浦和 5R 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

5R 浦和競馬場ダ1500m ダート1500m　発走 15:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タカイチナダル	吉留孝（浦和）	実4.7	B○ A○勝率17% EV-21% 詳細▼	AI上位評価だが期待値不足、見送り（同距離帯4走で勝率25%／直近3走平均3.0着と安定／前走2着）
前5走 08/07 浦和9R 2着/10頭+0.1秒 07/17 浦和6R 5着/10頭 06/24 浦和4R 2着/8頭 05/29 浦和6R 1着/9頭 04/21 浦和2R 4着/12頭+0.7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 3.0着 (安定) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ○ 前走実績前走 2着 (好走) × 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 6.5% (オッズ暗示: 21.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.7% / 期待値 -21% ※ 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	キョウエイセレッソ	野畑凌（川崎）	実2.8	B◎ A◎勝率39% EV+8% 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／直近3走平均2.0着と安定／前走2着）
前5走 08/28 船橋6R 2着/12頭+1.4秒 08/12 浦和5R 2着/9頭+0.8秒 07/17 浦和5R 2着/12頭+2.0秒 06/25 浦和1R 1着/9頭 05/28 浦和2R 7着/12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 2.0着 (安定) ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 距離適性同距離 6走で勝率 17% ○ 前走実績前走 2着 (好走) ○ ローテーション 26日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +141% (市場が大幅過小評価) AI 予想勝率 86.1% (オッズ暗示: 35.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 38.6% / 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。
3	ランワールドワン追込	秋元耕（浦和）	実19.2	B× A△勝率6% EV+9% 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 06/23 浦和5R 3着/10頭+1.0秒 05/27 浦和5R 5着/9頭 04/22 浦和4R 8着/11頭+1.9秒 03/31 船橋5R 9着/10頭+3.4秒 12/12 船橋5R 9着/10頭+2.8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 5.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 3着 (好走) △ ローテーション 92日休養明け × 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 5.7% / 期待値 +10% ※ 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	ビューティビースト自在	藤本現（大井）	実33.6	B× A▽勝率2% EV-30% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は26走で勝ち無し）
前5走 08/07 浦和9R 4着/10頭+0.9秒 07/29 川崎6R 10着/11頭+2.2秒 07/17 浦和8R 5着/10頭 06/23 浦和5R 4着/10頭 03/16 浦和5R 7着/11頭+1.7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 6.3着 △ 当競馬場適性 7走で勝率 14% ▽ 距離適性同距離は 26走で勝ち無し × 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 0.1% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.1% / 期待値 -30% ※ 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	レコパンマミー差し	及川烈（浦和）	実9.4	B△ A△勝率9% EV-12% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調）
前5走 08/10 浦和5R 8着/11頭+2.9秒 07/13 浦和9R 4着/11頭 05/29 浦和2R 1着/12頭 04/24 浦和7R 6着/11頭+2.5秒 06/26 浦和9R 5着/12頭+1.3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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 19走で勝率 21% (相性良) ○ 距離適性同距離 21走で勝率 19% × 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 1.0% (オッズ暗示: 10.6%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.3% / 期待値 -13% ※ 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	エコロジョイアー先行	室陽一（浦和）	実28.1	B× A▽勝率3% EV-5% 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45%と適性高／同距離帯21走で勝率29%／直近3走平均8.7着と低調）
前5走 09/08 川崎4R 11着/12頭+2.3秒 05/14 川崎4R 9着/12頭+1.9秒 01/21 船橋3R 6着/12頭+1.4秒 01/07 浦和4R 6着/12頭+0.9秒 09/08 川崎12R 3着/14頭+1.7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 8.7着 (不振) ◎ 当競馬場適性 11走で勝率 45% (得意) ◎ 距離適性同距離 21走で勝率 29% ○ 騎手近50戦勝率 18% ▽ 前走実績前走 11着 (大敗) ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 3.6%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.4% / 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。
7	ニシノウール逃げ	國分祐（浦和）	実89.2	B× A×勝率0% EV-68% 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5R 9着/9頭+2.5秒 07/16 浦和6R 11着/12頭+3.0秒 06/22 浦和7R 7着/8頭 05/25 浦和6R 9着/11頭 05/12 川崎7R 9着/12頭+2.1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 9.0着 (不振) × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 42走で勝ち無し × 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 0.4% / 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。
8	オトメノネガイ逃げ	岡村裕（川崎）	実37.7	B× A×勝率1% EV-65% 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 09/08 川崎4R 3着/12頭+1.2秒 08/18 川崎8R 9着/12頭+1.3秒 07/29 川崎5R 11着/12頭+3.0秒 07/10 川崎12R 4着/10頭+0.0秒 06/23 浦和5R 6着/10頭
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 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し ○ 前走実績前走 3着 (好走) ○ 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) -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 -65% ※ 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	アルセリア	篠谷葵（船橋）	実3.9	B△ A▲勝率11% EV-57% 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3走で勝率33%と適性高／直近3走で勝率33%と好調）
前5走 08/25 船橋7R 6着/12頭+1.1秒 08/04 船橋6R 6着/10頭+0.8秒 07/17 浦和5R 1着/12頭 07/03 船橋9R 6着/9頭 06/05 船橋7R 3着/12頭+1.0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 3走で勝率 33% (得意) ○ 距離適性同距離 13走で勝率 15% ○ 馬場適性同馬場 5走で勝率 20% × 期待値 (オッズ vs AI勝率) -97% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 25.6%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.0% / 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。
10	ムゾラシカ自在	岡村健（船橋）	実66.9	B× A▽勝率1% EV-41% 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 06/22 浦和8R 5着/8頭 06/02 船橋5R 8着/12頭 05/04 船橋3R 12着/12頭+3.9秒 04/03 船橋12R 13着/13頭+8.6秒 03/11 船橋3R 7着/11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 8.3着 (不振) ▽ 距離適性同距離は 8走で勝ち無し ○ 騎手近50戦勝率 18% △ ローテーション 93日休養明け × 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 0.9% / 期待値 -41% ※ 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	アストラルフレア先行	福原杏（浦和）	実10.5	B▲ A△勝率7% EV-25% 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40%と適性高）
前5走 08/11 浦和5R 7着/9頭+2.1秒 07/16 浦和6R 6着/12頭 06/22 浦和8R 4着/8頭 03/16 浦和3R 1着/10頭勝利 03/09 船橋12R 1着/10頭勝利
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 5.7着 ◎ 当競馬場適性 5走で勝率 40% (得意) △ 距離適性同距離 13走で勝率 8% × 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 3.3% (オッズ暗示: 9.5%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.1% / 期待値 -26% ※ 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	コットンフラワー先行	増田充（川崎）	実14.7	B△ A▽勝率4% EV-40% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/11 浦和5R 4着/9頭+0.9秒 07/16 浦和6R 5着/12頭 06/17 川崎5R 9着/12頭 05/14 川崎5R 4着/12頭+0.8秒 02/04 川崎4R 4着/12頭+0.1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 6.0着 △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 6.8%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 4.1% / 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

