川崎 7R 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

7R 川崎競馬場ダ1500m ダート1500m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ルルアメル逃げ	増田充（川崎）	実67.0	B× A×勝率1% EV-53% 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 05/11 川崎5R 11着/11頭+5.2秒 12/16 川崎1R 1着/10頭勝利 11/20 川崎1R 4着/10頭+1.2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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 11着 (大敗) △ ローテーション 122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 0.7% / 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。
2	リコーウォールアイ	佐野遥（川崎）	実16.1	B△ A△勝率6% EV+2% 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100%と好調／前走勝利の勢い）
前5走 08/21 川崎7R 1着/11頭勝利 ― ― ― ―
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 100% (絶好調) ◎ 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) -20% (オッズ過剰評価) AI 予想勝率 5.0% (オッズ暗示: 6.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 6.4% / 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。
3	シェナマーブル	神尾香（川崎）	実151.5	B× A▽勝率1% EV+2% 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 08/19 川崎8R 10着/13頭+3.1秒 07/08 川崎2R 4着/9頭+0.0秒 06/16 川崎1R 2着/12頭+4.0秒 05/14 川崎1R 2着/8頭+1.2秒 04/10 川崎2R 7着/10頭+0.9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 5.3着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 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 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 0.7% / 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。
4	バードックバイパー	達城龍（大井）	実82.4	B× A▽勝率1% EV-24% 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 08/19 川崎8R 6着/13頭+1.9秒 07/27 川崎8R 9着/11頭+1.8秒 07/06 川崎7R 9着/12頭+0.0秒 06/15 川崎2R 10着/11頭 05/11 川崎5R 10着/11頭+4.4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 8.0着 (不振) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (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) -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 0.9% / 期待値 -24% ※ 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	グアピシマ追込	加藤雄（川崎）	実16.8	B× A△勝率5% EV-19% 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 08/19 川崎8R 5着/13頭+1.8秒 07/27 川崎8R 4着/11頭+0.5秒 05/11 川崎2R 8着/10頭+2.0秒 04/06 川崎2R 3着/10頭+0.5秒 03/18 浦和3R 12着/12頭+1.3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 5.7着 × 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 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) -100% (大幅な期待値マイナス) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.8% / 期待値 -20% ※ 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	リコータイフォン	伊藤裕（川崎）	実2.8	B▲ A◎勝率34% EV-4% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.0着と安定／前走2着）
前5走 08/18 川崎2R 2着/12頭+0.6秒 07/31 川崎6R 2着/3頭 ― ― ―
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 2.0着 (安定) ○ 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) -63% (大幅な期待値マイナス) AI 予想勝率 13.3% (オッズ暗示: 35.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 34.1% / 期待値 -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。
7	ベセル	笹川翼（大井）	実2.0	B◎ A○勝率21% EV-57% 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
前5走 ― ― ― ― ―
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) ◎ AIランク評価 (順位学習モデル) レース内 1位 (最上位評価) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 61.9% (オッズ暗示: 50.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 21.4% / 期待値 -57% ※ 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	ワンワールド	室陽一（浦和）	実53.2	B△ A▽勝率2% EV-4% 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）
前5走 08/12 浦和3R 4着/11頭+2.3秒 07/15 浦和2R 4着/9頭+0.0秒 06/24 浦和3R 3着/10頭+0.0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 ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 16% ◎ 期待値 (オッズ vs AI勝率) +82% (市場が大幅過小評価) AI 予想勝率 3.4% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.8% / 期待値 -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	ヤマザキシキブ推奨	新原周（川崎）	実11.5	B○ A▲勝率14% EV+66% 詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+61%の中穴候補（直近3走勝率33%と上り調子／当競馬場3走で勝率33%と適性高／前走3着で力を示す）
前5走 08/18 川崎2R 3着/12頭+0.9秒 07/28 川崎5R 1着/8頭勝利 07/07 川崎4R 2着/9頭+0.0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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 前走実績前走 3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) +61% (市場が大幅過小評価) AI 予想勝率 14.1% (オッズ暗示: 8.7%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 14.4% / 期待値 +66% ※ 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	セレステラ	櫻井光（川崎）	実46.6	B× A▽勝率2% EV-6% 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2R 10着/12頭+2.4秒 07/27 川崎8R 3着/11頭+0.5秒 07/08 川崎2R 7着/9頭 06/18 川崎1R 2着/12頭+5.0秒 05/28 浦和1R 10着/11頭
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 6.7着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ▽ 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) -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 2.0% / 期待値 -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。
11	ハイビッグゴールド	野畑凌（川崎）	実49.9	B× A▽勝率2% EV-22% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/19 川崎8R 11着/13頭+3.2秒 06/04 園田10R 4着/11頭+4.0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 7.5着 (不振) ▽ 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) -92% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.6% / 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。
12	トライアンドエラー	ゴンサ（船橋）	実22.6	B× A△勝率4% EV-2% 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2R 7着/12頭+1.7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 7.0着 (不振) ○ 騎手近50戦勝率 14% ○ 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) -88% (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 6位 / 勝率 4.3% / 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。
13	ジャパンハート逃げ	藤本現（大井）	実45.4	B× A▽勝率3% EV+45% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／157日ぶりの実戦）
前5走 04/06 川崎3R 5着/10頭+1.2秒 03/06 川崎4R 4着/9頭+0.9秒 02/05 川崎1R 4着/12頭+0.8秒 01/02 川崎5R 4着/12頭+0.6秒 12/16 川崎2R 2着/9頭+0.2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 4.3着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7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 157日休養明け × 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 0.5% (オッズ暗示: 2.2%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.2% / 期待値 +46% ※ 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	クラオウリュウ	西啓太（大井）	実24.6	B△ A▽勝率4% EV-8% 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 08/11 浦和2R 7着/9頭+1.6秒 07/15 浦和2R 3着/9頭 06/23 浦和4R 4着/8頭 05/27 浦和1R 10着/10頭+1.0秒 11/27 浦和1R 2着/12頭+0.0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 4.7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) -74% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 4.1%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.7% / 期待値 -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 ○

