大井 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 大井競馬場ダ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	ポリトナリティー逃げ	杉山海（大井）	実168.9	B× A×勝率0% 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 09/04 大井11R 13着/13頭+6.7秒 08/16 大井5R 9着/9頭+9.6秒 07/21 大井12R 16着/16頭+5.9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 12.7着 (不振) × 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) ▽ 前走実績前走 13着 (大敗) × 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 0.3% / 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。
2	ベイビーゲート逃げ	本田重（船橋）	実15.4	B△ A△勝率4% EV-42% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率25%と適性高／騎手は近50戦で勝率26%）
前5走 08/12 大井10R 5着/14頭+1.7秒 07/24 大井11R 13着/16頭+1.8秒 06/30 大井9R 4着/9頭+3.0秒 06/10 大井10R 7着/14頭 02/19 大井11R 3着/15頭+0.7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 7.3着 (不振) ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 騎手近50戦勝率 26% (好調) × 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 0.2% (オッズ暗示: 6.5%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.8% / 期待値 -42% ※ 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	ジーベンファルベン逃げ	矢野貴（大井）	実6.1	B△ A▲勝率11% EV-30% 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8走で勝率25%／騎手は近50戦で勝率24%）
前5走 09/02 大井8R 7着/12頭+1.3秒 08/15 大井8R 2着/11頭+0.4秒 04/14 大井10R 5着/9頭+1.6秒 03/25 大井12R 4着/13頭+0.9秒 03/13 大井12R 5着/9頭+0.8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 4.7着 △ 当競馬場適性 14走で勝率 14% ◎ 距離適性同距離 8走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) × 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 0.5% (オッズ暗示: 16.4%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.4% / 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。
4	プロローク自在	新原周（川崎）	実10.9	B× A×勝率3% EV-63% 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 09/02 大井8R 8着/12頭+1.4秒 08/13 大井9R 9着/15頭+1.5秒 03/09 大井11R 8着/10頭+4.2秒 02/18 大井11R 15着/16頭+4.3秒 12/26 大井9R 2着/10頭+0.4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 9走で勝率 11% × 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 7位 / 勝率 3.3% / 期待値 -64% ※ 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	ウィンターサン	岡村健（船橋）	実26.9	B× A×勝率1% EV-64% 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 ― ― ― ― ―
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) ◎ 騎手近50戦勝率 20% (好調) × 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 1.3% / 期待値 -64% ※ 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	ラブリールチア先行	ゴンサ（船橋）	実35.0	B△ A▽勝率2% EV-19% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し／直近3走で勝率33%と好調）
前5走 09/04 大井11R 8着/13頭+2.1秒 08/12 大井10R 8着/14頭+1.9秒 07/23 大井9R 1着/9頭勝利 04/27 大井11R 6着/16頭+0.9秒 04/13 大井11R 4着/10頭+0.8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 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) ▽ 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) -95% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.3% / 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。
7	アルティメットサガ先行	藤本現（大井）	実73.0	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 09/04 大井11R 9着/13頭+2.6秒 08/15 大井9R 11着/14頭+2.7秒 06/18 名古屋10R 1着/8頭 06/03 名古屋11R 4着/10頭+4.0秒 05/08 名古屋11R 5着/10頭+1.7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) ▽ 距離適性同距離は 4走で勝ち無し × 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 1.0% / 期待値 -25% ※ 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	ハイケンス	野畑凌（川崎）	実2.5	B○ A◎勝率32% EV-20% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率33%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 08/16 大井6R 1着/13頭勝利 07/22 大井8R 2着/11頭+0.8秒 06/30 大井7R 2着/11頭+1.0秒 03/02 317R 1着/10頭 02/18 312R 1着/11頭
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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 5走で勝率 20% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 6.7% (オッズ暗示: 40.0%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 31.7% / 期待値 -21% ※ 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	ニシノシークレット先行	達城龍（大井）	実46.3	B× A▽勝率2% 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 08/15 大井8R 7着/11頭+2.7秒 05/21 大井12R 4着/14頭+0.0秒 04/27 大井12R 11着/12頭+3.3秒 04/13 大井11R 3着/10頭+0.6秒 03/13 大井12R 4着/9頭+0.7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 15走で勝率 20% (相性良) ▽ 距離適性同距離は 4走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% △ 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 9位 / 勝率 1.7% / 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。
10	サトノエンパイア差し	和田譲（大井）	実9.4	B× A△勝率7% EV-35% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率24%）
前5走 09/04 大井11R 5着/13頭+1.0秒 08/12 大井10R 3着/14頭+0.3秒 07/21 大井12R 5着/16頭+1.5秒 07/03 大井12R 6着/13頭+0.0秒 05/21 大井12R 5着/14頭+0.0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 4.3着 △ 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 24% (好調) × 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: 10.6%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 6.9% / 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。
11	オーサムデアラー	東原悠（大井）	実240.9	B× A▽勝率0% EV-21% 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 09/01 大井11R 12着/15頭+2.0秒 08/15 大井9R 13着/14頭+3.6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 12.5着 (不振) ▽ 前走実績前走 12着 (大敗) × 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 0.3% / 期待値 -21% ※ 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	ロンギングタイム先行	吉井章（大井）	実10.1	B▲ A△勝率5% EV-50% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場18走で勝率50%と適性高／同距離帯13走で勝率62%／同馬場状態で勝率33%）
前5走 07/21 大井12R 10着/16頭+1.9秒 03/13 大井12R 1着/9頭勝利 02/17 大井12R 3着/16頭+0.4秒 01/26 大井10R 3着/13頭+0.8秒 01/16 大井8R 1着/12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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 18走で勝率 50% (得意) ◎ 距離適性同距離 13走で勝率 62% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -95% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 9.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 4.9% / 期待値 -50% ※ 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	ヴィラスターリ逃げ	藤田凌（大井）	実4.6	B◎ A○勝率31% EV+42% 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6走で勝率83%と適性高／同距離帯6走で勝率83%／同馬場状態で勝率100%）
前5走 09/04 大井7R 2着/8頭+0.2秒 02/18 大井7R 1着/13頭勝利 01/28 大井8R 1着/14頭勝利 12/31 大井4R 1着/11頭勝利 12/04 大井3R 1着/14頭勝利
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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 6走で勝率 83% (得意) ◎ 距離適性同距離 6走で勝率 83% ◎ 馬場適性同馬場 3走で勝率 100% ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +322% (市場が大幅過小評価) AI 予想勝率 91.8% (オッズ暗示: 21.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 31.0% / 期待値 +43% ※ 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 ○

