川崎 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。

9R 川崎競馬場津久井やまＢ３一ダ1600m 発走 18:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サラサグッドワーク追込	望月洵（愛知）	実19.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率26%）
前5走 11/03 船橋10R 6着/14頭+2.0秒 10/14 川崎9R 7着/14頭+1.0秒 04/22 浦和10R 10着/12頭+1.7秒 04/08 川崎10R 9着/14頭+2.0秒 03/10 船橋10R 2着/11頭+0.2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 7.7着 (不振) ○ 当競馬場適性 18走で勝率 22% (相性良) △ 距離適性同距離 8走で勝率 12% ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 2.8% (オッズ暗示: 5.1%) ※ 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	マイネルボス	佐野遥（川崎）	実7.3	△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50%と好調／前走3着）
前5走 10/13 川崎12R 3着/3頭 09/11 川崎10R 1着/12頭勝利 ― ― ―
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 50% (絶好調) ○ 前走実績前走 3着 (好走) × 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 6.3% (オッズ暗示: 13.7%) ※ 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	チェリスト自在	岡村健（船橋）	実2.7	◎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（同距離帯5走で勝率60%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 10/21 浦和7R 1着/13頭勝利 09/28 船橋11R 5着/11頭+1.3秒 08/24 船橋11R 3着/14頭+0.2秒 08/04 船橋8R 1着/8頭勝利 07/02 船橋7R 1着/9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) ◎ 距離適性同距離 5走で勝率 60% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 43.8% (オッズ暗示: 37.0%) ※ 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。
4	リュウバター	山林信（川崎）	実58.7	×詳細▼	大穴（30倍超）は買う範囲の外で対象外（同距離帯は5走で勝ち無し／直近3走で勝率67%と好調）
前5走 10/16 川崎10R 12着/12頭+2.1秒 09/08 川崎12R 1着/3頭 07/06 川崎8R 1着/9頭 06/18 川崎8R 2着/10頭 05/12 川崎12R 8着/14頭+0.7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戦の調子勝率 67% (絶好調) △ 当競馬場適性 40走で勝率 12% ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ 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) -70% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.7%) ※ 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。
5	ダイバオーソ差し	中島良（浦和）	実91.3	×詳細▼	大穴（30倍超）は買う範囲の外で対象外（同距離帯は5走で勝ち無し／直近3走平均9.3着と低調）
前5走 10/21 浦和7R 12着/13頭+1.8秒 09/24 浦和10R 7着/12頭+1.2秒 08/12 浦和10R 9着/11頭+1.1秒 07/15 浦和8R 11着/12頭+0.0秒 06/24 浦和10R 7着/11頭
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 6走で勝率 17% (相性良) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 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 0.3% (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	カナールゲイル	町田直（川崎）	実37.1	×詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場9走で勝率33%と適性高／62日ぶりの実戦）
前5走 09/10 川崎12R 6着/14頭+2.0秒 08/21 川崎10R 3着/10頭+0.4秒 07/28 川崎11R 8着/14頭+1.2秒 07/08 川崎9R 2着/10頭+5.0秒 06/17 川崎6R 1着/8頭
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 5.7着 ◎ 当競馬場適性 9走で勝率 33% (得意) ○ 騎手近50戦勝率 18% × 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 1.1% (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。
7	エスケントバゴ	福原杏（浦和）	実44.2	×詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 10/19 浦和11R 10着/14頭+1.9秒 09/24 浦和10R 5着/12頭+0.8秒 06/26 浦和10R 3着/12頭+1.0秒 05/29 浦和11R 8着/10頭+0.0秒 04/23 浦和12R 6着/10頭+1.7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 6.0着 × 当競馬場適性 5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 10着 (大敗) ○ ローテーション 23日の間隔 (理想的) × 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 0.9% (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。
8	ラーマ	吉原寛（金沢）	実11.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率50%／直近3走で勝率33%と好調／62日ぶりの実戦）
前5走 09/10 川崎12R 4着/14頭+1.3秒 07/27 川崎12R 1着/11頭勝利 07/06 川崎10R 4着/11頭 05/11 川崎10R 1着/6頭勝利 04/22 浦和8R 3着/12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戦の調子勝率 33% (上り調子) ○ 当競馬場適性 11走で勝率 18% (相性良) ◎ 距離適性同距離 4走で勝率 50% ◎ 騎手近50戦勝率 26% (好調) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 7.6% (オッズ暗示: 8.8%) ※ 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。
9	ハネダブライアン自在	野畑凌（川崎）	実11.8	△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／同距離帯は3走で勝ち無し／64日ぶりの実戦）
前5走 09/08 川崎10R 5着/14頭+0.7秒 08/21 川崎9R 2着/12頭+0.1秒 07/28 川崎11R 13着/14頭+3.3秒 07/09 川崎12R 3着/3頭 11/05 船橋11R 5着/9頭+0.9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 6.7着 ◎ 当競馬場適性 6走で勝率 33% (得意) ▽ 距離適性同距離は 3走で勝ち無し × 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 5.1% (オッズ暗示: 8.5%) ※ 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。
10	ヴルールドロワ	見越彬（浦和）	実3.8	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率100%と好調／前走勝利の勢い）
前5走 10/22 浦和12R 1着/12頭勝利 09/25 浦和12R 1着/3頭 09/08 川崎8R 1着/8頭勝利 08/13 大井9R 13着/15頭+2.5秒 07/15 浦和2R 2着/9頭+5.0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戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 20.6% (オッズ暗示: 26.3%) ※ 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。
11	カセノラオー逃げ	矢野貴（大井）	実27.1	▽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50%と適性高／直近3走平均9.0着と低調／181日ぶりの実戦）
前5走 05/14 川崎12R 10着/12頭+2.4秒 04/22 浦和10R 8着/12頭+1.1秒 04/06 川崎10R 9着/10頭+1.6秒 03/02 川崎12R 1着/12頭勝利 12/19 川崎11R 1着/12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 9.0着 (不振) ◎ 当競馬場適性 8走で勝率 50% (得意) ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 10着 (大敗) △ ローテーション 181日休養明け △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 3.1% (オッズ暗示: 3.7%) ※ 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。
12	ホースワン差し	笹川翼（大井）	実27.7	×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38%と適性高／同距離帯4走で勝率25%／前走3着）
前5走 08/21 川崎9R 3着/12頭+1.1秒 07/27 川崎10R 8着/10頭+1.6秒 04/08 川崎12R 4着/14頭+1.5秒 03/02 川崎7R 1着/7頭勝利 02/02 川崎8R 1着/14頭勝利
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 5.0着 ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 3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 1.6% (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。
13	ホウオウパレード逃げ	本田重（船橋）	実10.3	△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5走 10/21 浦和7R 6着/13頭+1.2秒 04/20 浦和10R 3着/12頭+1.1秒 03/05 川崎9R 1着/11頭勝利 12/29 大井10R 2着/13頭+1.0秒 11/27 浦和7R 8着/12頭+0.7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戦の調子勝率 33% (上り調子) ◎ 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 21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 5.5% (オッズ暗示: 9.7%) ※ 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。
14	マインドブロン	本橋孝（船橋）	実64.4	×詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均10.7着と低調／128日ぶりの実戦）
前5走 07/06 川崎10R 10着/11頭 06/16 川崎9R 11着/14頭 06/04 船橋10R 11着/11頭+6.0秒 05/12 川崎10R 5着/14頭+1.8秒 03/03 川崎10R 8着/12頭+1.8秒
AI 評価の内訳 — 馬番 14 ◎ 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 10.7着 (不振) ○ 当競馬場適性 15走で勝率 20% (相性良) △ 距離適性同距離 11走で勝率 9% ▽ 前走実績前走 10着 (大敗) △ ローテーション 128日休養明け × 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 0.6% (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。

