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1600m ダート1600m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マイアミマツリ追込	西啓太（大井）	実16.1	B× A△勝率7% EV+6% 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33%と好調／前走勝利の勢い）
前5走 08/07 浦和10R 1着/12頭勝利 06/24 浦和8R 4着/8頭+2.0秒 02/27 浦和8R 7着/9頭+4.8秒 01/06 浦和2R 1着/11頭勝利 12/24 浦和10R 10着/11頭+4.5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戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) × 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 0.4% (オッズ暗示: 6.2%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.6% / 期待値 +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。
2	サドル	佐野遥（川崎）	実32.0	B× A▽勝率2% EV-24% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 08/20 川崎10R 7着/9頭+0.9秒 08/03 船橋10R 10着/10頭+2.0秒 07/06 川崎10R 9着/11頭 06/16 川崎9R 12着/14頭+4.0秒 06/01 船橋11R 1着/8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 8.7着 (不振) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ○ 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) -89% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 3.1%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.4% / 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。
3	ルナフォルトゥーナ逃げ	達城龍（大井）	実16.8	B× A▽勝率3% EV-49% 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5走 08/10 浦和11R 6着/12頭+1.2秒 07/14 浦和8R 8着/12頭 06/26 浦和10R 2着/12頭 05/29 浦和10R 9着/13頭+2.0秒 05/12 川崎10R 12着/14頭+3.0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 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) × 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: 6.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.0% / 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。
4	ボルドーリスクレス自在	所　蛍（船橋）	実57.8	B× A▽勝率2% EV0% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/24 船橋11R 6着/14頭+0.9秒 08/02 船橋11R 5着/9頭+1.1秒 07/15 浦和8R 4着/12頭 06/03 名古屋10R 11着/12頭+1.0秒 05/06 名古屋11R 8着/10頭+2.5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 5.0着 ○ 距離適性同距離 17走で勝率 18% ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.7% / 期待値 -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。
5	カナールゲイル	野畑凌（川崎）	実4.5	B○ A○勝率18% EV-19% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率38%と適性高／前走3着）
前5走 08/21 川崎10R 3着/10頭+0.4秒 07/28 川崎11R 8着/14頭+1.2秒 07/08 川崎9R 2着/10頭+5.0秒 06/17 川崎6R 1着/8頭 06/03 船橋3R 4着/8頭+0.0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 4.3着 ◎ 当競馬場適性 8走で勝率 38% (得意) ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 4.3% (オッズ暗示: 22.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.9% / 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	リッキーズラック逃げ	和田譲（大井）	実3.3	B◎ A◎勝率36% EV+18% 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5走で勝率60%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 08/21 川崎9R 1着/12頭勝利 07/28 川崎6R 1着/3頭 12/05 大井7R 5着/10頭+0.2秒 11/17 川崎5R 1着/11頭勝利 09/30 船橋11R 6着/9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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 騎手近50戦勝率 22% (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) +178% (市場が大幅過小評価) AI 予想勝率 84.3% (オッズ暗示: 30.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 35.9% / 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。
7	ダートレイジング	古岡勇（川崎）	実66.7	B× A▽勝率1% EV-30% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は7走で勝ち無し）
前5走 08/20 川崎10R 8着/9頭+0.9秒 07/27 川崎12R 6着/11頭+0.7秒 07/06 川崎10R 6着/11頭+1.0秒 06/04 船橋10R 3着/11頭+0.0秒 05/12 川崎10R 9着/14頭+2.3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 6.7着 △ 当競馬場適性 30走で勝率 13% ▽ 距離適性同距離は 7走で勝ち無し ○ 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 0.4% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.0% / 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。
8	ロイヤルザップ追込	及川烈（浦和）	実198.6	B× A▽勝率1% EV+27% 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 04/22 浦和10R 12着/12頭+2.8秒 03/20 浦和12R 12着/12頭+7.3秒 02/26 浦和12R 11着/11頭+3.2秒 02/06 川崎10R 7着/11頭+1.5秒 01/08 浦和12R 6着/10頭+2.8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 11.7着 (不振) △ 当競馬場適性 10走で勝率 10% ▽ 距離適性同距離は 8走で勝ち無し ▽ 前走実績前走 12着 (大敗) △ ローテーション 141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 0.6% / 期待値 +27% ※ 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	レジェンドマスター	藤本現（大井）	実6.2	B△ A▲勝率12% EV-27% 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 07/28 川崎11R 5着/14頭+0.8秒 07/03 船橋2R 1着/3頭 06/03 船橋7R 3着/10頭 05/07 船橋7R 4着/10頭+0.8秒 03/11 船橋6R 4着/10頭+0.4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) △ 騎手近50戦勝率 2% (やや苦戦) × 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 0.4% (オッズ暗示: 16.1%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.7% / 期待値 -27% ※ 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	ベストフィールド逃げ	山中悠（船橋）	実6.8	B△ A△勝率6% EV-58% 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／140日ぶりの実戦）
前5走 04/23 浦和12R 5着/10頭+1.0秒 03/20 浦和10R 1着/9頭勝利 02/28 浦和11R 2着/11頭+0.0秒 03/10 船橋9R 10着/12頭+2.6秒 02/11 船橋9R 9着/12頭+1.5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戦の調子勝率 33% (上り調子) ○ 騎手近50戦勝率 16% △ ローテーション 140日休養明け × 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 1.7% (オッズ暗示: 14.7%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.1% / 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。
11	セブンワンバイオ	本田重（船橋）	実24.6	B▲ A▽勝率3% EV-20% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／前走3着／騎手は近50戦で勝率22%）
前5走 07/15 浦和8R 3着/12頭+1.0秒 06/24 浦和10R 5着/11頭 06/04 船橋10R 9着/11頭 05/27 浦和10R 10着/12頭 07/05 船橋11R 4着/14頭+0.3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 5.7着 ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 4.3% (オッズ暗示: 4.1%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.2% / 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。
12	スティールウィル	ゴンサ（船橋）	実32.6	B× A▽勝率2% EV-45% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/20 川崎10R 5着/9頭+0.7秒 07/30 川崎8R 5着/11頭+0.6秒 06/16 川崎9R 5着/14頭+3.0秒 06/01 船橋11R 4着/8頭 05/14 川崎9R 1着/13頭勝利
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 5.0着 △ 当競馬場適性 10走で勝率 10% ○ 距離適性同距離 11走で勝率 18% ○ 騎手近50戦勝率 14% ○ 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) -97% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 3.1%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.7% / 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。
13	ギンユウシジン追込	櫻井光（川崎）	実145.2	B× A▽勝率1% EV-9% 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10R 9着/10頭+2.0秒 03/02 川崎10R 10着/10頭+3.7秒 02/06 川崎10R 9着/11頭+2.4秒 01/02 川崎10R 11着/13頭+1.6秒 12/19 川崎10R 4着/14頭+0.8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 9.3着 (不振) ○ 当競馬場適性 26走で勝率 15% (相性良) △ 距離適性同距離 13走で勝率 8% ○ 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 14位 / 勝率 0.6% / 期待値 -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。
14	ラーマ先行	池谷匠（川崎）	実6.5	B△ A△勝率7% EV-51% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯3走で勝率67%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 07/27 川崎12R 1着/11頭勝利 07/06 川崎10R 4着/11頭 05/11 川崎10R 1着/6頭勝利 04/22 浦和8R 3着/12頭+0.6秒 04/08 川崎3R 2着/9頭+0.2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 67% (絶好調) ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 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) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 3.4% (オッズ暗示: 15.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.5% / 期待値 -51% ※ 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 ◎

