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1400m ダート1400m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マロンフエルテ追込	張田昂（船橋）	実13.9	B○ A○勝率9% EV+22% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場54走で勝率4%と苦戦傾向／同距離帯は61走で勝ち無し／前走3着）
前5走 08/21 川崎2R 3着/11頭+0.8秒 07/27 川崎1R 8着/9頭+2.8秒 07/06 川崎2R 8着/8頭+0.0秒 06/18 川崎6R 11着/12頭+3.0秒 04/08 川崎6R 11着/12頭+2.5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 54走で勝率 4% (苦戦) ▽ 距離適性同距離は 61走で勝ち無し ○ 騎手近50戦勝率 16% ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 7.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 8.8% / 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。
2	キアラボヌール先行	加藤雄（川崎）	実45.4	B× A▽勝率1% EV-49% 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5R 7着/12頭+2.3秒 07/27 川崎1R 6着/9頭+1.7秒 07/17 浦和5R 3着/12頭+0.0秒 07/10 川崎12R 7着/10頭+0.0秒 05/29 浦和7R 6着/10頭
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 5.3着 × 当競馬場適性 35走で勝率 0% (苦戦) ▽ 距離適性同距離は 41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 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 9位 / 勝率 1.1% / 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。
3	コルティリオ先行	古岡勇（川崎）	実29.7	B× A▽勝率2% EV-45% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 08/21 川崎2R 6着/11頭+1.6秒 07/29 川崎1R 8着/12頭+1.6秒 07/08 川崎1R 4着/11頭 06/17 川崎3R 11着/11頭 05/15 川崎7R 7着/10頭+1.7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 6.0着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 4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) -98% (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 7位 / 勝率 1.9% / 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。
4	マイリトルロマンス差し	吉原寛（金沢）	実26.3	B▲ A△勝率3% EV-11% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均8.3着と低調）
前5走 08/19 川崎4R 7着/9頭+0.7秒 07/29 川崎1R 9着/12頭+1.6秒 05/26 浦和5R 9着/12頭+1.0秒 04/23 浦和5R 7着/12頭+0.8秒 03/17 浦和5R 5着/12頭+1.4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) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 10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) -90% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 3.8%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.4% / 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	モーイーワヒネ逃げ	半澤慶（浦和）	実41.4	B× A▽勝率1% EV-40% 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 08/11 浦和4R 8着/9頭+2.4秒 07/14 浦和2R 9着/12頭 04/22 浦和4R 11着/11頭+2.7秒 04/01 船橋4R 2着/10頭+0.3秒 03/16 浦和3R 10着/10頭+2.5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 9.3着 (不振) △ 距離適性同距離 12走で勝率 8% △ 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 8位 / 勝率 1.4% / 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	ブルードラゴン差し	新原周（川崎）	実17.1	B× A△勝率7% EV+18% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し）
前5走 08/21 川崎2R 5着/11頭+1.4秒 07/27 川崎2R 4着/7頭+1.9秒 07/07 川崎1R 12着/12頭+0.0秒 11/20 川崎7R 7着/11頭+1.5秒 10/31 浦和4R 8着/11頭+1.4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 7.0着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 14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) -99% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 5.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 6.9% / 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。
7	ラフォンターナ自在	岡村裕（川崎）	実46.8	B△ A×勝率1% EV-58% 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10走で勝ち無し）
前5走 08/21 川崎5R 4着/12頭+1.6秒 07/28 川崎1R 3着/10頭+1.1秒 07/07 川崎2R 4着/12頭 06/18 川崎5R 8着/12頭+2.0秒 05/11 川崎6R 5着/9頭+1.8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 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 10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) -91% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 2.1%) × Aモデルの評価 (参考) レース内 10位 / 勝率 0.9% / 期待値 -58% ※ 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	レターフロムパリ先行	達城龍（大井）	実79.0	B× A×勝率1% EV-57% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 08/21 川崎5R 8着/12頭+2.5秒 07/29 川崎1R 11着/12頭+2.6秒 07/08 川崎1R 9着/11頭 05/11 川崎7R 11着/12頭+2.8秒 05/07 船橋5R 11着/12頭+2.2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 9.3着 (不振) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 2% (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) -96% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 1.3%) × Aモデルの評価 (参考) レース内 12位 / 勝率 0.5% / 期待値 -58% ※ 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	ヴェロス自在	池谷匠（川崎）	実1.1	B◎ A◎勝率63% EV-30% 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8走で勝率38%と適性高／同距離帯8走で勝率38%／直近3走で勝率33%と好調）
前5走 08/21 川崎2R 1着/11頭勝利 07/27 川崎1R 2着/9頭+0.0秒 07/06 川崎1R 4着/7頭 08/06 川崎12R 7着/14頭+1.3秒 07/23 川崎12R 1着/11頭勝利
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 8走で勝率 38% (得意) ◎ 距離適性同距離 8走で勝率 38% ◎ 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) +7% (市場と概ね一致) AI 予想勝率 97.9% (オッズ暗示: 90.9%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 62.9% / 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	スタンドアップ自在	仲野光（船橋）	実16.2	B△ A▲勝率7% EV+18% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は5走で勝ち無し）
前5走 07/13 浦和9R 7着/11頭 06/18 川崎6R 7着/12頭 03/13 船橋2R 3着/11頭+1.0秒 02/28 浦和7R 3着/13頭+1.3秒 10/14 川崎6R 9着/11頭+2.0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 5.7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) -96% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 6.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 7.3% / 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。
11	スマイルポピー	吉留孝（浦和）	実61.5	B× A×勝率1% 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 08/20 川崎5R 10着/11頭+2.3秒 07/17 浦和12R 6着/12頭+0.0秒 06/26 浦和7R 7着/10頭 05/29 浦和8R 5着/12頭 05/13 川崎4R 5着/12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 7.7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 23走で勝ち無し ▽ 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) -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 0.8% / 期待値 -53% ※ 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	エーテルノカゼ	木間龍（船橋）	実21.0	B△ A△勝率4% EV-13% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場25走で勝率0%と苦戦傾向／同距離帯は33走で勝ち無し）
前5走 08/21 川崎1R 8着/12頭+1.4秒 07/27 川崎1R 4着/9頭+1.5秒 07/07 川崎1R 2着/12頭+7.0秒 06/17 川崎2R 3着/11頭+2.0秒 05/29 浦和2R 4着/12頭+0.0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 4.7着 × 当競馬場適性 25走で勝率 0% (苦戦) ▽ 距離適性同距離は 33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 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 0.2% (オッズ暗示: 4.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.1% / 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。

