札幌 7R 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

7R 札幌競馬場　発走 13:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シェーンルスカ	▲遠藤	実205.9	B× A▽勝率4% EV+795% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／118日ぶりの実戦）
前5走 12/13 5中京32R 14着/16頭+2.3秒 10/16 名古屋1R 1着/12頭勝利 09/30 名古屋7R 2着/12頭+0.1秒 09/03 名古屋4R 3着/12頭+0.2秒 08/21 名古屋1R 1着/10頭勝利
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 15着 (大敗) △ ローテーション 118日休養明け × 期待値 (オッズ vs AI勝率) -60% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.5%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.3% / 期待値 +795% ※ 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	ワイドデコラシオン	横山武	実3.5	B△ A○勝率12% EV-58% 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33%と好調／90日ぶりの実戦）
前5走 09/10 笠松8R 1着/9頭勝利 06/29 2小倉24R 5着/16頭+1.4秒 05/03 1新潟13R 3着/15頭+0.2秒 04/20 2阪神81R 2着/16頭+0.5秒 03/30 2阪神22R 3着/16頭+0.6秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ ローテーション 90日休養明け × 期待値 (オッズ vs AI勝率) -60% (大幅な期待値マイナス) AI 予想勝率 11.3% (オッズ暗示: 28.6%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 11.7% / 期待値 -59% ※ 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	グランセレスト	川又	実30.2	B△ A▽勝率8% EV+131% 詳細▼	大穴、AI予想勝率低く長期回収困難（104日ぶりの実戦）
前5走 11/30 5東京88R 7着/8頭+1.7秒 11/02 4東京111R 1着/12頭勝利 08/30 3新潟33R 4着/11頭+0.6秒 08/16 2新潟71R 4着/13頭+0.4秒 06/21 3東京55R 5着/12頭+0.9秒
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 5.3着 △ ローテーション 104日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +208% (市場が大幅過小評価) AI 予想勝率 10.2% (オッズ暗示: 3.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 7.7% / 期待値 +131% ※ 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	ロードヴァルカン	岩田望	実9.0	B△ A△勝率10% EV-10% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（112日ぶりの実戦）
前5走 11/08 3福島18R 5着/16頭+0.5秒 10/13 3京都512R 2着/16頭+0.0秒 09/28 4阪神96R 2着/16頭+0.3秒 09/14 4阪神412R 3着/16頭+1.8秒 06/29 2小倉28R 13着/14頭+2.7秒
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 4.7着 △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 10.2% (オッズ暗示: 11.1%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.0% / 期待値 -10% ※ 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	ヨドノゴールド	岩田康	実53.7	B▽ A▽勝率5% EV+192% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／90日ぶりの実戦）
前5走 05/24 1新潟712R 5着/14頭+0.5秒 05/04 1新潟27R 2着/14頭+0.0秒 04/13 1福島28R 2着/16頭+0.0秒 01/12 1中京48R 6着/16頭+0.3秒 12/15 4中京62R 2着/16頭+0.4秒
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 7.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ ローテーション 90日休養明け △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.5% / 期待値 +193% ※ 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	ランドスター	▲小林美	実5.9	B◎ A▲勝率11% EV-33% 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8.3着と低調／189日ぶりの実戦）
前5走 12/20 5中京59R 8着/9頭+0.8秒 11/16 3福島49R 4着/16頭+0.2秒 09/20 4中山69R 5着/13頭+0.6秒 08/09 2新潟58R 4着/9頭+0.4秒 06/22 3東京66R 1着/16頭勝利
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 8.3着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 189日休養明け △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 22.0% (オッズ暗示: 16.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.3% / 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。
7	テーオーナタリー	★河原田	実6.5	B▲ A△勝率11% EV-28% 詳細▼	AI上位評価だが期待値不足、見送り（77日ぶりの実戦）
前5走 12/14 5阪神46R 4着/7頭+0.9秒 11/22 4京都51R 1着/14頭勝利 10/25 3京都86R 3着/16頭+0.4秒 ― ―
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 4.7着 △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 15.8% (オッズ暗示: 15.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 11.0% / 期待値 -28% ※ 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	カップッチョ	黛	実86.1	B▽ A▽勝率5% EV+344% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場120走で勝率0%と苦戦傾向／直近3走平均10.0着と低調／420日ぶりの実戦）
前5走 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒
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 10.0着 (不振) × 当競馬場適性 120走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) △ ローテーション 420日休養明け × 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 0.7% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 5.2% / 期待値 +345% ※ 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	ステラノヴァ	☆舟山	実35.7	B▽ A▽勝率6% EV+101% 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／直近3走で勝率33%と好調／140日ぶりの実戦）
前5走 12/31 園田10R 2着/12頭+0.3秒 12/04 園田9R 2着/9頭+0.4秒 11/12 園田10R 2着/8頭+0.1秒 10/30 園田9R 1着/9頭勝利 10/16 園田4R 1着/10頭勝利
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 16着 (大敗) △ ローテーション 140日休養明け × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.8%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.6% / 期待値 +101% ※ 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	グレイトソン	▲和田陽	実2.9	B○ A×勝率13% EV-62% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.0着と安定／前走2着／98日ぶりの実戦）
前5走 12/20 5阪神56R 9着/16頭+2.6秒 ― ― ― ―
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 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 98日休養明け × 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 19.0% (オッズ暗示: 34.5%) × Aモデルの評価 (参考) レース内 1位 / 勝率 12.9% / 期待値 -63% ※ 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	セイルロケット	◇古川奈	実29.0	B▽ A△勝率8% EV+123% 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／154日ぶりの実戦）
前5走 10/14 門別10R 1着/12頭勝利 10/02 門別7R 1着/12頭勝利 09/06 2札幌53R 3着/12頭+0.4秒 08/31 2札幌43R 2着/12頭+0.0秒 07/13 1函館103R 8着/16頭+0.5秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 16着 (大敗) △ ローテーション 154日休養明け △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 3.7% (オッズ暗示: 3.4%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.7% / 期待値 +124% ※ 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	ランプローグ	☆長浜	実16.0	B▽ A▽勝率7% EV+14% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（147日ぶりの実戦）
前5走 11/16 3福島49R 5着/16頭+0.5秒 10/19 4東京76R 3着/8頭+0.2秒 09/06 4中山15R 1着/16頭勝利 ― ―
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 △ ローテーション 147日休養明け × 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 3.7% (オッズ暗示: 6.2%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 7.2% / 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。

