名古屋 9R 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

9R 名古屋競馬場ダ920m ダート920m　発走 18:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマートサターン逃げ	大畑雅（愛知）	実34.0	B× A▽勝率2% EV-42% 詳細▼	大穴、AI予想勝率低く長期回収困難（112日ぶりの実戦）
前5走 05/27 園田5R 12着/12頭 05/14 園田5R 5着/10頭+1.4秒 04/29 園田6R 4着/8頭+1.1秒 04/08 園田7R 3着/10頭+0.7秒 10/03 園田6R 5着/10頭+1.6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 7.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 112日休養明け × 期待値 (オッズ vs AI勝率) -93% (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 9位 / 勝率 1.7% / 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。
2	アドゥールグロー逃げ	山田祥（愛知）	実144.8	B× A▽勝率1% EV+23% 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 名古屋6R 10着/10頭+4.1秒 07/15 名古屋9R 12着/12頭+6.0秒 07/01 名古屋8R 12着/12頭 06/03 名古屋9R 8着/12頭+1.0秒 05/21 名古屋10R 2着/9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 11.3着 (不振) △ 当競馬場適性 33走で勝率 9% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28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 +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。
3	ハクサンミニョン逃げ	近藤颯（愛知）	実20.9	B△ A△勝率5% EV0% 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28%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 09/07 名古屋7R 1着/10頭勝利 08/24 名古屋7R 5着/12頭+0.8秒 07/31 名古屋10R 8着/12頭+1.1秒 07/01 名古屋7R 11着/11頭 06/16 名古屋9R 9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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 25走で勝率 28% (得意) △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 5.2% (オッズ暗示: 4.8%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.8% / 期待値 -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	タイセイフォルテ先行	今井貴（愛知）	実11.7	B△ A△勝率9% EV+14% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率5%と苦戦傾向／騎手は近50戦で勝率24%）
前5走 09/02 名古屋9R 5着/9頭+0.6秒 08/20 名古屋10R 3着/11頭+1.0秒 07/29 名古屋9R 6着/12頭+0.6秒 07/01 名古屋7R 4着/11頭 06/16 名古屋8R 11着/12頭
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 4.7着 × 当競馬場適性 22走で勝率 5% (苦戦) ○ 距離適性同距離 6走で勝率 17% ◎ 騎手近50戦勝率 24% (好調) ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 8.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.2% / 期待値 +14% ※ 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	シスターネビュラ差し	阪野学（愛知）	実24.9	B× A▽勝率3% EV-32% 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 08/24 名古屋11R 1着/3頭 07/31 名古屋7R 5着/12頭+1.3秒 07/06 川崎8R 9着/9頭+0.0秒 05/13 川崎7R 10着/12頭+2.3秒 03/20 浦和8R 6着/13頭+1.5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戦の調子勝率 33% (上り調子) △ 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 23日の間隔 (理想的) × 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 0.4% (オッズ暗示: 4.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.8% / 期待値 -33% ※ 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	スキューマパーラ先行	大原浩（笠松）	実51.8	B× A×勝率1% EV-58% 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8R 6着/10頭+0.8秒 08/19 名古屋6R 4着/10頭+0.7秒 07/30 名古屋10R 9着/11頭+2.3秒 06/30 名古屋9R 8着/12頭 06/17 名古屋8R 8着/11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 6.3着 × 当競馬場適性 67走で勝率 4% (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 11位 / 勝率 0.8% / 期待値 -58% ※ 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	コパノディラン	望月洵（愛知）	実13.1	B▲ A△勝率8% EV+1% 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／騎手は近50戦で勝率26%）
前5走 08/04 船橋12R 13着/14頭+4.2秒 06/29 船橋5R 6着/9頭 06/16 川崎8R 5着/10頭+0.0秒 06/03 船橋4R 7着/11頭 05/07 船橋9R 5着/12頭+1.2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 8.0着 (不振) ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 13着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 10.9% (オッズ暗示: 7.6%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.8% / 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。
8	ブルロッソ推奨	渡邊竜（笠松）	実8.3	B○ A▲勝率9% EV-24% 詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+87%の中穴候補（直近3走勝率33%と上り調子／当競馬場で勝率17%と相性良／前走3着で力を示す）
前5走 09/03 名古屋8R 3着/3頭 08/20 名古屋10R 5着/11頭+1.1秒 07/31 名古屋7R 1着/12頭勝利 07/03 名古屋10R 4着/12頭 06/22 名古屋1R 2着/11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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +87% (市場が大幅過小評価) AI 予想勝率 22.5% (オッズ暗示: 12.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.2% / 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。
9	ミカノヴェニュス逃げ	塚本征（愛知）	実1.7	B◎ A◎勝率39% EV-32% 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12走で勝率42%と適性高／同距離帯7走で勝率57%／直近3走平均2.7着と安定）
前5走 03/10 名古屋7R 3着/11頭+0.3秒 01/27 名古屋8R 3着/12頭+0.0秒 01/01 名古屋11R 2着/12頭+0.6秒 12/10 名古屋12R 1着/12頭勝利 11/13 名古屋1R 1着/10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戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 7走で勝率 57% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) △ ローテーション 190日休養明け △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 55.3% (オッズ暗示: 58.8%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 39.5% / 期待値 -33% ※ 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	ゴールドレター逃げ	友森翔（愛知）	実4.4	B△ A○勝率22% EV-7% 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6走で勝率50%／直近3走で勝率33%と好調／前走3着）
前5走 09/07 名古屋6R 3着/10頭+0.6秒 08/18 名古屋9R 11着/11頭+1.6秒 07/31 名古屋5R 1着/12頭勝利 07/03 名古屋10R 12着/12頭 04/09 名古屋7R 7着/12頭+1.2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) ○ 当競馬場適性 18走で勝率 22% (相性良) ◎ 距離適性同距離 6走で勝率 50% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 5.2% (オッズ暗示: 22.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 21.5% / 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。
11	ハクサンシャトル逃げ	加藤聡（愛知）	実27.3	B× A×勝率2% EV-51% 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8R 7着/10頭+1.3秒 08/19 名古屋7R 7着/10頭+1.1秒 07/29 名古屋7R 7着/12頭+1.3秒 06/30 名古屋7R 4着/12頭+0.0秒 06/05 名古屋7R 1着/12頭
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 7.0着 (不振) × 当競馬場適性 52走で勝率 4% (苦戦) ◎ 騎手近50戦勝率 22% (好調) ○ 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 1.8% / 期待値 -52% ※ 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 ◎