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 ◎

ヴェロス

騎手池谷匠（川崎）

単勝オッズ

1.1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:○1マロンフエルテ

13.9倍

EV -86%

▲A:△4マイリトルロマンス

26.3倍

EV -89%

出走馬全12頭

◎A:◎9

ヴェロス

池谷匠（川崎）

1.1倍

+7%

›

○A:○1

マロンフエルテ

張田昂（船橋）

13.9倍

-86%

›

▲A:△4

マイリトルロマンス

吉原寛（金沢）

26.3倍

-89%

›

△A:▲10

スタンドアップ

仲野光（船橋）

16.2倍

-96%

›

△A:△12

エーテルノカゼ

木間龍（船橋）

21.0倍

-95%

›

△A:×7

ラフォンターナ

岡村裕（川崎）

46.8倍

-90%

›

×A:△6

ブルードラゴン

新原周（川崎）

17.1倍

-98%

›

×A:▽3

コルティリオ

古岡勇（川崎）

29.7倍

-98%

›

×A:×8

レターフロムパリ

達城龍（大井）

79.0倍

-96%

›

×A:▽5

モーイーワヒネ

半澤慶（浦和）

41.4倍

-99%

›

×A:▽2

キアラボヌール

加藤雄（川崎）

45.4倍

-99%

›

×A:×11

スマイルポピー

吉留孝（浦和）

61.5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1400m ダート1400m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マロンフエルテ追込	張田昂（船橋）	実13.9	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場54走で勝率4%と苦戦傾向／同距離帯は61走で勝ち無し／前走3着）
前5走 08/21 川崎2R 3着/11頭+0.8秒 07/27 川崎1R 8着/9頭+2.8秒 07/06 川崎2R 8着/8頭+0.0秒 06/18 川崎6R 11着/12頭+3.0秒 04/08 川崎6R 11着/12頭+2.5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 54走で勝率 4% (苦戦) ▽ 距離適性同距離は 61走で勝ち無し ○ 騎手近50戦勝率 16% ○ 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) +22% (市場と概ね一致) AI 予想勝率 8.8% (オッズ暗示: 7.2%) ※ 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	キアラボヌール先行	加藤雄（川崎）	実45.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場35走で勝率0%と苦戦傾向／同距離帯は41走で勝ち無し）
前5走 08/21 川崎5R 7着/12頭+2.3秒 07/27 川崎1R 6着/9頭+1.7秒 07/17 浦和5R 3着/12頭+0.0秒 07/10 川崎12R 7着/10頭+0.0秒 05/29 浦和7R 6着/10頭
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 5.3着 × 当競馬場適性 35走で勝率 0% (苦戦) ▽ 距離適性同距離は 41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 20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 1.1% (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。
3	コルティリオ先行	古岡勇（川崎）	実29.7	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 08/21 川崎2R 6着/11頭+1.6秒 07/29 川崎1R 8着/12頭+1.6秒 07/08 川崎1R 4着/11頭 06/17 川崎3R 11着/11頭 05/15 川崎7R 7着/10頭+1.7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 6.0着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 4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) -45% (大幅な期待値マイナス) AI 予想勝率 1.9% (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。
4	マイリトルロマンス差し	吉原寛（金沢）	実26.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均8.3着と低調）
前5走 08/19 川崎4R 7着/9頭+0.7秒 07/29 川崎1R 9着/12頭+1.6秒 05/26 浦和5R 9着/12頭+1.0秒 04/23 浦和5R 7着/12頭+0.8秒 03/17 浦和5R 5着/12頭+1.4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) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 10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) -11% (オッズ過剰評価) AI 予想勝率 3.4% (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。
5	モーイーワヒネ逃げ	半澤慶（浦和）	実41.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 08/11 浦和4R 8着/9頭+2.4秒 07/14 浦和2R 9着/12頭 04/22 浦和4R 11着/11頭+2.7秒 04/01 船橋4R 2着/10頭+0.3秒 03/16 浦和3R 10着/10頭+2.5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 9.3着 (不振) △ 距離適性同距離 12走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) × 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 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。
6	ブルードラゴン差し	新原周（川崎）	実17.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し）