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 ▲

ランドスター

騎手 ▲小林美

単勝オッズ

5.9倍

AI期待値

+29%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:×10グレイトソン

2.9倍

EV -45%

▲A:△7テーオーナタリー

6.5倍

EV +2%

出走馬全12頭

◎A:▲6

ランドスター

▲小林美

5.9倍

+29%

›

○A:×10

グレイトソン

▲和田陽

2.9倍

-45%

›

▲A:△7

テーオーナタリー

★河原田

6.5倍

+2%

›

△A:○2

ワイドデコラシオン

横山武

3.5倍

-60%

›

△A:△4

ロードヴァルカン

岩田望

9.0倍

-8%

›

△A:▽3

グランセレスト

川又

30.2倍

+208%

›

▽A:▽12

ランプローグ

☆長浜

16.0倍

-40%

›

▽A:△11

セイルロケット

◇古川奈

29.0倍

+8%

›

▽A:▽9

ステラノヴァ

☆舟山

35.7倍

-42%

›

▽A:▽5

ヨドノゴールド

岩田康

53.7倍

-12%

›

▽A:▽8

カップッチョ

黛

86.1倍

-41%

›

×A:▽1

シェーンルスカ

▲遠藤

205.9倍

-59%

›

💡 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）

7R 札幌競馬場　発走 13:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シェーンルスカ	▲遠藤	実205.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／118日ぶりの実戦）
前5走 12/13 5中京32R 14着/16頭+2.3秒 10/16 名古屋1R 1着/12頭勝利 09/30 名古屋7R 2着/12頭+0.1秒 09/03 名古屋4R 3着/12頭+0.2秒 08/21 名古屋1R 1着/10頭勝利
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 15着 (大敗) △ ローテーション 118日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +795% (市場が大幅過小評価) AI 予想勝率 4.3% (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。
2	ワイドデコラシオン	横山武	実3.5	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／90日ぶりの実戦）
前5走 09/10 笠松8R 1着/9頭勝利 06/29 2小倉24R 5着/16頭+1.4秒 05/03 1新潟13R 3着/15頭+0.2秒 04/20 2阪神81R 2着/16頭+0.5秒 03/30 2阪神22R 3着/16頭+0.6秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ ローテーション 90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 11.7% (オッズ暗示: 28.6%) ※ 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	グランセレスト	川又	実30.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（104日ぶりの実戦）
前5走 11/30 5東京88R 7着/8頭+1.7秒 11/02 4東京111R 1着/12頭勝利 08/30 3新潟33R 4着/11頭+0.6秒 08/16 2新潟71R 4着/13頭+0.4秒 06/21 3東京55R 5着/12頭+0.9秒
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 5.3着 △ ローテーション 104日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +131% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 3.3%) ※ 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。
4	ロードヴァルカン	岩田望	実9.0	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（112日ぶりの実戦）
前5走 11/08 3福島18R 5着/16頭+0.5秒 10/13 3京都512R 2着/16頭+0.0秒 09/28 4阪神96R 2着/16頭+0.3秒 09/14 4阪神412R 3着/16頭+1.8秒 06/29 2小倉28R 13着/14頭+2.7秒
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 4.7着 △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 10.0% (オッズ暗示: 11.1%) ※ 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	ヨドノゴールド	岩田康	実53.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／90日ぶりの実戦）
前5走 05/24 1新潟712R 5着/14頭+0.5秒 05/04 1新潟27R 2着/14頭+0.0秒 04/13 1福島28R 2着/16頭+0.0秒 01/12 1中京48R 6着/16頭+0.3秒 12/15 4中京62R 2着/16頭+0.4秒
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 7.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ ローテーション 90日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +192% (市場が大幅過小評価) AI 予想勝率 5.5% (オッズ暗示: 1.9%) ※ 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。
6	ランドスター	▲小林美	実5.9	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.3着と低調／189日ぶりの実戦）
前5走 12/20 5中京59R 8着/9頭+0.8秒 11/16 3福島49R 4着/16頭+0.2秒 09/20 4中山69R 5着/13頭+0.6秒 08/09 2新潟58R 4着/9頭+0.4秒 06/22 3東京66R 1着/16頭勝利
