浦和 6R 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

6R 浦和競馬場小川町七夕まＣ１三ダ1400m ダート1400m　発走 16:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レモンドロップ	半澤慶（浦和）	実13.5	B× A△勝率3% EV-55% 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8R 2着/11頭+0.8秒 07/15 浦和9R 6着/12頭 06/25 浦和8R 6着/7頭 05/25 浦和2R 4着/10頭+0.0秒 04/23 浦和9R 5着/11頭+1.3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 4.7着 △ 当競馬場適性 12走で勝率 8% ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) × 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 4位 / 勝率 3.3% / 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。
2	タロマイスター自在	野畑凌（川崎）	実23.2	B△ A▽勝率2% EV-46% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率33%と適性高／同距離帯14走で勝率29%／71日ぶりの実戦）
前5走 07/14 浦和7R 6着/12頭 05/06 船橋9R 6着/12頭+0.8秒 04/24 浦和9R 7着/8頭+1.5秒 04/02 船橋10R 5着/14頭+1.7秒 01/08 浦和11R 7着/12頭+1.7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 6.3着 ◎ 当競馬場適性 12走で勝率 33% (得意) ◎ 距離適性同距離 14走で勝率 29% ○ 馬場適性同馬場 4走で勝率 25% × 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: 4.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.3% / 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。
3	フラッシュタイム	岡田大（浦和）	実52.4	B× A×勝率1% EV-54% 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8R 9着/12頭+2.0秒 08/10 浦和9R 3着/10頭+1.1秒 07/30 川崎7R 5着/14頭+0.7秒 07/13 浦和10R 8着/10頭+0.0秒 06/25 浦和5R 10着/10頭
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 5.7着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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 9位 / 勝率 0.9% / 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。
4	ラグーンリバティ差し	本橋孝（船橋）	実15.4	B△ A△勝率3% EV-52% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率5%と苦戦傾向／同距離帯は21走で勝ち無し／前走3着）
前5走 08/12 浦和9R 3着/10頭+1.0秒 07/13 浦和10R 4着/10頭 06/25 浦和5R 9着/10頭 03/19 浦和6R 6着/12頭+1.3秒 02/25 浦和6R 6着/11頭+2.1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 5.3着 × 当競馬場適性 20走で勝率 5% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 6.5%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 3.1% / 期待値 -53% ※ 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	ネヴァーノウズ自在	本田紀（川崎）	実145.5	B× A×勝率0% EV-57% 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 川崎10R 12着/12頭+3.3秒 07/31 川崎10R 12着/12頭+3.2秒 07/10 川崎9R 11着/11頭 05/14 川崎7R 4着/11頭+0.4秒 05/08 船橋8R 11着/14頭+2.1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 11.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12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 0.3% / 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。
6	ウェーブスリープス	笹川翼（大井）	実1.5	B◎ A◎勝率68% EV+1% 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（直近3走で勝率100%と好調／前走勝利の勢い／155日ぶりの実戦）
前5走 04/21 浦和9R 1着/10頭勝利 03/20 浦和3R 1着/11頭勝利 ― ― ―
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戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 155日休養明け ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 98.5% (オッズ暗示: 66.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 67.6% / 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。
7	ゴールデンコマンチ	福原杏（浦和）	実13.7	B○ A▲勝率6% EV-13% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯7走で勝率29%／直近3走で勝率33%と好調）
前5走 08/11 浦和3R 1着/11頭勝利 07/13 浦和5R 7着/10頭 06/28 船橋3R 7着/9頭 06/22 浦和6R 3着/7頭 01/21 船橋11R 10着/13頭+6.2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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 7走で勝率 29% ◎ 前走実績前走 1着 (勢い継続) × 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 0.5% (オッズ暗示: 7.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 6.3% / 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。
8	キョウエイハゴロモ先行	加藤雄（川崎）	実16.4	B× A△勝率3% EV-57% 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 08/18 川崎10R 9着/12頭+1.1秒 07/27 川崎3R 3着/11頭+0.4秒 05/27 浦和8R 7着/7頭 05/12 川崎6R 6着/12頭+1.1秒 04/06 川崎3R 1着/10頭勝利
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 6.3着 △ 距離適性同距離 12走で勝率 8% ○ 馬場適性同馬場 4走で勝率 25% △ 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 6位 / 勝率 2.6% / 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。
9	エドノビートイン	和田譲（大井）	実6.0	B▲ A○勝率10% EV-41% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率0%と苦戦傾向／同距離帯は20走で勝ち無し）
前5走 08/24 船橋7R 9着/12頭+3.9秒 08/11 浦和7R 4着/9頭+0.7秒 07/13 浦和10R 2着/10頭 06/25 浦和5R 3着/10頭+0.0秒 05/26 浦和8R 5着/9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戦の調子平均 5.0着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -98% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 16.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 9.8% / 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。
10	ラウレア差し	中越琉（川崎）	実28.1	B× A▽勝率2% EV-45% 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 川崎10R 8着/12頭+0.6秒 08/20 川崎8R 12着/13頭+2.7秒 05/12 川崎12R 7着/14頭+0.6秒 04/07 川崎12R 2着/12頭+0.8秒 03/12 船橋12R 2着/12頭+0.0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 9.0着 (不振) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 16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 1.9% / 期待値 -46% ※ 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	ジュンフカリ	神尾香（川崎）	実55.0	B× A×勝率1% 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 09/11 川崎10R 6着/12頭+1.9秒 08/20 川崎8R 7着/13頭+1.1秒 07/31 川崎10R 9着/12頭+2.3秒 07/02 船橋6R 7着/10頭 06/03 船橋8R 10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 7.3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 12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 11位 / 勝率 0.7% / 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。
12	ヴァルヴァラ	増田充（川崎）	実61.6	B△ A×勝率1% EV-52% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は9走で勝ち無し）
前5走 09/07 川崎8R 6着/6頭+4.0秒 08/07 浦和8R 3着/11頭+1.4秒 06/26 浦和4R 4着/7頭 06/18 川崎2R 7着/10頭 05/29 浦和5R 2着/12頭+2.0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 4.3着 △ 当競馬場適性 11走で勝率 9% ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) × 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 0.1% (オッズ暗示: 1.6%) × Aモデルの評価 (参考) レース内 10位 / 勝率 0.8% / 期待値 -53% ※ 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	キモンニコラス	七夕裕（浦和）	実113.1	B× A×勝率0% 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 08/12 園田3R 8着/10頭+2.6秒 07/31 園田5R 5着/9頭+1.9秒 07/17 園田6R 6着/10頭 06/24 園田4R 9着/12頭 06/10 園田4R 12着/12頭
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 6.3着 ▽ 距離適性同距離は 21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 0.4% / 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 ◎

