川崎 1R 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

1R 川崎競馬場ダ1400m ダート1400m　発走 15:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ダンシングハピリー	本田紀（川崎）	実29.8	B× A×勝率1% EV-73% 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1R 9着/12頭+1.5秒 07/28 川崎2R 5着/9頭+0.6秒 07/07 川崎1R 7着/12頭 06/18 川崎5R 9着/12頭 05/27 浦和3R 5着/12頭
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 7.0着 (不振) × 当競馬場適性 32走で勝率 3% (苦戦) ▽ 距離適性同距離は 33走で勝ち無し △ 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) -100% (大幅な期待値マイナス) × Aモデルの評価 (参考) レース内 10位 / 勝率 0.9% / 期待値 -74% ※ 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	ラシャスバラード追込	野畑凌（川崎）	実8.4	B△ A△勝率9% EV-25% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は6走で勝ち無し／前走2着／63日ぶりの実戦）
前5走 07/10 川崎12R 2着/10頭+3.0秒 06/17 川崎2R 7着/11頭 06/05 船橋4R 8着/10頭 04/16 大井3R 9着/11頭+2.3秒 03/26 大井3R 12着/14頭+2.2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 5.7着 ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 2着 (好走) × 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 1.1% (オッズ暗示: 11.9%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.8% / 期待値 -26% ※ 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	ヒナボンボン	ゴンサ（船橋）	実32.9	B△ A△勝率4% EV+44% 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 08/21 川崎5R 10着/12頭+3.3秒 07/28 川崎1R 5着/10頭+1.3秒 07/13 浦和6R 9着/12頭+0.0秒 07/07 川崎2R 5着/12頭 06/17 川崎1R 5着/12頭
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 8.0着 (不振) △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 17走で勝率 6% ○ 騎手近50戦勝率 14% ▽ 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) -96% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 3.0%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.4% / 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	ジョーカイ	加藤雄（川崎）	実86.2	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 08/19 川崎4R 9着/9頭+1.3秒 07/28 川崎2R 8着/9頭+2.2秒 07/07 川崎6R 11着/11頭 06/15 川崎5R 9着/12頭+0.0秒 05/27 浦和2R 12着/12頭+2.0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 9.3着 (不振) ◎ 当競馬場適性 9走で勝率 33% (得意) ○ 距離適性同距離 35走で勝率 20% ◎ 馬場適性同馬場 4走で勝率 50% △ 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 11位 / 勝率 0.8% / 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	ノンストップガール	藤江渉（川崎）	実42.6	B× A▽勝率2% 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 08/21 川崎5R 11着/12頭+4.1秒 07/28 川崎2R 7着/9頭+1.2秒 07/03 大井1R 7着/11頭+0.0秒 06/11 大井1R 12着/14頭 05/20 大井1R 8着/13頭
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 8.3着 (不振) ▽ 距離適性同距離は 13走で勝ち無し ○ 馬場適性同馬場 5走で勝率 20% ▽ 前走実績前走 11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 8位 / 勝率 1.5% / 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。
6	ミサイルビスケッツ先行	伊藤裕（川崎）	実34.6	B× A▽勝率2% EV-22% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場26走で勝率4%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 07/28 川崎1R 8着/10頭+1.9秒 06/15 川崎4R 6着/11頭 05/26 浦和7R 2着/10頭+2.0秒 05/12 川崎2R 3着/9頭+0.8秒 04/24 浦和7R 4着/11頭+2.1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 5.3着 × 当競馬場適性 26走で勝率 4% (苦戦) ▽ 距離適性同距離は 26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 0.1% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.2% / 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。
7	ゴームズ逃げ	藤本現（大井）	実1.6	B◎ A◎勝率35% EV-44% 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4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/20 川崎1R 1着/3頭 07/31 川崎1R 6着/9頭+3.5秒 04/09 川崎2R 2着/12頭+0.2秒 03/02 川崎3R 8着/9頭+1.1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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ 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 44.3% (オッズ暗示: 62.5%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 35.0% / 期待値 -44% ※ 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	トーセンメモリア逃げ推奨	中島良（浦和）	実7.6	B○ A▲勝率15% EV+11% 詳細▼	市場が大きく過小評価、AI予想勝率28% × オッズ7.6倍で期待値+114%の有力候補（近5走で勝率20%と堅実／同距離帯で勝率18%／前走2着で力を示す）
前5走 04/22 浦和2R 2着/11頭+0.1秒 04/07 川崎2R 7着/12頭+1.9秒 10/17 川崎6R 3着/12頭+0.7秒 07/25 浦和7R 1着/11頭勝利 07/07 川崎5R 3着/12頭+0.2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 4.0着 × 当競馬場適性 4走で勝率 0% (苦戦) ○ 距離適性同距離 11走で勝率 18% △ 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 142日休養明け ◎ 期待値 (オッズ vs AI勝率) +114% (市場が大幅過小評価) AI 予想勝率 28.2% (オッズ暗示: 13.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 14.7% / 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。
9	レディハナコ追込	古岡勇（川崎）	実72.4	B× A▽勝率1% EV-29% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／86日ぶりの実戦）
前5走 06/17 川崎1R 8着/12頭 04/10 川崎5R 8着/12頭+2.4秒 11/18 川崎1R 6着/11頭+2.5秒 10/14 川崎3R 4着/9頭+1.9秒 09/08 川崎2R 9着/12頭+3.8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 7.3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 11走で勝ち無し × 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 0.1% (オッズ暗示: 1.4%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.0% / 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。
10	クルメミッチー自在	櫻井光（川崎）	実20.5	B△ A△勝率5% EV-1% 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4%と苦戦傾向）
前5走 08/21 川崎2R 9着/11頭+2.7秒 07/28 川崎3R 6着/9頭+1.4秒 07/07 川崎2R 3着/12頭 06/18 川崎5R 5着/12頭 05/14 川崎3R 13着/14頭+2.4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 6.0着 × 当競馬場適性 25走で勝率 4% (苦戦) △ 距離適性同距離 18走で勝率 6% ○ 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: 4.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.8% / 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。
11	ブルーラジカル推奨	和田譲（大井）	実5.4	B▲ A○勝率25% EV+36% 詳細▼	オッズに対しAI予想勝率がやや高め、期待値+40%の妙味（前走3着で力を示す／適度な間隔で状態万全／騎手は近50戦勝率22%と好調）
前5走 08/20 川崎1R 3着/3頭 03/05 川崎2R 8着/10頭+2.0秒 01/02 川崎2R 6着/14頭+1.8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 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 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) ○ 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) +40% (妙味あり) AI 予想勝率 26.0% (オッズ暗示: 18.5%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 25.3% / 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。
12	アンジェラカフェ差し	田中涼（川崎）	実78.2	B× A×勝率1% EV-54% 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 07/28 川崎3R 7着/9頭+1.8秒 07/07 川崎6R 8着/11頭 05/26 浦和7R 9着/10頭+0.0秒 05/11 川崎6R 9着/9頭+3.8秒 04/23 浦和2R 12着/12頭+1.6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 8.0着 (不振) △ 当競馬場適性 43走で勝率 7% ▽ 距離適性同距離は 40走で勝ち無し △ 騎手近50戦勝率 4% (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 12位 / 勝率 0.6% / 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。

