札幌 1R 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

1R 札幌競馬場　発走 10:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ベイビーブラザー	吉田隼	実30.7	B▽ A▽勝率7% EV+99% 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 1 ◎ 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) -24% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 3.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.5% / 期待値 +100% ※ 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	マーズエクレール	岩田康	実6.8	B○ A○勝率12% EV-16% 詳細▼	AI上位評価だが期待値不足、見送り（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 2 ◎ 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) +25% (市場と概ね一致) AI 予想勝率 18.4% (オッズ暗示: 14.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 12.2% / 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。
3	シンゼンノト	▲遠藤	実14.3	B△ A△勝率9% EV+24% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 1回2日札幌1R 3着/12頭 ― ― ― ―
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 5.0着 × 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 3.6% (オッズ暗示: 7.0%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.7% / 期待値 +25% ※ 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	エコロヴァルド	▲小林美	実33.3	B▽ A▽勝率6% EV+110% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均13.0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 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 13.0着 (不振) ▽ 前走実績前走 13着 (大敗) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 6.3% / 期待値 +110% ※ 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	シャムスクッカ	小沢	実33.4	B▽ A▽勝率6% EV+116% 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 5 ◎ 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) -17% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.5% / 期待値 +116% ※ 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	イチゴワタアメ	横山琉	実87.7	B▽ A▽勝率6% EV+401% 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 7.5着 (不振) × 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 0.7% (オッズ暗示: 1.1%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 5.7% / 期待値 +401% ※ 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	カナデ	★河原田	実54.3	B▽ A▽勝率6% EV+233% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 1回1日札幌5R 4着/6頭 ― ― ― ―
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 4.0着 △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 6.1% / 期待値 +234% ※ 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	ヴァイタリズム	斎藤	実10.5	B△ A△勝率10% EV+1% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／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 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 9.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.7% / 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。
9	ハイビスカス	☆舟山	実14.5	B△ A△勝率8% EV+14% 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 9 ◎ 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) -47% (大幅な期待値マイナス) AI 予想勝率 3.6% (オッズ暗示: 6.9%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.9% / 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。
10	テムファイア	古川吉	実8.9	B▲ A▲勝率11% EV-6% 詳細▼	AI上位評価だが期待値不足、見送り
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 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 9.9% (オッズ暗示: 11.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.5% / 期待値 -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。
11	モーモーワン	原田和	実191.8	B▽ A▽勝率5% EV+832% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0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 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.0着 (不振) ▽ 前走実績前走 11着 (大敗) × 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 0.3% (オッズ暗示: 0.5%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.9% / 期待値 +833% ※ 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	サルトヴェローチェ	北村友	実1.5	B🌟◎ A×勝率15% EV-77% 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
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 5.0着 △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 47.3% (オッズ暗示: 66.7%) × Aモデルの評価 (参考) レース内 1位 / 勝率 15.0% / 期待値 -78% ※ 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 ×

サルトヴェローチェ

騎手北村友

単勝オッズ

1.5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:○2マーズエクレール

6.8倍

EV +25%

▲A:▲10テムファイア

8.9倍

EV -11%

出走馬全12頭

◎A:×12

サルトヴェローチェ

北村友

1.5倍

-29%

›

○A:○2

マーズエクレール

岩田康

6.8倍

+25%

›

▲A:▲10

テムファイア

古川吉

8.9倍

-11%

›

△A:△8

ヴァイタリズム

斎藤

10.5倍

-25%

›

△A:△3

シンゼンノト

▲遠藤

14.3倍

-47%

›

△A:△9

ハイビスカス

☆舟山

14.5倍

-47%

›

▽A:▽1

ベイビーブラザー

吉田隼

30.7倍

-23%

›

▽A:▽4

エコロヴァルド

▲小林美

33.3倍

-17%

›

▽A:▽5

シャムスクッカ

小沢

33.4倍

-17%

›

▽A:▽7

カナデ

★河原田

54.3倍

-14%

›

▽A:▽6

イチゴワタアメ

横山琉

87.7倍

-41%

›

▽A:▽11

モーモーワン

原田和

191.8倍

-35%

›

💡 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

両モデルとも見送り

1R 札幌競馬場　発走 10:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ベイビーブラザー	吉田隼	実30.7	▽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 1 ◎ 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) +99% (市場が大幅過小評価) AI 予想勝率 6.5% (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。
2	マーズエクレール	岩田康	実6.8	○詳細▼	AI上位評価だが期待値不足、見送り（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 2 ◎ 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) -17% (オッズ過剰評価) AI 予想勝率 12.2% (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	シンゼンノト	▲遠藤	実14.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 1回2日札幌1R 3着/12頭 ― ― ― ―
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 5.0着 △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 8.7% (オッズ暗示: 7.0%) ※ 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	エコロヴァルド	▲小林美	実33.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均13.0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 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 13.0着 (不振) ▽ 前走実績前走 13着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +110% (市場が大幅過小評価) AI 予想勝率 6.3% (オッズ暗示: 3.0%) ※ 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	シャムスクッカ	小沢	実33.4	▽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 5 ◎ 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) +116% (市場が大幅過小評価) AI 予想勝率 6.5% (オッズ暗示: 3.0%) ※ 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。
6	イチゴワタアメ	横山琉	実87.7	▽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 7.5着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +401% (市場が大幅過小評価) AI 予想勝率 5.7% (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。
7	カナデ	★河原田	実54.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 1回1日札幌5R 4着/6頭 ― ― ― ―
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 4.0着 🌟◎ 期待値 (オッズ vs AI勝率) +233% (市場が大幅過小評価) AI 予想勝率 6.1% (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。
8	ヴァイタリズム	斎藤	実10.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／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 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 9.7% (オッズ暗示: 9.5%) ※ 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	ハイビスカス	☆舟山	実14.5	△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 9 ◎ 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) +14% (市場と概ね一致) AI 予想勝率 7.9% (オッズ暗示: 6.9%) ※ 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	テムファイア	古川吉	実8.9	▲詳細▼	AI上位評価だが期待値不足、見送り
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 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 10.5% (オッズ暗示: 11.2%) ※ 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	モーモーワン	原田和	実191.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0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 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.0着 (不振) ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +832% (市場が大幅過小評価) AI 予想勝率 4.9% (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。
12	サルトヴェローチェ	北村友	実1.5	×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
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 5.0着 × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 15.0% (オッズ暗示: 66.7%) ※ 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

サルトヴェローチェ

騎手北村友

単勝オッズ

1.5倍

AI期待値

-77%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○2マーズエクレール

6.8倍

EV -16%

▲10テムファイア

8.9倍

EV -6%

出走馬全12頭

×12

サルトヴェローチェ

北村友

1.5倍

-77%

›

○2

マーズエクレール

岩田康

6.8倍

-16%

›

▲10

テムファイア

古川吉

8.9倍

-6%

›

△8

ヴァイタリズム

斎藤

10.5倍

+1%

›

△3

シンゼンノト

▲遠藤

14.3倍

+24%

›

△9

ハイビスカス

☆舟山

14.5倍

+14%

›

▽1

ベイビーブラザー

吉田隼

30.7倍

+99%

›

▽5

シャムスクッカ

小沢

33.4倍

+116%

›

▽4

エコロヴァルド

▲小林美

33.3倍

+110%

›

▽7

カナデ

★河原田

54.3倍

+233%

›

▽6

イチゴワタアメ

横山琉

87.7倍

+401%

›

▽11

モーモーワン

原田和

191.8倍

+832%

›

💡 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