浦和 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 浦和競馬場ダ1400m ダート1400m　発走 16:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	バルカニクス	福原杏（浦和）	実34.8	B▽ A▽勝率3% EV+11% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/11 浦和3R 5着/11頭+1.6秒 07/15 浦和9R 8着/12頭 06/22 浦和9R 8着/8頭+2.0秒 05/28 浦和8R 6着/11頭+0.0秒 02/23 浦和4R 3着/12頭+2.5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) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 5走で勝率 20% × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.2% / 期待値 +12% ※ 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	タカイチショーヘイ	吉留孝（浦和）	実2.8	B◎ A○勝率16% EV-54% 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4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/11 浦和3R 2着/11頭+0.1秒 07/15 浦和1R 1着/11頭 06/25 浦和3R 2着/7頭+0.0秒 05/29 浦和1R 2着/10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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 32.0% (オッズ暗示: 35.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.2% / 期待値 -55% ※ 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	エガル差し	野畑凌（川崎）	実2.0	B○ A◎勝率32% EV-35% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率25%と適性高／同距離帯6走で勝率33%／直近3走で勝率67%と好調）
前5走 08/12 浦和3R 1着/11頭勝利 07/17 浦和4R 1着/11頭 06/24 浦和2R 6着/8頭 05/29 浦和3R 4着/9頭 04/23 浦和1R 8着/9頭+5.4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 67% (絶好調) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 6走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) × 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 28.0% (オッズ暗示: 50.0%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 32.4% / 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。
4	アルジェナー逃げ	篠谷葵（船橋）	実64.0	B△ A▽勝率2% EV+30% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%）
前5走 08/07 浦和8R 9着/11頭+2.5秒 05/25 浦和2R 10着/10頭 03/17 浦和3R 2着/9頭+0.1秒 02/27 浦和3R 1着/12頭勝利 ―
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 7.0着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 騎手近50戦勝率 14% ◎ 期待値 (オッズ vs AI勝率) +435% (市場が大幅過小評価) AI 予想勝率 8.4% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.0% / 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。
5	シンキングレーヴ	中島良（浦和）	実100.6	B× A▽勝率1% EV+4% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率25%と適性高／同距離帯8走で勝率25%）
前5走 09/07 川崎7R 8着/11頭+4.4秒 08/07 浦和8R 5着/11頭+2.0秒 07/15 浦和9R 10着/12頭+0.0秒 06/23 浦和4R 1着/8頭 05/28 浦和8R 8着/11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 7.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 8走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.0% / 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。
6	ビップルーク	七夕裕（浦和）	実48.2	B× A▽勝率2% EV-2% 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33%と適性高）
前5走 09/07 川崎7R 9着/11頭+4.5秒 08/24 船橋4R 4着/11頭+1.4秒 08/07 浦和8R 4着/11頭+1.8秒 07/16 浦和9R 9着/11頭 06/24 浦和3R 1着/10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 5.7着 ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 距離適性同距離 10走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -69% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 2.1%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.0% / 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。
7	エスプランドル	笠野雄（船橋）	実103.4	B× A▽勝率1% EV-17% 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 09/09 川崎1R 13着/13頭+4.4秒 08/07 浦和8R 11着/11頭+2.8秒 07/15 浦和9R 9着/12頭+2.0秒 06/22 浦和6R 2着/7頭+3.0秒 05/25 浦和5R 8着/12頭+2.0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 11.0着 (不振) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 9走で勝率 11% ▽ 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 0.8% / 期待値 -18% ※ 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	ウキヨノメシア差し	室陽一（浦和）	実19.6	B△ A△勝率9% EV+71% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/11 浦和2R 1着/9頭勝利 07/17 浦和2R 7着/12頭+0.0秒 06/26 浦和2R 3着/9頭 05/27 浦和1R 4着/10頭 02/10 船橋5R 11着/12頭+1.6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 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) ◎ 期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 8.3% (オッズ暗示: 5.1%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.8% / 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。
9	ビランチャ	西啓太（大井）	実21.8	B▽ A△勝率7% EV+43% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／69日ぶりの実戦）
前5走 07/15 浦和9R 12着/12頭 06/25 浦和8R 4着/7頭 05/25 浦和5R 3着/12頭 05/05 船橋3R 6着/12頭+1.3秒 04/20 浦和3R 7着/12頭+1.5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 6.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 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 3.6% (オッズ暗示: 4.6%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.6% / 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。
10	ベアトゥース	和田譲（大井）	実12.0	B▲ A△勝率8% EV-5% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は9走で勝ち無し／前走3着／86日ぶりの実戦）
前5走 06/28 船橋5R 3着/10頭 06/15 川崎7R 8着/13頭 05/26 浦和1R 2着/9頭+0.0秒 05/11 川崎2R 5着/10頭+0.9秒 04/09 川崎1R 3着/8頭+1.1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 ▽ 距離適性同距離は 9走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 8.4% (オッズ暗示: 8.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.8% / 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。
11	バルカロール	藤本現（大井）	実95.8	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 08/11 浦和3R 9着/11頭+2.8秒 07/17 浦和2R 9着/12頭+0.0秒 06/26 浦和2R 7着/9頭 05/29 浦和5R 7着/12頭 05/13 川崎3R 14着/14頭+3.9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 8.3着 (不振) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 11走で勝率 9% × 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 1.0% / 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。
12	パッツンドレス	新原周（川崎）	実9.6	B△ A▲勝率15% EV+40% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調）
前5走 09/09 川崎1R 8着/13頭+2.3秒 08/20 川崎3R 6着/11頭+1.4秒 07/08 川崎5R 10着/11頭 06/18 川崎2R 8着/10頭+3.0秒 05/29 浦和5R 3着/12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 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 8.3% (オッズ暗示: 10.4%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 14.6% / 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。
13	ゴールドアムレット	中山遥（浦和）	実27.3	B× A▽勝率4% EV-3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は7走で勝ち無し／直近3走平均9.0着と低調）
前5走 08/07 浦和8R 8着/11頭+2.4秒 07/28 川崎11R 14着/14頭+3.7秒 07/13 浦和5R 5着/10頭 06/22 浦和2R 2着/7頭 03/17 浦和1R 6着/7頭+2.4秒
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戦の調子平均 9.0着 (不振) △ 当競馬場適性 9走で勝率 11% ▽ 距離適性同距離は 7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) -82% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 3.7%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.5% / 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。

