川崎 8R 詳細AI予想

本レースは AI 期待値が高い注目レースです。全馬の評価と推奨馬券を以下に掲載します。

モデル

8R 川崎競馬場小川町七夕まＣ１三ダ1500m ダート1500m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エリンフレーム	野畑凌（川崎）	実1.1	B◎ A×勝率37% EV-59% 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 08/20 川崎8R 1着/13頭勝利 07/29 川崎3R 1着/9頭勝利 07/10 川崎5R 3着/9頭 ― ―
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 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 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 85.1% (オッズ暗示: 90.9%) × Aモデルの評価 (参考) レース内 1位 / 勝率 36.7% / 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。
2	マッセダムール推奨	御神訓（大井）	実16.2	B○ A○勝率13% EV+106% 詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+63%の中穴候補（直近3走勝率33%と上り調子／当競馬場で勝率22%と相性良／同距離帯で勝率22%）
前5走 08/18 川崎9R 1着/3頭 07/30 川崎5R 2着/10頭+0.2秒 07/09 川崎6R 2着/6頭+0.0秒 06/18 川崎9R 11着/11頭 05/11 川崎9R 2着/10頭+0.4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 9走で勝率 22% (相性良) ○ 距離適性同距離 9走で勝率 22% ◎ 騎手近50戦勝率 30% (好調) ◎ 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) +63% (市場が大幅過小評価) AI 予想勝率 10.1% (オッズ暗示: 6.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 12.8% / 期待値 +107% ※ 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	ミスサラワク差し	佐野遥（川崎）	実145.4	B× A▽勝率1% EV+61% 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 04/08 川崎9R 8着/13頭+1.9秒 03/05 川崎8R 6着/10頭+2.6秒 02/02 川崎9R 1着/12頭勝利 01/03 川崎9R 6着/14頭+2.5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 4走で勝率 25% (得意) △ ローテーション 154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 1.1% / 期待値 +62% ※ 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	メイショウマチルダ追込	山林信（川崎）	実17.6	B× A▲勝率8% EV+42% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率38%と適性高／同距離帯9走で勝率33%）
前5走 08/20 川崎8R 5着/13頭+0.9秒 07/28 川崎9R 9着/10頭+2.1秒 05/12 川崎9R 2着/8頭+0.6秒 03/02 川崎8R 1着/9頭勝利 02/03 川崎5R 1着/12頭勝利
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 8走で勝率 38% (得意) ◎ 距離適性同距離 9走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -97% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 5.7%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 8.1% / 期待値 +43% ※ 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	マルターズヴェロス追込	岡村健（船橋）	実27.4	B△ A△勝率7% EV+100% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は4走で勝ち無し／前走3着）
前5走 08/24 船橋7R 3着/12頭+1.8秒 08/02 船橋12R 4着/9頭+0.9秒 06/28 船橋9R 4着/10頭 06/01 船橋10R 8着/12頭 05/13 川崎6R 4着/14頭+0.5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 3.7着 ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 3.6%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.3% / 期待値 +100% ※ 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	エイシンキャロッツ	木間龍（船橋）	実21.7	B▲ A▽勝率5% 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50%と好調／前走3着）
前5走 08/26 船橋10R 3着/12頭+0.1秒 08/02 船橋5R 1着/11頭勝利 ― ― ―
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戦の調子勝率 50% (絶好調) ○ 前走実績前走 3着 (好走) ○ 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) -50% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 4.6%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 4.8% / 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。
7	フラッシュタイム	岡田大（浦和）	実162.0	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 08/10 浦和9R 3着/10頭+1.1秒 07/30 川崎7R 5着/14頭+0.7秒 07/13 浦和10R 8着/10頭+0.0秒 06/25 浦和5R 10着/10頭 05/26 浦和6R 7着/12頭
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 5.3着 △ 距離適性同距離 13走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) × 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 0.9% / 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。
8	エイシンゾディアク先行	室陽一（浦和）	推定—	B△ A△勝率7% EV-86% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率50%と適性高／前走2着）
前5走 08/07 浦和7R 2着/11頭+0.3秒 05/25 浦和10R 8着/12頭 04/22 浦和7R 7着/12頭+1.0秒 03/19 浦和8R 2着/14頭+0.1秒 02/26 浦和10R 3着/11頭+0.4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戦の調子平均 5.7着 ◎ 当競馬場適性 4走で勝率 50% (得意) ○ 距離適性同距離 26走で勝率 15% ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) × 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 0.2% △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.7% / 期待値 -87% ※ 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	ダイゴホマレリュウ	藤江渉（川崎）	推定—	B× A×勝率5% EV-89% 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 08/05 船橋11R 9着/10頭+2.9秒 07/14 浦和7R 5着/12頭+0.0秒 06/25 浦和5R 1着/10頭 06/01 船橋10R 11着/12頭 05/26 浦和6R 9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 33% (上り調子) △ 当競馬場適性 12走で勝率 8% ○ 距離適性同距離 14走で勝率 21% ○ 馬場適性同馬場 4走で勝率 25% △ 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 7位 / 勝率 5.1% / 期待値 -90% ※ 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	ブランディストック	新原周（川崎）	実29.6	B× A△勝率6% EV+81% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場9走で勝率0%と苦戦傾向）
前5走 07/30 川崎7R 4着/14頭+0.2秒 07/07 川崎8R 5着/11頭+1.0秒 06/18 川崎9R 5着/11頭 04/09 川崎7R 8着/11頭+1.2秒 03/02 川崎8R 2着/9頭+0.3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 4.7着 × 当競馬場適性 9走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% × 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: 3.4%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.1% / 期待値 +81% ※ 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	シゲルオトコギ先行	増田充（川崎）	実27.4	B× A▽勝率3% EV-17% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯12走で勝率25%／直近3走平均3.0着と安定／前走3着）
前5走 11/18 川崎9R 3着/14頭+0.6秒 10/15 川崎10R 3着/14頭+0.2秒 03/06 川崎9R 3着/12頭+0.8秒 02/06 川崎10R 2着/13頭+0.2秒 01/03 川崎12R 2着/14頭+0.7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 3.0着 (安定) ○ 当競馬場適性 16走で勝率 19% (相性良) ◎ 距離適性同距離 12走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) △ ローテーション 295日休養明け × 期待値 (オッズ vs AI勝率) -97% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 3.6%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 3.0% / 期待値 -18% ※ 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	オニノタマゴ逃げ	古岡勇（川崎）	実84.5	B× A▽勝率2% EV+52% 詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着）
前5走 08/18 川崎9R 2着/3頭 07/09 川崎6R 6着/6頭+2.0秒 04/09 川崎7R 5着/11頭+0.9秒 10/10 川崎8R 5着/11頭+1.2秒 05/07 川崎8R 2着/12頭+1.9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戦の調子平均 4.3着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% ○ 前走実績前走 2着 (好走) ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.8% / 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。
13	ノンスタンダルド	本田重（船橋）	実20.1	B△ A×勝率2% EV-50% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率22%）
前5走 08/25 船橋12R 7着/14頭+1.4秒 08/04 船橋8R 3着/8頭+1.8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戦の調子平均 5.0着 ◎ 騎手近50戦勝率 22% (好調) ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 5.0%) × Aモデルの評価 (参考) レース内 11位 / 勝率 2.5% / 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。
14	ポジティビティ	西啓太（大井）	実44.1	B× A▽勝率3% EV+39% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯11走で勝率27%／直近3走で勝率33%と好調）
前5走 07/31 名古屋11R 8着/11頭+2.2秒 07/01 名古屋10R 1着/12頭 06/16 名古屋9R 3着/10頭 06/02 名古屋8R 3着/11頭+0.0秒 05/19 名古屋10R 10着/12頭+1.3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戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 11走で勝率 27% × 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 0.2% (オッズ暗示: 2.3%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 3.2% / 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。

