札幌 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。

モデル

2R 札幌競馬場　発走 10:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ランダムナンバー	浜中	実49.8	B▽ A▽勝率6% EV+198% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 2.1% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.0% / 期待値 +199% ※ 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	ショパンコンクール	横山琉	実9.4	B△ A△勝率9% EV-13% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.5着 △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 9.7% (オッズ暗示: 10.6%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 9.2% / 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。
3	アルデシンザン	佐々木	実2.9	B🌟◎ A×勝率13% EV-61% 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走平均9.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 30.9% (オッズ暗示: 34.5%) × Aモデルの評価 (参考) レース内 1位 / 勝率 13.2% / 期待値 -62% ※ 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	リアルジャパン	吉田隼	実10.6	B△ A△勝率8% EV-19% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.0着 ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 9.7% (オッズ暗示: 9.4%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.6% / 期待値 -20% ※ 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	トルネードサンダー	岩田康	実10.4	B△ A△勝率9% EV-4% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.0着 △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 9.9% (オッズ暗示: 9.6%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.2% / 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。
6	アズライトティアラ	☆舟山	実56.3	B▽ A▽勝率6% EV+223% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.5着 △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.7% / 期待値 +224% ※ 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	チカバリエンテ	▲小林美	実2.7	B○ A○勝率13% EV-64% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.7着と安定／前走2着）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 2.7着 (安定) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 18.1% (オッズ暗示: 37.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 13.0% / 期待値 -65% ※ 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	サンシルヴァリー	川又	実68.2	B▽ A▽勝率5% EV+267% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 1.5% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 5.4% / 期待値 +268% ※ 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	ライフイズアート	岩田望	実8.4	B▲ A▲勝率10% EV-18% 詳細▼	AI上位評価だが期待値不足、見送り（前走2着）
前5走 1回1日札幌2R 5着/8頭 ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.5着 ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 10.0% (オッズ暗示: 11.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.7% / 期待値 -19% ※ 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	ジャストワナフライ	斎藤	実45.9	B▽ A▽勝率6% EV+180% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 1回2日札幌5R 8着/10頭 ― ― ― ―
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 2.1% (オッズ暗示: 2.2%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.1% / 期待値 +181% ※ 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	ルギッドドランジュ	北村友	実28.0	B▽ A▽勝率6% EV+65% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.0着 △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 3.6%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.9% / 期待値 +65% ※ 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	ゴートゥービッツン	▲遠藤	実146.6	B× A▽勝率5% EV+562% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.3着 × 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 0.3% (オッズ暗示: 0.7%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.5% / 期待値 +562% ※ 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	リラカリス	★河原田	実153.5	B▽ A▽勝率5% EV+592% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 0.7%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.5% / 期待値 +593% ※ 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

🎯 AIの本命

AI評価1位Aモデル ×

アルデシンザン

騎手佐々木

単勝オッズ

2.9倍

AI期待値

-10%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○7チカバリエンテ

2.7倍

EV -51%

▲A:▲9ライフイズアート

8.4倍

EV -16%

出走馬全13頭

◎A:×3

アルデシンザン

佐々木

2.9倍

-10%

›

○A:○7

チカバリエンテ

▲小林美

2.7倍

-51%

›

▲A:▲9

ライフイズアート

岩田望

8.4倍

-16%

›

△A:△5

トルネードサンダー

岩田康

10.4倍

+3%

›

△A:△2

ショパンコンクール

横山琉

9.4倍

-8%

›

△A:△4

リアルジャパン

吉田隼

10.6倍

+3%

›

▽A:▽11

ルギッドドランジュ

北村友

28.0倍

-4%

›

▽A:▽10

ジャストワナフライ

斎藤

45.9倍

-2%

›

▽A:▽1

ランダムナンバー

浜中

49.8倍

+5%

›

▽A:▽6

アズライトティアラ

☆舟山

56.3倍

-12%

›

▽A:▽8

サンシルヴァリー

川又

68.2倍

+5%

›

▽A:▽13

リラカリス

★河原田

153.5倍

›

×A:▽12

ゴートゥービッツン

▲遠藤

146.6倍

-51%

›

💡 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。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

