浦和 12R 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

12R 浦和競馬場ダ2000m ダート2000m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ベルルート自在	和田譲（大井）	実12.4	B△ A△勝率6% EV-21% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（70日ぶりの実戦）
前5走 07/16 浦和12R 5着/12頭+2.0秒 05/12 川崎4R 7着/12頭+1.0秒 04/22 浦和12R 5着/12頭+1.4秒 03/19 浦和7R 1着/12頭勝利 02/27 浦和9R 2着/12頭+0.8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 5.7着 △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 8.2% (オッズ暗示: 8.1%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.4% / 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	ユメデアエタラ自在推奨	岡村健（船橋）	実8.8	B▲ A○勝率15% EV+32% 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／騎手の手腕も後押し）
前5走 07/15 浦和5R 5着/12頭 04/20 浦和8R 1着/11頭勝利 04/07 川崎4R 6着/12頭+1.9秒 03/16 浦和5R 10着/11頭+2.2秒 02/25 浦和2R 7着/13頭+1.4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戦の調子勝率 33% (上り調子) △ 当競馬場適性 16走で勝率 12% ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 10.1% (オッズ暗示: 11.4%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 15.1% / 期待値 +33% ※ 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	ルミナヴィクター	福原杏（浦和）	実22.2	B× A▽勝率3% EV-44% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 08/28 船橋6R 12着/12頭+3.4秒 08/10 浦和12R 1着/3頭 07/16 浦和7R 3着/12頭+7.0秒 06/26 浦和7R 5着/10頭 05/29 浦和8R 10着/12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戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 12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) -82% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 4.5%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.5% / 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。
4	オーシンブーケ自在	保園翔（浦和）	実1.9	B◎ A◎勝率44% EV-15% 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33%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/17 浦和12R 1着/12頭 06/26 浦和7R 3着/10頭 02/12 船橋7R 12着/12頭+5.5秒 01/09 浦和6R 9着/12頭+1.6秒 11/26 浦和2R 11着/12頭+1.6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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 41.3% (オッズ暗示: 52.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 44.3% / 期待値 -16% ※ 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	シェナクラウン差し	國分祐（浦和）	実125.0	B× A▽勝率1% EV-20% 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 船橋10R 11着/14頭+2.7秒 08/07 浦和6R 6着/9頭+1.2秒 07/16 浦和12R 11着/12頭+0.0秒 05/13 川崎6R 5着/14頭+0.9秒 04/22 浦和12R 4着/12頭+0.5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 9.3着 (不振) × 当競馬場適性 37走で勝率 3% (苦戦) △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 11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 12位 / 勝率 0.6% / 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。
6	ゴールドキッド	古岡勇（川崎）	実5.0	B△ A▲勝率10% EV-49% 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23走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均2.0着と安定）
前5走 08/11 浦和12R 2着/3頭 07/15 浦和5R 2着/12頭 05/27 浦和6R 2着/12頭+1.0秒 04/20 浦和8R 2着/11頭+0.1秒 03/19 浦和7R 11着/12頭+1.5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 2.0着 (安定) × 当競馬場適性 23走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 前走実績前走 2着 (好走) × 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 8.3% (オッズ暗示: 20.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.2% / 期待値 -49% ※ 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	シタパンツ	木間龍（船橋）	実62.9	B× A▽勝率1% EV-30% 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 08/10 浦和9R 8着/10頭+2.9秒 07/03 大井10R 13着/14頭 06/12 大井5R 14着/14頭+3.0秒 05/22 大井8R 8着/13頭+0.0秒 05/01 大井8R 5着/10頭+1.3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 11.7着 (不振) ○ 馬場適性同馬場 5走で勝率 20% △ 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 1.1% / 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。
8	テーオーダムール	達城龍（大井）	実12.0	B△ A△勝率8% EV-3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場21走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／前走3着）
前5走 07/15 浦和5R 3着/12頭 06/24 浦和6R 3着/10頭 05/27 浦和6R 4着/12頭 05/13 川崎6R 12着/14頭+1.6秒 04/20 浦和8R 3着/11頭+0.6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戦の調子平均 3.3着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 8.3%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.0% / 期待値 -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。
9	シヴァシン	秋元耕（浦和）	実15.8	B× A△勝率5% 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 07/15 浦和5R 1着/12頭 06/24 浦和6R 5着/10頭+0.0秒 06/17 川崎5R 8着/12頭 05/11 川崎6R 8着/9頭+2.4秒 04/20 浦和9R 11着/13頭+2.1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 8走で勝率 12% ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 4.6% / 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。
10	ビーチガール	張田昂（船橋）	実21.8	B× A×勝率2% EV-52% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯15走で勝率27%／直近3走平均8.3着と低調）
前5走 08/07 浦和10R 9着/12頭+1.9秒 07/16 浦和12R 6着/12頭 06/23 浦和7R 10着/10頭 05/29 浦和12R 5着/10頭 04/20 浦和12R 8着/12頭+1.6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) ○ 当競馬場適性 23走で勝率 17% (相性良) ◎ 距離適性同距離 15走で勝率 27% × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 4.6%) × Aモデルの評価 (参考) レース内 10位 / 勝率 2.2% / 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。
11	レベリオン	及川烈（浦和）	実39.8	B○ A▽勝率2% EV-4% 詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯5走で勝率40%／直近3走で勝率33%と好調／71日ぶりの実戦）
前5走 07/15 浦和5R 8着/12頭 06/24 浦和6R 1着/10頭 05/27 浦和6R 8着/12頭 04/20 浦和8R 8着/11頭+2.8秒 04/03 船橋8R 2着/12頭+1.1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 9走で勝率 22% (相性良) ◎ 距離適性同距離 5走で勝率 40% ◎ 期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 27.8% (オッズ暗示: 2.5%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.4% / 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	リケアオランジュ	杉山海（大井）	実16.9	B× A×勝率3% EV-55% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/07 浦和10R 7着/12頭+1.6秒 07/14 浦和12R 5着/12頭+1.0秒 06/23 浦和7R 8着/10頭 05/29 浦和12R 4着/10頭+3.0秒 05/12 川崎12R 10着/14頭+1.5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 6.7着 △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 15走で勝率 7% × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 5.9%) × Aモデルの評価 (参考) レース内 7位 / 勝率 2.6% / 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。