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 ×

エリンフレーム

騎手野畑凌（川崎）

単勝オッズ

1.1倍

AI期待値

-6%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○2マッセダムール

16.2倍

EV +63%

▲A:▽6エイシンキャロッツ

21.7倍

EV -50%

出走馬全14頭

◎A:×1

エリンフレーム

野畑凌（川崎）

1.1倍

-6%

›

○A:○2

マッセダムール

御神訓（大井）

16.2倍

+63%

›

▲A:▽6

エイシンキャロッツ

木間龍（船橋）

21.7倍

-50%

›

△A:△5

マルターズヴェロス

岡村健（船橋）

27.4倍

-71%

›

△A:×13

ノンスタンダルド

本田重（船橋）

20.1倍

-86%

›

△A:△8

エイシンゾディアク

室陽一（浦和）

—

›

×A:▲4

メイショウマチルダ

山林信（川崎）

17.6倍

-97%

›

×A:▽14

ポジティビティ

西啓太（大井）

44.1倍

-92%

›

×A:▽11

シゲルオトコギ

増田充（川崎）

27.4倍

-96%

›

×A:△10

ブランディストック

新原周（川崎）

29.6倍

-96%

›

×A:▽12

オニノタマゴ

古岡勇（川崎）

84.5倍

-89%

›

×A:×9

ダイゴホマレリュウ

藤江渉（川崎）

—

›

×A:▽3

ミスサラワク

佐野遥（川崎）

145.4倍

-99%

›

×A:▽7

フラッシュタイム

岡田大（浦和）

162.0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

単勝 2 マッセダムール ¥100 実16.2倍期待値 +63% 不的中6着単勝 16.2倍

B. 市場除外+キャリブ

単勝 2 マッセダムール ¥100 実16.2倍期待値 +63% 不的中6着単勝 16.2倍

※ オッズは予測時点の値です。

8R 川崎競馬場小川町七夕まＣ１三ダ1500m ダート1500m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エリンフレーム	野畑凌（川崎）	実1.1	×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（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 08/20 川崎8R 1着/13頭勝利 07/29 川崎3R 1着/9頭勝利 07/10 川崎5R 3着/9頭 ― ―
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 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 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 36.7% (オッズ暗示: 90.9%) ※ 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	マッセダムール推奨	御神訓（大井）	実16.2	○詳細▼	市場が大きく過小評価、AI予想勝率13% × オッズ16.2倍で期待値+106%の有力候補（直近3走勝率33%と上り調子／当競馬場で勝率22%と相性良／同距離帯で勝率22%）
前5走 08/18 川崎9R 1着/3頭 07/30 川崎5R 2着/10頭+0.2秒 07/09 川崎6R 2着/6頭+0.0秒 06/18 川崎9R 11着/11頭 05/11 川崎9R 2着/10頭+0.4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 9走で勝率 22% (相性良) ○ 距離適性同距離 9走で勝率 22% ◎ 騎手近50戦勝率 30% (好調) ◎ 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) +106% (市場が大幅過小評価) AI 予想勝率 12.8% (オッズ暗示: 6.2%) ※ 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。
3	ミスサラワク差し	佐野遥（川崎）	実145.4	▽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／直近3走で勝率33%と好調／154日ぶりの実戦）
前5走 04/08 川崎9R 8着/13頭+1.9秒 03/05 川崎8R 6着/10頭+2.6秒 02/02 川崎9R 1着/12頭勝利 01/03 川崎9R 6着/14頭+2.5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 4走で勝率 25% (得意) △ ローテーション 154日休養明け ◎ 期待値 (オッズ vs AI勝率) +61% (市場が大幅過小評価) AI 予想勝率 1.1% (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。
4	メイショウマチルダ追込	山林信（川崎）	実17.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率38%と適性高／同距離帯9走で勝率33%）
前5走 08/20 川崎8R 5着/13頭+0.9秒 07/28 川崎9R 9着/10頭+2.1秒 05/12 川崎9R 2着/8頭+0.6秒 03/02 川崎8R 1着/9頭勝利 02/03 川崎5R 1着/12頭勝利
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 8走で勝率 38% (得意) ◎ 距離適性同距離 9走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) +42% (妙味あり) AI 予想勝率 8.1% (オッズ暗示: 5.7%) ※ 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	マルターズヴェロス追込	岡村健（船橋）	実27.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は4走で勝ち無し／前走3着）
前5走 08/24 船橋7R 3着/12頭+1.8秒 08/02 船橋12R 4着/9頭+0.9秒 06/28 船橋9R 4着/10頭 06/01 船橋10R 8着/12頭 05/13 川崎6R 4着/14頭+0.5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 3.7着 ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +100% (市場が大幅過小評価) AI 予想勝率 7.3% (オッズ暗示: 3.6%) ※ 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。
6	エイシンキャロッツ	木間龍（船橋）	実21.7	▽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50%と好調／前走3着）
前5走 08/26 船橋10R 3着/12頭+0.1秒 08/02 船橋5R 1着/11頭勝利 ― ― ―
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戦の調子勝率 50% (絶好調) ○ 前走実績前走 3着 (好走) ○ 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% (市場と概ね一致) AI 予想勝率 4.8% (オッズ暗示: 4.6%) ※ 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。