ヴィラスターリ

騎手藤田凌（大井）

単勝オッズ

4.6倍

AI期待値

+322%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎8ハイケンス

2.5倍

EV -83%

▲A:△12ロンギングタイム

10.1倍

EV -94%

出走馬全13頭

◎A:○13

ヴィラスターリ

藤田凌（大井）

4.6倍

+322%

›

○A:◎8

ハイケンス

野畑凌（川崎）

2.5倍

-83%

›

▲A:△12

ロンギングタイム

吉井章（大井）

10.1倍

-94%

›

△A:▲3

ジーベンファルベン

矢野貴（大井）

6.1倍

-97%

›

△A:△2

ベイビーゲート

本田重（船橋）

15.4倍

-97%

›

△A:▽6

ラブリールチア

ゴンサ（船橋）

35.0倍

-94%

›

×A:△10

サトノエンパイア

和田譲（大井）

9.4倍

-98%

›

×A:×4

プロローク

新原周（川崎）

10.9倍

-99%

›

×A:×5

ウィンターサン

岡村健（船橋）

26.9倍

-99%

›

×A:▽9

ニシノシークレット

達城龍（大井）

46.3倍

-99%

›

×A:▽7

アルティメットサガ

藤本現（大井）

73.0倍

-99%

›

×A:×1

ポリトナリティー

杉山海（大井）

168.9倍

-99%

›

×A:▽11

オーサムデアラー

東原悠（大井）

240.9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 大井競馬場ダ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	ポリトナリティー逃げ	杉山海（大井）	実168.9	×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0%と苦戦傾向／直近3走平均12.7着と低調）
前5走 09/04 大井11R 13着/13頭+6.7秒 08/16 大井5R 9着/9頭+9.6秒 07/21 大井12R 16着/16頭+5.9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 12.7着 (不振) × 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) ▽ 前走実績前走 13着 (大敗) × 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 0.3% (オッズ暗示: 0.6%) ※ 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。
2	ベイビーゲート逃げ	本田重（船橋）	実15.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率25%と適性高／騎手は近50戦で勝率26%）
前5走 08/12 大井10R 5着/14頭+1.7秒 07/24 大井11R 13着/16頭+1.8秒 06/30 大井9R 4着/9頭+3.0秒 06/10 大井10R 7着/14頭 02/19 大井11R 3着/15頭+0.7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 7.3着 (不振) ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 3.8% (オッズ暗示: 6.5%) ※ 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。
3	ジーベンファルベン逃げ	矢野貴（大井）	実6.1	▲詳細▼	AI上位評価だが期待値不足、見送り（同距離帯8走で勝率25%／騎手は近50戦で勝率24%）
前5走 09/02 大井8R 7着/12頭+1.3秒 08/15 大井8R 2着/11頭+0.4秒 04/14 大井10R 5着/9頭+1.6秒 03/25 大井12R 4着/13頭+0.9秒 03/13 大井12R 5着/9頭+0.8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 4.7着 △ 当競馬場適性 14走で勝率 14% ◎ 距離適性同距離 8走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) × 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 11.4% (オッズ暗示: 16.4%) ※ 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	プロローク自在	新原周（川崎）	実10.9	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調）
前5走 09/02 大井8R 8着/12頭+1.4秒 08/13 大井9R 9着/15頭+1.5秒 03/09 大井11R 8着/10頭+4.2秒 02/18 大井11R 15着/16頭+4.3秒 12/26 大井9R 2着/10頭+0.4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 9走で勝率 11% × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 3.3% (オッズ暗示: 9.2%) ※ 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	ウィンターサン	岡村健（船橋）	実26.9	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
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) ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 3.7%) ※ 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。
6	ラブリールチア先行	ゴンサ（船橋）	実35.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し／直近3走で勝率33%と好調）
前5走 09/04 大井11R 8着/13頭+2.1秒 08/12 大井10R 8着/14頭+1.9秒 07/23 大井9R 1着/9頭勝利 04/27 大井11R 6着/16頭+0.9秒 04/13 大井11R 4着/10頭+0.8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 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) ▽ 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) -20% (オッズ過剰評価) AI 予想勝率 2.3% (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	アルティメットサガ先行	藤本現（大井）	実73.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し／直近3走で勝率33%と好調）