2R 札幌競馬場　発走 10:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ランダムナンバー	浜中	実49.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +198% (市場が大幅過小評価) AI 予想勝率 6.0% (オッズ暗示: 2.0%) ※ 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。
2	ショパンコンクール	横山琉	実9.4	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.5着 △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 9.2% (オッズ暗示: 10.6%) ※ 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	アルデシンザン	佐々木	実2.9	×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（直近3走平均9.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) × 期待値 (オッズ vs AI勝率) -62% (大幅な期待値マイナス) AI 予想勝率 13.2% (オッズ暗示: 34.5%) ※ 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	リアルジャパン	吉田隼	実10.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.0着 ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 7.6% (オッズ暗示: 9.4%) ※ 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。
5	トルネードサンダー	岩田康	実10.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.0着 △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 9.2% (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。
6	アズライトティアラ	☆舟山	実56.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.5着 🌟◎ 期待値 (オッズ vs AI勝率) +223% (市場が大幅過小評価) AI 予想勝率 5.7% (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。
7	チカバリエンテ	▲小林美	実2.7	○詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.7着と安定／前走2着）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 2.7着 (安定) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 13.0% (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。
8	サンシルヴァリー	川又	実68.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +267% (市場が大幅過小評価) AI 予想勝率 5.4% (オッズ暗示: 1.5%) ※ 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	ライフイズアート	岩田望	実8.4	▲詳細▼	AI上位評価だが期待値不足、見送り（前走2着）
前5走 1回1日札幌2R 5着/8頭 ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.5着 ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 9.7% (オッズ暗示: 11.9%) ※ 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	ジャストワナフライ	斎藤	実45.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 1回2日札幌5R 8着/10頭 ― ― ― ―
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +180% (市場が大幅過小評価) AI 予想勝率 6.1% (オッズ暗示: 2.2%) ※ 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	ルギッドドランジュ	北村友	実28.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.0着 🌟◎ 期待値 (オッズ vs AI勝率) +65% (市場が大幅過小評価) AI 予想勝率 5.9% (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。
12	ゴートゥービッツン	▲遠藤	実146.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.3着 🌟◎ 期待値 (オッズ vs AI勝率) +562% (市場が大幅過小評価) AI 予想勝率 4.5% (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。
13	リラカリス	★河原田	実153.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +592% (市場が大幅過小評価) AI 予想勝率 4.5% (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。

🎯 AIの本命

AI評価1位

アルデシンザン

騎手佐々木

単勝オッズ

2.9倍

AI期待値

-61%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7チカバリエンテ

2.7倍

EV -64%

▲9ライフイズアート

8.4倍

EV -18%

出走馬全13頭

×3

アルデシンザン

佐々木

2.9倍

-61%

›

○7

チカバリエンテ

▲小林美

2.7倍

-64%

›

▲9

ライフイズアート

岩田望

8.4倍

-18%

›

△5

トルネードサンダー

岩田康

10.4倍

-4%

›

△2

ショパンコンクール

横山琉

9.4倍

-13%

›

△4

リアルジャパン

吉田隼

10.6倍

-19%

›

▽10

ジャストワナフライ

斎藤

45.9倍

+180%

›

▽1

ランダムナンバー

浜中

49.8倍

+198%

›

▽11

ルギッドドランジュ

北村友

28.0倍

+65%

›

▽6

アズライトティアラ

☆舟山

56.3倍

+223%

›

▽8

サンシルヴァリー

川又

68.2倍

+267%

›

▽12

ゴートゥービッツン

▲遠藤

146.6倍

+562%

›

▽13

リラカリス

★河原田

153.5倍

+592%

›

💡 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。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

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）

本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。