川崎 6R 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

6R 川崎競馬場ダ900m ダート900m　発走 17:19

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シナノショウグン	七夕裕（浦和）	実11.0	B△ A△勝率6% EV-39% 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／前走2着）
前5走 08/10 浦和9R 2着/10頭+0.9秒 07/13 浦和10R 6着/10頭 06/26 浦和8R 5着/9頭 05/28 浦和7R 9着/12頭 03/20 浦和8R 8着/13頭+1.6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 4.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 4.7% (オッズ暗示: 9.1%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.5% / 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。
2	エレレラナキラ先行	櫻井光（川崎）	実8.2	B△ A△勝率9% EV-29% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場8走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 08/19 川崎7R 7着/12頭+1.3秒 05/15 川崎7R 2着/10頭+0.6秒 05/06 船橋4R 3着/12頭+0.1秒 04/07 川崎3R 3着/12頭+0.8秒 03/02 川崎9R 3着/11頭+0.3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 4.0着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 5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) -84% (大幅な期待値マイナス) AI 予想勝率 2.0% (オッズ暗示: 12.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.6% / 期待値 -29% ※ 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	フライエフェクト差し	中越琉（川崎）	実44.4	B× A▽勝率1% EV-37% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／前走2着）
前5走 08/18 川崎3R 2着/12頭+0.4秒 07/29 川崎1R 4着/12頭+0.8秒 07/09 川崎2R 4着/12頭 06/17 川崎3R 5着/11頭 05/15 川崎7R 3着/10頭+1.1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 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 8走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 2.3%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.4% / 期待値 -37% ※ 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	マイカグラ追込	田中涼（川崎）	実9.8	B× A×勝率5% EV-53% 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 08/18 川崎8R 2着/12頭+0.4秒 08/07 浦和9R 3着/10頭+0.9秒 07/30 川崎6R 6着/11頭+1.4秒 07/10 川崎7R 4着/10頭 06/17 川崎5R 11着/12頭
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 3.7着 △ 当競馬場適性 37走で勝率 5% △ 距離適性同距離 32走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 23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 2.0% (オッズ暗示: 10.2%) × Aモデルの評価 (参考) レース内 7位 / 勝率 4.7% / 期待値 -54% ※ 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	クロスダイヤ自在	神尾香（川崎）	実75.9	B× A×勝率1% EV-58% 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8R 8着/12頭+1.0秒 07/29 川崎5R 7着/12頭+1.6秒 07/08 川崎4R 11着/12頭 06/02 船橋3R 5着/12頭 05/15 川崎12R 4着/14頭+1.4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 8.7着 (不振) × 当競馬場適性 23走で勝率 4% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 23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 0.5% / 期待値 -59% ※ 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	タツノドリーム自在	中山遥（浦和）	実16.8	B× A△勝率5% EV-18% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向）
前5走 08/12 浦和6R 6着/12頭+0.8秒 07/15 浦和6R 3着/11頭+0.0秒 06/25 浦和7R 6着/12頭+0.0秒 03/17 浦和5R 7着/12頭+1.6秒 02/27 浦和5R 4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 5.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 距離適性同距離 11走で勝率 9% × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 2.0% (オッズ暗示: 6.0%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.9% / 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	ナキムシヒカル逃げ	佐野遥（川崎）	実3.2	B○ A○勝率19% EV-39% 詳細▼	AI上位評価だが期待値不足、見送り
前5走 08/18 川崎8R 5着/12頭+0.6秒 06/18 川崎7R 2着/10頭+1.0秒 05/12 川崎5R 3着/12頭+0.3秒 04/10 川崎7R 2着/11頭+0.2秒 03/03 川崎7R 2着/12頭+0.1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 3.3着 ○ 当競馬場適性 28走で勝率 18% (相性良) ○ 距離適性同距離 27走で勝率 22% ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 28.8% (オッズ暗示: 31.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 19.0% / 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。
8	ゴーゴーダンサー逃げ	加藤雄（川崎）	実17.6	B△ A×勝率3% EV-53% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 08/18 川崎8R 4着/12頭+0.4秒 07/31 川崎9R 6着/12頭+2.2秒 07/10 川崎7R 6着/10頭 05/12 川崎5R 6着/12頭+1.3秒 04/07 川崎3R 4着/12頭+0.9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 5.3着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11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 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 3.6% (オッズ暗示: 5.7%) × Aモデルの評価 (参考) レース内 8位 / 勝率 2.6% / 期待値 -54% ※ 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	マオノボルケーノ	山林信（川崎）	実30.3	B× A▽勝率2% EV-33% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/18 川崎7R 10着/11頭+2.7秒 07/27 川崎9R 4着/12頭+0.7秒 07/07 川崎7R 4着/12頭 06/18 川崎7R 4着/10頭 06/02 船橋8R 11着/14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戦の調子平均 6.0着 ○ 当競馬場適性 12走で勝率 17% (相性良) △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 23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 1.0% (オッズ暗示: 3.3%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.2% / 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。
10	ディセプティコン逃げ	吉原寛（金沢）	実3.1	B◎ A◎勝率38% EV+19% 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（84日ぶりの実戦）
前5走 06/18 川崎9R 7着/11頭 05/11 川崎8R 2着/10頭+0.0秒 04/06 川崎6R 2着/12頭+0.5秒 02/03 川崎3R 2着/13頭+0.3秒 12/15 川崎7R 12着/12頭+2.6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 3.7着 △ 当競馬場適性 9走で勝率 11% △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 28.8% (オッズ暗示: 32.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 38.5% / 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。
11	ラベンダーマカロン追込	木間龍（船橋）	実80.4	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 08/18 川崎8R 11着/12頭+2.1秒 07/31 川崎9R 12着/12頭+2.8秒 08/07 川崎3R 7着/11頭+1.1秒 07/08 川崎5R 3着/11頭+0.1秒 06/17 川崎8R 2着/11頭+0.1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 10.0着 (不振) △ 当競馬場適性 11走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 23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 -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	ミツカネエリーズ逃げ推奨	新原周（川崎）	実9.0	B▲ A▲勝率11% EV+1% 詳細▼	市場が大きく過小評価、AI予想勝率26% × オッズ9.0倍で期待値+136%の有力候補（当競馬場8走で勝率38%と適性高／同距離帯で勝率25%と得意／適度な間隔で状態万全）
前5走 08/19 川崎7R 6着/12頭+1.1秒 07/30 川崎6R 3着/11頭+0.9秒 03/03 川崎7R 9着/12頭+1.8秒 02/04 川崎4R 6着/12頭+0.8秒 01/21 船橋4R 10着/12頭+2.7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 6.0着 ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 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) +136% (市場が大幅過小評価) AI 予想勝率 26.3% (オッズ暗示: 11.1%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.3% / 期待値 +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 ◎

