名古屋 2R 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。

2R 名古屋競馬場ダ1500m 発走 12:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クワイエットエニフ逃げ	木之葵（愛知）	実64.0	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場21走で勝率5%と苦戦傾向／同距離帯は13走で勝ち無し）
前5走 09/15 名古屋8R 7着/11頭+1.0秒 09/02 名古屋6R 10着/12頭+1.8秒 08/19 名古屋2R 6着/12頭+2.4秒 07/29 名古屋1R 10着/12頭+2.4秒 07/01 名古屋5R 7着/12頭
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 7.7着 (不振) × 当競馬場適性 21走で勝率 5% (苦戦) ▽ 距離適性同距離は 13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) -22% (オッズ過剰評価) AI 予想勝率 1.2% (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。
2	キタノタイキ先行	今井貴（愛知）	実10.4	△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33%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 09/30 名古屋3R 8着/12頭+3.7秒 09/01 名古屋4R 1着/10頭勝利 08/24 名古屋1R 6着/11頭+1.9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 3走で勝率 33% ○ 騎手近50戦勝率 14% ○ 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) -20% (オッズ過剰評価) AI 予想勝率 7.7% (オッズ暗示: 9.6%) ※ 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。
3	ナムラカメコ逃げ	加藤誓（愛知）	実16.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 09/30 名古屋12R 7着/12頭+1.0秒 09/17 名古屋1R 10着/10頭+5.1秒 09/07 名古屋4R 6着/9頭+5.3秒 08/18 名古屋12R 1着/12頭勝利 07/13 名古屋4R 7着/12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 7.7着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 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% (市場と概ね一致) AI 予想勝率 6.5% (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。
4	ラスターヴァース	阪野学（愛知）	実8.1	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
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) △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 9.3% (オッズ暗示: 12.3%) ※ 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。
5	オーブラボー先行	柿原翔（愛知）	実358.3	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場74走で勝率3%と苦戦傾向／同距離帯は69走で勝ち無し／直近3走平均8.7着と低調）
前5走 09/29 名古屋8R 10着/12頭+2.4秒 09/16 名古屋5R 9着/11頭+1.6秒 09/02 名古屋7R 7着/12頭+2.2秒 08/19 名古屋2R 8着/12頭+3.4秒 07/29 名古屋1R 11着/12頭+3.8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 8.7着 (不振) × 当競馬場適性 74走で勝率 3% (苦戦) ▽ 距離適性同距離は 69走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ 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) +49%（30倍を超える大穴は買う範囲の外） AI 予想勝率 0.4% (オッズ暗示: 0.3%) ※ 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。
6	パーフェクトスノー逃げ	細川智（愛知）	実5.7	▲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／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 09/30 名古屋3R 9着/12頭+4.3秒 09/14 名古屋1R 1着/11頭勝利 08/18 名古屋4R 9着/12頭+2.5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 3走で勝率 33% ○ 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) -43% (大幅な期待値マイナス) AI 予想勝率 10.1% (オッズ暗示: 17.5%) ※ 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。
7	ハウスオンファイア自在	友森翔（愛知）	実4.4	○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／同距離帯は7走で勝ち無し／直近3走平均2.7着と安定）
前5走 09/18 名古屋3R 3着/10頭+0.9秒 09/07 名古屋3R 3着/9頭+1.1秒 06/03 名古屋3R 2着/12頭+2.0秒 05/22 名古屋2R 9着/10頭 05/08 名古屋7R 10着/11頭+5.7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 2.7着 (安定) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 前走実績前走 3着 (好走) ○ 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) -25% (オッズ過剰評価) AI 予想勝率 17.1% (オッズ暗示: 22.7%) ※ 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。
8	ガムピーリング先行	村上弘（愛知）	実210.3	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場20走で勝率0%と苦戦傾向／同距離帯は30走で勝ち無し／直近3走平均9.3着と低調）
前5走 09/29 名古屋7R 10着/12頭+3.2秒 09/15 名古屋7R 7着/11頭+2.9秒 09/02 名古屋5R 11着/12頭+3.7秒 08/19 名古屋1R 11着/11頭+1.9秒 07/28 名古屋6R 4着/12頭+0.8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 9.3着 (不振) × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 30走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ 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) +33%（30倍を超える大穴は買う範囲の外） AI 予想勝率 0.6% (オッズ暗示: 0.5%) ※ 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。
9	カイトアザリー自在	尾崎章（愛知）	実34.9	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場17走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し）
前5走 09/30 名古屋12R 9着/12頭+1.3秒 09/17 名古屋1R 8着/10頭+2.2秒 09/07 名古屋4R 4着/9頭+3.4秒 08/20 名古屋1R 8着/11頭+1.4秒 07/01 名古屋3R 4着/12頭
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 7.0着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し △ 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) -41% (大幅な期待値マイナス) AI 予想勝率 1.7% (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。
10	ヤタガラスマヒナ自在	加藤利（愛知）	実26.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場45走で勝率0%と苦戦傾向／同距離帯は34走で勝ち無し／前走2着）
前5走 09/14 名古屋6R 2着/10頭+0.5秒 09/01 名古屋7R 4着/10頭+2.0秒 08/18 名古屋7R 12着/12頭+4.1秒 07/28 名古屋6R 10着/12頭+3.9秒 01/28 名古屋1R 12着/12頭+2.7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 6.0着 × 当競馬場適性 45走で勝率 0% (苦戦) ▽ 距離適性同距離は 34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) -35% (大幅な期待値マイナス) AI 予想勝率 2.5% (オッズ暗示: 3.8%) ※ 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。
11	フクスケ差し	塚本征（愛知）	実2.0	◎詳細▼	AI予想勝率は最上位だが、オッズが買う範囲（5〜30倍）より低く見送り（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／騎手は近50戦で勝率32%）
前5走 09/30 名古屋2R 5着/12頭+0.4秒 09/18 名古屋12R 2着/12頭+1.1秒 09/02 名古屋4R 4着/11頭+2.4秒 08/21 名古屋12R 5着/12頭+1.2秒 07/31 名古屋2R 7着/12頭+3.3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 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ◎ 騎手近50戦勝率 32% (好調) ○ 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) -14% (オッズ過剰評価) AI 予想勝率 42.8% (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。