7	フラッシュタイム	岡田大（浦和）	実162.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着）
前5走 08/10 浦和9R 3着/10頭+1.1秒 07/30 川崎7R 5着/14頭+0.7秒 07/13 浦和10R 8着/10頭+0.0秒 06/25 浦和5R 10着/10頭 05/26 浦和6R 7着/12頭
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 5.3着 △ 距離適性同距離 13走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 0.9% (オッズ暗示: 0.6%) ※ 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	エイシンゾディアク先行	室陽一（浦和）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率50%と適性高／前走2着）
前5走 08/07 浦和7R 2着/11頭+0.3秒 05/25 浦和10R 8着/12頭 04/22 浦和7R 7着/12頭+1.0秒 03/19 浦和8R 2着/14頭+0.1秒 02/26 浦和10R 3着/11頭+0.4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戦の調子平均 5.7着 ◎ 当競馬場適性 4走で勝率 50% (得意) ○ 距離適性同距離 26走で勝率 15% ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) × 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 6.7% ※ 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。
9	ダイゴホマレリュウ	藤江渉（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調）
前5走 08/05 船橋11R 9着/10頭+2.9秒 07/14 浦和7R 5着/12頭+0.0秒 06/25 浦和5R 1着/10頭 06/01 船橋10R 11着/12頭 05/26 浦和6R 9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 33% (上り調子) △ 当競馬場適性 12走で勝率 8% ○ 距離適性同距離 14走で勝率 21% ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) × 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 5.1% ※ 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。
10	ブランディストック	新原周（川崎）	実29.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場9走で勝率0%と苦戦傾向）
前5走 07/30 川崎7R 4着/14頭+0.2秒 07/07 川崎8R 5着/11頭+1.0秒 06/18 川崎9R 5着/11頭 04/09 川崎7R 8着/11頭+1.2秒 03/02 川崎8R 2着/9頭+0.3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 4.7着 × 当競馬場適性 9走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ◎ 期待値 (オッズ vs AI勝率) +81% (市場が大幅過小評価) AI 予想勝率 6.1% (オッズ暗示: 3.4%) ※ 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。
11	シゲルオトコギ先行	増田充（川崎）	実27.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯12走で勝率25%／直近3走平均3.0着と安定／前走3着）
前5走 11/18 川崎9R 3着/14頭+0.6秒 10/15 川崎10R 3着/14頭+0.2秒 03/06 川崎9R 3着/12頭+0.8秒 02/06 川崎10R 2着/13頭+0.2秒 01/03 川崎12R 2着/14頭+0.7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 3.0着 (安定) ○ 当競馬場適性 16走で勝率 19% (相性良) ◎ 距離適性同距離 12走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) △ ローテーション 295日休養明け △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 3.0% (オッズ暗示: 3.6%) ※ 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。
12	オニノタマゴ逃げ	古岡勇（川崎）	実84.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着）
前5走 08/18 川崎9R 2着/3頭 07/09 川崎6R 6着/6頭+2.0秒 04/09 川崎7R 5着/11頭+0.9秒 10/10 川崎8R 5着/11頭+1.2秒 05/07 川崎8R 2着/12頭+1.9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戦の調子平均 4.3着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% ○ 前走実績前走 2着 (好走) ○ 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) +52% (市場が大幅過小評価) AI 予想勝率 1.8% (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。
13	ノンスタンダルド	本田重（船橋）	実20.1	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率22%）
前5走 08/25 船橋12R 7着/14頭+1.4秒 08/04 船橋8R 3着/8頭+1.8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戦の調子平均 5.0着 ◎ 騎手近50戦勝率 22% (好調) ○ 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) -50% (大幅な期待値マイナス) AI 予想勝率 2.5% (オッズ暗示: 5.0%) ※ 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	ポジティビティ	西啓太（大井）	実44.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯11走で勝率27%／直近3走で勝率33%と好調）
前5走 07/31 名古屋11R 8着/11頭+2.2秒 07/01 名古屋10R 1着/12頭 06/16 名古屋9R 3着/10頭 06/02 名古屋8R 3着/11頭+0.0秒 05/19 名古屋10R 10着/12頭+1.3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戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 11走で勝率 27% ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 3.2% (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。

