名古屋 10R 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

10R 名古屋競馬場ダ2000m ダート2000m　発走 17:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラミントン	加藤聡（愛知）	実1.4	B○ A◎勝率38% EV-46% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率29%と適性高／直近3走で勝率33%と好調／前走2着）
前5走 07/31 名古屋10R 2着/12頭+0.2秒 07/03 名古屋1R 7着/12頭+0.0秒 06/18 名古屋7R 1着/11頭 06/03 名古屋6R 3着/12頭 05/21 名古屋2R 10着/10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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) × 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 3.6% (オッズ暗示: 71.4%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 38.1% / 期待値 -47% ※ 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	セラヴィーナス逃げ	丸野勝（愛知）	実40.0	B× A▽勝率4% EV+42% 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10R 9着/11頭+4.4秒 08/24 名古屋7R 10着/12頭+1.4秒 07/31 名古屋7R 11着/12頭+2.2秒 07/03 名古屋12R 3着/12頭+4.0秒 06/05 名古屋9R 6着/12頭+2.0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 10.0着 (不振) × 当競馬場適性 27走で勝率 4% (苦戦) ○ 馬場適性同馬場 5走で勝率 20% × 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 3.6% / 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	アーマードトラック逃げ	望月洵（愛知）	推定—	B◎ A○勝率21% EV-71% 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80%と適性高／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 07/15 名古屋6R 1着/12頭 06/03 名古屋5R 1着/12頭 01/26 名古屋8R 1着/12頭勝利 01/13 名古屋1R 1着/11頭勝利 01/01 名古屋1R 2着/12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 100% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 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) +29% (市場と概ね一致) AI 予想勝率 96.3% ○ Aモデルの評価 (参考) レース内 2位 / 勝率 21.0% / 期待値 -72% ※ 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	ゴッドテソロ逃げ	丸山真（愛知）	実67.5	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 09/07 名古屋9R 9着/10頭+3.2秒 07/31 名古屋12R 9着/12頭+1.0秒 07/03 名古屋6R 4着/12頭 06/05 名古屋10R 10着/12頭+0.0秒 05/08 名古屋10R 7着/10頭+2.6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 7.3着 (不振) × 当競馬場適性 17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) -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 1.8% / 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。
5	フルオブエナジー	渡邊竜（笠松）	実12.2	B▲ A△勝率7% EV-14% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 09/07 名古屋9R 5着/10頭+1.3秒 07/17 名古屋10R 7着/12頭+0.0秒 06/05 名古屋12R 6着/11頭 05/25 名古屋12R 8着/11頭+0.0秒 05/08 名古屋12R 4着/10頭+0.4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 6.0着 △ 当競馬場適性 12走で勝率 8% × 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: 8.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.0% / 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。
6	ゴーゴーゴウト	近藤颯（愛知）	実106.5	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 09/07 名古屋9R 7着/10頭+2.0秒 08/24 名古屋7R 9着/12頭+1.4秒 07/17 名古屋10R 9着/12頭 07/03 名古屋12R 11着/12頭 06/05 名古屋10R 12着/12頭+3.0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 8.3着 (不振) △ 当競馬場適性 24走で勝率 8% △ 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 12位 / 勝率 0.7% / 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。
7	ピックアンドロール	木之葵（愛知）	実25.4	B△ A△勝率5% EV+36% 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 08/24 名古屋10R 9着/11頭+0.8秒 07/17 名古屋12R 11着/12頭+2.0秒 07/02 名古屋6R 10着/12頭 06/04 名古屋6R 7着/11頭+0.0秒 05/22 名古屋10R 4着/10頭+3.0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 10.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 25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 6位 / 勝率 5.4% / 期待値 +36% ※ 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	ボスコヴェローチェ	丹羽克（愛知）	実39.2	B× A▽勝率2% EV-7% 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9R 8着/10頭+3.0秒 07/31 名古屋10R 9着/12頭+2.5秒 06/18 名古屋5R 6着/9頭+0.0秒 06/04 名古屋7R 9着/11頭 05/21 名古屋6R 7着/10頭+2.0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戦の調子平均 7.7着 (不振) △ 当競馬場適性 47走で勝率 11% ◎ 距離適性同距離 3走で勝率 33% ○ 馬場適性同馬場 12走で勝率 25% × 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 2.4% / 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。
9	インフォーマント差し	小笠羚（愛知）	実7.1	B△ A△勝率6% EV-59% 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9R 6着/10頭+1.9秒 08/24 名古屋10R 3着/11頭+0.3秒 07/17 名古屋12R 2着/12頭+0.0秒 07/03 名古屋7R 7着/12頭 06/05 名古屋8R 11着/12頭
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 3.7着 × 当競馬場適性 89走で勝率 4% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 16% × 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 5.8% / 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。
10	リンノパルピート差し	筒井勇（笠松）	実6.2	B△ A▲勝率9% 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 09/07 名古屋6R 5着/10頭+1.3秒 08/24 名古屋10R 6着/11頭+0.6秒 07/31 名古屋7R 4着/12頭+1.3秒 07/03 名古屋7R 3着/12頭 06/22 名古屋7R 8着/11頭
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 5.0着 × 当競馬場適性 42走で勝率 2% (苦戦) △ 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 3位 / 勝率 9.0% / 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。
11	フローラビーナス先行	松本一（笠松）	実28.9	B× A▽勝率4% EV+14% 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10R 6着/11頭+3.9秒 08/24 名古屋10R 4着/11頭+0.5秒 07/31 名古屋7R 10着/12頭+2.1秒 07/02 名古屋8R 10着/12頭 06/04 名古屋6R 9着/11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 6.7着 ◎ 当競馬場適性 23走で勝率 26% (得意) ◎ 馬場適性同馬場 7走で勝率 43% × 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 4.0% / 期待値 +15% ※ 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	パルジファル逃げ	尾崎章（愛知）	実71.0	B× A▽勝率1% EV-5% 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9R 10着/10頭+4.4秒 07/31 名古屋12R 12着/12頭+5.8秒 07/17 名古屋10R 8着/12頭+1.0秒 04/10 名古屋5R 1着/11頭勝利 03/26 名古屋5R 3着/12頭+0.5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 10.0着 (不振) ○ 当競馬場適性 11走で勝率 18% (相性良) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10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 11位 / 勝率 1.3% / 期待値 -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。