前5走 09/04 大井11R 9着/13頭+2.6秒 08/15 大井9R 11着/14頭+2.7秒 06/18 名古屋10R 1着/8頭 06/03 名古屋11R 4着/10頭+4.0秒 05/08 名古屋11R 5着/10頭+1.7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) ▽ 距離適性同距離は 4走で勝ち無し △ 期待値 (オッズ vs AI勝率) -25% (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。
8	ハイケンス	野畑凌（川崎）	実2.5	◎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3走で勝率33%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 08/16 大井6R 1着/13頭勝利 07/22 大井8R 2着/11頭+0.8秒 06/30 大井7R 2着/11頭+1.0秒 03/02 317R 1着/10頭 02/18 312R 1着/11頭
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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 5走で勝率 20% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 31.7% (オッズ暗示: 40.0%) ※ 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。
9	ニシノシークレット先行	達城龍（大井）	実46.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し／同馬場状態で勝率33%）
前5走 08/15 大井8R 7着/11頭+2.7秒 05/21 大井12R 4着/14頭+0.0秒 04/27 大井12R 11着/12頭+3.3秒 04/13 大井11R 3着/10頭+0.6秒 03/13 大井12R 4着/9頭+0.7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 15走で勝率 20% (相性良) ▽ 距離適性同距離は 4走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 1.7% (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。
10	サトノエンパイア差し	和田譲（大井）	実9.4	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率24%）
前5走 09/04 大井11R 5着/13頭+1.0秒 08/12 大井10R 3着/14頭+0.3秒 07/21 大井12R 5着/16頭+1.5秒 07/03 大井12R 6着/13頭+0.0秒 05/21 大井12R 5着/14頭+0.0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 4.3着 △ 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 24% (好調) × 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 6.9% (オッズ暗示: 10.6%) ※ 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	オーサムデアラー	東原悠（大井）	実240.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.5着と低調）
前5走 09/01 大井11R 12着/15頭+2.0秒 08/15 大井9R 13着/14頭+3.6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 12.5着 (不振) ▽ 前走実績前走 12着 (大敗) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 0.3% (オッズ暗示: 0.4%) ※ 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。
12	ロンギングタイム先行	吉井章（大井）	実10.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場18走で勝率50%と適性高／同距離帯13走で勝率62%／同馬場状態で勝率33%）
前5走 07/21 大井12R 10着/16頭+1.9秒 03/13 大井12R 1着/9頭勝利 02/17 大井12R 3着/16頭+0.4秒 01/26 大井10R 3着/13頭+0.8秒 01/16 大井8R 1着/12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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 18走で勝率 50% (得意) ◎ 距離適性同距離 13走で勝率 62% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 4.9% (オッズ暗示: 9.9%) ※ 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。
13	ヴィラスターリ逃げ	藤田凌（大井）	実4.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率83%と適性高／同距離帯6走で勝率83%／同馬場状態で勝率100%）
前5走 09/04 大井7R 2着/8頭+0.2秒 02/18 大井7R 1着/13頭勝利 01/28 大井8R 1着/14頭勝利 12/31 大井4R 1着/11頭勝利 12/04 大井3R 1着/14頭勝利
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戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 6走で勝率 83% (得意) ◎ 距離適性同距離 6走で勝率 83% ◎ 馬場適性同馬場 3走で勝率 100% ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 31.0% (オッズ暗示: 21.7%) ※ 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。

