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	アロハ	西村淳	実7.2	B▲ A▲勝率11% EV-24% 詳細▼	AI上位評価だが期待値不足、見送り（91日ぶりの実戦）
前5走 10/13 3京都56R 2着/15頭+0.6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 6.5着 ▽ 前走実績前走 11着 (大敗) △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 11.6% (オッズ暗示: 13.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.5% / 期待値 -24% ※ 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	トランスマリーン	▲和田陽	実36.9	B▽ A▽勝率5% EV+96% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／190日ぶりの実戦）
前5走 10/26 3京都92R 5着/10頭+0.5秒 10/05 3京都22R 4着/7頭+0.9秒 09/15 4阪神55R 4着/10頭+0.4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 8.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 190日休養明け × 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 1.7% (オッズ暗示: 2.7%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.3% / 期待値 +97% ※ 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	ワンダージェム	☆長浜	実129.1	B× A▽勝率4% EV+452% 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／71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 8.0着 (不振) ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.8%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 4.3% / 期待値 +452% ※ 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	メイショウタイザン	小沢	実8.5	B△ A△勝率9% EV-25% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（92日ぶりの実戦）
前5走 12/07 5阪神22R 7着/16頭+1.4秒 11/22 3福島53R 5着/15頭+1.9秒 11/01 3京都106R 4着/16頭+0.7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 3.3着 △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 10.5% (オッズ暗示: 11.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.8% / 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。
5	テリオスリコ	古川吉	実103.8	B▽ A▽勝率5% EV+413% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／127日ぶりの実戦）
前5走 12/28 5阪神84R 3着/16頭+0.6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 10.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 127日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.9% / 期待値 +414% ※ 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	ディープマウンテン	吉田隼	実74.7	B▽ A▽勝率5% EV+273% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／105日ぶりの実戦）
前5走 12/13 5阪神35R 4着/7頭+0.7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 8.7着 (不振) △ ローテーション 105日休養明け × 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 0.7% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 5.0% / 期待値 +274% ※ 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	エースオブゴールド	佐々木	実55.5	B▽ A▽勝率5% EV+196% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均15.5着と低調／187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 15.5着 (不振) ▽ 前走実績前走 18着 (大敗) △ ローテーション 187日休養明け △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.3% / 期待値 +196% ※ 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	アルジェンタム	横山和	実2.1	B🌟◎ A×勝率13% EV-73% 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9.5着と低調）
前5走 1回3日札幌3R 3着/11頭 ― ― ― ―
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 9.5着 (不振) ▽ 前走実績前走 16着 (大敗) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 38.5% (オッズ暗示: 47.6%) × Aモデルの評価 (参考) レース内 1位 / 勝率 12.7% / 期待値 -73% ※ 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	メカニックバレエ	小野楓	実59.8	B▽ A▽勝率5% EV+211% 詳細▼	大穴、AI予想勝率低く長期回収困難（176日ぶりの実戦）
前5走 12/14 5阪神44R 3着/11頭+0.4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 7.5着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 176日休養明け △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 5.2% / 期待値 +211% ※ 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	フォーティンブラス	河原田菜々	実20.0	B▽ A▽勝率6% EV+27% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 10 ◎ 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) △ ローテーション 106日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 5.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.4% / 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。
11	ホウオウロレンシア	北村友	実12.6	B△ A△勝率8% EV+4% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／前走3着／85日ぶりの実戦）
前5走 11/30 5東京86R 6着/12頭+1.4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 8.0着 (不振) ○ 前走実績前走 3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 6.6% (オッズ暗示: 7.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.3% / 期待値 +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	ペガサスウィンド	坂井	実4.8	B○ A○勝率11% EV-47% 詳細▼	AI上位評価だが期待値不足、見送り（120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 3.7着 △ ローテーション 120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 16.2% (オッズ暗示: 20.8%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 10.8% / 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。
13	ブライトエンジェル	川又	実16.8	B△ A△勝率7% EV+12% 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／176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 13 ◎ 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) △ ローテーション 176日休養明け × 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 3.7% (オッズ暗示: 6.0%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.7% / 期待値 +13% ※ 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	パーシヴァル	横山琉	実22.8	B▽ A▽勝率6% EV+27% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（238日ぶりの実戦）
前5走 12/21 5中山67R 6着/16頭+1.1秒 10/18 4東京63R 4着/8頭+0.5秒 09/28 4中山95R 3着/17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 4.3着 △ ローテーション 238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 2.6% (オッズ暗示: 4.4%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 5.6% / 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。