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 ○

アーマードトラック

騎手望月洵（愛知）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎1ラミントン

1.4倍

EV -94%

▲A:△5フルオブエナジー

12.2倍

EV -98%

出走馬全12頭

◎A:○3

アーマードトラック

望月洵（愛知）

—

›

○A:◎1

ラミントン

加藤聡（愛知）

1.4倍

-94%

›

▲A:△5

フルオブエナジー

渡邊竜（笠松）

12.2倍

-98%

›

△A:▲10

リンノパルピート

筒井勇（笠松）

6.2倍

-99%

›

△A:△9

インフォーマント

小笠羚（愛知）

7.1倍

-99%

›

△A:△7

ピックアンドロール

木之葵（愛知）

25.4倍

-99%

›

×A:▽11

フローラビーナス

松本一（笠松）

28.9倍

-99%

›

×A:▽8

ボスコヴェローチェ

丹羽克（愛知）

39.2倍

-99%

›

×A:▽2

セラヴィーナス

丸野勝（愛知）

40.0倍

-99%

›

×A:▽4

ゴッドテソロ

丸山真（愛知）

67.5倍

-99%

›

×A:▽12

パルジファル

尾崎章（愛知）

71.0倍

-99%

›

×A:▽6

ゴーゴーゴウト

近藤颯（愛知）

106.5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

10R 名古屋競馬場ダ2000m ダート2000m　発走 17:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラミントン	加藤聡（愛知）	実1.4	◎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7走で勝率29%と適性高／直近3走で勝率33%と好調／前走2着）
前5走 07/31 名古屋10R 2着/12頭+0.2秒 07/03 名古屋1R 7着/12頭+0.0秒 06/18 名古屋7R 1着/11頭 06/03 名古屋6R 3着/12頭 05/21 名古屋2R 10着/10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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -47% (大幅な期待値マイナス) AI 予想勝率 38.1% (オッズ暗示: 71.4%) ※ 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	セラヴィーナス逃げ	丸野勝（愛知）	実40.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場27走で勝率4%と苦戦傾向／直近3走平均10.0着と低調）
前5走 09/07 名古屋10R 9着/11頭+4.4秒 08/24 名古屋7R 10着/12頭+1.4秒 07/31 名古屋7R 11着/12頭+2.2秒 07/03 名古屋12R 3着/12頭+4.0秒 06/05 名古屋9R 6着/12頭+2.0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 10.0着 (不振) × 当競馬場適性 27走で勝率 4% (苦戦) ○ 馬場適性同馬場 5走で勝率 20% ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 3.6% (オッズ暗示: 2.5%) ※ 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	アーマードトラック逃げ	望月洵（愛知）	推定—	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率80%と適性高／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 07/15 名古屋6R 1着/12頭 06/03 名古屋5R 1着/12頭 01/26 名古屋8R 1着/12頭勝利 01/13 名古屋1R 1着/11頭勝利 01/01 名古屋1R 2着/12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 100% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 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) -72% (大幅な期待値マイナス) AI 予想勝率 21.0% ※ 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	ゴッドテソロ逃げ	丸山真（愛知）	実67.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向）
前5走 09/07 名古屋9R 9着/10頭+3.2秒 07/31 名古屋12R 9着/12頭+1.0秒 07/03 名古屋6R 4着/12頭 06/05 名古屋10R 10着/12頭+0.0秒 05/08 名古屋10R 7着/10頭+2.6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 7.3着 (不振) × 当競馬場適性 17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) +19% (市場と概ね一致) AI 予想勝率 1.8% (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。
5	フルオブエナジー	渡邊竜（笠松）	実12.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 09/07 名古屋9R 5着/10頭+1.3秒 07/17 名古屋10R 7着/12頭+0.0秒 06/05 名古屋12R 6着/11頭 05/25 名古屋12R 8着/11頭+0.0秒 05/08 名古屋12R 4着/10頭+0.4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 6.0着 △ 当競馬場適性 12走で勝率 8% △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 7.0% (オッズ暗示: 8.2%) ※ 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	ゴーゴーゴウト	近藤颯（愛知）	実106.5	▽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 09/07 名古屋9R 7着/10頭+2.0秒 08/24 名古屋7R 9着/12頭+1.4秒 07/17 名古屋10R 9着/12頭 07/03 名古屋12R 11着/12頭 06/05 名古屋10R 12着/12頭+3.0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 8.3着 (不振) △ 当競馬場適性 24走で勝率 8% △ 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 0.7% (オッズ暗示: 0.9%) ※ 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	ピックアンドロール	木之葵（愛知）	実25.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／直近3走平均10.0着と低調）