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 8.3着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 189日休養明け × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 11.3% (オッズ暗示: 16.9%) ※ 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。
7	テーオーナタリー	★河原田	実6.5	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（77日ぶりの実戦）
前5走 12/14 5阪神46R 4着/7頭+0.9秒 11/22 4京都51R 1着/14頭勝利 10/25 3京都86R 3着/16頭+0.4秒 ― ―
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 4.7着 △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 11.0% (オッズ暗示: 15.4%) ※ 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。
8	カップッチョ	黛	実86.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場120走で勝率0%と苦戦傾向／直近3走平均10.0着と低調／420日ぶりの実戦）
前5走 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒 06/14 1函館18R 10着/12頭+2.1秒
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 10.0着 (不振) × 当競馬場適性 120走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) △ ローテーション 420日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +344% (市場が大幅過小評価) AI 予想勝率 5.2% (オッズ暗示: 1.2%) ※ 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。
9	ステラノヴァ	☆舟山	実35.7	▽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／直近3走で勝率33%と好調／140日ぶりの実戦）
前5走 12/31 園田10R 2着/12頭+0.3秒 12/04 園田9R 2着/9頭+0.4秒 11/12 園田10R 2着/8頭+0.1秒 10/30 園田9R 1着/9頭勝利 10/16 園田4R 1着/10頭勝利
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 16着 (大敗) △ ローテーション 140日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +101% (市場が大幅過小評価) AI 予想勝率 5.6% (オッズ暗示: 2.8%) ※ 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。
10	グレイトソン	▲和田陽	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2.0着と安定／前走2着／98日ぶりの実戦）
前5走 12/20 5阪神56R 9着/16頭+2.6秒 ― ― ― ―
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 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 98日休養明け × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 12.9% (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。
11	セイルロケット	◇古川奈	実29.0	△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／154日ぶりの実戦）
前5走 10/14 門別10R 1着/12頭勝利 10/02 門別7R 1着/12頭勝利 09/06 2札幌53R 3着/12頭+0.4秒 08/31 2札幌43R 2着/12頭+0.0秒 07/13 1函館103R 8着/16頭+0.5秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 16着 (大敗) △ ローテーション 154日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +123% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 3.4%) ※ 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。
12	ランプローグ	☆長浜	実16.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（147日ぶりの実戦）
前5走 11/16 3福島49R 5着/16頭+0.5秒 10/19 4東京76R 3着/8頭+0.2秒 09/06 4中山15R 1着/16頭勝利 ― ―
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 △ ローテーション 147日休養明け △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 7.2% (オッズ暗示: 6.2%) ※ 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。

🎯 AIの本命

AI評価1位

グレイトソン

騎手 ▲和田陽

単勝オッズ

2.9倍

AI期待値

-62%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○2ワイドデコラシオン

3.5倍

EV -58%

▲6ランドスター

5.9倍

EV -33%

出走馬全12頭

×10

グレイトソン

▲和田陽

2.9倍

-62%

›

○2

ワイドデコラシオン

横山武

3.5倍

-58%

›

▲6

ランドスター

▲小林美

5.9倍

-33%

›

△7

テーオーナタリー

★河原田

6.5倍

-28%

›

△4

ロードヴァルカン

岩田望

9.0倍

-10%

›

△11

セイルロケット

◇古川奈

29.0倍

+123%

›

▽3

グランセレスト

川又

30.2倍

+131%

›

▽12

ランプローグ

☆長浜

16.0倍

+14%

›

▽9

ステラノヴァ

☆舟山

35.7倍

+101%

›

▽5

ヨドノゴールド

岩田康

53.7倍

+192%

›

▽8

カップッチョ

黛

86.1倍

+344%

›

▽1

シェーンルスカ

▲遠藤

205.9倍

+795%

›

💡 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。