7	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/20 川崎5R 7着/11頭+1.9秒 05/14 川崎3R 4着/14頭+0.6秒 04/09 川崎5R 5着/12頭+1.2秒 01/02 川崎8R 6着/13頭+1.2秒 12/18 川崎5R 2着/12頭+0.0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 5.3着 △ 当競馬場適性 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) -4% (オッズ過剰評価) AI 予想勝率 3.6% (オッズ暗示: 3.7%) ※ 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。
2	スナオナキモチ追込	神尾香（川崎）	実37.7	▽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／83日ぶりの実戦）
前5走 06/18 川崎8R 7着/10頭+0.0秒 05/13 川崎7R 9着/12頭+1.9秒 04/23 浦和4R 8着/11頭+1.8秒 04/10 川崎8R 5着/11頭+0.5秒 01/04 川崎12R 11着/14頭+2.5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 8.0着 (不振) △ 当競馬場適性 38走で勝率 5% △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 2.8% (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。
3	ファイヤーボール逃げ	新原周（川崎）	実15.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調）
前5走 08/20 川崎5R 6着/11頭+1.7秒 07/28 川崎7R 6着/12頭+1.3秒 04/08 川崎9R 13着/13頭+5.6秒 03/05 川崎5R 2着/10頭+0.6秒 02/03 川崎9R 6着/14頭+1.0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 17走で勝率 18% (相性良) △ 距離適性同距離 8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) -7% (オッズ過剰評価) AI 予想勝率 6.0% (オッズ暗示: 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。
4	ナリノボガート逃げ推奨	笹川翼（大井）	実8.7	△詳細▼	期待値プラスでAIの推し馬（前走3着で力を示す／適度な間隔で状態万全）
前5走 08/21 川崎8R 3着/12頭+0.4秒 07/28 川崎7R 2着/12頭+0.1秒 06/17 川崎7R 5着/10頭 05/13 川崎6R 3着/14頭+0.2秒 04/09 川崎8R 2着/14頭+0.0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戦の調子平均 3.3着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 前走実績前走 3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) -10% (オッズ過剰評価) AI 予想勝率 10.4% (オッズ暗示: 11.5%) ※ 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	タヴァネスタン先行	和田譲（大井）	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走で勝率33%と好調／騎手は近50戦で勝率22%）
前5走 08/20 川崎5R 4着/11頭+0.9秒 07/31 川崎8R 1着/10頭勝利 06/15 川崎8R 4着/11頭 05/13 川崎5R 8着/11頭+2.4秒 04/07 川崎8R 2着/13頭+0.0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% ◎ 騎手近50戦勝率 22% (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) -34% (大幅な期待値マイナス) AI 予想勝率 32.8% (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。
6	ワンラヴ差し	本田紀（川崎）	実85.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は12走で勝ち無し）
前5走 08/21 川崎8R 5着/12頭+0.9秒 07/31 川崎8R 4着/10頭+1.4秒 07/10 川崎8R 4着/7頭+0.0秒 05/13 川崎4R 7着/12頭+1.0秒 04/24 浦和12R 6着/12頭+1.2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 4.3着 △ 当競馬場適性 39走で勝率 5% ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -22% (オッズ過剰評価) AI 予想勝率 0.9% (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。
7	クロウソング逃げ	櫻井光（川崎）	実5.5	○詳細▼	AI上位評価だが期待値不足、見送り（前走2着）
前5走 08/21 川崎8R 2着/12頭+0.1秒 05/13 川崎6R 7着/14頭+1.0秒 04/09 川崎8R 4着/14頭+0.5秒 03/06 川崎8R 1着/12頭勝利 02/03 川崎9R 3着/14頭+0.3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 4.3着 △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 5走で勝率 20% ○ 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) -21% (オッズ過剰評価) AI 予想勝率 14.3% (オッズ暗示: 18.2%) ※ 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。
8	ヴァッツマン	佐野遥（川崎）	実6.9	▲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／前走2着）
前5走 08/20 川崎5R 2着/11頭+0.5秒 07/31 川崎8R 3着/10頭+1.1秒 07/07 川崎8R 6着/11頭+1.0秒 06/16 川崎8R 4着/10頭 05/13 川崎6R 13着/14頭+1.9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 3.7着 △ 当競馬場適性 16走で勝率 6% ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 2着 (好走) ○ 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) -15% (オッズ過剰評価) AI 予想勝率 12.3% (オッズ暗示: 14.5%) ※ 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。
9	ケイツーブル	西啓太（大井）	実76.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 08/20 川崎5R 8着/11頭+1.9秒 07/28 川崎7R 5着/12頭+0.9秒 07/07 川崎8R 10着/11頭 06/16 川崎8R 9着/10頭 05/13 川崎6R 11着/14頭+1.5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 7.7着 (不振) × 当競馬場適性 8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 14% ○ 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) -60% (大幅な期待値マイナス) AI 予想勝率 0.5% (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。
10	オトコユメラク自在	増田充（川崎）	実59.0	▽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 08/21 川崎8R 4着/12頭+0.7秒 07/31 川崎8R 7着/10頭+2.3秒 07/10 川崎8R 5着/7頭 05/15 川崎12R 6着/14頭+1.6秒 04/08 川崎6R 10着/12頭+1.4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 5.3着 △ 当競馬場適性 15走で勝率 7% ▽ 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) ○ 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) -33% (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。
11	モナークスラッガー	加藤雄（川崎）	実26.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場29走で勝率3%と苦戦傾向／同距離帯は28走で勝ち無し／前走3着）
前5走 08/20 川崎5R 3着/11頭+0.8秒 07/31 川崎8R 6着/10頭+1.7秒 07/06 川崎1R 2着/7頭+2.0秒 06/26 浦和7R 4着/10頭+1.0秒 05/29 浦和8R 4着/12頭+1.0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 3.7着 × 当競馬場適性 29走で勝率 3% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ 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 2.8% (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。
12	ミストラ	池谷匠（川崎）	実13.1	△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5走 08/20 川崎5R 5着/11頭+1.4秒 06/17 川崎7R 2着/10頭 05/27 浦和6R 1着/12頭 05/14 川崎3R 10着/14頭+1.9秒 04/20 浦和6R 9着/11頭+3.2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 41走で勝率 7% △ 距離適性同距離 10走で勝率 10% ○ 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) +3% (市場と概ね一致) AI 予想勝率 7.9% (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。
13	シュヴァイゲン	中山遥（浦和）	実42.3	▽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）
前5走 08/19 川崎6R 10着/11頭+3.6秒 07/28 川崎3R 1着/9頭勝利 07/10 川崎8R 6着/7頭+1.0秒 06/17 川崎5R 12着/12頭+8.0秒 05/26 浦和4R 4着/11頭
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 15走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ▽ 前走実績前走 10着 (大敗) ○ 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) +14% (市場と概ね一致) AI 予想勝率 2.7% (オッズ暗示: 2.4%) ※ 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。
14	アースチャン差し	藤江渉（川崎）	実45.9	▽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0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 08/21 川崎8R 6着/12頭+1.6秒 07/28 川崎7R 8着/12頭+1.5秒 06/16 川崎5R 7着/12頭 02/23 浦和12R 12着/12頭+2.8秒 12/23 浦和10R 4着/12頭+0.8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 7.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -19% (オッズ過剰評価) AI 予想勝率 1.8% (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。

