札幌 6R 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

6R 札幌競馬場　発走 12:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ダイナソーコー	横山和	実51.2	B▽ A▽勝率5% EV+167% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調／106日ぶりの実戦）
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 9.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 106日休養明け △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.2% / 期待値 +168% ※ 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	マジックファイヤー	岩田康	実57.2	B▽ A▽勝率5% EV+193% 詳細▼	大穴、AI予想勝率低く長期回収困難（71日ぶりの実戦）
前5走 11/09 4京都23R 6着/8頭+1.0秒 10/19 3京都75R 2着/11頭+0.2秒 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.1% / 期待値 +194% ※ 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	エコロゼルダ	▲和田陽	実228.4	B× A▽勝率4% EV+911% 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／113日ぶりの実戦）
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 13.0着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 113日休養明け × 期待値 (オッズ vs AI勝率) -68% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.4% / 期待値 +912% ※ 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	ブリックアブラック	◇古川奈	実93.4	B▽ A▽勝率5% EV+354% 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／78日ぶりの実戦）
前5走 11/08 5東京16R 8着/13頭+0.9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 9.0着 (不振) × 期待値 (オッズ vs AI勝率) -38% (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 4.9% / 期待値 +355% ※ 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	タビニュ	池添	実10.0	B△ A△勝率8% EV-21% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均9.0着と低調／78日ぶりの実戦）
前5走 12/20 5中山55R 14着/17頭+2.9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 9.0着 (不振) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 10.0%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.8% / 期待値 -22% ※ 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	ハバタクジユウニ	川又	実280.7	B▽ A▽勝率4% EV+999% 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／120日ぶりの実戦）
前5走 11/30 4京都86R 7着/8頭+1.9秒 ― ― ― ―
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 11.0着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 120日休養明け × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 4.4% / 期待値 +1134% ※ 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	ヘイジュード	浜中	実2.5	B🌟◎ A×勝率13% EV-67% 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（98日ぶりの実戦）
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 6.3着 ▽ 前走実績前走 13着 (大敗) △ ローテーション 98日休養明け △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 41.5% (オッズ暗示: 40.0%) × Aモデルの評価 (参考) レース内 1位 / 勝率 13.1% / 期待値 -67% ※ 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	ミカレオス	荻野琢	実243.5	B× A▽勝率4% EV+970% 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／113日ぶりの実戦）
前5走 12/20 5阪神52R 15着/16頭+2.6秒 10/12 3京都45R 13着/13頭+6.5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 13.0着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 113日休養明け × 期待値 (オッズ vs AI勝率) -66% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.4% / 期待値 +970% ※ 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	フォーチュンローズ	古川吉	実19.3	B▽ A▽勝率6% EV+18% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／120日ぶりの実戦）
前5走 11/15 3福島35R 4着/16頭+0.3秒 ― ― ― ―
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 4.3着 ○ 前走実績前走 2着 (好走) △ ローテーション 120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 3.5% (オッズ暗示: 5.2%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.2% / 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	シャンドラファール	☆舟山	実8.3	B△ A△勝率9% EV-27% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／85日ぶりの実戦）
前5走 09/14 4阪神46R 10着/12頭+3.4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 3.7着 ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 10.0% (オッズ暗示: 12.0%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.7% / 期待値 -27% ※ 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	ドンテスタマスター	斎藤	実4.4	B○ A○勝率11% EV-50% 詳細▼	AI上位評価だが期待値不足、見送り（前走2着／71日ぶりの実戦）
前5走 12/06 5阪神15R 2着/10頭+0.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.3着 ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 12.2% (オッズ暗示: 22.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 11.2% / 期待値 -51% ※ 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	ラッキーシグネチャ	北村友	実11.0	B△ A△勝率9% EV-6% 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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.3着 △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 9.1%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.5% / 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。
13	テイエムプレミラン	松本	実27.1	B▽ A▽勝率5% EV+48% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調／75日ぶりの実戦）
前5走 10/12 3京都43R 9着/9頭+2.8秒 09/14 4阪神45R 6着/7頭+1.3秒 ― ― ―
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 9.0着 (不振) × 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 2.2% (オッズ暗示: 3.7%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 5.5% / 期待値 +49% ※ 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	ギオンバヤシ	▲小林美	実5.6	B▲ A▲勝率11% EV-40% 詳細▼	AI上位評価だが期待値不足、見送り（前走3着／71日ぶりの実戦）
前5走 12/21 5阪神65R 5着/12頭+0.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.7着 ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 12.2% (オッズ暗示: 17.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.6% / 期待値 -41% ※ 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 ×

