浦和 1R 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

1R 浦和競馬場ダ1400m ダート1400m　発走 13:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シェナリオン逃げ	中島良（浦和）	実46.3	B× A×勝率1% EV-72% 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 08/07 浦和1R 6着/8頭+2.7秒 07/13 浦和1R 9着/10頭 06/22 浦和1R 5着/7頭 05/25 浦和1R 8着/11頭+1.0秒 04/20 浦和1R 8着/10頭+2.1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 6.7着 × 当競馬場適性 55走で勝率 0% (苦戦) ▽ 距離適性同距離は 59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 -73% ※ 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	エイシンペリドット	沖響主（船橋）	実40.6	B× A×勝率1% EV-50% 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 08/26 船橋3R 10着/11頭+2.9秒 08/02 船橋9R 11着/11頭+3.1秒 07/13 浦和1R 7着/10頭+0.0秒 06/28 船橋8R 5着/6頭+0.0秒 06/22 浦和5R 3着/8頭+0.0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 9.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ▽ 前走実績前走 10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 10位 / 勝率 1.2% / 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。
3	トリニタリアニズム差し	西啓太（大井）	実4.2	B○ A○勝率16% EV-32% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場20走で勝率5%と苦戦傾向／前走2着）
前5走 08/07 浦和1R 2着/8頭+1.0秒 01/06 浦和4R 4着/12頭+0.8秒 12/22 浦和2R 4着/12頭+1.4秒 11/25 浦和5R 2着/12頭+0.4秒 10/28 浦和1R 8着/11頭+0.6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 3.3着 × 当競馬場適性 20走で勝率 5% (苦戦) △ 距離適性同距離 37走で勝率 8% ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +50% (市場が大幅過小評価) AI 予想勝率 35.9% (オッズ暗示: 23.8%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.1% / 期待値 -32% ※ 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	コロディア自在	七夕裕（浦和）	実10.4	B△ A△勝率11% EV+14% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（585日ぶりの実戦）
前5走 02/14 船橋4R 7着/12頭+2.1秒 01/10 浦和12R 2着/11頭+0.1秒 12/24 浦和2R 9着/12頭+1.5秒 11/19 浦和7R 8着/8頭+2.6秒 10/23 浦和5R 3着/12頭+1.5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 6.0着 △ 当競馬場適性 27走で勝率 11% △ 距離適性同距離 33走で勝率 12% △ ローテーション 585日休養明け × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 5.7% (オッズ暗示: 9.6%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 11.0% / 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。
5	カラルナ自在	新原周（川崎）	実25.8	B× A×勝率2% EV-53% 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／同距離帯は30走で勝ち無し／直近3走平均8.7着と低調）
前5走 09/07 川崎1R 8着/12頭+2.0秒 07/31 川崎1R 7着/9頭+4.3秒 05/25 浦和1R 11着/11頭 05/11 川崎4R 9着/12頭+1.9秒 04/20 浦和1R 2着/10頭+0.3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 8.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 30走で勝ち無し ○ ローテーション 15日の間隔 (理想的) × 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 0.0% (オッズ暗示: 3.9%) × Aモデルの評価 (参考) レース内 8位 / 勝率 1.8% / 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。
6	ソプラノタッチ	中山遥（浦和）	実4.2	B△ A△勝率11% EV-55% 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4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 07/13 浦和1R 3着/10頭+1.0秒 06/24 浦和1R 5着/10頭+1.0秒 05/27 浦和3R 6着/12頭+0.0秒 04/21 浦和1R 8着/9頭+2.8秒 02/16 大井1R 6着/15頭+2.2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 4.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3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 1.2% (オッズ暗示: 23.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.5% / 期待値 -56% ※ 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	ナリタアンビション	見越彬（浦和）	実33.2	B× A▽勝率2% EV-27% 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 08/07 浦和1R 8着/8頭+5.1秒 07/13 浦和1R 10着/10頭+2.0秒 06/22 浦和5R 8着/8頭+8.0秒 05/27 浦和2R 11着/12頭+3.0秒 05/13 川崎1R 12着/12頭+2.7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戦の調子平均 8.7着 (不振) △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 34走で勝率 6% ○ 騎手近50戦勝率 14% × 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 0.0% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.2% / 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。
8	タカイチアスコット自在	岡田大（浦和）	実2.9	B▲ A◎勝率37% EV+7% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走で勝率33%と好調）
前5走 08/26 船橋3R 1着/11頭勝利 03/17 浦和4R 7着/10頭+1.8秒 02/28 浦和5R 5着/8頭+2.2秒 02/04 川崎1R 4着/10頭+2.0秒 01/09 浦和2R 6着/10頭+2.8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 6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 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ 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) -79% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 34.5%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 37.0% / 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	ゲットデザイアー先行推奨	澤田龍（船橋）	実7.9	B◎ A▲勝率13% EV+3% 詳細▼	市場が大きく過小評価、AI予想勝率48% × オッズ7.9倍で期待値+278%の有力候補（直近3走勝率33%と上り調子／前走2着で力を示す／155日の休養を経て臨戦態勢）
前5走 04/20 浦和4R 2着/10頭+0.3秒 03/17 浦和2R 1着/12頭勝利 02/25 浦和1R 5着/12頭+0.5秒 02/10 船橋4R 2着/12頭+0.8秒 01/06 浦和4R 2着/12頭+0.0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戦の調子勝率 33% (上り調子) △ 当競馬場適性 33走で勝率 12% △ 距離適性同距離 31走で勝率 13% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) △ ローテーション 155日休養明け ◎ 期待値 (オッズ vs AI勝率) +278% (市場が大幅過小評価) AI 予想勝率 47.9% (オッズ暗示: 12.7%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 13.1% / 期待値 +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。
10	アイスフィールド	吉留孝（浦和）	実19.2	B△ A△勝率4% EV-18% 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）
前5走 08/07 浦和1R 5着/8頭+2.3秒 07/13 浦和1R 5着/10頭 06/24 浦和1R 4着/10頭 05/26 浦和2R 11着/12頭 05/05 船橋2R 10着/12頭+2.3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 4.7着 × 当競馬場適性 5走で勝率 0% (苦戦) × 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 1.2% (オッズ暗示: 5.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.2% / 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。
11	ニシノテンカフブ先行	高橋哲（浦和）	実36.6	B× A×勝率1% EV-69% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場28走で勝率4%と苦戦傾向／同距離帯は35走で勝ち無し／直近3走で勝率33%と好調）
前5走 07/13 浦和6R 11着/12頭+1.0秒 06/24 浦和1R 6着/10頭 05/25 浦和1R 1着/11頭 04/20 浦和1R 5着/10頭+1.0秒 04/08 川崎1R 9着/12頭+3.1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戦の調子勝率 33% (上り調子) × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 35走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 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 0.2% (オッズ暗示: 2.7%) × Aモデルの評価 (参考) レース内 11位 / 勝率 0.8% / 期待値 -69% ※ 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	スピークオブデビル	及川烈（浦和）	実41.9	B× A▽勝率1% EV-39% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.7着と低調）
前5走 08/26 船橋3R 11着/11頭+2.9秒 07/30 川崎1R 9着/12頭+1.2秒 07/13 浦和1R 6着/10頭+2.0秒 06/29 船橋1R 3着/7頭+2.0秒 06/22 浦和5R 6着/8頭
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 8.7着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ▽ 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) -76% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 2.4%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.4% / 期待値 -40% ※ 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