AIの本命

AI評価1位

タヴァネスタン

騎手和田譲（大井）

単勝オッズ

2.0倍

AI期待値

-34%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7クロウソング

5.5倍

EV -21%

▲8ヴァッツマン

6.9倍

EV -14%

出走馬全14頭

◎5

タヴァネスタン

和田譲（大井）

2.0倍

-34%

›

○7

クロウソング

櫻井光（川崎）

5.5倍

-21%

›

▲8

ヴァッツマン

佐野遥（川崎）

6.9倍

-14%

›

△4

ナリノボガート

笹川翼（大井）

8.7倍

-9%

›

△12

ミストラ

池谷匠（川崎）

13.1倍

+3%

›

△3

ファイヤーボール

新原周（川崎）

15.5倍

-6%

›

▽1

スマイルフェリス

野畑凌（川崎）

26.7倍

-4%

›

▽11

モナークスラッガー

加藤雄（川崎）

26.1倍

-26%

›

▽2

スナオナキモチ

神尾香（川崎）

37.7倍

+4%

›

▽13

シュヴァイゲン

中山遥（浦和）

42.3倍

+14%

›

▽14

アースチャン

藤江渉（川崎）

45.9倍

-19%

›

▽10

オトコユメラク

増田充（川崎）

59.0倍

-32%

›

▽6

ワンラヴ

本田紀（川崎）

85.3倍

-22%

›

×9

ケイツーブル

西啓太（大井）

76.4倍

-59%

›

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 4 ナリノボガート ¥800 実8.7倍期待値 -10% 不的中2着単勝 8.7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