AIの本命

AI評価1位

ハイケンス

騎手野畑凌（川崎）

単勝オッズ

2.5倍

AI期待値

-20%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○13ヴィラスターリ

4.6倍

EV +42%

▲3ジーベンファルベン

6.1倍

EV -30%

出走馬全13頭

◎8

ハイケンス

野畑凌（川崎）

2.5倍

-20%

›

○13

ヴィラスターリ

藤田凌（大井）

4.6倍

+42%

›

▲3

ジーベンファルベン

矢野貴（大井）

6.1倍

-30%

›

△10

サトノエンパイア

和田譲（大井）

9.4倍

-35%

›

△12

ロンギングタイム

吉井章（大井）

10.1倍

-50%

›

△2

ベイビーゲート

本田重（船橋）

15.4倍

-42%

›

×4

プロローク

新原周（川崎）

10.9倍

-63%

›

▽6

ラブリールチア

ゴンサ（船橋）

35.0倍

-19%

›

▽9

ニシノシークレット

達城龍（大井）

46.3倍

-19%

›

×5

ウィンターサン

岡村健（船橋）

26.9倍

-64%

›

▽7

アルティメットサガ

藤本現（大井）

73.0倍

-24%

›

▽11

オーサムデアラー

東原悠（大井）

240.9倍

-21%

›

×1

ポリトナリティー

杉山海（大井）

168.9倍

-52%

›

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