B推奨Aモデル ▲

ゲットデザイアー

騎手澤田龍（船橋）

単勝オッズ

7.9倍

AI期待値

+278%

買い目

¥1,000

全レースの推奨

AIの推奨本命の次点

○A:○3トリニタリアニズム

4.2倍

EV +50%

▲A:◎8タカイチアスコット

2.9倍

EV -79%

出走馬全12頭

◎A:▲9

ゲットデザイアー

澤田龍（船橋）

7.9倍

+278%

›

○A:○3

トリニタリアニズム

西啓太（大井）

4.2倍

+50%

›

▲A:◎8

タカイチアスコット

岡田大（浦和）

2.9倍

-79%

›

△A:△4

コロディア

七夕裕（浦和）

10.4倍

-40%

›

△A:△6

ソプラノタッチ

中山遥（浦和）

4.2倍

-94%

›

△A:△10

アイスフィールド

吉留孝（浦和）

19.2倍

-76%

›

×A:▽12

スピークオブデビル

及川烈（浦和）

41.9倍

-75%

›

×A:×11

ニシノテンカフブ

高橋哲（浦和）

36.6倍

-92%

›

×A:×5

カラルナ

新原周（川崎）

25.8倍

-99%

›

×A:▽7

ナリタアンビション

見越彬（浦和）

33.2倍

-98%

›

×A:×2

エイシンペリドット

沖響主（船橋）

40.6倍

-99%

›

×A:×1

シェナリオン

中島良（浦和）

46.3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 9 ゲットデザイアー ¥1,000 実7.9倍期待値 +279% 不的中6着単勝 7.9倍