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）

見送りAI の 1 位の馬

フクスケ

騎手塚本征（愛知）

2.0倍

AI の勝率43%損益の分かれ目50%

オッズが買う範囲（5〜30倍）より低く見送り。

買う条件: オッズ 5〜30 倍・期待値 +30% 以上・1 レース 1 頭まで

出走馬全11頭

◎11

フクスケ

塚本征（愛知）

2.0倍

勝率 43%

›

○7

ハウスオンファイア

友森翔（愛知）

4.4倍

勝率 17%

›

▲6

パーフェクトスノー

細川智（愛知）

5.7倍

勝率 10%

›

△4

ラスターヴァース

阪野学（愛知）

8.1倍

勝率 9%

›

△2

キタノタイキ

今井貴（愛知）

10.4倍

勝率 8%

›

△3

ナムラカメコ

加藤誓（愛知）

16.4倍

勝率 7%

›

▽10

ヤタガラスマヒナ

加藤利（愛知）

26.4倍

勝率 2%

›

▽9

カイトアザリー

尾崎章（愛知）

34.9倍

対象外勝率 2%

›

▽1

クワイエットエニフ

木之葵（愛知）

64.0倍

対象外勝率 1%

›

▽8

ガムピーリング

村上弘（愛知）

210.3倍

対象外勝率 1%

›

▽5

オーブラボー

柿原翔（愛知）

358.3倍

対象外勝率 0%

›

各馬をタップでAI評価の根拠を表示。買う条件: オッズ 5〜30 倍・期待値 +30% 以上・1 レース 1 頭まで。

▶ 展開シミュレーション

このレースの推奨馬券

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