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1500m ダート1500m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	コンポスト自在	新原周（川崎）	実22.5	B× A×勝率1% EV-69% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場17走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／直近3走平均8.3着と低調）
前5走 08/18 川崎8R 12着/12頭+2.6秒 08/22 川崎2R 4着/12頭+0.4秒 08/06 川崎6R 9着/11頭+2.0秒 07/10 川崎2R 9着/14頭+0.7秒 06/16 川崎6R 5着/11頭+2.6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 8.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ 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 0.5% (オッズ暗示: 4.4%) × Aモデルの評価 (参考) レース内 12位 / 勝率 1.4% / 期待値 -70% ※ 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	マロンルピナス差し	山林信（川崎）	実11.5	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5走 08/18 川崎5R 6着/11頭+1.4秒 07/29 川崎5R 2着/12頭+0.9秒 06/16 川崎5R 10着/12頭 05/25 浦和6R 4着/11頭+2.0秒 05/14 川崎4R 5着/12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戦の調子平均 6.0着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 22走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -91% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 8.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.4% / 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。
3	フリージングフォグ逃げ	増田充（川崎）	実4.3	B◎ A◎勝率43% EV+85% 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5走で勝率40%／直近3走で勝率33%と好調）
前5走 08/19 川崎6R 5着/11頭+0.7秒 07/30 川崎5R 7着/10頭+2.3秒 03/13 名古屋3R 1着/12頭勝利 02/26 名古屋12R 3着/11頭+0.3秒 02/10 名古屋5R 1着/11頭勝利
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) ◎ 距離適性同距離 5走で勝率 40% △ 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) +280% (市場が大幅過小評価) AI 予想勝率 88.5% (オッズ暗示: 23.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 43.0% / 期待値 +85% ※ 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	チュイション先行	中越琉（川崎）	実100.8	B× A▽勝率1% EV-34% 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 07/27 川崎9R 11着/12頭+2.1秒 04/27 大井10R 8着/15頭+2.3秒 04/15 大井8R 6着/10頭+3.3秒 03/25 大井9R 8着/11頭+1.1秒 03/12 大井10R 12着/16頭+2.4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 8.3着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 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 -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。
5	シェナベスト	藤江渉（川崎）	実7.8	B× A△勝率6% EV-54% 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5走 08/18 川崎5R 9着/11頭+1.7秒 07/30 川崎2R 3着/3頭 07/08 川崎3R 1着/10頭 06/16 川崎4R 8着/12頭 05/12 川崎4R 5着/12頭+0.6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 33走で勝率 9% ○ 距離適性同距離 20走で勝率 15% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -98% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 12.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 5.8% / 期待値 -55% ※ 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	コックリサン	岡村裕（川崎）	実71.6	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 08/18 川崎7R 9着/11頭+2.5秒 06/17 川崎8R 8着/8頭+7.0秒 05/28 浦和7R 12着/12頭 05/13 川崎7R 12着/12頭+3.1秒 04/09 川崎7R 10着/11頭+1.8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 9.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 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) -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 -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。
7	ベラヴィットーリア	本田紀（川崎）	実5.7	B○ A▲勝率10% EV-41% 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5走 08/19 川崎6R 4着/11頭+0.4秒 07/30 川崎7R 8着/14頭+1.1秒 07/08 川崎12R 1着/3頭 06/17 川崎5R 6着/12頭 06/04 船橋6R 2着/11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戦の調子勝率 33% (上り調子) △ 当競馬場適性 10走で勝率 10% △ 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) ○ 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) -76% (大幅な期待値マイナス) AI 予想勝率 4.2% (オッズ暗示: 17.5%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.3% / 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。
8	スウィートドリーム追込	加藤雄（川崎）	実12.3	B△ A×勝率3% EV-61% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎7R 7着/11頭+2.1秒 03/19 浦和6R 11着/12頭+2.3秒 03/03 川崎9R 4着/9頭+1.0秒 02/05 川崎9R 10着/13頭+1.7秒 01/01 川崎10R 13着/14頭+2.9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 7.3着 (不振) △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 17走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -84% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 8.1%) × Aモデルの評価 (参考) レース内 7位 / 勝率 3.1% / 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。
9	ネバーエンドマーチ先行	田中涼（川崎）	実42.5	B× A▽勝率1% EV-41% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走 08/19 川崎7R 12着/12頭+2.3秒 04/10 川崎10R 8着/12頭+1.5秒 03/20 浦和8R 13着/13頭+3.7秒 03/04 川崎5R 9着/11頭+2.1秒 02/04 川崎5R 3着/12頭+0.5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 11.0着 (不振) ○ 当競馬場適性 9走で勝率 22% (相性良) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12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) -94% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 2.4%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.4% / 期待値 -42% ※ 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	クリノフラッグ逃げ	神尾香（川崎）	実35.9	B× A▽勝率2% EV-41% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し／直近3走平均10.3着と低調）
前5走 08/21 川崎8R 7着/12頭+1.7秒 07/28 川崎7R 10着/12頭+2.6秒 05/13 川崎6R 14着/14頭+2.2秒 04/06 川崎7R 2着/14頭+0.2秒 03/06 川崎8R 4着/12頭+1.1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 10.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し △ 騎手近50戦勝率 4% (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) -89% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 2.8%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.6% / 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。
11	ムンディ自在	伊藤裕（川崎）	実12.7	B× A△勝率3% EV-55% 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0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 08/21 川崎2R 11着/11頭+4.1秒 08/10 浦和7R 1着/10頭勝利 07/28 川崎1R 2着/10頭+1.0秒 07/07 川崎2R 2着/12頭 06/17 川崎2R 8着/11頭+0.0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戦の調子勝率 33% (上り調子) × 当競馬場適性 8走で勝率 0% (苦戦) △ 距離適性同距離 15走で勝率 13% ▽ 前走実績前走 11着 (大敗) ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 7.9%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.5% / 期待値 -56% ※ 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	アイズミサクラ先行	櫻井光（川崎）	実13.5	B△ A×勝率2% EV-70% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎7R 11着/11頭+3.7秒 03/02 川崎4R 7着/10頭+2.2秒 02/02 川崎6R 4着/13頭+0.6秒 01/02 川崎6R 1着/14頭勝利 12/17 川崎6R 3着/12頭+1.0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 7.3着 (不振) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 11着 (大敗) ○ 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 1.3% (オッズ暗示: 7.4%) × Aモデルの評価 (参考) レース内 9位 / 勝率 2.2% / 期待値 -71% ※ 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	レイニングキング追込	佐野遥（川崎）	実4.8	B▲ A○勝率18% EV-12% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均10.0着と低調）
前5走 07/30 川崎7R 6着/14頭+0.8秒 03/05 川崎9R 10着/11頭+3.0秒 02/04 川崎12R 14着/14頭+2.9秒 01/19 船橋9R 3着/12頭+0.1秒 01/02 川崎12R 13着/14頭+2.2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 10.0着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 14走で勝率 7% × 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 2.3% (オッズ暗示: 20.8%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 18.3% / 期待値 -12% ※ 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	デルマツリダシ先行	古岡勇（川崎）	実13.3	B× A×勝率3% EV-61% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場21走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し）
前5走 08/20 川崎5R 9着/11頭+2.2秒 04/06 川崎8R 6着/12頭+1.2秒 03/16 浦和8R 5着/12頭+1.6秒 03/02 川崎4R 5着/10頭+1.0秒 02/03 川崎5R 5着/12頭+0.9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 6.7着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ○ 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: 7.5%) × Aモデルの評価 (参考) レース内 8位 / 勝率 2.9% / 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。