前5走 08/21 川崎2R 5着/11頭+1.4秒 07/27 川崎2R 4着/7頭+1.9秒 07/07 川崎1R 12着/12頭+0.0秒 11/20 川崎7R 7着/11頭+1.5秒 10/31 浦和4R 8着/11頭+1.4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 7.0着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 14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) +18% (市場と概ね一致) AI 予想勝率 6.9% (オッズ暗示: 5.8%) ※ 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	ラフォンターナ自在	岡村裕（川崎）	実46.8	×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／同距離帯は10走で勝ち無し）
前5走 08/21 川崎5R 4着/12頭+1.6秒 07/28 川崎1R 3着/10頭+1.1秒 07/07 川崎2R 4着/12頭 06/18 川崎5R 8着/12頭+2.0秒 05/11 川崎6R 5着/9頭+1.8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 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 10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) -58% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 2.1%) ※ 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。
8	レターフロムパリ先行	達城龍（大井）	実79.0	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 08/21 川崎5R 8着/12頭+2.5秒 07/29 川崎1R 11着/12頭+2.6秒 07/08 川崎1R 9着/11頭 05/11 川崎7R 11着/12頭+2.8秒 05/07 船橋5R 11着/12頭+2.2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 9.3着 (不振) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 2% (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) -58% (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。
9	ヴェロス自在	池谷匠（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8走で勝率38%と適性高／同距離帯8走で勝率38%／直近3走で勝率33%と好調）
前5走 08/21 川崎2R 1着/11頭勝利 07/27 川崎1R 2着/9頭+0.0秒 07/06 川崎1R 4着/7頭 08/06 川崎12R 7着/14頭+1.3秒 07/23 川崎12R 1着/11頭勝利
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 8走で勝率 38% (得意) ◎ 距離適性同距離 8走で勝率 38% ◎ 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) -31% (大幅な期待値マイナス) AI 予想勝率 62.9% (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。
10	スタンドアップ自在	仲野光（船橋）	実16.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は5走で勝ち無し）
前5走 07/13 浦和9R 7着/11頭 06/18 川崎6R 7着/12頭 03/13 船橋2R 3着/11頭+1.0秒 02/28 浦和7R 3着/13頭+1.3秒 10/14 川崎6R 9着/11頭+2.0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 5.7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) +18% (市場と概ね一致) AI 予想勝率 7.3% (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。
11	スマイルポピー	吉留孝（浦和）	実61.5	×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23走で勝ち無し）
前5走 08/20 川崎5R 10着/11頭+2.3秒 07/17 浦和12R 6着/12頭+0.0秒 06/26 浦和7R 7着/10頭 05/29 浦和8R 5着/12頭 05/13 川崎4R 5着/12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 7.7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 23走で勝ち無し ▽ 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) -53% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.6%) ※ 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	エーテルノカゼ	木間龍（船橋）	実21.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場25走で勝率0%と苦戦傾向／同距離帯は33走で勝ち無し）
前5走 08/21 川崎1R 8着/12頭+1.4秒 07/27 川崎1R 4着/9頭+1.5秒 07/07 川崎1R 2着/12頭+7.0秒 06/17 川崎2R 3着/11頭+2.0秒 05/29 浦和2R 4着/12頭+0.0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 4.7着 × 当競馬場適性 25走で勝率 0% (苦戦) ▽ 距離適性同距離は 33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 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 4.1% (オッズ暗示: 4.8%) ※ 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。

