浦和 9R 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

9R 浦和競馬場ダ1400m ダート1400m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ルイーサ逃げ	岡村裕（川崎）	実114.6	B× A▽勝率2% EV+77% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 09/10 川崎2R 10着/12頭+3.3秒 08/21 川崎1R 2着/12頭+0.3秒 08/04 船橋3R 7着/8頭+2.3秒 07/28 川崎3R 8着/9頭+2.1秒 07/07 川崎6R 4着/11頭+4.0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 6.3着 △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 10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) -92% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 0.9%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.5% / 期待値 +77% ※ 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	モーリシャスアロマ自在	福原杏（浦和）	実6.8	B○ A○勝率16% EV+11% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率0%と苦戦傾向／同馬場状態で勝率33%／前走2着）
前5走 08/12 浦和4R 2着/6頭+0.6秒 06/24 浦和4R 6着/8頭 05/29 浦和7R 3着/10頭 04/24 浦和7R 3着/11頭+2.0秒 03/16 浦和3R 5着/10頭+0.9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 3.7着 × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ◎ 馬場適性同馬場 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) -36% (大幅な期待値マイナス) AI 予想勝率 9.4% (オッズ暗示: 14.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.4% / 期待値 +11% ※ 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	キアラボヌール先行	加藤雄（川崎）	実36.8	B× A△勝率4% EV+29% 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 09/10 川崎1R 3着/12頭+1.7秒 08/21 川崎5R 7着/12頭+2.3秒 07/27 川崎1R 6着/9頭+1.7秒 07/17 浦和5R 3着/12頭+0.0秒 07/10 川崎12R 7着/10頭+0.0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 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 42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) ○ 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 6位 / 勝率 3.5% / 期待値 +29% ※ 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	ノワスティエ	中島良（浦和）	実48.0	B△ A▽勝率2% EV+0% 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8走で勝ち無し）
前5走 08/12 浦和5R 7着/9頭+1.6秒 07/16 浦和1R 2着/9頭+1.0秒 06/26 浦和3R 3着/9頭+6.0秒 06/04 船橋4R 6着/11頭 05/29 浦和6R 4着/9頭+0.0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 4.0着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 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 0.1% (オッズ暗示: 2.1%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.1% / 期待値 +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	ポレポレ先行	木間龍（船橋）	実91.8	B× A▽勝率1% EV+33% 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 浦和5R 8着/9頭+2.0秒 07/17 浦和5R 9着/12頭+0.0秒 05/28 浦和4R 4着/8頭 04/22 浦和4R 6着/11頭+1.8秒 01/08 浦和7R 7着/12頭+2.5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 7.0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 13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 10位 / 勝率 1.5% / 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。
6	プリヤンカー先行	田中洸（大井）	実145.0	B× A▽勝率1% EV+3% 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 06/24 浦和4R 7着/8頭+2.0秒 05/27 浦和4R 9着/10頭+2.0秒 04/24 浦和6R 8着/11頭+1.9秒 04/08 川崎6R 8着/12頭+1.2秒 03/19 浦和4R 3着/11頭+1.1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 8.0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 10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 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 12位 / 勝率 0.7% / 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。
7	エットトゥカム	岡田大（浦和）	実168.6	B× A▽勝率1% EV+2% 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 08/28 船橋6R 8着/12頭+2.9秒 08/02 船橋9R 4着/11頭+0.5秒 07/17 浦和5R 6着/12頭 07/02 船橋3R 7着/8頭 06/04 船橋5R 4着/12頭
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 6.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 14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 28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 13位 / 勝率 0.6% / 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。
8	コビナイフォンテン	小杉亮（船橋）	実24.1	B△ A△勝率6% EV+42% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高）
前5走 08/28 船橋6R 5着/12頭+2.5秒 08/21 川崎5R 5着/12頭+1.8秒 08/04 船橋3R 2着/8頭+0.0秒 07/16 浦和4R 1着/12頭 07/04 船橋6R 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 4.0着 ◎ 当競馬場適性 8走で勝率 25% (得意) △ 距離適性同距離 34走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) × 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 1.0% (オッズ暗示: 4.1%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.9% / 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。
9	キタサンリボン逃げ	笹川翼（大井）	実1.2	B◎ A◎勝率44% EV-47% 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7走で勝率57%と適性高／同距離帯9走で勝率56%／直近3走で勝率67%と好調）
前5走 06/24 浦和4R 4着/8頭 02/26 浦和7R 1着/12頭勝利 12/23 浦和6R 1着/12頭勝利 08/15 浦和8R 4着/10頭+0.5秒 07/25 浦和5R 1着/13頭勝利
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 67% (絶好調) ◎ 当競馬場適性 7走で勝率 57% (得意) ◎ 距離適性同距離 9走で勝率 56% ◎ 騎手近50戦勝率 28% (好調) △ ローテーション 93日休養明け △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 87.3% (オッズ暗示: 83.3%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 43.5% / 期待値 -48% ※ 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	ジェノバフレイバー	張田昂（船橋）	実8.3	B▲ A▲勝率12% EV+2% 詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率50%）
前5走 08/07 浦和9R 10着/10頭+3.3秒 07/17 浦和6R 3着/10頭 06/26 浦和6R 3着/8頭+1.0秒 05/29 浦和7R 2着/10頭 04/24 浦和1R 1着/11頭勝利
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 5.3着 ○ 当競馬場適性 29走で勝率 17% (相性良) ○ 距離適性同距離 29走で勝率 17% ◎ 馬場適性同馬場 6走で勝率 50% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 12.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.3% / 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。
11	キョウエイサマンサ	藤本現（大井）	実118.4	B× A▽勝率1% 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 08/28 船橋6R 10着/12頭+3.2秒 08/12 浦和5R 6着/9頭+1.5秒 07/17 浦和6R 9着/10頭+0.0秒 06/26 浦和5R 2着/7頭 05/25 浦和9R 3着/11頭+0.0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 18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 28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 11位 / 勝率 1.2% / 期待値 +45% ※ 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	レターフロムパリ先行	達城龍（大井）	実42.9	B× A▽勝率3% EV+16% 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 09/10 川崎1R 7着/12頭+2.5秒 08/21 川崎5R 8着/12頭+2.5秒 07/29 川崎1R 11着/12頭+2.6秒 07/08 川崎1R 9着/11頭 05/11 川崎7R 11着/12頭+2.8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 8.7着 (不振) △ 距離適性同距離 10走で勝率 10% ○ 馬場適性同馬場 7走で勝率 29% △ 騎手近50戦勝率 2% (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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.7% / 期待値 +17% ※ 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	ミスレイヴバンプ	櫻井光（川崎）	実22.5	B△ A△勝率8% EV+79% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 08/12 浦和5R 3着/9頭+1.1秒 07/17 浦和5R 10着/12頭 06/26 浦和6R 6着/8頭+1.0秒 05/29 浦和7R 4着/10頭 01/08 浦和5R 6着/12頭+0.6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 6.3着 △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 15走で勝率 7% ○ 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) -77% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 4.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.0% / 期待値 +79% ※ 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 ◎