ベセル

騎手笹川翼（大井）

単勝オッズ

2.0倍

AI期待値

+23%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲9ヤマザキシキブ

11.5倍

EV +61%

▲A:◎6リコータイフォン

2.8倍

EV -62%

出走馬全14頭

◎A:○7

ベセル

笹川翼（大井）

2.0倍

+23%

›

○A:▲9

ヤマザキシキブ

新原周（川崎）

11.5倍

+61%

›

▲A:◎6

リコータイフォン

伊藤裕（川崎）

2.8倍

-62%

›

△A:△2

リコーウォールアイ

佐野遥（川崎）

16.1倍

-19%

›

△A:▽8

ワンワールド

室陽一（浦和）

53.2倍

+82%

›

△A:▽14

クラオウリュウ

西啓太（大井）

24.6倍

-74%

›

×A:△12

トライアンドエラー

ゴンサ（船橋）

22.6倍

-88%

›

×A:▽13

ジャパンハート

藤本現（大井）

45.4倍

-76%

›

×A:▽11

ハイビッグゴールド

野畑凌（川崎）

49.9倍

-92%

›

×A:△5

グアピシマ

加藤雄（川崎）

16.8倍

-99%

›

×A:▽10

セレステラ

櫻井光（川崎）

46.6倍

-99%

›

×A:×1

ルルアメル

増田充（川崎）

67.0倍

-99%

›

×A:▽4

バードックバイパー

達城龍（大井）

82.4倍

-99%

›

×A:▽3

シェナマーブル

神尾香（川崎）

151.5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

A. 市場込みモデル

単勝 9 ヤマザキシキブ ¥100 実11.5倍期待値 +62% 不的中2着単勝 11.5倍

B. 市場除外+キャリブ

単勝 9 ヤマザキシキブ ¥100 実11.5倍期待値 +62% 不的中2着単勝 11.5倍

※ オッズは予測時点の値です。

7R 川崎競馬場ダ1500m ダート1500m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ルルアメル逃げ	増田充（川崎）	実67.0	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／122日ぶりの実戦）
前5走 05/11 川崎5R 11着/11頭+5.2秒 12/16 川崎1R 1着/10頭勝利 11/20 川崎1R 4着/10頭+1.2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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 11着 (大敗) △ ローテーション 122日休養明け × 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 0.7% (オッズ暗示: 1.5%) ※ 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。
2	リコーウォールアイ	佐野遥（川崎）	実16.1	△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100%と好調／前走勝利の勢い）
前5走 08/21 川崎7R 1着/11頭勝利 ― ― ― ―
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 100% (絶好調) ◎ 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) +2% (市場と概ね一致) AI 予想勝率 6.4% (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	シェナマーブル	神尾香（川崎）	実151.5	▽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8走で勝ち無し）
前5走 08/19 川崎8R 10着/13頭+3.1秒 07/08 川崎2R 4着/9頭+0.0秒 06/16 川崎1R 2着/12頭+4.0秒 05/14 川崎1R 2着/8頭+1.2秒 04/10 川崎2R 7着/10頭+0.9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 5.3着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 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 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 0.7% (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	バードックバイパー	達城龍（大井）	実82.4	▽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）
前5走 08/19 川崎8R 6着/13頭+1.9秒 07/27 川崎8R 9着/11頭+1.8秒 07/06 川崎7R 9着/12頭+0.0秒 06/15 川崎2R 10着/11頭 05/11 川崎5R 10着/11頭+4.4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 8.0着 (不振) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (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) -24% (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。
5	グアピシマ追込	加藤雄（川崎）	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 08/19 川崎8R 5着/13頭+1.8秒 07/27 川崎8R 4着/11頭+0.5秒 05/11 川崎2R 8着/10頭+2.0秒 04/06 川崎2R 3着/10頭+0.5秒 03/18 浦和3R 12着/12頭+1.3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 5.7着 × 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 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) -20% (オッズ過剰評価) AI 予想勝率 4.8% (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。
6	リコータイフォン	伊藤裕（川崎）	実2.8	◎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走平均2.0着と安定／前走2着）
前5走 08/18 川崎2R 2着/12頭+0.6秒 07/31 川崎6R 2着/3頭 ― ― ―
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 2.0着 (安定) ○ 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) -5% (オッズ過剰評価) AI 予想勝率 34.1% (オッズ暗示: 35.7%) ※ 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。
7	ベセル	笹川翼（大井）	実2.0	○詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
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) ○ AIランク評価 (順位学習モデル) レース内 2位 (上位評価) × 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 21.4% (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。