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 ×

アルジェンタム

騎手横山和

単勝オッズ

2.1倍

AI期待値

-19%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○12ペガサスウィンド

4.8倍

EV -22%

▲A:▲1アロハ

7.2倍

EV -16%

出走馬全14頭

◎A:×8

アルジェンタム

横山和

2.1倍

-19%

›

○A:○12

ペガサスウィンド

坂井

4.8倍

-22%

›

▲A:▲1

アロハ

西村淳

7.2倍

-16%

›

△A:△4

メイショウタイザン

小沢

8.5倍

-10%

›

△A:△11

ホウオウロレンシア

北村友

12.6倍

-16%

›

△A:△13

ブライトエンジェル

川又

16.8倍

-38%

›

▽A:▽10

フォーティンブラス

河原田菜々

20.0倍

-26%

›

▽A:▽14

パーシヴァル

横山琉

22.8倍

-40%

›

▽A:▽2

トランスマリーン

▲和田陽

36.9倍

-38%

›

▽A:▽7

エースオブゴールド

佐々木

55.5倍

-7%

›

▽A:▽9

メカニックバレエ

小野楓

59.8倍

›

▽A:▽6

ディープマウンテン

吉田隼

74.7倍

-47%

›

▽A:▽5

テリオスリコ

古川吉

103.8倍

-27%

›

×A:▽3

ワンダージェム

☆長浜

129.1倍

-74%

›

💡 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	アロハ	西村淳	実7.2	▲詳細▼	AI上位評価だが期待値不足、見送り（91日ぶりの実戦）
前5走 10/13 3京都56R 2着/15頭+0.6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 6.5着 ▽ 前走実績前走 11着 (大敗) △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 10.5% (オッズ暗示: 13.9%) ※ 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。
2	トランスマリーン	▲和田陽	実36.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／190日ぶりの実戦）
前5走 10/26 3京都92R 5着/10頭+0.5秒 10/05 3京都22R 4着/7頭+0.9秒 09/15 4阪神55R 4着/10頭+0.4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 8.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 190日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +96% (市場が大幅過小評価) AI 予想勝率 5.3% (オッズ暗示: 2.7%) ※ 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	ワンダージェム	☆長浜	実129.1	▽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／71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 8.0着 (不振) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +452% (市場が大幅過小評価) AI 予想勝率 4.3% (オッズ暗示: 0.8%) ※ 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	メイショウタイザン	小沢	実8.5	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（92日ぶりの実戦）
前5走 12/07 5阪神22R 7着/16頭+1.4秒 11/22 3福島53R 5着/15頭+1.9秒 11/01 3京都106R 4着/16頭+0.7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 3.3着 △ ローテーション 92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 8.8% (オッズ暗示: 11.8%) ※ 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。
5	テリオスリコ	古川吉	実103.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／127日ぶりの実戦）
前5走 12/28 5阪神84R 3着/16頭+0.6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 10.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 127日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +413% (市場が大幅過小評価) AI 予想勝率 4.9% (オッズ暗示: 1.0%) ※ 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	ディープマウンテン	吉田隼	実74.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／105日ぶりの実戦）
前5走 12/13 5阪神35R 4着/7頭+0.7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 8.7着 (不振) △ ローテーション 105日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +273% (市場が大幅過小評価) AI 予想勝率 5.0% (オッズ暗示: 1.3%) ※ 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。
7	エースオブゴールド	佐々木	実55.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均15.5着と低調／187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 15.5着 (不振) ▽ 前走実績前走 18着 (大敗) △ ローテーション 187日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +196% (市場が大幅過小評価) AI 予想勝率 5.3% (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	アルジェンタム	横山和	実2.1	×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9.5着と低調）
前5走 1回3日札幌3R 3着/11頭 ― ― ― ―
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 9.5着 (不振) ▽ 前走実績前走 16着 (大敗) × 期待値 (オッズ vs AI勝率) -73% (大幅な期待値マイナス) AI 予想勝率 12.7% (オッズ暗示: 47.6%) ※ 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。
9	メカニックバレエ	小野楓	実59.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（176日ぶりの実戦）
前5走 12/14 5阪神44R 3着/11頭+0.4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 7.5着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 176日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +211% (市場が大幅過小評価) AI 予想勝率 5.2% (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。
10	フォーティンブラス	河原田菜々	実20.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 10 ◎ 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) △ ローテーション 106日休養明け △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 6.4% (オッズ暗示: 5.0%) ※ 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	ホウオウロレンシア	北村友	実12.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／前走3着／85日ぶりの実戦）
前5走 11/30 5東京86R 6着/12頭+1.4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 8.0着 (不振) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 8.3% (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。
12	ペガサスウィンド	坂井	実4.8	○詳細▼	AI上位評価だが期待値不足、見送り（120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 3.7着 △ ローテーション 120日休養明け × 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 10.8% (オッズ暗示: 20.8%) ※ 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。
13	ブライトエンジェル	川又	実16.8	△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／176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 13 ◎ 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) △ ローテーション 176日休養明け △ 期待値 (オッズ vs AI勝率) +12% (市場と概ね一致) AI 予想勝率 6.7% (オッズ暗示: 6.0%) ※ 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。
14	パーシヴァル	横山琉	実22.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（238日ぶりの実戦）
前5走 12/21 5中山67R 6着/16頭+1.1秒 10/18 4東京63R 4着/8頭+0.5秒 09/28 4中山95R 3着/17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 4.3着 △ ローテーション 238日休養明け △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 5.6% (オッズ暗示: 4.4%) ※ 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。

🎯 AIの本命

AI評価1位

アルジェンタム

騎手横山和

単勝オッズ

2.1倍

AI期待値

-73%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○12ペガサスウィンド

4.8倍

EV -47%

▲1アロハ

7.2倍

EV -24%

出走馬全14頭

×8

アルジェンタム

横山和

2.1倍

-73%

›

○12

ペガサスウィンド

坂井

4.8倍

-47%

›

▲1

アロハ

西村淳

7.2倍

-24%

›

△4

メイショウタイザン

小沢

8.5倍

-25%

›

△11

ホウオウロレンシア

北村友

12.6倍

+4%

›

△13

ブライトエンジェル

川又

16.8倍

+12%

›

▽10

フォーティンブラス

河原田菜々

20.0倍

+27%

›

▽14

パーシヴァル

横山琉

22.8倍

+27%

›

▽7

エースオブゴールド

佐々木

55.5倍

+196%

›

▽2

トランスマリーン

▲和田陽

36.9倍

+96%

›

▽9

メカニックバレエ

小野楓

59.8倍

+211%

›

▽6

ディープマウンテン

吉田隼

74.7倍

+273%

›

▽5

テリオスリコ

古川吉

103.8倍

+413%

›

▽3

ワンダージェム

☆長浜

129.1倍

+452%

›

💡 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