前5走 08/24 名古屋10R 9着/11頭+0.8秒 07/17 名古屋12R 11着/12頭+2.0秒 07/02 名古屋6R 10着/12頭 06/04 名古屋6R 7着/11頭+0.0秒 05/22 名古屋10R 4着/10頭+3.0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 10.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 25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 5.4% (オッズ暗示: 3.9%) ※ 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。
8	ボスコヴェローチェ	丹羽克（愛知）	実39.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯3走で勝率33%）
前5走 09/07 名古屋9R 8着/10頭+3.0秒 07/31 名古屋10R 9着/12頭+2.5秒 06/18 名古屋5R 6着/9頭+0.0秒 06/04 名古屋7R 9着/11頭 05/21 名古屋6R 7着/10頭+2.0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戦の調子平均 7.7着 (不振) △ 当競馬場適性 47走で勝率 11% ◎ 距離適性同距離 3走で勝率 33% ○ 馬場適性同馬場 12走で勝率 25% △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 2.4% (オッズ暗示: 2.6%) ※ 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。
9	インフォーマント差し	小笠羚（愛知）	実7.1	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場89走で勝率4%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 09/07 名古屋9R 6着/10頭+1.9秒 08/24 名古屋10R 3着/11頭+0.3秒 07/17 名古屋12R 2着/12頭+0.0秒 07/03 名古屋7R 7着/12頭 06/05 名古屋8R 11着/12頭
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 3.7着 × 当競馬場適性 89走で勝率 4% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 16% × 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 5.8% (オッズ暗示: 14.1%) ※ 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	リンノパルピート差し	筒井勇（笠松）	実6.2	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場42走で勝率2%と苦戦傾向）
前5走 09/07 名古屋6R 5着/10頭+1.3秒 08/24 名古屋10R 6着/11頭+0.6秒 07/31 名古屋7R 4着/12頭+1.3秒 07/03 名古屋7R 3着/12頭 06/22 名古屋7R 8着/11頭
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 5.0着 × 当競馬場適性 42走で勝率 2% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) × 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 9.0% (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。
11	フローラビーナス先行	松本一（笠松）	実28.9	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場23走で勝率26%と適性高／同馬場状態で勝率43%）
前5走 09/07 名古屋10R 6着/11頭+3.9秒 08/24 名古屋10R 4着/11頭+0.5秒 07/31 名古屋7R 10着/12頭+2.1秒 07/02 名古屋8R 10着/12頭 06/04 名古屋6R 9着/11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 6.7着 ◎ 当競馬場適性 23走で勝率 26% (得意) ◎ 馬場適性同馬場 7走で勝率 43% △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 4.0% (オッズ暗示: 3.5%) ※ 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	パルジファル逃げ	尾崎章（愛知）	実71.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 09/07 名古屋9R 10着/10頭+4.4秒 07/31 名古屋12R 12着/12頭+5.8秒 07/17 名古屋10R 8着/12頭+1.0秒 04/10 名古屋5R 1着/11頭勝利 03/26 名古屋5R 3着/12頭+0.5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 10.0着 (不振) ○ 当競馬場適性 11走で勝率 18% (相性良) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 1.3% (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。