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 ◎

フリージングフォグ

騎手増田充（川崎）

単勝オッズ

4.3倍

AI期待値

+280%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲7ベラヴィットーリア

5.7倍

EV -75%

▲A:○13レイニングキング

4.8倍

EV -89%

出走馬全14頭

◎A:◎3

フリージングフォグ

増田充（川崎）

4.3倍

+280%

›

○A:▲7

ベラヴィットーリア

本田紀（川崎）

5.7倍

-75%

›

▲A:○13

レイニングキング

佐野遥（川崎）

4.8倍

-89%

›

△A:×8

スウィートドリーム

加藤雄（川崎）

12.3倍

-84%

›

△A:×12

アイズミサクラ

櫻井光（川崎）

13.5倍

-82%

›

△A:△2

マロンルピナス

山林信（川崎）

11.5倍

-90%

›

×A:×1

コンポスト

新原周（川崎）

22.5倍

-89%

›

×A:△5

シェナベスト

藤江渉（川崎）

7.8倍

-97%

›

×A:△11

ムンディ

伊藤裕（川崎）

12.7倍

-96%

›

×A:▽10

クリノフラッグ

神尾香（川崎）

35.9倍

-89%

›

×A:×14

デルマツリダシ

古岡勇（川崎）

13.3倍

-97%

›

×A:▽9

ネバーエンドマーチ

田中涼（川崎）

42.5倍

-93%

›

×A:×6

コックリサン

岡村裕（川崎）

71.6倍

-99%

›

×A:▽4

チュイション

中越琉（川崎）

100.8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1500m ダート1500m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	コンポスト自在	新原周（川崎）	実22.5	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場17走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／直近3走平均8.3着と低調）
前5走 08/18 川崎8R 12着/12頭+2.6秒 08/22 川崎2R 4着/12頭+0.4秒 08/06 川崎6R 9着/11頭+2.0秒 07/10 川崎2R 9着/14頭+0.7秒 06/16 川崎6R 5着/11頭+2.6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 8.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ 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) -70% (大幅な期待値マイナス) AI 予想勝率 1.4% (オッズ暗示: 4.4%) ※ 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	マロンルピナス差し	山林信（川崎）	実11.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎5R 6着/11頭+1.4秒 07/29 川崎5R 2着/12頭+0.9秒 06/16 川崎5R 10着/12頭 05/25 浦和6R 4着/11頭+2.0秒 05/14 川崎4R 5着/12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戦の調子平均 6.0着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 22走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -38% (大幅な期待値マイナス) AI 予想勝率 5.4% (オッズ暗示: 8.7%) ※ 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	フリージングフォグ逃げ	増田充（川崎）	実4.3	◎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（同距離帯5走で勝率40%／直近3走で勝率33%と好調）
前5走 08/19 川崎6R 5着/11頭+0.7秒 07/30 川崎5R 7着/10頭+2.3秒 03/13 名古屋3R 1着/12頭勝利 02/26 名古屋12R 3着/11頭+0.3秒 02/10 名古屋5R 1着/11頭勝利
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) ◎ 距離適性同距離 5走で勝率 40% △ 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) +85% (市場が大幅過小評価) AI 予想勝率 43.0% (オッズ暗示: 23.3%) ※ 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。
4	チュイション先行	中越琉（川崎）	実100.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し／直近3走平均8.3着と低調）
前5走 07/27 川崎9R 11着/12頭+2.1秒 04/27 大井10R 8着/15頭+2.3秒 04/15 大井8R 6着/10頭+3.3秒 03/25 大井9R 8着/11頭+1.1秒 03/12 大井10R 12着/16頭+2.4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 8.3着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 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 0.6% (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	シェナベスト	藤江渉（川崎）	実7.8	△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5走 08/18 川崎5R 9着/11頭+1.7秒 07/30 川崎2R 3着/3頭 07/08 川崎3R 1着/10頭 06/16 川崎4R 8着/12頭 05/12 川崎4R 5着/12頭+0.6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 33走で勝率 9% ○ 距離適性同距離 20走で勝率 15% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -55% (大幅な期待値マイナス) AI 予想勝率 5.8% (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	コックリサン	岡村裕（川崎）	実71.6	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5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9.7着と低調）
前5走 08/18 川崎7R 9着/11頭+2.5秒 06/17 川崎8R 8着/8頭+7.0秒 05/28 浦和7R 12着/12頭 05/13 川崎7R 12着/12頭+3.1秒 04/09 川崎7R 10着/11頭+1.8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 9.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.4%) ※ 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	ベラヴィットーリア	本田紀（川崎）	実5.7	▲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5走 08/19 川崎6R 4着/11頭+0.4秒 07/30 川崎7R 8着/14頭+1.1秒 07/08 川崎12R 1着/3頭 06/17 川崎5R 6着/12頭 06/04 船橋6R 2着/11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戦の調子勝率 33% (上り調子) △ 当競馬場適性 10走で勝率 10% △ 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) ○ 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) -41% (大幅な期待値マイナス) AI 予想勝率 10.3% (オッズ暗示: 17.5%) ※ 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。