ウェーブスリープス

騎手笹川翼（大井）

単勝オッズ

1.5倍

AI期待値

+47%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▲7ゴールデンコマンチ

13.7倍

EV -92%

▲A:○9エドノビートイン

6.0倍

EV -97%

出走馬全13頭

◎A:◎6

ウェーブスリープス

笹川翼（大井）

1.5倍

+47%

›

○A:▲7

ゴールデンコマンチ

福原杏（浦和）

13.7倍

-92%

›

▲A:○9

エドノビートイン

和田譲（大井）

6.0倍

-97%

›

△A:△4

ラグーンリバティ

本橋孝（船橋）

15.4倍

-93%

›

△A:×12

ヴァルヴァラ

増田充（川崎）

61.6倍

-92%

›

△A:▽2

タロマイスター

野畑凌（川崎）

23.2倍

-98%

›

×A:△1

レモンドロップ

半澤慶（浦和）

13.5倍

-99%

›

×A:△8

キョウエイハゴロモ

加藤雄（川崎）

16.4倍

-99%

›

×A:▽10

ラウレア

中越琉（川崎）

28.1倍

-99%

›

×A:×3

フラッシュタイム

岡田大（浦和）

52.4倍

-99%

›

×A:×11

ジュンフカリ

神尾香（川崎）

55.0倍

-99%

›

×A:×13

キモンニコラス

七夕裕（浦和）

113.1倍

-99%

›

×A:×5

ネヴァーノウズ

本田紀（川崎）

145.5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

6R 浦和競馬場小川町七夕まＣ１三ダ1400m ダート1400m　発走 16:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レモンドロップ	半澤慶（浦和）	実13.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は11走で勝ち無し／前走2着）
前5走 08/07 浦和8R 2着/11頭+0.8秒 07/15 浦和9R 6着/12頭 06/25 浦和8R 6着/7頭 05/25 浦和2R 4着/10頭+0.0秒 04/23 浦和9R 5着/11頭+1.3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 4.7着 △ 当競馬場適性 12走で勝率 8% ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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 3.3% (オッズ暗示: 7.4%) ※ 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	タロマイスター自在	野畑凌（川崎）	実23.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率33%と適性高／同距離帯14走で勝率29%／71日ぶりの実戦）
前5走 07/14 浦和7R 6着/12頭 05/06 船橋9R 6着/12頭+0.8秒 04/24 浦和9R 7着/8頭+1.5秒 04/02 船橋10R 5着/14頭+1.7秒 01/08 浦和11R 7着/12頭+1.7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 6.3着 ◎ 当競馬場適性 12走で勝率 33% (得意) ◎ 距離適性同距離 14走で勝率 29% ○ 馬場適性同馬場 4走で勝率 25% × 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 2.3% (オッズ暗示: 4.3%) ※ 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。
3	フラッシュタイム	岡田大（浦和）	実52.4	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 09/09 川崎8R 9着/12頭+2.0秒 08/10 浦和9R 3着/10頭+1.1秒 07/30 川崎7R 5着/14頭+0.7秒 07/13 浦和10R 8着/10頭+0.0秒 06/25 浦和5R 10着/10頭
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 5.7着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -54% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
4	ラグーンリバティ差し	本橋孝（船橋）	実15.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率5%と苦戦傾向／同距離帯は21走で勝ち無し／前走3着）
前5走 08/12 浦和9R 3着/10頭+1.0秒 07/13 浦和10R 4着/10頭 06/25 浦和5R 9着/10頭 03/19 浦和6R 6着/12頭+1.3秒 02/25 浦和6R 6着/11頭+2.1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 5.3着 × 当競馬場適性 20走で勝率 5% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 3.1% (オッズ暗示: 6.5%) ※ 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	ネヴァーノウズ自在	本田紀（川崎）	実145.5	×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0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均11.7着と低調）
前5走 08/19 川崎10R 12着/12頭+3.3秒 07/31 川崎10R 12着/12頭+3.2秒 07/10 川崎9R 11着/11頭 05/14 川崎7R 4着/11頭+0.4秒 05/08 船橋8R 11着/14頭+2.1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 11.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 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 0.3% (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。
6	ウェーブスリープス	笹川翼（大井）	実1.5	◎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（直近3走で勝率100%と好調／前走勝利の勢い／155日ぶりの実戦）
前5走 04/21 浦和9R 1着/10頭勝利 03/20 浦和3R 1着/11頭勝利 ― ― ―
