札幌 4R 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

4R 札幌競馬場　発走 11:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ザンテソーロ	横山武	実3.9	B○ A○勝率13% EV-48% 詳細▼	AI上位評価だが期待値不足、見送り（83日ぶりの実戦）
前5走 12/20 5中山54R 7着/13頭+1.9秒 ― ― ― ―
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 6.3着 △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 20.6% (オッズ暗示: 25.6%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 13.2% / 期待値 -48% ※ 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	シエルブリエ	★河原田	実39.2	B▽ A▽勝率6% EV+119% 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／69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 2 ◎ 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) -40% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 5.6% / 期待値 +120% ※ 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	ポップアップ	佐々木	実4.2	B▲ A▲勝率12% EV-50% 詳細▼	AI上位評価だが期待値不足、見送り（104日ぶりの実戦）
前5走 08/24 3新潟25R 10着/14頭+1.8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) -25% (オッズ過剰評価) AI 予想勝率 17.7% (オッズ暗示: 23.8%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.8% / 期待値 -50% ※ 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	ロードステラート	横山琉	実12.7	B△ A△勝率9% EV+8% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（84日ぶりの実戦）
前5走 12/27 5阪神72R 4着/11頭+2.7秒 12/13 5中京31R 3着/14頭+0.5秒 11/02 3京都111R 2着/15頭+0.2秒 10/12 3京都42R 6着/7頭+2.0秒 09/28 4阪神94R 2着/9頭+0.6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 4.0着 △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 8.4% (オッズ暗示: 7.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.6% / 期待値 +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。
5	ガビーズメロディ	原田和	実53.3	B▽ A▽勝率6% EV+214% 詳細▼	大穴、AI予想勝率低く長期回収困難（90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 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) △ ローテーション 90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 1.5% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.9% / 期待値 +214% ※ 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	ウインガネーシャ	菊沢	実2.7	B🌟◎ A×勝率14% 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（84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 6 ◎ 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) -18% (オッズ過剰評価) AI 予想勝率 30.3% (オッズ暗示: 37.0%) × Aモデルの評価 (参考) レース内 1位 / 勝率 14.1% / 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。
7	コイバナ	▲和田陽	実19.1	B△ A▽勝率7% EV+31% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（70日ぶりの実戦）
前5走 11/16 4京都41R 7着/14頭+1.3秒 10/25 3京都86R 6着/16頭+0.8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 6.0着 × 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 6.9% / 期待値 +31% ※ 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	ワイルドカイザー	☆長浜	実138.2	B× A▽勝率5% EV+560% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均14.0着と低調／126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 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 14.0着 (不振) ▽ 前走実績前走 14着 (大敗) △ ローテーション 126日休養明け × 期待値 (オッズ vs AI勝率) -56% (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 4.8% / 期待値 +560% ※ 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	ブラックパロット	☆舟山	実49.8	B▽ A▽勝率6% EV+214% 詳細▼	大穴、AI予想勝率低く長期回収困難（69日ぶりの実戦）
前5走 11/15 5東京33R 9着/14頭+1.7秒 10/04 4東京15R 10着/17頭+1.0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 7.3着 (不振) ▽ 前走実績前走 12着 (大敗) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.3% / 期待値 +215% ※ 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	ブロント	浜中	実23.2	B▽ A△勝率7% EV+59% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ★ 新馬戦 (初出走)
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 7位 (中位評価) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 3.3% (オッズ暗示: 4.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.9% / 期待値 +60% ※ 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	ウインモンクール	松本	実52.2	B▽ A▽勝率6% EV+212% 詳細▼	大穴、AI予想勝率低く長期回収困難（83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 11 ◎ 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) -21% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 6.0% / 期待値 +212% ※ 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	モロノカガヤキ	▲小林美	実7.9	B△ A△勝率10% 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3.0着と安定／111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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 3.0着 (安定) △ ローテーション 111日休養明け △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 9.7% (オッズ暗示: 12.7%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.9% / 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。