8	スウィートドリーム追込	加藤雄（川崎）	実12.3	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎7R 7着/11頭+2.1秒 03/19 浦和6R 11着/12頭+2.3秒 03/03 川崎9R 4着/9頭+1.0秒 02/05 川崎9R 10着/13頭+1.7秒 01/01 川崎10R 13着/14頭+2.9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 7.3着 (不振) △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 17走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 3.1% (オッズ暗示: 8.1%) ※ 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。
9	ネバーエンドマーチ先行	田中涼（川崎）	実42.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走 08/19 川崎7R 12着/12頭+2.3秒 04/10 川崎10R 8着/12頭+1.5秒 03/20 浦和8R 13着/13頭+3.7秒 03/04 川崎5R 9着/11頭+2.1秒 02/04 川崎5R 3着/12頭+0.5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 11.0着 (不振) ○ 当競馬場適性 9走で勝率 22% (相性良) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12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) -42% (大幅な期待値マイナス) AI 予想勝率 1.4% (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。
10	クリノフラッグ逃げ	神尾香（川崎）	実35.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し／直近3走平均10.3着と低調）
前5走 08/21 川崎8R 7着/12頭+1.7秒 07/28 川崎7R 10着/12頭+2.6秒 05/13 川崎6R 14着/14頭+2.2秒 04/06 川崎7R 2着/14頭+0.2秒 03/06 川崎8R 4着/12頭+1.1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 10.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し △ 騎手近50戦勝率 4% (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) -41% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.8%) ※ 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。
11	ムンディ自在	伊藤裕（川崎）	実12.7	△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0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 08/21 川崎2R 11着/11頭+4.1秒 08/10 浦和7R 1着/10頭勝利 07/28 川崎1R 2着/10頭+1.0秒 07/07 川崎2R 2着/12頭 06/17 川崎2R 8着/11頭+0.0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戦の調子勝率 33% (上り調子) × 当競馬場適性 8走で勝率 0% (苦戦) △ 距離適性同距離 15走で勝率 13% ▽ 前走実績前走 11着 (大敗) ○ 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) -56% (大幅な期待値マイナス) AI 予想勝率 3.5% (オッズ暗示: 7.9%) ※ 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。
12	アイズミサクラ先行	櫻井光（川崎）	実13.5	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎7R 11着/11頭+3.7秒 03/02 川崎4R 7着/10頭+2.2秒 02/02 川崎6R 4着/13頭+0.6秒 01/02 川崎6R 1着/14頭勝利 12/17 川崎6R 3着/12頭+1.0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 7.3着 (不振) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 11着 (大敗) ○ 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) -71% (大幅な期待値マイナス) AI 予想勝率 2.2% (オッズ暗示: 7.4%) ※ 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。
13	レイニングキング追込	佐野遥（川崎）	実4.8	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均10.0着と低調）
前5走 07/30 川崎7R 6着/14頭+0.8秒 03/05 川崎9R 10着/11頭+3.0秒 02/04 川崎12R 14着/14頭+2.9秒 01/19 船橋9R 3着/12頭+0.1秒 01/02 川崎12R 13着/14頭+2.2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 10.0着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 14走で勝率 7% △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 18.3% (オッズ暗示: 20.8%) ※ 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	デルマツリダシ先行	古岡勇（川崎）	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21走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し）
前5走 08/20 川崎5R 9着/11頭+2.2秒 04/06 川崎8R 6着/12頭+1.2秒 03/16 浦和8R 5着/12頭+1.6秒 03/02 川崎4R 5着/10頭+1.0秒 02/03 川崎5R 5着/12頭+0.9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 6.7着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 2.9% (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。