ディセプティコン

騎手吉原寛（金沢）

単勝オッズ

3.1倍

AI期待値

-10%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○7ナキムシヒカル

3.2倍

EV -7%

▲A:▲12ミツカネエリーズ

9.0倍

EV +136%

出走馬全12頭

◎A:◎10

ディセプティコン

吉原寛（金沢）

3.1倍

-10%

›

○A:○7

ナキムシヒカル

佐野遥（川崎）

3.2倍

-7%

›

▲A:▲12

ミツカネエリーズ

新原周（川崎）

9.0倍

+136%

›

△A:△1

シナノショウグン

七夕裕（浦和）

11.0倍

-47%

›

△A:×8

ゴーゴーダンサー

加藤雄（川崎）

17.6倍

-37%

›

△A:△2

エレレラナキラ

櫻井光（川崎）

8.2倍

-83%

›

×A:×4

マイカグラ

田中涼（川崎）

9.8倍

-80%

›

×A:△6

タツノドリーム

中山遥（浦和）

16.8倍

-66%

›

×A:▽9

マオノボルケーノ

山林信（川崎）

30.3倍

-70%

›

×A:▽3

フライエフェクト

中越琉（川崎）

44.4倍

-56%

›

×A:×5

クロスダイヤ

神尾香（川崎）

75.9倍

-99%

›

×A:▽11

ラベンダーマカロン

木間龍（船橋）

80.4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 12 ミツカネエリーズ ¥400 実9.0倍期待値 +136% 不的中5着単勝 9.0倍