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 ◎

ゴームズ

騎手藤本現（大井）

単勝オッズ

1.6倍

AI期待値

-29%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲8トーセンメモリア

7.6倍

EV +114%

▲A:○11ブルーラジカル

5.4倍

EV +40%

出走馬全12頭

◎A:◎7

ゴームズ

藤本現（大井）

1.6倍

-29%

›

○A:▲8

トーセンメモリア

中島良（浦和）

7.6倍

+114%

›

▲A:○11

ブルーラジカル

和田譲（大井）

5.4倍

+40%

›

△A:△2

ラシャスバラード

野畑凌（川崎）

8.4倍

-90%

›

△A:△10

クルメミッチー

櫻井光（川崎）

20.5倍

-97%

›

△A:△3

ヒナボンボン

ゴンサ（船橋）

32.9倍

-95%

›

×A:▽6

ミサイルビスケッツ

伊藤裕（川崎）

34.6倍

-95%

›

×A:▽9

レディハナコ

古岡勇（川崎）

72.4倍

-90%

›

×A:×1

ダンシングハピリー

本田紀（川崎）

29.8倍

-99%

›

×A:▽5

ノンストップガール

藤江渉（川崎）

42.6倍

-99%

›

×A:×12

アンジェラカフェ

田中涼（川崎）

78.2倍

-99%

›

×A:▽4

ジョーカイ

加藤雄（川崎）

86.2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 11 ブルーラジカル ¥200 実5.4倍期待値 +40% 不的中2着単勝 5.4倍