リッキーズラック

騎手和田譲（大井）

単勝オッズ

3.3倍

AI期待値

+178%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○5カナールゲイル

4.5倍

EV -80%

▲A:▽11セブンワンバイオ

24.6倍

EV +4%

出走馬全14頭

◎A:◎6

リッキーズラック

和田譲（大井）

3.3倍

+178%

›

○A:○5

カナールゲイル

野畑凌（川崎）

4.5倍

-80%

›

▲A:▽11

セブンワンバイオ

本田重（船橋）

24.6倍

+4%

›

△A:△14

ラーマ

池谷匠（川崎）

6.5倍

-77%

›

△A:△10

ベストフィールド

山中悠（船橋）

6.8倍

-88%

›

△A:▲9

レジェンドマスター

藤本現（大井）

6.2倍

-97%

›

×A:△1

マイアミマツリ

西啓太（大井）

16.1倍

-94%

›

×A:▽2

サドル

佐野遥（川崎）

32.0倍

-88%

›

×A:▽4

ボルドーリスクレス

所　蛍（船橋）

57.8倍

-79%

›

×A:▽7

ダートレイジング

古岡勇（川崎）

66.7倍

-76%

›

×A:▽3

ルナフォルトゥーナ

達城龍（大井）

16.8倍

-98%

›

×A:▽12

スティールウィル

ゴンサ（船橋）

32.6倍

-97%

›

×A:▽13

ギンユウシジン

櫻井光（川崎）

145.2倍

-99%

›

×A:▽8

ロイヤルザップ

及川烈（浦和）

198.6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1600m ダート1600m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マイアミマツリ追込	西啓太（大井）	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33%と好調／前走勝利の勢い）
前5走 08/07 浦和10R 1着/12頭勝利 06/24 浦和8R 4着/8頭+2.0秒 02/27 浦和8R 7着/9頭+4.8秒 01/06 浦和2R 1着/11頭勝利 12/24 浦和10R 10着/11頭+4.5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戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 6.6% (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。
2	サドル	佐野遥（川崎）	実32.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 08/20 川崎10R 7着/9頭+0.9秒 08/03 船橋10R 10着/10頭+2.0秒 07/06 川崎10R 9着/11頭 06/16 川崎9R 12着/14頭+4.0秒 06/01 船橋11R 1着/8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 8.7着 (不振) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ○ 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) -24% (オッズ過剰評価) AI 予想勝率 2.4% (オッズ暗示: 3.1%) ※ 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。
3	ルナフォルトゥーナ逃げ	達城龍（大井）	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3走で勝率0%と苦戦傾向）
前5走 08/10 浦和11R 6着/12頭+1.2秒 07/14 浦和8R 8着/12頭 06/26 浦和10R 2着/12頭 05/29 浦和10R 9着/13頭+2.0秒 05/12 川崎10R 12着/14頭+3.0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 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) × 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 3.0% (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。
4	ボルドーリスクレス自在	所　蛍（船橋）	実57.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/24 船橋11R 6着/14頭+0.9秒 08/02 船橋11R 5着/9頭+1.1秒 07/15 浦和8R 4着/12頭 06/03 名古屋10R 11着/12頭+1.0秒 05/06 名古屋11R 8着/10頭+2.5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 5.0着 ○ 距離適性同距離 17走で勝率 18% ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.7%) ※ 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	カナールゲイル	野畑凌（川崎）	実4.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率38%と適性高／前走3着）
前5走 08/21 川崎10R 3着/10頭+0.4秒 07/28 川崎11R 8着/14頭+1.2秒 07/08 川崎9R 2着/10頭+5.0秒 06/17 川崎6R 1着/8頭 06/03 船橋3R 4着/8頭+0.0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 4.3着 ◎ 当競馬場適性 8走で勝率 38% (得意) ○ 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) -20% (オッズ過剰評価) AI 予想勝率 17.9% (オッズ暗示: 22.2%) ※ 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。
6	リッキーズラック逃げ	和田譲（大井）	実3.3	◎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（当競馬場5走で勝率60%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 08/21 川崎9R 1着/12頭勝利 07/28 川崎6R 1着/3頭 12/05 大井7R 5着/10頭+0.2秒 11/17 川崎5R 1着/11頭勝利 09/30 船橋11R 6着/9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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 騎手近50戦勝率 22% (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) +18% (市場と概ね一致) AI 予想勝率 35.9% (オッズ暗示: 30.3%) ※ 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。
7	ダートレイジング	古岡勇（川崎）	実66.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は7走で勝ち無し）