AIの本命

AI評価1位

フリージングフォグ

騎手増田充（川崎）

単勝オッズ

4.3倍

AI期待値

+85%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○13レイニングキング

4.8倍

EV -12%

▲7ベラヴィットーリア

5.7倍

EV -41%

出走馬全14頭

◎3

フリージングフォグ

増田充（川崎）

4.3倍

+85%

›

○13

レイニングキング

佐野遥（川崎）

4.8倍

-12%

›

▲7

ベラヴィットーリア

本田紀（川崎）

5.7倍

-41%

›

△5

シェナベスト

藤江渉（川崎）

7.8倍

-54%

›

△2

マロンルピナス

山林信（川崎）

11.5倍

-37%

›

△11

ムンディ

伊藤裕（川崎）

12.7倍

-55%

›

×8

スウィートドリーム

加藤雄（川崎）

12.3倍

-61%

›

×14

デルマツリダシ

古岡勇（川崎）

13.3倍

-61%

›

×12

アイズミサクラ

櫻井光（川崎）

13.5倍

-70%

›

▽10

クリノフラッグ

神尾香（川崎）

35.9倍

-41%

›

▽9

ネバーエンドマーチ

田中涼（川崎）

42.5倍

-41%

›

×1

コンポスト

新原周（川崎）

22.5倍

-69%

›

▽4

チュイション

中越琉（川崎）

100.8倍

-34%

›

×6

コックリサン

岡村裕（川崎）

71.6倍

-61%

›

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