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戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 155日休養明け △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 67.6% (オッズ暗示: 66.7%) ※ 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。
7	ゴールデンコマンチ	福原杏（浦和）	実13.7	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯7走で勝率29%／直近3走で勝率33%と好調）
前5走 08/11 浦和3R 1着/11頭勝利 07/13 浦和5R 7着/10頭 06/28 船橋3R 7着/9頭 06/22 浦和6R 3着/7頭 01/21 船橋11R 10着/13頭+6.2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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 7走で勝率 29% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 6.3% (オッズ暗示: 7.3%) ※ 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。
8	キョウエイハゴロモ先行	加藤雄（川崎）	実16.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎10R 9着/12頭+1.1秒 07/27 川崎3R 3着/11頭+0.4秒 05/27 浦和8R 7着/7頭 05/12 川崎6R 6着/12頭+1.1秒 04/06 川崎3R 1着/10頭勝利
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 6.3着 △ 距離適性同距離 12走で勝率 8% ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) × 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 2.6% (オッズ暗示: 6.1%) ※ 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	エドノビートイン	和田譲（大井）	実6.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率0%と苦戦傾向／同距離帯は20走で勝ち無し）
前5走 08/24 船橋7R 9着/12頭+3.9秒 08/11 浦和7R 4着/9頭+0.7秒 07/13 浦和10R 2着/10頭 06/25 浦和5R 3着/10頭+0.0秒 05/26 浦和8R 5着/9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戦の調子平均 5.0着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し ○ 騎手近50戦勝率 16% × 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 9.8% (オッズ暗示: 16.7%) ※ 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	ラウレア差し	中越琉（川崎）	実28.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は6走で勝ち無し／直近3走平均9.0着と低調）
前5走 09/07 川崎10R 8着/12頭+0.6秒 08/20 川崎8R 12着/13頭+2.7秒 05/12 川崎12R 7着/14頭+0.6秒 04/07 川崎12R 2着/12頭+0.8秒 03/12 船橋12R 2着/12頭+0.0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 9.0着 (不振) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 1.9% (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。
11	ジュンフカリ	神尾香（川崎）	実55.0	×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12走で勝ち無し）
前5走 09/11 川崎10R 6着/12頭+1.9秒 08/20 川崎8R 7着/13頭+1.1秒 07/31 川崎10R 9着/12頭+2.3秒 07/02 船橋6R 7着/10頭 06/03 船橋8R 10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 7.3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 12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) -59% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.8%) ※ 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。
12	ヴァルヴァラ	増田充（川崎）	実61.6	×詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は9走で勝ち無し）
前5走 09/07 川崎8R 6着/6頭+4.0秒 08/07 浦和8R 3着/11頭+1.4秒 06/26 浦和4R 4着/7頭 06/18 川崎2R 7着/10頭 05/29 浦和5R 2着/12頭+2.0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 4.3着 △ 当競馬場適性 11走で勝率 9% ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
13	キモンニコラス	七夕裕（浦和）	実113.1	×詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は21走で勝ち無し）
前5走 08/12 園田3R 8着/10頭+2.6秒 07/31 園田5R 5着/9頭+1.9秒 07/17 園田6R 6着/10頭 06/24 園田4R 9着/12頭 06/10 園田4R 12着/12頭
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 6.3着 ▽ 距離適性同距離は 21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) -52% (大幅な期待値マイナス) AI 予想勝率 0.4% (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。