※ オッズは予測時点の値です。

1R 浦和競馬場ダ1400m ダート1400m　発走 13:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シェナリオン逃げ	中島良（浦和）	実46.3	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場55走で勝率0%と苦戦傾向／同距離帯は59走で勝ち無し）
前5走 08/07 浦和1R 6着/8頭+2.7秒 07/13 浦和1R 9着/10頭 06/22 浦和1R 5着/7頭 05/25 浦和1R 8着/11頭+1.0秒 04/20 浦和1R 8着/10頭+2.1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 6.7着 × 当競馬場適性 55走で勝率 0% (苦戦) ▽ 距離適性同距離は 59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) -73% (大幅な期待値マイナス) AI 予想勝率 0.6% (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。
2	エイシンペリドット	沖響主（船橋）	実40.6	×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0%と苦戦傾向／同距離帯は15走で勝ち無し／直近3走平均9.3着と低調）
前5走 08/26 船橋3R 10着/11頭+2.9秒 08/02 船橋9R 11着/11頭+3.1秒 07/13 浦和1R 7着/10頭+0.0秒 06/28 船橋8R 5着/6頭+0.0秒 06/22 浦和5R 3着/8頭+0.0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 9.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ▽ 前走実績前走 10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) -50% (大幅な期待値マイナス) AI 予想勝率 1.2% (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	トリニタリアニズム差し	西啓太（大井）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場20走で勝率5%と苦戦傾向／前走2着）
前5走 08/07 浦和1R 2着/8頭+1.0秒 01/06 浦和4R 4着/12頭+0.8秒 12/22 浦和2R 4着/12頭+1.4秒 11/25 浦和5R 2着/12頭+0.4秒 10/28 浦和1R 8着/11頭+0.6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 3.3着 × 当競馬場適性 20走で勝率 5% (苦戦) △ 距離適性同距離 37走で勝率 8% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 16.1% (オッズ暗示: 23.8%) ※ 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	コロディア自在	七夕裕（浦和）	実10.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（585日ぶりの実戦）
前5走 02/14 船橋4R 7着/12頭+2.1秒 01/10 浦和12R 2着/11頭+0.1秒 12/24 浦和2R 9着/12頭+1.5秒 11/19 浦和7R 8着/8頭+2.6秒 10/23 浦和5R 3着/12頭+1.5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 6.0着 △ 当競馬場適性 27走で勝率 11% △ 距離適性同距離 33走で勝率 12% △ ローテーション 585日休養明け △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 11.0% (オッズ暗示: 9.6%) ※ 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。
5	カラルナ自在	新原周（川崎）	実25.8	×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／同距離帯は30走で勝ち無し／直近3走平均8.7着と低調）
前5走 09/07 川崎1R 8着/12頭+2.0秒 07/31 川崎1R 7着/9頭+4.3秒 05/25 浦和1R 11着/11頭 05/11 川崎4R 9着/12頭+1.9秒 04/20 浦和1R 2着/10頭+0.3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 8.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 30走で勝ち無し ○ ローテーション 15日の間隔 (理想的) × 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 1.8% (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。
6	ソプラノタッチ	中山遥（浦和）	実4.2	△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4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 07/13 浦和1R 3着/10頭+1.0秒 06/24 浦和1R 5着/10頭+1.0秒 05/27 浦和3R 6着/12頭+0.0秒 04/21 浦和1R 8着/9頭+2.8秒 02/16 大井1R 6着/15頭+2.2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 4.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 10.5% (オッズ暗示: 23.8%) ※ 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。
7	ナリタアンビション	見越彬（浦和）	実33.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 08/07 浦和1R 8着/8頭+5.1秒 07/13 浦和1R 10着/10頭+2.0秒 06/22 浦和5R 8着/8頭+8.0秒 05/27 浦和2R 11着/12頭+3.0秒 05/13 川崎1R 12着/12頭+2.7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戦の調子平均 8.7着 (不振) △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 34走で勝率 6% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 2.2% (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。
8	タカイチアスコット自在	岡田大（浦和）	実2.9	◎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0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走で勝率33%と好調）
前5走 08/26 船橋3R 1着/11頭勝利 03/17 浦和4R 7着/10頭+1.8秒 02/28 浦和5R 5着/8頭+2.2秒 02/04 川崎1R 4着/10頭+2.0秒 01/09 浦和2R 6着/10頭+2.8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 6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 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ 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) +7% (市場と概ね一致) AI 予想勝率 37.0% (オッズ暗示: 34.5%) ※ 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。
9	ゲットデザイアー先行推奨	澤田龍（船橋）	実7.9	▲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／前走2着で力を示す／155日の休養を経て臨戦態勢）
前5走 04/20 浦和4R 2着/10頭+0.3秒 03/17 浦和2R 1着/12頭勝利 02/25 浦和1R 5着/12頭+0.5秒 02/10 船橋4R 2着/12頭+0.8秒 01/06 浦和4R 2着/12頭+0.0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戦の調子勝率 33% (上り調子) △ 当競馬場適性 33走で勝率 12% △ 距離適性同距離 31走で勝率 13% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) △ ローテーション 155日休養明け △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 13.1% (オッズ暗示: 12.7%) ※ 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。
10	アイスフィールド	吉留孝（浦和）	実19.2	△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）
前5走 08/07 浦和1R 5着/8頭+2.3秒 07/13 浦和1R 5着/10頭 06/24 浦和1R 4着/10頭 05/26 浦和2R 11着/12頭 05/05 船橋2R 10着/12頭+2.3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 4.7着 × 当競馬場適性 5走で勝率 0% (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 4.2% (オッズ暗示: 5.2%) ※ 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	ニシノテンカフブ先行	高橋哲（浦和）	実36.6	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場28走で勝率4%と苦戦傾向／同距離帯は35走で勝ち無し／直近3走で勝率33%と好調）
前5走 07/13 浦和6R 11着/12頭+1.0秒 06/24 浦和1R 6着/10頭 05/25 浦和1R 1着/11頭 04/20 浦和1R 5着/10頭+1.0秒 04/08 川崎1R 9着/12頭+3.1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戦の調子勝率 33% (上り調子) × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 35走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 2.7%) ※ 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。
12	スピークオブデビル	及川烈（浦和）	実41.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.7着と低調）
前5走 08/26 船橋3R 11着/11頭+2.9秒 07/30 川崎1R 9着/12頭+1.2秒 07/13 浦和1R 6着/10頭+2.0秒 06/29 船橋1R 3着/7頭+2.0秒 06/22 浦和5R 6着/8頭
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 8.7着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ▽ 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) -40% (大幅な期待値マイナス) AI 予想勝率 1.4% (オッズ暗示: 2.4%) ※ 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