B. 市場除外+キャリブ

単勝 8 トーセンメモリア ¥400 実7.6倍期待値 +114% 不的中単勝 7.6倍

※ オッズは予測時点の値です。

1R 川崎競馬場ダ1400m ダート1400m　発走 15:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ダンシングハピリー	本田紀（川崎）	実29.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場32走で勝率3%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 9着/12頭+1.5秒 07/28 川崎2R 5着/9頭+0.6秒 07/07 川崎1R 7着/12頭 06/18 川崎5R 9着/12頭 05/27 浦和3R 5着/12頭
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 7.0着 (不振) × 当競馬場適性 32走で勝率 3% (苦戦) ▽ 距離適性同距離は 33走で勝ち無し △ 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) -74% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
2	ラシャスバラード追込	野畑凌（川崎）	実8.4	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は6走で勝ち無し／前走2着／63日ぶりの実戦）
前5走 07/10 川崎12R 2着/10頭+3.0秒 06/17 川崎2R 7着/11頭 06/05 船橋4R 8着/10頭 04/16 大井3R 9着/11頭+2.3秒 03/26 大井3R 12着/14頭+2.2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 5.7着 ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 11.9%) ※ 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。
3	ヒナボンボン	ゴンサ（船橋）	実32.9	△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 08/21 川崎5R 10着/12頭+3.3秒 07/28 川崎1R 5着/10頭+1.3秒 07/13 浦和6R 9着/12頭+0.0秒 07/07 川崎2R 5着/12頭 06/17 川崎1R 5着/12頭
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 8.0着 (不振) △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 17走で勝率 6% ○ 騎手近50戦勝率 14% ▽ 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) +44% (妙味あり) AI 予想勝率 4.4% (オッズ暗示: 3.0%) ※ 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	ジョーカイ	加藤雄（川崎）	実86.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率33%と適性高／同馬場状態で勝率50%／直近3走平均9.3着と低調）
前5走 08/19 川崎4R 9着/9頭+1.3秒 07/28 川崎2R 8着/9頭+2.2秒 07/07 川崎6R 11着/11頭 06/15 川崎5R 9着/12頭+0.0秒 05/27 浦和2R 12着/12頭+2.0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 9.3着 (不振) ◎ 当競馬場適性 9走で勝率 33% (得意) ○ 距離適性同距離 35走で勝率 20% ◎ 馬場適性同馬場 4走で勝率 50% △ 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) -35% (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。
5	ノンストップガール	藤江渉（川崎）	実42.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は13走で勝ち無し／直近3走平均8.3着と低調）
前5走 08/21 川崎5R 11着/12頭+4.1秒 07/28 川崎2R 7着/9頭+1.2秒 07/03 大井1R 7着/11頭+0.0秒 06/11 大井1R 12着/14頭 05/20 大井1R 8着/13頭
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 8.3着 (不振) ▽ 距離適性同距離は 13走で勝ち無し ○ 馬場適性同馬場 5走で勝率 20% ▽ 前走実績前走 11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) -35% (大幅な期待値マイナス) AI 予想勝率 1.5% (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。
6	ミサイルビスケッツ先行	伊藤裕（川崎）	実34.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場26走で勝率4%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 07/28 川崎1R 8着/10頭+1.9秒 06/15 川崎4R 6着/11頭 05/26 浦和7R 2着/10頭+2.0秒 05/12 川崎2R 3着/9頭+0.8秒 04/24 浦和7R 4着/11頭+2.1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 5.3着 × 当競馬場適性 26走で勝率 4% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 2.2% (オッズ暗示: 2.9%) ※ 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。
7	ゴームズ逃げ	藤本現（大井）	実1.6	◎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4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/20 川崎1R 1着/3頭 07/31 川崎1R 6着/9頭+3.5秒 04/09 川崎2R 2着/12頭+0.2秒 03/02 川崎3R 8着/9頭+1.1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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ 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) -44% (大幅な期待値マイナス) AI 予想勝率 35.0% (オッズ暗示: 62.5%) ※ 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	トーセンメモリア逃げ推奨	中島良（浦和）	実7.6	▲詳細▼	期待値プラスでAIの推し馬（近5走で勝率20%と堅実／同距離帯で勝率18%／前走2着で力を示す）
前5走 04/22 浦和2R 2着/11頭+0.1秒 04/07 川崎2R 7着/12頭+1.9秒 10/17 川崎6R 3着/12頭+0.7秒 07/25 浦和7R 1着/11頭勝利 07/07 川崎5R 3着/12頭+0.2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 4.0着 × 当競馬場適性 4走で勝率 0% (苦戦) ○ 距離適性同距離 11走で勝率 18% △ 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 142日休養明け △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 14.7% (オッズ暗示: 13.2%) ※ 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。
9	レディハナコ追込	古岡勇（川崎）	実72.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／86日ぶりの実戦）
前5走 06/17 川崎1R 8着/12頭 04/10 川崎5R 8着/12頭+2.4秒 11/18 川崎1R 6着/11頭+2.5秒 10/14 川崎3R 4着/9頭+1.9秒 09/08 川崎2R 9着/12頭+3.8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 7.3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 11走で勝ち無し △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 1.0% (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。
10	クルメミッチー自在	櫻井光（川崎）	実20.5	△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4%と苦戦傾向）
前5走 08/21 川崎2R 9着/11頭+2.7秒 07/28 川崎3R 6着/9頭+1.4秒 07/07 川崎2R 3着/12頭 06/18 川崎5R 5着/12頭 05/14 川崎3R 13着/14頭+2.4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 6.0着 × 当競馬場適性 25走で勝率 4% (苦戦) △ 距離適性同距離 18走で勝率 6% ○ 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) -2% (オッズ過剰評価) AI 予想勝率 4.8% (オッズ暗示: 4.9%) ※ 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。
11	ブルーラジカル推奨	和田譲（大井）	実5.4	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+36%の妙味（前走3着で力を示す／適度な間隔で状態万全／騎手は近50戦勝率22%と好調）
前5走 08/20 川崎1R 3着/3頭 03/05 川崎2R 8着/10頭+2.0秒 01/02 川崎2R 6着/14頭+1.8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 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 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) ○ 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) +36% (妙味あり) AI 予想勝率 25.3% (オッズ暗示: 18.5%) ※ 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。
12	アンジェラカフェ差し	田中涼（川崎）	実78.2	×詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は40走で勝ち無し／直近3走平均8.0着と低調）
前5走 07/28 川崎3R 7着/9頭+1.8秒 07/07 川崎6R 8着/11頭 05/26 浦和7R 9着/10頭+0.0秒 05/11 川崎6R 9着/9頭+3.8秒 04/23 浦和2R 12着/12頭+1.6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 8.0着 (不振) △ 当競馬場適性 43走で勝率 7% ▽ 距離適性同距離は 40走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 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 0.6% (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。

