名古屋 7R 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

7R 名古屋競馬場ダ1400m ダート1400m　発走 17:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テーオーパーソナル	渡邊竜（笠松）	実58.2	B△ A▽勝率4% EV+106% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 09/02 名古屋9R 6着/9頭+1.2秒 08/05 園田7R 10着/10頭+2.1秒 07/15 園田5R 9着/12頭+7.0秒 06/24 園田8R 3着/10頭 06/10 園田5R 6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 8.3着 (不振) △ 距離適性同距離 23走で勝率 13% ○ ローテーション 14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 0.1% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.6% / 期待値 +107% ※ 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	メイクン逃げ	筒井勇（笠松）	実81.0	B× A▽勝率1% EV-15% 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 08/20 名古屋10R 11着/11頭+2.4秒 07/30 名古屋10R 11着/11頭+2.9秒 05/25 名古屋3R 1着/9頭 05/08 名古屋10R 3着/10頭+1.1秒 04/24 名古屋8R 5着/11頭+1.9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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 18走で勝率 17% (相性良) ○ 距離適性同距離 15走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 27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 1.0% / 期待値 -16% ※ 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	ショウナンラフィネ	近藤颯（愛知）	実18.8	B× A△勝率6% EV+11% 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 09/07 名古屋7R 4着/10頭+0.5秒 07/17 名古屋12R 3着/12頭 07/02 名古屋8R 6着/12頭+0.0秒 06/05 名古屋7R 4着/12頭+1.0秒 05/25 名古屋9R 10着/10頭+0.0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 4.3着 × 当競馬場適性 12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 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 4位 / 勝率 5.9% / 期待値 +11% ※ 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	バルサミコ	村上弘（愛知）	実12.6	B△ A△勝率4% EV-44% 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 名古屋11R 8着/10頭+1.1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) ○ ローテーション 14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 4.4% / 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。
5	グラスチアー逃げ	加藤誓（愛知）	実125.4	B× A▽勝率0% EV-38% 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 名古屋9R 8着/9頭+1.4秒 08/19 名古屋7R 9着/10頭+2.0秒 07/29 名古屋7R 11着/12頭+1.5秒 07/14 名古屋9R 10着/11頭 07/03 名古屋7R 1着/12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 9.3着 (不振) × 当競馬場適性 50走で勝率 4% (苦戦) ▽ 距離適性同距離は 50走で勝ち無し ○ ローテーション 14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 0.5% / 期待値 -38% ※ 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	テルケンレントラー追込	望月洵（愛知）	実2.5	B◎ A○勝率28% EV-30% 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走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率24%）
前5走 09/07 名古屋8R 1着/10頭勝利 08/24 名古屋9R 6着/11頭+1.3秒 07/22 大井5R 4着/11頭+0.3秒 07/03 大井6R 4着/9頭+2.0秒 03/13 大井5R 7着/14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 33% (上り調子) ○ 距離適性同距離 10走で勝率 20% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ◎ 期待値 (オッズ vs AI勝率) +52% (市場が大幅過小評価) AI 予想勝率 60.9% (オッズ暗示: 40.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 27.6% / 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。
7	ルナフェイズ先行	丸山真（愛知）	実71.8	B× A▽勝率1% EV-1% 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 名古屋9R 9着/9頭+1.6秒 08/19 名古屋6R 8着/10頭+1.6秒 07/29 名古屋7R 9着/12頭+1.4秒 07/14 名古屋9R 11着/11頭+0.0秒 06/05 名古屋12R 1着/11頭
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 8.7着 (不振) ○ 当競馬場適性 17走で勝率 18% (相性良) ○ 距離適性同距離 17走で勝率 18% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14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 1.4% / 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。
8	アイスノート	細川智（愛知）	実21.4	B△ A△勝率4% EV-22% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（76日ぶりの実戦）
前5走 07/02 名古屋8R 9着/12頭+2.0秒 06/18 名古屋5R 7着/9頭+2.0秒 06/04 名古屋6R 3着/11頭 05/25 名古屋10R 1着/10頭 02/12 名古屋5R 5着/11頭+1.1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 6.3着 △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 15走で勝率 13% × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 4.7%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.6% / 期待値 -23% ※ 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	アカツキロットリー逃げ	今井貴（愛知）	実2.6	B○ A◎勝率41% EV+6% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場10走で勝率50%と適性高／同距離帯5走で勝率60%／直近3走で勝率33%と好調）
前5走 09/04 名古屋7R 2着/3頭 09/18 名古屋10R 10着/11頭+3.6秒 02/29 名古屋12R 1着/10頭勝利 01/29 名古屋11R 3着/10頭+0.8秒 01/03 名古屋8R 1着/11頭勝利
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 10走で勝率 50% (得意) ◎ 距離適性同距離 5走で勝率 60% ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 29.5% (オッズ暗示: 38.5%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 40.9% / 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。
10	エンジェルナンバー自在	大畑雅（愛知）	実3.9	B▲ A▲勝率11% EV-56% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場21走で勝率29%と適性高／同距離帯17走で勝率29%／直近3走で勝率33%と好調）
前5走 08/20 名古屋10R 4着/11頭+1.1秒 07/31 名古屋9R 1着/12頭勝利 03/11 名古屋12R 3着/11頭+0.4秒 02/13 名古屋12R 1着/11頭勝利 01/30 名古屋5R 1着/12頭勝利
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) ◎ 当競馬場適性 21走で勝率 29% (得意) ◎ 距離適性同距離 17走で勝率 29% ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 8.9% (オッズ暗示: 25.6%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.1% / 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。