AI評価1位Aモデル ◎

キョウエイセレッソ

騎手野畑凌（川崎）

単勝オッズ

2.8倍

AI期待値

+141%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○1タカイチナダル

4.7倍

EV -69%

▲A:△11アストラルフレア

10.5倍

EV -65%

出走馬全12頭

◎A:◎2

キョウエイセレッソ

野畑凌（川崎）

2.8倍

+141%

›

○A:○1

タカイチナダル

吉留孝（浦和）

4.7倍

-69%

›

▲A:△11

アストラルフレア

福原杏（浦和）

10.5倍

-65%

›

△A:▽12

コットンフラワー

増田充（川崎）

14.7倍

-69%

›

△A:△5

レコパンマミー

及川烈（浦和）

9.4倍

-90%

›

△A:▲9

アルセリア

篠谷葵（船橋）

3.9倍

-97%

›

×A:▽6

エコロジョイアー

室陽一（浦和）

28.1倍

-95%

›

×A:▽4

ビューティビースト

藤本現（大井）

33.6倍

-95%

›

×A:△3

ランワールドワン

秋元耕（浦和）

19.2倍

-99%

›

×A:×8

オトメノネガイ

岡村裕（川崎）

37.7倍

-99%

›

×A:▽10

ムゾラシカ

岡村健（船橋）

66.9倍

-99%

›

×A:×7

ニシノウール

國分祐（浦和）

89.2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

5R 浦和競馬場ダ1500m ダート1500m　発走 15:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タカイチナダル	吉留孝（浦和）	実4.7	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯4走で勝率25%／直近3走平均3.0着と安定／前走2着）
前5走 08/07 浦和9R 2着/10頭+0.1秒 07/17 浦和6R 5着/10頭 06/24 浦和4R 2着/8頭 05/29 浦和6R 1着/9頭 04/21 浦和2R 4着/12頭+0.7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 3.0着 (安定) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 16.7% (オッズ暗示: 21.3%) ※ 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。
2	キョウエイセレッソ	野畑凌（川崎）	実2.8	◎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／直近3走平均2.0着と安定／前走2着）
前5走 08/28 船橋6R 2着/12頭+1.4秒 08/12 浦和5R 2着/9頭+0.8秒 07/17 浦和5R 2着/12頭+2.0秒 06/25 浦和1R 1着/9頭 05/28 浦和2R 7着/12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 2.0着 (安定) ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 距離適性同距離 6走で勝率 17% ○ 前走実績前走 2着 (好走) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 38.6% (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	ランワールドワン追込	秋元耕（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3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 06/23 浦和5R 3着/10頭+1.0秒 05/27 浦和5R 5着/9頭 04/22 浦和4R 8着/11頭+1.9秒 03/31 船橋5R 9着/10頭+3.4秒 12/12 船橋5R 9着/10頭+2.8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 5.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 3着 (好走) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 5.7% (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。
4	ビューティビースト自在	藤本現（大井）	実33.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は26走で勝ち無し）
前5走 08/07 浦和9R 4着/10頭+0.9秒 07/29 川崎6R 10着/11頭+2.2秒 07/17 浦和8R 5着/10頭 06/23 浦和5R 4着/10頭 03/16 浦和5R 7着/11頭+1.7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 6.3着 △ 当競馬場適性 7走で勝率 14% ▽ 距離適性同距離は 26走で勝ち無し × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 2.1% (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。
5	レコパンマミー差し	及川烈（浦和）	実9.4	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調）
前5走 08/10 浦和5R 8着/11頭+2.9秒 07/13 浦和9R 4着/11頭 05/29 浦和2R 1着/12頭 04/24 浦和7R 6着/11頭+2.5秒 06/26 浦和9R 5着/12頭+1.3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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 19走で勝率 21% (相性良) ○ 距離適性同距離 21走で勝率 19% △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 9.3% (オッズ暗示: 10.6%) ※ 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。
6	エコロジョイアー先行	室陽一（浦和）	実28.1	▽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45%と適性高／同距離帯21走で勝率29%／直近3走平均8.7着と低調）