AIの本命

AI評価1位

ゴームズ

騎手藤本現（大井）

単勝オッズ

1.6倍

AI期待値

-44%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○11ブルーラジカル

5.4倍

EV +36%

▲8トーセンメモリア

7.6倍

EV +11%

出走馬全12頭

◎7

ゴームズ

藤本現（大井）

1.6倍

-44%

›

○11

ブルーラジカル

和田譲（大井）

5.4倍

+36%

›

▲8

トーセンメモリア

中島良（浦和）

7.6倍

+11%

›

△2

ラシャスバラード

野畑凌（川崎）

8.4倍

-25%

›

△10

クルメミッチー

櫻井光（川崎）

20.5倍

-1%

›

△3

ヒナボンボン

ゴンサ（船橋）

32.9倍

+44%

›

▽6

ミサイルビスケッツ

伊藤裕（川崎）

34.6倍

-22%

›

▽5

ノンストップガール

藤江渉（川崎）

42.6倍

-34%

›

▽9

レディハナコ

古岡勇（川崎）

72.4倍

-29%

›

×1

ダンシングハピリー

本田紀（川崎）

29.8倍

-73%

›

▽4

ジョーカイ

加藤雄（川崎）

86.2倍

-34%

›

×12

アンジェラカフェ

田中涼（川崎）

78.2倍

-54%

›

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 11 ブルーラジカル ¥200 実5.4倍期待値 +37% 不的中2着単勝 5.4倍

B. 市場除外+キャリブ

単勝 8 トーセンメモリア ¥400 実7.6倍期待値 +12% 不的中単勝 7.6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