※ オッズは予測時点の値です。

6R 川崎競馬場ダ900m ダート900m　発走 17:19

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シナノショウグン	七夕裕（浦和）	実11.0	△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／前走2着）
前5走 08/10 浦和9R 2着/10頭+0.9秒 07/13 浦和10R 6着/10頭 06/26 浦和8R 5着/9頭 05/28 浦和7R 9着/12頭 03/20 浦和8R 8着/13頭+1.6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 4.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 5.5% (オッズ暗示: 9.1%) ※ 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。
2	エレレラナキラ先行	櫻井光（川崎）	実8.2	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場8走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 08/19 川崎7R 7着/12頭+1.3秒 05/15 川崎7R 2着/10頭+0.6秒 05/06 船橋4R 3着/12頭+0.1秒 04/07 川崎3R 3着/12頭+0.8秒 03/02 川崎9R 3着/11頭+0.3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 4.0着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 5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) -29% (オッズ過剰評価) AI 予想勝率 8.6% (オッズ暗示: 12.2%) ※ 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	フライエフェクト差し	中越琉（川崎）	実44.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／前走2着）
前5走 08/18 川崎3R 2着/12頭+0.4秒 07/29 川崎1R 4着/12頭+0.8秒 07/09 川崎2R 4着/12頭 06/17 川崎3R 5着/11頭 05/15 川崎7R 3着/10頭+1.1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 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 8走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 1.4% (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。
4	マイカグラ追込	田中涼（川崎）	実9.8	×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 08/18 川崎8R 2着/12頭+0.4秒 08/07 浦和9R 3着/10頭+0.9秒 07/30 川崎6R 6着/11頭+1.4秒 07/10 川崎7R 4着/10頭 06/17 川崎5R 11着/12頭
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 3.7着 △ 当競馬場適性 37走で勝率 5% △ 距離適性同距離 32走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 4.7% (オッズ暗示: 10.2%) ※ 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。
5	クロスダイヤ自在	神尾香（川崎）	実75.9	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場23走で勝率4%と苦戦傾向／直近3走平均8.7着と低調）
前5走 08/18 川崎8R 8着/12頭+1.0秒 07/29 川崎5R 7着/12頭+1.6秒 07/08 川崎4R 11着/12頭 06/02 船橋3R 5着/12頭 05/15 川崎12R 4着/14頭+1.4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 8.7着 (不振) × 当競馬場適性 23走で勝率 4% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -59% (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。
6	タツノドリーム自在	中山遥（浦和）	実16.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向）
前5走 08/12 浦和6R 6着/12頭+0.8秒 07/15 浦和6R 3着/11頭+0.0秒 06/25 浦和7R 6着/12頭+0.0秒 03/17 浦和5R 7着/12頭+1.6秒 02/27 浦和5R 4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 5.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 距離適性同距離 11走で勝率 9% △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 4.9% (オッズ暗示: 6.0%) ※ 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。
7	ナキムシヒカル逃げ	佐野遥（川崎）	実3.2	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 08/18 川崎8R 5着/12頭+0.6秒 06/18 川崎7R 2着/10頭+1.0秒 05/12 川崎5R 3着/12頭+0.3秒 04/10 川崎7R 2着/11頭+0.2秒 03/03 川崎7R 2着/12頭+0.1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 3.3着 ○ 当競馬場適性 28走で勝率 18% (相性良) ○ 距離適性同距離 27走で勝率 22% ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 19.0% (オッズ暗示: 31.2%) ※ 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	ゴーゴーダンサー逃げ	加藤雄（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14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 08/18 川崎8R 4着/12頭+0.4秒 07/31 川崎9R 6着/12頭+2.2秒 07/10 川崎7R 6着/10頭 05/12 川崎5R 6着/12頭+1.3秒 04/07 川崎3R 4着/12頭+0.9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 5.3着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11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 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 2.6% (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。
9	マオノボルケーノ	山林信（川崎）	実30.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/18 川崎7R 10着/11頭+2.7秒 07/27 川崎9R 4着/12頭+0.7秒 07/07 川崎7R 4着/12頭 06/18 川崎7R 4着/10頭 06/02 船橋8R 11着/14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戦の調子平均 6.0着 ○ 当競馬場適性 12走で勝率 17% (相性良) △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 23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 2.2% (オッズ暗示: 3.3%) ※ 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	ディセプティコン逃げ	吉原寛（金沢）	実3.1	◎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（84日ぶりの実戦）
前5走 06/18 川崎9R 7着/11頭 05/11 川崎8R 2着/10頭+0.0秒 04/06 川崎6R 2着/12頭+0.5秒 02/03 川崎3R 2着/13頭+0.3秒 12/15 川崎7R 12着/12頭+2.6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 3.7着 △ 当競馬場適性 9走で勝率 11% △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 38.5% (オッズ暗示: 32.3%) ※ 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。
11	ラベンダーマカロン追込	木間龍（船橋）	実80.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 08/18 川崎8R 11着/12頭+2.1秒 07/31 川崎9R 12着/12頭+2.8秒 08/07 川崎3R 7着/11頭+1.1秒 07/08 川崎5R 3着/11頭+0.1秒 06/17 川崎8R 2着/11頭+0.1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 10.0着 (不振) △ 当競馬場適性 11走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 23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 0.8% (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。
12	ミツカネエリーズ逃げ推奨	新原周（川崎）	実9.0	▲詳細▼	期待値プラスでAIの推し馬（当競馬場8走で勝率38%と適性高／同距離帯で勝率25%と得意／適度な間隔で状態万全）
前5走 08/19 川崎7R 6着/12頭+1.1秒 07/30 川崎6R 3着/11頭+0.9秒 03/03 川崎7R 9着/12頭+1.8秒 02/04 川崎4R 6着/12頭+0.8秒 01/21 船橋4R 10着/12頭+2.7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 6.0着 ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 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) +1% (市場と概ね一致) AI 予想勝率 11.3% (オッズ暗示: 11.1%) ※ 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。