AIの本命

AI評価1位

ウェーブスリープス

騎手笹川翼（大井）

単勝オッズ

1.5倍

AI期待値

+1%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○9エドノビートイン

6.0倍

EV -41%

▲7ゴールデンコマンチ

13.7倍

EV -13%

出走馬全13頭

◎6

ウェーブスリープス

笹川翼（大井）

1.5倍

+1%

›

○9

エドノビートイン

和田譲（大井）

6.0倍

-41%

›

▲7

ゴールデンコマンチ

福原杏（浦和）

13.7倍

-13%

›

△1

レモンドロップ

半澤慶（浦和）

13.5倍

-55%

›

△4

ラグーンリバティ

本橋孝（船橋）

15.4倍

-52%

›

△8

キョウエイハゴロモ

加藤雄（川崎）

16.4倍

-57%

›

▽2

タロマイスター

野畑凌（川崎）

23.2倍

-46%

›

▽10

ラウレア

中越琉（川崎）

28.1倍

-45%

›

×3

フラッシュタイム

岡田大（浦和）

52.4倍

-54%

›

×12

ヴァルヴァラ

増田充（川崎）

61.6倍

-52%

›

×11

ジュンフカリ

神尾香（川崎）

55.0倍

-59%

›

×13

キモンニコラス

七夕裕（浦和）

113.1倍

-51%

›

×5

ネヴァーノウズ

本田紀（川崎）

145.5倍

-57%

›

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