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 ◎

オーシンブーケ

騎手保園翔（浦和）

単勝オッズ

1.9倍

AI期待値

-21%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▽11レベリオン

39.8倍

EV +999%

▲A:○2ユメデアエタラ

8.8倍

EV -11%

出走馬全12頭

◎A:◎4

オーシンブーケ

保園翔（浦和）

1.9倍

-21%

›

○A:▽11

レベリオン

及川烈（浦和）

39.8倍

+999%

›

▲A:○2

ユメデアエタラ

岡村健（船橋）

8.8倍

-11%

›

△A:▲6

ゴールドキッド

古岡勇（川崎）

5.0倍

-58%

›

△A:△1

ベルルート

和田譲（大井）

12.4倍

+1%

›

△A:△8

テーオーダムール

達城龍（大井）

12.0倍

-86%

›

×A:×12

リケアオランジュ

杉山海（大井）

16.9倍

-80%

›

×A:×10

ビーチガール

張田昂（船橋）

21.8倍

-74%

›

×A:▽3

ルミナヴィクター

福原杏（浦和）

22.2倍

-82%

›

×A:△9

シヴァシン

秋元耕（浦和）

15.8倍

-99%

›

×A:▽7

シタパンツ

木間龍（船橋）

62.9倍

-99%

›

×A:▽5

シェナクラウン

國分祐（浦和）

125.0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

単勝 2 ユメデアエタラ ¥100 実8.8倍期待値 -11% 不的中2着単勝 8.8倍

B. 市場除外+キャリブ

見送り

※ オッズは予測時点の値です。

12R 浦和競馬場ダ2000m ダート2000m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ベルルート自在	和田譲（大井）	実12.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（70日ぶりの実戦）
前5走 07/16 浦和12R 5着/12頭+2.0秒 05/12 川崎4R 7着/12頭+1.0秒 04/22 浦和12R 5着/12頭+1.4秒 03/19 浦和7R 1着/12頭勝利 02/27 浦和9R 2着/12頭+0.8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 5.7着 △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 6.4% (オッズ暗示: 8.1%) ※ 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。
2	ユメデアエタラ自在推奨	岡村健（船橋）	実8.8	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+32%の妙味（直近3走勝率33%と上り調子／騎手の手腕も後押し）
前5走 07/15 浦和5R 5着/12頭 04/20 浦和8R 1着/11頭勝利 04/07 川崎4R 6着/12頭+1.9秒 03/16 浦和5R 10着/11頭+2.2秒 02/25 浦和2R 7着/13頭+1.4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戦の調子勝率 33% (上り調子) △ 当競馬場適性 16走で勝率 12% ○ 騎手近50戦勝率 16% ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 15.1% (オッズ暗示: 11.4%) ※ 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。
3	ルミナヴィクター	福原杏（浦和）	実22.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 08/28 船橋6R 12着/12頭+3.4秒 08/10 浦和12R 1着/3頭 07/16 浦和7R 3着/12頭+7.0秒 06/26 浦和7R 5着/10頭 05/29 浦和8R 10着/12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戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 12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) -44% (大幅な期待値マイナス) AI 予想勝率 2.5% (オッズ暗示: 4.5%) ※ 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。
4	オーシンブーケ自在	保園翔（浦和）	実1.9	◎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33%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/17 浦和12R 1着/12頭 06/26 浦和7R 3着/10頭 02/12 船橋7R 12着/12頭+5.5秒 01/09 浦和6R 9着/12頭+1.6秒 11/26 浦和2R 11着/12頭+1.6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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 44.3% (オッズ暗示: 52.6%) ※ 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	シェナクラウン差し	國分祐（浦和）	実125.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場37走で勝率3%と苦戦傾向／直近3走平均9.3着と低調）
前5走 08/24 船橋10R 11着/14頭+2.7秒 08/07 浦和6R 6着/9頭+1.2秒 07/16 浦和12R 11着/12頭+0.0秒 05/13 川崎6R 5着/14頭+0.9秒 04/22 浦和12R 4着/12頭+0.5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 9.3着 (不振) × 当競馬場適性 37走で勝率 3% (苦戦) △ 距離適性同距離 7走で勝率 14% ▽ 前走実績前走 11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 0.6% (オッズ暗示: 0.8%) ※ 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。
6	ゴールドキッド	古岡勇（川崎）	実5.0	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場23走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均2.0着と安定）
前5走 08/11 浦和12R 2着/3頭 07/15 浦和5R 2着/12頭 05/27 浦和6R 2着/12頭+1.0秒 04/20 浦和8R 2着/11頭+0.1秒 03/19 浦和7R 11着/12頭+1.5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 2.0着 (安定) × 当競馬場適性 23走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 10.2% (オッズ暗示: 20.0%) ※ 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。