AIの本命

AI評価1位

エリンフレーム

騎手野畑凌（川崎）

単勝オッズ

1.1倍

AI期待値

-59%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○2マッセダムール

16.2倍

EV +106%

▲4メイショウマチルダ

17.6倍

EV +42%

出走馬全14頭

×1

エリンフレーム

野畑凌（川崎）

1.1倍

-59%

›

○2

マッセダムール

御神訓（大井）

16.2倍

+106%

›

▲4

メイショウマチルダ

山林信（川崎）

17.6倍

+42%

›

△5

マルターズヴェロス

岡村健（船橋）

27.4倍

+100%

›

△8

エイシンゾディアク

室陽一（浦和）

—

›

△10

ブランディストック

新原周（川崎）

29.6倍

+81%

›

×9

ダイゴホマレリュウ

藤江渉（川崎）

—

›

▽6

エイシンキャロッツ

木間龍（船橋）

21.7倍

+3%

›

▽14

ポジティビティ

西啓太（大井）

44.1倍

+39%

›

▽11

シゲルオトコギ

増田充（川崎）

27.4倍

-17%

›

×13

ノンスタンダルド

本田重（船橋）

20.1倍

-50%

›

▽12

オニノタマゴ

古岡勇（川崎）

84.5倍

+52%

›

▽3

ミスサラワク

佐野遥（川崎）

145.4倍

+61%

›

▽7

フラッシュタイム

岡田大（浦和）

162.0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

単勝 2 マッセダムール ¥100 実16.2倍期待値 +107% 不的中6着単勝 16.2倍

B. 市場除外+キャリブ

単勝 2 マッセダムール ¥100 実16.2倍期待値 +107% 不的中6着単勝 16.2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