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

チェリスト

騎手岡村健（船橋）

2.7倍

AI の勝率44%損益の分かれ目37%

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14頭

◎3

チェリスト

岡村健（船橋）

2.7倍

勝率 44%

›

○10

ヴルールドロワ

見越彬（浦和）

3.8倍

勝率 21%

›

▲8

ラーマ

吉原寛（金沢）

11.3倍

勝率 8%

›

△2

マイネルボス

佐野遥（川崎）

7.3倍

勝率 6%

›

△13

ホウオウパレード

本田重（船橋）

10.3倍

勝率 6%

›

△9

ハネダブライアン

野畑凌（川崎）

11.8倍

勝率 5%

›

▽11

カセノラオー

矢野貴（大井）

27.1倍

勝率 3%

›

▽1

サラサグッドワーク

望月洵（愛知）

19.5倍

勝率 3%

›

×12

ホースワン

笹川翼（大井）

27.7倍

勝率 2%

›

×6

カナールゲイル

町田直（川崎）

37.1倍

対象外勝率 1%

›

×7

エスケントバゴ

福原杏（浦和）

44.2倍

対象外勝率 1%

›

×14

マインドブロン

本橋孝（船橋）

64.4倍

対象外勝率 1%

›

×4

リュウバター

山林信（川崎）

58.7倍

対象外勝率 1%

›

×5

ダイバオーソ

中島良（浦和）

91.3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