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 ○

タカイチショーヘイ

騎手吉留孝（浦和）

単勝オッズ

2.8倍

AI期待値

-10%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:◎3エガル

2.0倍

EV -44%

▲A:△10ベアトゥース

12.0倍

EV +0%

出走馬全13頭

◎A:○2

タカイチショーヘイ

吉留孝（浦和）

2.8倍

-10%

›

○A:◎3

エガル

野畑凌（川崎）

2.0倍

-44%

›

▲A:△10

ベアトゥース

和田譲（大井）

12.0倍

+0%

›

△A:▽4

アルジェナー

篠谷葵（船橋）

64.0倍

+435%

›

△A:▲12

パッツンドレス

新原周（川崎）

9.6倍

-20%

›

△A:△8

ウキヨノメシア

室陽一（浦和）

19.6倍

+63%

›

▽A:△9

ビランチャ

西啓太（大井）

21.8倍

-20%

›

▽A:▽1

バルカニクス

福原杏（浦和）

34.8倍

-44%

›

×A:▽13

ゴールドアムレット

中山遥（浦和）

27.3倍

-82%

›

×A:▽6

ビップルーク

七夕裕（浦和）

48.2倍

-68%

›

×A:▽5

シンキングレーヴ

中島良（浦和）

100.6倍

-90%

›

×A:▽11

バルカロール

藤本現（大井）

95.8倍

-99%

›

×A:▽7

エスプランドル

笠野雄（船橋）

103.4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 浦和競馬場ダ1400m ダート1400m　発走 16:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	バルカニクス	福原杏（浦和）	実34.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/11 浦和3R 5着/11頭+1.6秒 07/15 浦和9R 8着/12頭 06/22 浦和9R 8着/8頭+2.0秒 05/28 浦和8R 6着/11頭+0.0秒 02/23 浦和4R 3着/12頭+2.5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) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 5走で勝率 20% △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 3.2% (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	タカイチショーヘイ	吉留孝（浦和）	実2.8	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/11 浦和3R 2着/11頭+0.1秒 07/15 浦和1R 1着/11頭 06/25 浦和3R 2着/7頭+0.0秒 05/29 浦和1R 2着/10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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 16.2% (オッズ暗示: 35.7%) ※ 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	エガル差し	野畑凌（川崎）	実2.0	◎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8走で勝率25%と適性高／同距離帯6走で勝率33%／直近3走で勝率67%と好調）
前5走 08/12 浦和3R 1着/11頭勝利 07/17 浦和4R 1着/11頭 06/24 浦和2R 6着/8頭 05/29 浦和3R 4着/9頭 04/23 浦和1R 8着/9頭+5.4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 67% (絶好調) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 6走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) × 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 32.4% (オッズ暗示: 50.0%) ※ 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	アルジェナー逃げ	篠谷葵（船橋）	実64.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%）
前5走 08/07 浦和8R 9着/11頭+2.5秒 05/25 浦和2R 10着/10頭 03/17 浦和3R 2着/9頭+0.1秒 02/27 浦和3R 1着/12頭勝利 ―
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 7.0着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 騎手近50戦勝率 14% ◎ 期待値 (オッズ vs AI勝率) +30% (妙味あり) AI 予想勝率 2.0% (オッズ暗示: 1.6%) ※ 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	シンキングレーヴ	中島良（浦和）	実100.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率25%と適性高／同距離帯8走で勝率25%）
前5走 09/07 川崎7R 8着/11頭+4.4秒 08/07 浦和8R 5着/11頭+2.0秒 07/15 浦和9R 10着/12頭+0.0秒 06/23 浦和4R 1着/8頭 05/28 浦和8R 8着/11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 7.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 8走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) +4% (市場と概ね一致) AI 予想勝率 1.0% (オッズ暗示: 1.0%) ※ 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	ビップルーク	七夕裕（浦和）	実48.2	▽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33%と適性高）
前5走 09/07 川崎7R 9着/11頭+4.5秒 08/24 船橋4R 4着/11頭+1.4秒 08/07 浦和8R 4着/11頭+1.8秒 07/16 浦和9R 9着/11頭 06/24 浦和3R 1着/10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 5.7着 ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 距離適性同距離 10走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -2% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.1%) ※ 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。