前5走 09/08 川崎4R 11着/12頭+2.3秒 05/14 川崎4R 9着/12頭+1.9秒 01/21 船橋3R 6着/12頭+1.4秒 01/07 浦和4R 6着/12頭+0.9秒 09/08 川崎12R 3着/14頭+1.7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 8.7着 (不振) ◎ 当競馬場適性 11走で勝率 45% (得意) ◎ 距離適性同距離 21走で勝率 29% ○ 騎手近50戦勝率 18% ▽ 前走実績前走 11着 (大敗) ○ 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) -6% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 3.6%) ※ 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。
7	ニシノウール逃げ	國分祐（浦和）	実89.2	×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0%と苦戦傾向／同距離帯は42走で勝ち無し／直近3走平均9.0着と低調）
前5走 08/11 浦和5R 9着/9頭+2.5秒 07/16 浦和6R 11着/12頭+3.0秒 06/22 浦和7R 7着/8頭 05/25 浦和6R 9着/11頭 05/12 川崎7R 9着/12頭+2.1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 9.0着 (不振) × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 42走で勝ち無し × 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 0.4% (オッズ暗示: 1.1%) ※ 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	オトメノネガイ逃げ	岡村裕（川崎）	実37.7	×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0%と苦戦傾向／同距離帯は25走で勝ち無し／前走3着）
前5走 09/08 川崎4R 3着/12頭+1.2秒 08/18 川崎8R 9着/12頭+1.3秒 07/29 川崎5R 11着/12頭+3.0秒 07/10 川崎12R 4着/10頭+0.0秒 06/23 浦和5R 6着/10頭
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 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し ○ 前走実績前走 3着 (好走) ○ 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) -65% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
9	アルセリア	篠谷葵（船橋）	実3.9	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調）
前5走 08/25 船橋7R 6着/12頭+1.1秒 08/04 船橋6R 6着/10頭+0.8秒 07/17 浦和5R 1着/12頭 07/03 船橋9R 6着/9頭 06/05 船橋7R 3着/12頭+1.0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 3走で勝率 33% (得意) ○ 距離適性同距離 13走で勝率 15% ○ 馬場適性同馬場 5走で勝率 20% × 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 11.0% (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。
10	ムゾラシカ自在	岡村健（船橋）	実66.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は8走で勝ち無し／直近3走平均8.3着と低調／93日ぶりの実戦）
前5走 06/22 浦和8R 5着/8頭 06/02 船橋5R 8着/12頭 05/04 船橋3R 12着/12頭+3.9秒 04/03 船橋12R 13着/13頭+8.6秒 03/11 船橋3R 7着/11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 8.3着 (不振) ▽ 距離適性同距離は 8走で勝ち無し ○ 騎手近50戦勝率 18% △ ローテーション 93日休養明け × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
11	アストラルフレア先行	福原杏（浦和）	実10.5	△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40%と適性高）
前5走 08/11 浦和5R 7着/9頭+2.1秒 07/16 浦和6R 6着/12頭 06/22 浦和8R 4着/8頭 03/16 浦和3R 1着/10頭勝利 03/09 船橋12R 1着/10頭勝利
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 5.7着 ◎ 当競馬場適性 5走で勝率 40% (得意) △ 距離適性同距離 13走で勝率 8% △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 9.5%) ※ 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	コットンフラワー先行	増田充（川崎）	実14.7	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/11 浦和5R 4着/9頭+0.9秒 07/16 浦和6R 5着/12頭 06/17 川崎5R 9着/12頭 05/14 川崎5R 4着/12頭+0.8秒 02/04 川崎4R 4着/12頭+0.1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 6.0着 △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) × 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 4.1% (オッズ暗示: 6.8%) ※ 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。