前5走 08/20 川崎10R 8着/9頭+0.9秒 07/27 川崎12R 6着/11頭+0.7秒 07/06 川崎10R 6着/11頭+1.0秒 06/04 船橋10R 3着/11頭+0.0秒 05/12 川崎10R 9着/14頭+2.3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 6.7着 △ 当競馬場適性 30走で勝率 13% ▽ 距離適性同距離は 7走で勝ち無し ○ 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) -31% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。
8	ロイヤルザップ追込	及川烈（浦和）	実198.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は8走で勝ち無し／直近3走平均11.7着と低調／141日ぶりの実戦）
前5走 04/22 浦和10R 12着/12頭+2.8秒 03/20 浦和12R 12着/12頭+7.3秒 02/26 浦和12R 11着/11頭+3.2秒 02/06 川崎10R 7着/11頭+1.5秒 01/08 浦和12R 6着/10頭+2.8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 11.7着 (不振) △ 当競馬場適性 10走で勝率 10% ▽ 距離適性同距離は 8走で勝ち無し ▽ 前走実績前走 12着 (大敗) △ ローテーション 141日休養明け △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 0.6% (オッズ暗示: 0.5%) ※ 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	レジェンドマスター	藤本現（大井）	実6.2	▲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 07/28 川崎11R 5着/14頭+0.8秒 07/03 船橋2R 1着/3頭 06/03 船橋7R 3着/10頭 05/07 船橋7R 4着/10頭+0.8秒 03/11 船橋6R 4着/10頭+0.4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) △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 11.7% (オッズ暗示: 16.1%) ※ 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	ベストフィールド逃げ	山中悠（船橋）	実6.8	△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／140日ぶりの実戦）
前5走 04/23 浦和12R 5着/10頭+1.0秒 03/20 浦和10R 1着/9頭勝利 02/28 浦和11R 2着/11頭+0.0秒 03/10 船橋9R 10着/12頭+2.6秒 02/11 船橋9R 9着/12頭+1.5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戦の調子勝率 33% (上り調子) ○ 騎手近50戦勝率 16% △ ローテーション 140日休養明け × 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 6.1% (オッズ暗示: 14.7%) ※ 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。
11	セブンワンバイオ	本田重（船橋）	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3走で勝ち無し／前走3着／騎手は近50戦で勝率22%）
前5走 07/15 浦和8R 3着/12頭+1.0秒 06/24 浦和10R 5着/11頭 06/04 船橋10R 9着/11頭 05/27 浦和10R 10着/12頭 07/05 船橋11R 4着/14頭+0.3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 5.7着 ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 3.2% (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。
12	スティールウィル	ゴンサ（船橋）	実32.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/20 川崎10R 5着/9頭+0.7秒 07/30 川崎8R 5着/11頭+0.6秒 06/16 川崎9R 5着/14頭+3.0秒 06/01 船橋11R 4着/8頭 05/14 川崎9R 1着/13頭勝利
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 5.0着 △ 当競馬場適性 10走で勝率 10% ○ 距離適性同距離 11走で勝率 18% ○ 騎手近50戦勝率 14% ○ 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) -46% (大幅な期待値マイナス) AI 予想勝率 1.7% (オッズ暗示: 3.1%) ※ 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。
13	ギンユウシジン追込	櫻井光（川崎）	実145.2	▽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10R 9着/10頭+2.0秒 03/02 川崎10R 10着/10頭+3.7秒 02/06 川崎10R 9着/11頭+2.4秒 01/02 川崎10R 11着/13頭+1.6秒 12/19 川崎10R 4着/14頭+0.8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 9.3着 (不振) ○ 当競馬場適性 26走で勝率 15% (相性良) △ 距離適性同距離 13走で勝率 8% ○ 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) -9% (オッズ過剰評価) AI 予想勝率 0.6% (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。
14	ラーマ先行	池谷匠（川崎）	実6.5	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯3走で勝率67%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 07/27 川崎12R 1着/11頭勝利 07/06 川崎10R 4着/11頭 05/11 川崎10R 1着/6頭勝利 04/22 浦和8R 3着/12頭+0.6秒 04/08 川崎3R 2着/9頭+0.2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 67% (絶好調) ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 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) × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 7.5% (オッズ暗示: 15.4%) ※ 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。