8	ワンワールド	室陽一（浦和）	実53.2	▽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）
前5走 08/12 浦和3R 4着/11頭+2.3秒 07/15 浦和2R 4着/9頭+0.0秒 06/24 浦和3R 3着/10頭+0.0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 ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 1.9%) ※ 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。
9	ヤマザキシキブ推奨	新原周（川崎）	実11.5	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+66%の中穴候補（直近3走勝率33%と上り調子／当競馬場3走で勝率33%と適性高／前走3着で力を示す）
前5走 08/18 川崎2R 3着/12頭+0.9秒 07/28 川崎5R 1着/8頭勝利 07/07 川崎4R 2着/9頭+0.0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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 前走実績前走 3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) +66% (市場が大幅過小評価) AI 予想勝率 14.4% (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。
10	セレステラ	櫻井光（川崎）	実46.6	▽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10走で勝ち無し）
前5走 08/18 川崎2R 10着/12頭+2.4秒 07/27 川崎8R 3着/11頭+0.5秒 07/08 川崎2R 7着/9頭 06/18 川崎1R 2着/12頭+5.0秒 05/28 浦和1R 10着/11頭
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 6.7着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ▽ 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) -6% (オッズ過剰評価) AI 予想勝率 2.0% (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。
11	ハイビッグゴールド	野畑凌（川崎）	実49.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/19 川崎8R 11着/13頭+3.2秒 06/04 園田10R 4着/11頭+4.0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 7.5着 (不振) ▽ 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) -22% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 2.0%) ※ 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。
12	トライアンドエラー	ゴンサ（船橋）	実22.6	△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2R 7着/12頭+1.7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 7.0着 (不振) ○ 騎手近50戦勝率 14% ○ 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) -2% (オッズ過剰評価) AI 予想勝率 4.3% (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。
13	ジャパンハート逃げ	藤本現（大井）	実45.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／157日ぶりの実戦）
前5走 04/06 川崎3R 5着/10頭+1.2秒 03/06 川崎4R 4着/9頭+0.9秒 02/05 川崎1R 4着/12頭+0.8秒 01/02 川崎5R 4着/12頭+0.6秒 12/16 川崎2R 2着/9頭+0.2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 4.3着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7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 157日休養明け ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 3.2% (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。
14	クラオウリュウ	西啓太（大井）	実24.6	▽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 08/11 浦和2R 7着/9頭+1.6秒 07/15 浦和2R 3着/9頭 06/23 浦和4R 4着/8頭 05/27 浦和1R 10着/10頭+1.0秒 11/27 浦和1R 2着/12頭+0.0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 4.7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) -8% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 4.1%) ※ 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

リコータイフォン

騎手伊藤裕（川崎）

単勝オッズ

2.8倍

AI期待値

-4%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7ベセル

2.0倍

EV -57%

▲9ヤマザキシキブ

11.5倍

EV +66%

出走馬全14頭

◎6

リコータイフォン

伊藤裕（川崎）

2.8倍

-4%

›

○7

ベセル

笹川翼（大井）

2.0倍

-57%

›

▲9

ヤマザキシキブ

新原周（川崎）

11.5倍

+66%

›

△2

リコーウォールアイ

佐野遥（川崎）

16.1倍

+2%

›

△5

グアピシマ

加藤雄（川崎）

16.8倍

-19%

›

△12

トライアンドエラー

ゴンサ（船橋）

22.6倍

-2%

›

▽14

クラオウリュウ

西啓太（大井）

24.6倍

-8%

›

▽13

ジャパンハート

藤本現（大井）

45.4倍

+45%

›

▽10

セレステラ

櫻井光（川崎）

46.6倍

-6%

›

▽8

ワンワールド

室陽一（浦和）

53.2倍

-4%

›

▽11

ハイビッグゴールド

野畑凌（川崎）

49.9倍

-22%

›

▽4

バードックバイパー

達城龍（大井）

82.4倍

-24%

›

×1

ルルアメル

増田充（川崎）

67.0倍

-53%

›

▽3

シェナマーブル

神尾香（川崎）

151.5倍

+2%

›

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 9 ヤマザキシキブ ¥100 実11.5倍期待値 +66% 不的中2着単勝 11.5倍

B. 市場除外+キャリブ

単勝 9 ヤマザキシキブ ¥100 実11.5倍期待値 +66% 不的中2着単勝 11.5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