7	エスプランドル	笠野雄（船橋）	実103.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走 09/09 川崎1R 13着/13頭+4.4秒 08/07 浦和8R 11着/11頭+2.8秒 07/15 浦和9R 9着/12頭+2.0秒 06/22 浦和6R 2着/7頭+3.0秒 05/25 浦和5R 8着/12頭+2.0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 11.0着 (不振) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 9走で勝率 11% ▽ 前走実績前走 13着 (大敗) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 0.8% (オッズ暗示: 1.0%) ※ 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	ウキヨノメシア差し	室陽一（浦和）	実19.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 08/11 浦和2R 1着/9頭勝利 07/17 浦和2R 7着/12頭+0.0秒 06/26 浦和2R 3着/9頭 05/27 浦和1R 4着/10頭 02/10 船橋5R 11着/12頭+1.6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 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) ◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 5.1%) ※ 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。
9	ビランチャ	西啓太（大井）	実21.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／69日ぶりの実戦）
前5走 07/15 浦和9R 12着/12頭 06/25 浦和8R 4着/7頭 05/25 浦和5R 3着/12頭 05/05 船橋3R 6着/12頭+1.3秒 04/20 浦和3R 7着/12頭+1.5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 6.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 12着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 6.6% (オッズ暗示: 4.6%) ※ 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	ベアトゥース	和田譲（大井）	実12.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は9走で勝ち無し／前走3着／86日ぶりの実戦）
前5走 06/28 船橋5R 3着/10頭 06/15 川崎7R 8着/13頭 05/26 浦和1R 2着/9頭+0.0秒 05/11 川崎2R 5着/10頭+0.9秒 04/09 川崎1R 3着/8頭+1.1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 ▽ 距離適性同距離は 9走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 7.8% (オッズ暗示: 8.3%) ※ 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。
11	バルカロール	藤本現（大井）	実95.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 08/11 浦和3R 9着/11頭+2.8秒 07/17 浦和2R 9着/12頭+0.0秒 06/26 浦和2R 7着/9頭 05/29 浦和5R 7着/12頭 05/13 川崎3R 14着/14頭+3.9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 8.3着 (不振) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 11走で勝率 9% △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.0%) ※ 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。
12	パッツンドレス	新原周（川崎）	実9.6	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.0着と低調）
前5走 09/09 川崎1R 8着/13頭+2.3秒 08/20 川崎3R 6着/11頭+1.4秒 07/08 川崎5R 10着/11頭 06/18 川崎2R 8着/10頭+3.0秒 05/29 浦和5R 3着/12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 8.0着 (不振) ◎ 期待値 (オッズ vs AI勝率) +40% (妙味あり) AI 予想勝率 14.6% (オッズ暗示: 10.4%) ※ 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。
13	ゴールドアムレット	中山遥（浦和）	実27.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は7走で勝ち無し／直近3走平均9.0着と低調）
前5走 08/07 浦和8R 8着/11頭+2.4秒 07/28 川崎11R 14着/14頭+3.7秒 07/13 浦和5R 5着/10頭 06/22 浦和2R 2着/7頭 03/17 浦和1R 6着/7頭+2.4秒
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戦の調子平均 9.0着 (不振) △ 当競馬場適性 9走で勝率 11% ▽ 距離適性同距離は 7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) -3% (オッズ過剰評価) AI 予想勝率 3.5% (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

エガル

騎手野畑凌（川崎）

単勝オッズ

2.0倍

AI期待値

-35%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○2タカイチショーヘイ

2.8倍

EV -54%

▲12パッツンドレス

9.6倍

EV +40%

出走馬全13頭

◎3

エガル

野畑凌（川崎）

2.0倍

-35%

›

○2

タカイチショーヘイ

吉留孝（浦和）

2.8倍

-54%

›

▲12

パッツンドレス

新原周（川崎）

9.6倍

+40%

›

△8

ウキヨノメシア

室陽一（浦和）

19.6倍

+71%

›

△10

ベアトゥース

和田譲（大井）

12.0倍

-5%

›

△9

ビランチャ

西啓太（大井）

21.8倍

+43%

›

▽13

ゴールドアムレット

中山遥（浦和）

27.3倍

-3%

›

▽1

バルカニクス

福原杏（浦和）

34.8倍

+11%

›

▽4

アルジェナー

篠谷葵（船橋）

64.0倍

+30%

›

▽6

ビップルーク

七夕裕（浦和）

48.2倍

-2%

›

▽5

シンキングレーヴ

中島良（浦和）

100.6倍

+4%

›

▽11

バルカロール

藤本現（大井）

95.8倍

-5%

›

▽7

エスプランドル

笠野雄（船橋）

103.4倍

-17%

›

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