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 ○

テルケンレントラー

騎手望月洵（愛知）

単勝オッズ

2.5倍

AI期待値

+52%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎9アカツキロットリー

2.6倍

EV -23%

▲A:▲10エンジェルナンバー

3.9倍

EV -65%

出走馬全10頭

◎A:○6

テルケンレントラー

望月洵（愛知）

2.5倍

+52%

›

○A:◎9

アカツキロットリー

今井貴（愛知）

2.6倍

-23%

›

▲A:▲10

エンジェルナンバー

大畑雅（愛知）

3.9倍

-65%

›

△A:△8

アイスノート

細川智（愛知）

21.4倍

-89%

›

△A:▽1

テーオーパーソナル

渡邊竜（笠松）

58.2倍

-92%

›

△A:△4

バルサミコ

村上弘（愛知）

12.6倍

-99%

›

×A:△3

ショウナンラフィネ

近藤颯（愛知）

18.8倍

-99%

›

×A:▽7

ルナフェイズ

丸山真（愛知）

71.8倍

-99%

›

×A:▽2

メイクン

筒井勇（笠松）

81.0倍

-99%

›

×A:▽5

グラスチアー

加藤誓（愛知）

125.4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

両モデルとも見送り

7R 名古屋競馬場ダ1400m ダート1400m　発走 17:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テーオーパーソナル	渡邊竜（笠松）	実58.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 09/02 名古屋9R 6着/9頭+1.2秒 08/05 園田7R 10着/10頭+2.1秒 07/15 園田5R 9着/12頭+7.0秒 06/24 園田8R 3着/10頭 06/10 園田5R 6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 8.3着 (不振) △ 距離適性同距離 23走で勝率 13% ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +106% (市場が大幅過小評価) AI 予想勝率 3.6% (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。
2	メイクン逃げ	筒井勇（笠松）	実81.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 08/20 名古屋10R 11着/11頭+2.4秒 07/30 名古屋10R 11着/11頭+2.9秒 05/25 名古屋3R 1着/9頭 05/08 名古屋10R 3着/10頭+1.1秒 04/24 名古屋8R 5着/11頭+1.9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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 18走で勝率 17% (相性良) ○ 距離適性同距離 15走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 1.0% (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。
3	ショウナンラフィネ	近藤颯（愛知）	実18.8	△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0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 09/07 名古屋7R 4着/10頭+0.5秒 07/17 名古屋12R 3着/12頭 07/02 名古屋8R 6着/12頭+0.0秒 06/05 名古屋7R 4着/12頭+1.0秒 05/25 名古屋9R 10着/10頭+0.0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 4.3着 × 当競馬場適性 12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 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 5.9% (オッズ暗示: 5.3%) ※ 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	バルサミコ	村上弘（愛知）	実12.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調）
前5走 09/02 名古屋11R 8着/10頭+1.1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) ○ ローテーション 14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 4.4% (オッズ暗示: 7.9%) ※ 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。
5	グラスチアー逃げ	加藤誓（愛知）	実125.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場50走で勝率4%と苦戦傾向／同距離帯は50走で勝ち無し／直近3走平均9.3着と低調）
前5走 09/02 名古屋9R 8着/9頭+1.4秒 08/19 名古屋7R 9着/10頭+2.0秒 07/29 名古屋7R 11着/12頭+1.5秒 07/14 名古屋9R 10着/11頭 07/03 名古屋7R 1着/12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 9.3着 (不振) × 当競馬場適性 50走で勝率 4% (苦戦) ▽ 距離適性同距離は 50走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 0.8%) ※ 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。