タカイチアスコット

騎手岡田大（浦和）

単勝オッズ

2.9倍

AI期待値

+7%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○3トリニタリアニズム

4.2倍

EV -32%

▲9ゲットデザイアー

7.9倍

EV +3%

出走馬全12頭

◎8

タカイチアスコット

岡田大（浦和）

2.9倍

+7%

›

○3

トリニタリアニズム

西啓太（大井）

4.2倍

-32%

›

▲9

ゲットデザイアー

澤田龍（船橋）

7.9倍

+3%

›

△4

コロディア

七夕裕（浦和）

10.4倍

+14%

›

△6

ソプラノタッチ

中山遥（浦和）

4.2倍

-55%

›

△10

アイスフィールド

吉留孝（浦和）

19.2倍

-18%

›

▽7

ナリタアンビション

見越彬（浦和）

33.2倍

-27%

›

×5

カラルナ

新原周（川崎）

25.8倍

-53%

›

▽12

スピークオブデビル

及川烈（浦和）

41.9倍

-39%

›

×2

エイシンペリドット

沖響主（船橋）

40.6倍

-50%

›

×11

ニシノテンカフブ

高橋哲（浦和）

36.6倍

-69%

›

×1

シェナリオン

中島良（浦和）

46.3倍

-72%

›

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 9 ゲットデザイアー ¥1,000 実7.9倍期待値 +3% 不的中6着単勝 7.9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