ミカノヴェニュス

騎手塚本征（愛知）

単勝オッズ

1.7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

○A:▲8ブルロッソ

8.3倍

EV +87%

▲A:△7コパノディラン

13.1倍

EV +43%

出走馬全11頭

◎A:◎9

ミカノヴェニュス

塚本征（愛知）

1.7倍

-6%

›

○A:▲8

ブルロッソ

渡邊竜（笠松）

8.3倍

+87%

›

▲A:△7

コパノディラン

望月洵（愛知）

13.1倍

+43%

›

△A:○10

ゴールドレター

友森翔（愛知）

4.4倍

-77%

›

△A:△3

ハクサンミニョン

近藤颯（愛知）

20.9倍

+7%

›

△A:△4

タイセイフォルテ

今井貴（愛知）

11.7倍

-95%

›

×A:▽5

シスターネビュラ

阪野学（愛知）

24.9倍

-91%

›

×A:▽1

スマートサターン

大畑雅（愛知）

34.0倍

-92%

›

×A:×11

ハクサンシャトル

加藤聡（愛知）

27.3倍

-99%

›

×A:×6

スキューマパーラ

大原浩（笠松）

51.8倍

-99%

›

×A:▽2

アドゥールグロー

山田祥（愛知）

144.8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

見送り

B. 市場除外+キャリブ

単勝 8 ブルロッソ ¥200 実8.3倍期待値 +87% 不的中5着単勝 8.3倍

※ オッズは予測時点の値です。

9R 名古屋競馬場ダ920m ダート920m　発走 18:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマートサターン逃げ	大畑雅（愛知）	実34.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（112日ぶりの実戦）
前5走 05/27 園田5R 12着/12頭 05/14 園田5R 5着/10頭+1.4秒 04/29 園田6R 4着/8頭+1.1秒 04/08 園田7R 3着/10頭+0.7秒 10/03 園田6R 5着/10頭+1.6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 7.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 112日休養明け × 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 1.7% (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。
2	アドゥールグロー逃げ	山田祥（愛知）	実144.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%／直近3走平均11.3着と低調）
前5走 08/19 名古屋6R 10着/10頭+4.1秒 07/15 名古屋9R 12着/12頭+6.0秒 07/01 名古屋8R 12着/12頭 06/03 名古屋9R 8着/12頭+1.0秒 05/21 名古屋10R 2着/9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 11.3着 (不振) △ 当競馬場適性 33走で勝率 9% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 0.9% (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。
3	ハクサンミニョン逃げ	近藤颯（愛知）	実20.9	△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28%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 09/07 名古屋7R 1着/10頭勝利 08/24 名古屋7R 5着/12頭+0.8秒 07/31 名古屋10R 8着/12頭+1.1秒 07/01 名古屋7R 11着/11頭 06/16 名古屋9R 9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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 25走で勝率 28% (得意) △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 4.8% (オッズ暗示: 4.8%) ※ 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。
4	タイセイフォルテ先行	今井貴（愛知）	実11.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率5%と苦戦傾向／騎手は近50戦で勝率24%）
前5走 09/02 名古屋9R 5着/9頭+0.6秒 08/20 名古屋10R 3着/11頭+1.0秒 07/29 名古屋9R 6着/12頭+0.6秒 07/01 名古屋7R 4着/11頭 06/16 名古屋8R 11着/12頭
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 4.7着 × 当競馬場適性 22走で勝率 5% (苦戦) ○ 距離適性同距離 6走で勝率 17% ◎ 騎手近50戦勝率 24% (好調) ○ 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) +14% (市場と概ね一致) AI 予想勝率 9.2% (オッズ暗示: 8.5%) ※ 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。