AIの本命

AI評価1位

ディセプティコン

騎手吉原寛（金沢）

単勝オッズ

3.1倍

AI期待値

+19%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7ナキムシヒカル

3.2倍

EV -39%

▲12ミツカネエリーズ

9.0倍

EV +1%

出走馬全12頭

◎10

ディセプティコン

吉原寛（金沢）

3.1倍

+19%

›

○7

ナキムシヒカル

佐野遥（川崎）

3.2倍

-39%

›

▲12

ミツカネエリーズ

新原周（川崎）

9.0倍

+1%

›

△2

エレレラナキラ

櫻井光（川崎）

8.2倍

-29%

›

△1

シナノショウグン

七夕裕（浦和）

11.0倍

-39%

›

△6

タツノドリーム

中山遥（浦和）

16.8倍

-18%

›

×4

マイカグラ

田中涼（川崎）

9.8倍

-53%

›

×8

ゴーゴーダンサー

加藤雄（川崎）

17.6倍

-53%

›

▽9

マオノボルケーノ

山林信（川崎）

30.3倍

-33%

›

▽3

フライエフェクト

中越琉（川崎）

44.4倍

-37%

›

▽11

ラベンダーマカロン

木間龍（船橋）

80.4倍

-39%

›

×5

クロスダイヤ

神尾香（川崎）

75.9倍

-58%

›

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 12 ミツカネエリーズ ¥400 実9.0倍期待値 +2% 不的中5着単勝 9.0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