ヘイジュード

騎手浜中

単勝オッズ

2.5倍

AI期待値

+3%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○11ドンテスタマスター

4.4倍

EV -46%

▲A:▲14ギオンバヤシ

5.6倍

EV -31%

出走馬全14頭

◎A:×7

ヘイジュード

浜中

2.5倍

+3%

›

○A:○11

ドンテスタマスター

斎藤

4.4倍

-46%

›

▲A:▲14

ギオンバヤシ

▲小林美

5.6倍

-31%

›

△A:△10

シャンドラファール

☆舟山

8.3倍

-17%

›

△A:△5

タビニュ

池添

10.0倍

-29%

›

△A:△12

ラッキーシグネチャ

北村友

11.0倍

-22%

›

▽A:▽9

フォーチュンローズ

古川吉

19.3倍

-32%

›

▽A:▽13

テイエムプレミラン

松本

27.1倍

-41%

›

▽A:▽1

ダイナソーコー

横山和

51.2倍

-18%

›

▽A:▽2

マジックファイヤー

岩田康

57.2倍

-9%

›

▽A:▽4

ブリックアブラック

◇古川奈

93.4倍

-37%

›

▽A:▽6

ハバタクジユウニ

川又

280.7倍

-46%

›

×A:▽3

エコロゼルダ

▲和田陽

228.4倍

-67%

›

×A:▽8

ミカレオス

荻野琢

243.5倍

-65%

›

💡 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

6R 札幌競馬場　発走 12:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ダイナソーコー	横山和	実51.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調／106日ぶりの実戦）
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 9.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 106日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +167% (市場が大幅過小評価) AI 予想勝率 5.2% (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	マジックファイヤー	岩田康	実57.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（71日ぶりの実戦）
前5走 11/09 4京都23R 6着/8頭+1.0秒 10/19 3京都75R 2着/11頭+0.2秒 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +193% (市場が大幅過小評価) AI 予想勝率 5.1% (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。
3	エコロゼルダ	▲和田陽	実228.4	▽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／113日ぶりの実戦）
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 13.0着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 113日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +911% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 0.4%) ※ 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。
4	ブリックアブラック	◇古川奈	実93.4	▽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／78日ぶりの実戦）
前5走 11/08 5東京16R 8着/13頭+0.9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 9.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +354% (市場が大幅過小評価) AI 予想勝率 4.9% (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。
5	タビニュ	池添	実10.0	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均9.0着と低調／78日ぶりの実戦）
前5走 12/20 5中山55R 14着/17頭+2.9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 9.0着 (不振) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 7.8% (オッズ暗示: 10.0%) ※ 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	ハバタクジユウニ	川又	実280.7	▽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／120日ぶりの実戦）
前5走 11/30 4京都86R 7着/8頭+1.9秒 ― ― ― ―
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 11.0着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 120日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 0.4%) ※ 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。
7	ヘイジュード	浜中	実2.5	×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（98日ぶりの実戦）
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 6.3着 ▽ 前走実績前走 13着 (大敗) △ ローテーション 98日休養明け × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 13.1% (オッズ暗示: 40.0%) ※ 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	ミカレオス	荻野琢	実243.5	▽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／113日ぶりの実戦）
前5走 12/20 5阪神52R 15着/16頭+2.6秒 10/12 3京都45R 13着/13頭+6.5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 13.0着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 113日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +970% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 0.4%) ※ 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。
9	フォーチュンローズ	古川吉	実19.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／120日ぶりの実戦）
前5走 11/15 3福島35R 4着/16頭+0.3秒 ― ― ― ―
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 4.3着 ○ 前走実績前走 2着 (好走) △ ローテーション 120日休養明け △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 6.2% (オッズ暗示: 5.2%) ※ 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。
10	シャンドラファール	☆舟山	実8.3	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／85日ぶりの実戦）
前5走 09/14 4阪神46R 10着/12頭+3.4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 3.7着 ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 8.7% (オッズ暗示: 12.0%) ※ 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。
11	ドンテスタマスター	斎藤	実4.4	○詳細▼	AI上位評価だが期待値不足、見送り（前走2着／71日ぶりの実戦）
前5走 12/06 5阪神15R 2着/10頭+0.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.3着 ○ 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 11.2% (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。
12	ラッキーシグネチャ	北村友	実11.0	△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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.3着 △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 8.5% (オッズ暗示: 9.1%) ※ 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。
13	テイエムプレミラン	松本	実27.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調／75日ぶりの実戦）
前5走 10/12 3京都43R 9着/9頭+2.8秒 09/14 4阪神45R 6着/7頭+1.3秒 ― ― ―
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 9.0着 (不振) ◎ 期待値 (オッズ vs AI勝率) +48% (妙味あり) AI 予想勝率 5.5% (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。
14	ギオンバヤシ	▲小林美	実5.6	▲詳細▼	AI上位評価だが期待値不足、見送り（前走3着／71日ぶりの実戦）
前5走 12/21 5阪神65R 5着/12頭+0.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.7着 ○ 前走実績前走 3着 (好走) × 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 10.6% (オッズ暗示: 17.9%) ※ 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。

🎯 AIの本命

AI評価1位

ヘイジュード

騎手浜中

単勝オッズ

2.5倍

AI期待値

-67%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○11ドンテスタマスター

4.4倍

EV -50%

▲14ギオンバヤシ

5.6倍

EV -40%

出走馬全14頭

×7

ヘイジュード

浜中

2.5倍

-67%

›

○11

ドンテスタマスター

斎藤

4.4倍

-50%

›

▲14

ギオンバヤシ

▲小林美

5.6倍

-40%

›

△10

シャンドラファール

☆舟山

8.3倍

-27%

›

△12

ラッキーシグネチャ

北村友

11.0倍

-6%

›

△5

タビニュ

池添

10.0倍

-21%

›

▽9

フォーチュンローズ

古川吉

19.3倍

+18%

›

▽13

テイエムプレミラン

松本

27.1倍

+48%

›

▽1

ダイナソーコー

横山和

51.2倍

+167%

›

▽2

マジックファイヤー

岩田康

57.2倍

+193%

›

▽4

ブリックアブラック

◇古川奈

93.4倍

+354%

›

▽3

エコロゼルダ

▲和田陽

228.4倍

+911%

›

▽8

ミカレオス

荻野琢

243.5倍

+970%

›

▽6

ハバタクジユウニ

川又

280.7倍

+999%

›

💡 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