5	シスターネビュラ差し	阪野学（愛知）	実24.9	▽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 08/24 名古屋11R 1着/3頭 07/31 名古屋7R 5着/12頭+1.3秒 07/06 川崎8R 9着/9頭+0.0秒 05/13 川崎7R 10着/12頭+2.3秒 03/20 浦和8R 6着/13頭+1.5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戦の調子勝率 33% (上り調子) △ 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 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 2.8% (オッズ暗示: 4.0%) ※ 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	スキューマパーラ先行	大原浩（笠松）	実51.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場67走で勝率4%と苦戦傾向）
前5走 09/02 名古屋8R 6着/10頭+0.8秒 08/19 名古屋6R 4着/10頭+0.7秒 07/30 名古屋10R 9着/11頭+2.3秒 06/30 名古屋9R 8着/12頭 06/17 名古屋8R 8着/11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 6.3着 × 当競馬場適性 67走で勝率 4% (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) -58% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
7	コパノディラン	望月洵（愛知）	実13.1	△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／騎手は近50戦で勝率26%）
前5走 08/04 船橋12R 13着/14頭+4.2秒 06/29 船橋5R 6着/9頭 06/16 川崎8R 5着/10頭+0.0秒 06/03 船橋4R 7着/11頭 05/07 船橋9R 5着/12頭+1.2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 8.0着 (不振) ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 13着 (大敗) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 7.8% (オッズ暗示: 7.6%) ※ 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。
8	ブルロッソ推奨	渡邊竜（笠松）	実8.3	▲詳細▼	期待値プラスでAIの推し馬（直近3走勝率33%と上り調子／当競馬場で勝率17%と相性良／前走3着で力を示す）
前5走 09/03 名古屋8R 3着/3頭 08/20 名古屋10R 5着/11頭+1.1秒 07/31 名古屋7R 1着/12頭勝利 07/03 名古屋10R 4着/12頭 06/22 名古屋1R 2着/11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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 9.2% (オッズ暗示: 12.0%) ※ 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	ミカノヴェニュス逃げ	塚本征（愛知）	実1.7	◎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12走で勝率42%と適性高／同距離帯7走で勝率57%／直近3走平均2.7着と安定）
前5走 03/10 名古屋7R 3着/11頭+0.3秒 01/27 名古屋8R 3着/12頭+0.0秒 01/01 名古屋11R 2着/12頭+0.6秒 12/10 名古屋12R 1着/12頭勝利 11/13 名古屋1R 1着/10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戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 7走で勝率 57% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) △ ローテーション 190日休養明け × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 39.5% (オッズ暗示: 58.8%) ※ 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。
10	ゴールドレター逃げ	友森翔（愛知）	実4.4	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯6走で勝率50%／直近3走で勝率33%と好調／前走3着）
前5走 09/07 名古屋6R 3着/10頭+0.6秒 08/18 名古屋9R 11着/11頭+1.6秒 07/31 名古屋5R 1着/12頭勝利 07/03 名古屋10R 12着/12頭 04/09 名古屋7R 7着/12頭+1.2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) ○ 当競馬場適性 18走で勝率 22% (相性良) ◎ 距離適性同距離 6走で勝率 50% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 21.5% (オッズ暗示: 22.7%) ※ 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	ハクサンシャトル逃げ	加藤聡（愛知）	実27.3	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場52走で勝率4%と苦戦傾向／騎手は近50戦で勝率22%）
前5走 09/02 名古屋8R 7着/10頭+1.3秒 08/19 名古屋7R 7着/10頭+1.1秒 07/29 名古屋7R 7着/12頭+1.3秒 06/30 名古屋7R 4着/12頭+0.0秒 06/05 名古屋7R 1着/12頭
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 7.0着 (不振) × 当競馬場適性 52走で勝率 4% (苦戦) ◎ 騎手近50戦勝率 22% (好調) ○ 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) -52% (大幅な期待値マイナス) AI 予想勝率 1.8% (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。