キタサンリボン

騎手笹川翼（大井）

単勝オッズ

1.2倍

AI期待値

+4%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○2モーリシャスアロマ

6.8倍

EV -35%

▲A:▲10ジェノバフレイバー

8.3倍

EV -91%

出走馬全13頭

◎A:◎9

キタサンリボン

笹川翼（大井）

1.2倍

+4%

›

○A:○2

モーリシャスアロマ

福原杏（浦和）

6.8倍

-35%

›

▲A:▲10

ジェノバフレイバー

張田昂（船橋）

8.3倍

-91%

›

△A:△13

ミスレイヴバンプ

櫻井光（川崎）

22.5倍

-76%

›

△A:△8

コビナイフォンテン

小杉亮（船橋）

24.1倍

-75%

›

△A:▽4

ノワスティエ

中島良（浦和）

48.0倍

-96%

›

×A:▽1

ルイーサ

岡村裕（川崎）

114.6倍

-92%

›

×A:△3

キアラボヌール

加藤雄（川崎）

36.8倍

-99%

›

×A:▽12

レターフロムパリ

達城龍（大井）

42.9倍

-99%

›

×A:▽5

ポレポレ

木間龍（船橋）

91.8倍

-99%

›

×A:▽11

キョウエイサマンサ

藤本現（大井）

118.4倍

-99%

›

×A:▽6

プリヤンカー

田中洸（大井）

145.0倍

-99%

›

×A:▽7

エットトゥカム

岡田大（浦和）

168.6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

9R 浦和競馬場ダ1400m ダート1400m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ルイーサ逃げ	岡村裕（川崎）	実114.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 09/10 川崎2R 10着/12頭+3.3秒 08/21 川崎1R 2着/12頭+0.3秒 08/04 船橋3R 7着/8頭+2.3秒 07/28 川崎3R 8着/9頭+2.1秒 07/07 川崎6R 4着/11頭+4.0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 6.3着 △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 10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) +77% (市場が大幅過小評価) AI 予想勝率 1.5% (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。
2	モーリシャスアロマ自在	福原杏（浦和）	実6.8	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率0%と苦戦傾向／同馬場状態で勝率33%／前走2着）
前5走 08/12 浦和4R 2着/6頭+0.6秒 06/24 浦和4R 6着/8頭 05/29 浦和7R 3着/10頭 04/24 浦和7R 3着/11頭+2.0秒 03/16 浦和3R 5着/10頭+0.9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 3.7着 × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ◎ 馬場適性同馬場 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) +11% (市場と概ね一致) AI 予想勝率 16.4% (オッズ暗示: 14.7%) ※ 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	キアラボヌール先行	加藤雄（川崎）	実36.8	△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42走で勝ち無し／前走3着）
前5走 09/10 川崎1R 3着/12頭+1.7秒 08/21 川崎5R 7着/12頭+2.3秒 07/27 川崎1R 6着/9頭+1.7秒 07/17 浦和5R 3着/12頭+0.0秒 07/10 川崎12R 7着/10頭+0.0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 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 42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) ○ 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) +29% (市場と概ね一致) AI 予想勝率 3.5% (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。
4	ノワスティエ	中島良（浦和）	実48.0	▽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8走で勝ち無し）
前5走 08/12 浦和5R 7着/9頭+1.6秒 07/16 浦和1R 2着/9頭+1.0秒 06/26 浦和3R 3着/9頭+6.0秒 06/04 船橋4R 6着/11頭 05/29 浦和6R 4着/9頭+0.0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 4.0着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 2.1% (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。
5	ポレポレ先行	木間龍（船橋）	実91.8	▽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13走で勝ち無し）
前5走 08/12 浦和5R 8着/9頭+2.0秒 07/17 浦和5R 9着/12頭+0.0秒 05/28 浦和4R 4着/8頭 04/22 浦和4R 6着/11頭+1.8秒 01/08 浦和7R 7着/12頭+2.5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 7.0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 13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) +33% (妙味あり) AI 予想勝率 1.5% (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。
6	プリヤンカー先行	田中洸（大井）	実145.0	▽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10走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/24 浦和4R 7着/8頭+2.0秒 05/27 浦和4R 9着/10頭+2.0秒 04/24 浦和6R 8着/11頭+1.9秒 04/08 川崎6R 8着/12頭+1.2秒 03/19 浦和4R 3着/11頭+1.1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 8.0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 10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 93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 0.7% (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。