AIの本命

AI評価1位

リッキーズラック

騎手和田譲（大井）

単勝オッズ

3.3倍

AI期待値

+18%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○5カナールゲイル

4.5倍

EV -19%

▲9レジェンドマスター

6.2倍

EV -27%

出走馬全14頭

◎6

リッキーズラック

和田譲（大井）

3.3倍

+18%

›

○5

カナールゲイル

野畑凌（川崎）

4.5倍

-19%

›

▲9

レジェンドマスター

藤本現（大井）

6.2倍

-27%

›

△14

ラーマ

池谷匠（川崎）

6.5倍

-51%

›

△1

マイアミマツリ

西啓太（大井）

16.1倍

+6%

›

△10

ベストフィールド

山中悠（船橋）

6.8倍

-58%

›

▽11

セブンワンバイオ

本田重（船橋）

24.6倍

-20%

›

▽3

ルナフォルトゥーナ

達城龍（大井）

16.8倍

-49%

›

▽2

サドル

佐野遥（川崎）

32.0倍

-24%

›

▽4

ボルドーリスクレス

所　蛍（船橋）

57.8倍

›

▽12

スティールウィル

ゴンサ（船橋）

32.6倍

-45%

›

▽7

ダートレイジング

古岡勇（川崎）

66.7倍

-30%

›

▽8

ロイヤルザップ

及川烈（浦和）

198.6倍

+27%

›

▽13

ギンユウシジン

櫻井光（川崎）

145.2倍

-9%

›

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