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 ×

ウインガネーシャ

騎手菊沢

単勝オッズ

2.7倍

AI期待値

-18%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○1ザンテソーロ

3.9倍

EV -19%

▲A:▲3ポップアップ

4.2倍

EV -25%

出走馬全12頭

◎A:×6

ウインガネーシャ

菊沢

2.7倍

-18%

›

○A:○1

ザンテソーロ

横山武

3.9倍

-19%

›

▲A:▲3

ポップアップ

佐々木

4.2倍

-25%

›

△A:△12

モロノカガヤキ

▲小林美

7.9倍

-22%

›

△A:△4

ロードステラート

横山琉

12.7倍

+6%

›

△A:▽7

コイバナ

▲和田陽

19.1倍

-33%

›

▽A:△10

ブロント

浜中

23.2倍

-22%

›

▽A:▽2

シエルブリエ

★河原田

39.2倍

-40%

›

▽A:▽9

ブラックパロット

☆舟山

49.8倍

-24%

›

▽A:▽11

ウインモンクール

松本

52.2倍

-20%

›

▽A:▽5

ガビーズメロディ

原田和

53.3倍

-19%

›

×A:▽8

ワイルドカイザー

☆長浜

138.2倍

-55%

›

💡 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

4R 札幌競馬場　発走 11:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ザンテソーロ	横山武	実3.9	○詳細▼	AI上位評価だが期待値不足、見送り（83日ぶりの実戦）
前5走 12/20 5中山54R 7着/13頭+1.9秒 ― ― ― ―
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 6.3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 13.2% (オッズ暗示: 25.6%) ※ 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。
2	シエルブリエ	★河原田	実39.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調／69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 2 ◎ 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) +119% (市場が大幅過小評価) AI 予想勝率 5.6% (オッズ暗示: 2.6%) ※ 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	ポップアップ	佐々木	実4.2	▲詳細▼	AI上位評価だが期待値不足、見送り（104日ぶりの実戦）
前5走 08/24 3新潟25R 10着/14頭+1.8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) -50% (大幅な期待値マイナス) AI 予想勝率 11.8% (オッズ暗示: 23.8%) ※ 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。
4	ロードステラート	横山琉	実12.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（84日ぶりの実戦）
前5走 12/27 5阪神72R 4着/11頭+2.7秒 12/13 5中京31R 3着/14頭+0.5秒 11/02 3京都111R 2着/15頭+0.2秒 10/12 3京都42R 6着/7頭+2.0秒 09/28 4阪神94R 2着/9頭+0.6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 4.0着 △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 8.6% (オッズ暗示: 7.9%) ※ 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。
5	ガビーズメロディ	原田和	実53.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（90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 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) △ ローテーション 90日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +214% (市場が大幅過小評価) AI 予想勝率 5.9% (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	ウインガネーシャ	菊沢	実2.7	×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（84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 6 ◎ 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) -62% (大幅な期待値マイナス) AI 予想勝率 14.1% (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。
7	コイバナ	▲和田陽	実19.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（70日ぶりの実戦）
前5走 11/16 4京都41R 7着/14頭+1.3秒 10/25 3京都86R 6着/16頭+0.8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 6.0着 ◎ 期待値 (オッズ vs AI勝率) +31% (妙味あり) AI 予想勝率 6.9% (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。
8	ワイルドカイザー	☆長浜	実138.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均14.0着と低調／126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 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 14.0着 (不振) ▽ 前走実績前走 14着 (大敗) △ ローテーション 126日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +560% (市場が大幅過小評価) AI 予想勝率 4.8% (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。
9	ブラックパロット	☆舟山	実49.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（69日ぶりの実戦）
前5走 11/15 5東京33R 9着/14頭+1.7秒 10/04 4東京15R 10着/17頭+1.0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 7.3着 (不振) ▽ 前走実績前走 12着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +214% (市場が大幅過小評価) AI 予想勝率 6.3% (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。
10	ブロント	浜中	実23.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ★ 新馬戦 (初出走)
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 6位 (中位評価) 🌟◎ 期待値 (オッズ vs AI勝率) +59% (市場が大幅過小評価) AI 予想勝率 6.9% (オッズ暗示: 4.3%) ※ 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	ウインモンクール	松本	実52.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（83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 11 ◎ 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) +212% (市場が大幅過小評価) AI 予想勝率 6.0% (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。
12	モロノカガヤキ	▲小林美	実7.9	△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3.0着と安定／111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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 3.0着 (安定) △ ローテーション 111日休養明け △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 9.9% (オッズ暗示: 12.7%) ※ 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

ウインガネーシャ

騎手菊沢

単勝オッズ

2.7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

○1ザンテソーロ

3.9倍

EV -48%

▲3ポップアップ

4.2倍

EV -50%

出走馬全12頭

×6

ウインガネーシャ

菊沢

2.7倍

-61%

›

○1

ザンテソーロ

横山武

3.9倍

-48%

›

▲3

ポップアップ

佐々木

4.2倍

-50%

›

△12

モロノカガヤキ

▲小林美

7.9倍

-21%

›

△4

ロードステラート

横山琉

12.7倍

+8%

›

△10

ブロント

浜中

23.2倍

+59%

›

▽7

コイバナ

▲和田陽

19.1倍

+31%

›

▽9

ブラックパロット

☆舟山

49.8倍

+214%

›

▽11

ウインモンクール

松本

52.2倍

+212%

›

▽5

ガビーズメロディ

原田和

53.3倍

+214%

›

▽2

シエルブリエ

★河原田

39.2倍

+119%

›

▽8

ワイルドカイザー

☆長浜

138.2倍

+560%

›

💡 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