6	テルケンレントラー追込	望月洵（愛知）	実2.5	○詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率24%）
前5走 09/07 名古屋8R 1着/10頭勝利 08/24 名古屋9R 6着/11頭+1.3秒 07/22 大井5R 4着/11頭+0.3秒 07/03 大井6R 4着/9頭+2.0秒 03/13 大井5R 7着/14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 33% (上り調子) ○ 距離適性同距離 10走で勝率 20% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) × 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 27.6% (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。
7	ルナフェイズ先行	丸山真（愛知）	実71.8	▽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 09/02 名古屋9R 9着/9頭+1.6秒 08/19 名古屋6R 8着/10頭+1.6秒 07/29 名古屋7R 9着/12頭+1.4秒 07/14 名古屋9R 11着/11頭+0.0秒 06/05 名古屋12R 1着/11頭
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 8.7着 (不振) ○ 当競馬場適性 17走で勝率 18% (相性良) ○ 距離適性同距離 17走で勝率 18% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14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 1.4% (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	アイスノート	細川智（愛知）	実21.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（76日ぶりの実戦）
前5走 07/02 名古屋8R 9着/12頭+2.0秒 06/18 名古屋5R 7着/9頭+2.0秒 06/04 名古屋6R 3着/11頭 05/25 名古屋10R 1着/10頭 02/12 名古屋5R 5着/11頭+1.1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 6.3着 △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 15走で勝率 13% △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 3.6% (オッズ暗示: 4.7%) ※ 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	アカツキロットリー逃げ	今井貴（愛知）	実2.6	◎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10走で勝率50%と適性高／同距離帯5走で勝率60%／直近3走で勝率33%と好調）
前5走 09/04 名古屋7R 2着/3頭 09/18 名古屋10R 10着/11頭+3.6秒 02/29 名古屋12R 1着/10頭勝利 01/29 名古屋11R 3着/10頭+0.8秒 01/03 名古屋8R 1着/11頭勝利
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 10走で勝率 50% (得意) ◎ 距離適性同距離 5走で勝率 60% ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 40.9% (オッズ暗示: 38.5%) ※ 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。
10	エンジェルナンバー自在	大畑雅（愛知）	実3.9	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場21走で勝率29%と適性高／同距離帯17走で勝率29%／直近3走で勝率33%と好調）
前5走 08/20 名古屋10R 4着/11頭+1.1秒 07/31 名古屋9R 1着/12頭勝利 03/11 名古屋12R 3着/11頭+0.4秒 02/13 名古屋12R 1着/11頭勝利 01/30 名古屋5R 1着/12頭勝利
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) ◎ 当競馬場適性 21走で勝率 29% (得意) ◎ 距離適性同距離 17走で勝率 29% ○ ローテーション 27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 11.1% (オッズ暗示: 25.6%) ※ 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。

AIの本命

AI評価1位

アカツキロットリー

騎手今井貴（愛知）

単勝オッズ

2.6倍

AI期待値

+6%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○6テルケンレントラー

2.5倍

EV -30%

▲10エンジェルナンバー

3.9倍

EV -56%

出走馬全10頭

◎9

アカツキロットリー

今井貴（愛知）

2.6倍

+6%

›

○6

テルケンレントラー

望月洵（愛知）

2.5倍

-30%

›

▲10

エンジェルナンバー

大畑雅（愛知）

3.9倍

-56%

›

△3

ショウナンラフィネ

近藤颯（愛知）

18.8倍

+11%

›

△4

バルサミコ

村上弘（愛知）

12.6倍

-44%

›

△8

アイスノート

細川智（愛知）

21.4倍

-22%

›

▽1

テーオーパーソナル

渡邊竜（笠松）

58.2倍

+106%

›

▽7

ルナフェイズ

丸山真（愛知）

71.8倍

-1%

›

▽2

メイクン

筒井勇（笠松）

81.0倍

-15%

›

▽5

グラスチアー

加藤誓（愛知）

125.4倍

-38%

›

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