AIの本命

AI評価1位

キョウエイセレッソ

騎手野畑凌（川崎）

単勝オッズ

2.8倍

AI期待値

+8%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○1タカイチナダル

4.7倍

EV -21%

▲9アルセリア

3.9倍

EV -57%

出走馬全12頭

◎2

キョウエイセレッソ

野畑凌（川崎）

2.8倍

+8%

›

○1

タカイチナダル

吉留孝（浦和）

4.7倍

-21%

›

▲9

アルセリア

篠谷葵（船橋）

3.9倍

-57%

›

△5

レコパンマミー

及川烈（浦和）

9.4倍

-12%

›

△11

アストラルフレア

福原杏（浦和）

10.5倍

-25%

›

△3

ランワールドワン

秋元耕（浦和）

19.2倍

+9%

›

▽12

コットンフラワー

増田充（川崎）

14.7倍

-40%

›

▽6

エコロジョイアー

室陽一（浦和）

28.1倍

-5%

›

▽4

ビューティビースト

藤本現（大井）

33.6倍

-30%

›

×8

オトメノネガイ

岡村裕（川崎）

37.7倍

-65%

›

▽10

ムゾラシカ

岡村健（船橋）

66.9倍

-41%

›

×7

ニシノウール

國分祐（浦和）

89.2倍

-68%

›

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