7	エットトゥカム	岡田大（浦和）	実168.6	▽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0%と苦戦傾向／同距離帯は14走で勝ち無し）
前5走 08/28 船橋6R 8着/12頭+2.9秒 08/02 船橋9R 4着/11頭+0.5秒 07/17 浦和5R 6着/12頭 07/02 船橋3R 7着/8頭 06/04 船橋5R 4着/12頭
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 6.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 14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 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 0.6% (オッズ暗示: 0.6%) ※ 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	コビナイフォンテン	小杉亮（船橋）	実24.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高）
前5走 08/28 船橋6R 5着/12頭+2.5秒 08/21 川崎5R 5着/12頭+1.8秒 08/04 船橋3R 2着/8頭+0.0秒 07/16 浦和4R 1着/12頭 07/04 船橋6R 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 4.0着 ◎ 当競馬場適性 8走で勝率 25% (得意) △ 距離適性同距離 34走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 5.9% (オッズ暗示: 4.1%) ※ 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	キタサンリボン逃げ	笹川翼（大井）	実1.2	◎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7走で勝率57%と適性高／同距離帯9走で勝率56%／直近3走で勝率67%と好調）
前5走 06/24 浦和4R 4着/8頭 02/26 浦和7R 1着/12頭勝利 12/23 浦和6R 1着/12頭勝利 08/15 浦和8R 4着/10頭+0.5秒 07/25 浦和5R 1着/13頭勝利
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 67% (絶好調) ◎ 当競馬場適性 7走で勝率 57% (得意) ◎ 距離適性同距離 9走で勝率 56% ◎ 騎手近50戦勝率 28% (好調) △ ローテーション 93日休養明け × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 43.5% (オッズ暗示: 83.3%) ※ 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	ジェノバフレイバー	張田昂（船橋）	実8.3	▲詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率50%）
前5走 08/07 浦和9R 10着/10頭+3.3秒 07/17 浦和6R 3着/10頭 06/26 浦和6R 3着/8頭+1.0秒 05/29 浦和7R 2着/10頭 04/24 浦和1R 1着/11頭勝利
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 5.3着 ○ 当競馬場適性 29走で勝率 17% (相性良) ○ 距離適性同距離 29走で勝率 17% ◎ 馬場適性同馬場 6走で勝率 50% ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 12.3% (オッズ暗示: 12.0%) ※ 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。
11	キョウエイサマンサ	藤本現（大井）	実118.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18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8.3着と低調）
前5走 08/28 船橋6R 10着/12頭+3.2秒 08/12 浦和5R 6着/9頭+1.5秒 07/17 浦和6R 9着/10頭+0.0秒 06/26 浦和5R 2着/7頭 05/25 浦和9R 3着/11頭+0.0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 18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 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 1.2% (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。
12	レターフロムパリ先行	達城龍（大井）	実42.9	▽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 09/10 川崎1R 7着/12頭+2.5秒 08/21 川崎5R 8着/12頭+2.5秒 07/29 川崎1R 11着/12頭+2.6秒 07/08 川崎1R 9着/11頭 05/11 川崎7R 11着/12頭+2.8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 8.7着 (不振) △ 距離適性同距離 10走で勝率 10% ○ 馬場適性同馬場 7走で勝率 29% △ 騎手近50戦勝率 2% (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) +16% (市場と概ね一致) AI 予想勝率 2.7% (オッズ暗示: 2.3%) ※ 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。
13	ミスレイヴバンプ	櫻井光（川崎）	実22.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 08/12 浦和5R 3着/9頭+1.1秒 07/17 浦和5R 10着/12頭 06/26 浦和6R 6着/8頭+1.0秒 05/29 浦和7R 4着/10頭 01/08 浦和5R 6着/12頭+0.6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 6.3着 △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 15走で勝率 7% ○ 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) +79% (市場が大幅過小評価) AI 予想勝率 8.0% (オッズ暗示: 4.4%) ※ 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