7	シタパンツ	木間龍（船橋）	実62.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調）
前5走 08/10 浦和9R 8着/10頭+2.9秒 07/03 大井10R 13着/14頭 06/12 大井5R 14着/14頭+3.0秒 05/22 大井8R 8着/13頭+0.0秒 05/01 大井8R 5着/10頭+1.3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 11.7着 (不振) ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 1.1% (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。
8	テーオーダムール	達城龍（大井）	実12.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場21走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／前走3着）
前5走 07/15 浦和5R 3着/12頭 06/24 浦和6R 3着/10頭 05/27 浦和6R 4着/12頭 05/13 川崎6R 12着/14頭+1.6秒 04/20 浦和8R 3着/11頭+0.6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戦の調子平均 3.3着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 8.0% (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。
9	シヴァシン	秋元耕（浦和）	実15.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯3走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/15 浦和5R 1着/12頭 06/24 浦和6R 5着/10頭+0.0秒 06/17 川崎5R 8着/12頭 05/11 川崎6R 8着/9頭+2.4秒 04/20 浦和9R 11着/13頭+2.1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 8走で勝率 12% ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 4.6% (オッズ暗示: 6.3%) ※ 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	ビーチガール	張田昂（船橋）	実21.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯15走で勝率27%／直近3走平均8.3着と低調）
前5走 08/07 浦和10R 9着/12頭+1.9秒 07/16 浦和12R 6着/12頭 06/23 浦和7R 10着/10頭 05/29 浦和12R 5着/10頭 04/20 浦和12R 8着/12頭+1.6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) ○ 当競馬場適性 23走で勝率 17% (相性良) ◎ 距離適性同距離 15走で勝率 27% × 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 2.2% (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。
11	レベリオン	及川烈（浦和）	実39.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯5走で勝率40%／直近3走で勝率33%と好調／71日ぶりの実戦）
前5走 07/15 浦和5R 8着/12頭 06/24 浦和6R 1着/10頭 05/27 浦和6R 8着/12頭 04/20 浦和8R 8着/11頭+2.8秒 04/03 船橋8R 2着/12頭+1.1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 9走で勝率 22% (相性良) ◎ 距離適性同距離 5走で勝率 40% △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 2.4% (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。
12	リケアオランジュ	杉山海（大井）	実16.9	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/07 浦和10R 7着/12頭+1.6秒 07/14 浦和12R 5着/12頭+1.0秒 06/23 浦和7R 8着/10頭 05/29 浦和12R 4着/10頭+3.0秒 05/12 川崎12R 10着/14頭+1.5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 6.7着 △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 15走で勝率 7% × 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 2.6% (オッズ暗示: 5.9%) ※ 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

オーシンブーケ

騎手保園翔（浦和）

単勝オッズ

1.9倍

AI期待値

-15%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○2ユメデアエタラ

8.8倍

EV +32%

▲6ゴールドキッド

5.0倍

EV -49%

出走馬全12頭

◎4

オーシンブーケ

保園翔（浦和）

1.9倍

-15%

›

○2

ユメデアエタラ

岡村健（船橋）

8.8倍

+32%

›

▲6

ゴールドキッド

古岡勇（川崎）

5.0倍

-49%

›

△8

テーオーダムール

達城龍（大井）

12.0倍

-3%

›

△1

ベルルート

和田譲（大井）

12.4倍

-21%

›

△9

シヴァシン

秋元耕（浦和）

15.8倍

-27%

›

×12

リケアオランジュ

杉山海（大井）

16.9倍

-55%

›

▽3

ルミナヴィクター

福原杏（浦和）

22.2倍

-44%

›

▽11

レベリオン

及川烈（浦和）

39.8倍

-4%

›

×10

ビーチガール

張田昂（船橋）

21.8倍

-52%

›

▽7

シタパンツ

木間龍（船橋）

62.9倍

-30%

›

▽5

シェナクラウン

國分祐（浦和）

125.0倍

-20%

›

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

単勝 2 ユメデアエタラ ¥100 実8.8倍期待値 +33% 不的中2着単勝 8.8倍

B. 市場除外+キャリブ

見送り

※ 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