AIの本命

AI評価1位

ヴェロス

騎手池谷匠（川崎）

単勝オッズ

1.1倍

AI期待値

-30%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○1マロンフエルテ

13.9倍

EV +22%

▲10スタンドアップ

16.2倍

EV +18%

出走馬全12頭

◎9

ヴェロス

池谷匠（川崎）

1.1倍

-30%

›

○1

マロンフエルテ

張田昂（船橋）

13.9倍

+22%

›

▲10

スタンドアップ

仲野光（船橋）

16.2倍

+18%

›

△6

ブルードラゴン

新原周（川崎）

17.1倍

+18%

›

△12

エーテルノカゼ

木間龍（船橋）

21.0倍

-13%

›

△4

マイリトルロマンス

吉原寛（金沢）

26.3倍

-11%

›

▽3

コルティリオ

古岡勇（川崎）

29.7倍

-45%

›

▽5

モーイーワヒネ

半澤慶（浦和）

41.4倍

-40%

›

▽2

キアラボヌール

加藤雄（川崎）

45.4倍

-49%

›

×7

ラフォンターナ

岡村裕（川崎）

46.8倍

-58%

›

×11

スマイルポピー

吉留孝（浦和）

61.5倍

-52%

›

×8

レターフロムパリ

達城龍（大井）

79.0倍

-57%

›

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