キタサンリボン

騎手笹川翼（大井）

単勝オッズ

1.2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

○2モーリシャスアロマ

6.8倍

EV +11%

▲10ジェノバフレイバー

8.3倍

EV +2%

出走馬全13頭

◎9

キタサンリボン

笹川翼（大井）

1.2倍

-47%

›

○2

モーリシャスアロマ

福原杏（浦和）

6.8倍

+11%

›

▲10

ジェノバフレイバー

張田昂（船橋）

8.3倍

+2%

›

△13

ミスレイヴバンプ

櫻井光（川崎）

22.5倍

+79%

›

△8

コビナイフォンテン

小杉亮（船橋）

24.1倍

+42%

›

△3

キアラボヌール

加藤雄（川崎）

36.8倍

+29%

›

▽12

レターフロムパリ

達城龍（大井）

42.9倍

+16%

›

▽4

ノワスティエ

中島良（浦和）

48.0倍

+0%

›

▽1

ルイーサ

岡村裕（川崎）

114.6倍

+77%

›

▽5

ポレポレ

木間龍（船橋）

91.8倍

+33%

›

▽11

キョウエイサマンサ

藤本現（大井）

118.4倍

+45%

›

▽6

プリヤンカー

田中洸（大井）

145.0倍

+3%

›

▽7

エットトゥカム

岡田大（浦和）

168.6倍

+2%

›

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