AIの本命

AI評価1位

ミカノヴェニュス

騎手塚本征（愛知）

単勝オッズ

1.7倍

AI期待値

-32%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○10ゴールドレター

4.4倍

EV -7%

▲8ブルロッソ

8.3倍

EV -24%

出走馬全11頭

◎9

ミカノヴェニュス

塚本征（愛知）

1.7倍

-32%

›

○10

ゴールドレター

友森翔（愛知）

4.4倍

-7%

›

▲8

ブルロッソ

渡邊竜（笠松）

8.3倍

-24%

›

△4

タイセイフォルテ

今井貴（愛知）

11.7倍

+14%

›

△7

コパノディラン

望月洵（愛知）

13.1倍

+1%

›

△3

ハクサンミニョン

近藤颯（愛知）

20.9倍

›

▽5

シスターネビュラ

阪野学（愛知）

24.9倍

-32%

›

×11

ハクサンシャトル

加藤聡（愛知）

27.3倍

-51%

›

▽1

スマートサターン

大畑雅（愛知）

34.0倍

-42%

›

▽2

アドゥールグロー

山田祥（愛知）

144.8倍

+23%

›

×6

スキューマパーラ

大原浩（笠松）

51.8倍

-58%

›

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

見送り

B. 市場除外+キャリブ

単勝 8 ブルロッソ ¥200 実8.3倍期待値 -23% 不的中5着単勝 8.3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