AIの本命

AI評価1位

ラミントン

騎手加藤聡（愛知）

単勝オッズ

1.4倍

AI期待値

-46%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○3アーマードトラック

—

EV —

▲10リンノパルピート

6.2倍

EV -44%

出走馬全12頭

◎1

ラミントン

加藤聡（愛知）

1.4倍

-46%

›

○3

アーマードトラック

望月洵（愛知）

—

›

▲10

リンノパルピート

筒井勇（笠松）

6.2倍

-44%

›

△5

フルオブエナジー

渡邊竜（笠松）

12.2倍

-14%

›

△9

インフォーマント

小笠羚（愛知）

7.1倍

-59%

›

△7

ピックアンドロール

木之葵（愛知）

25.4倍

+36%

›

▽11

フローラビーナス

松本一（笠松）

28.9倍

+14%

›

▽2

セラヴィーナス

丸野勝（愛知）

40.0倍

+42%

›

▽8

ボスコヴェローチェ

丹羽克（愛知）

39.2倍

-7%

›

▽4

ゴッドテソロ

丸山真（愛知）

67.5倍

+19%

›

▽12

パルジファル

尾崎章（愛知）

71.0倍

-5%

›

▽6

ゴーゴーゴウト

近藤颯（愛知）

106.5倍

-27%

›

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