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	ウィスカーパッド	岩田望	実6.7	B△ A△勝率9% EV-38% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走3着／76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 4.3着 ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 11.8% (オッズ暗示: 14.9%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.1% / 期待値 -39% ※ 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	ゴコウコイコイ	横山武	実2.6	B🌟◎ A×勝率11% EV-70% 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（91日ぶりの実戦）
前5走 12/27 5中山74R 10着/18頭+0.9秒 11/29 5東京73R 3着/12頭+0.3秒 11/09 5東京25R 5着/6頭+1.0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 6.3着 △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 31.5% (オッズ暗示: 38.5%) × Aモデルの評価 (参考) レース内 1位 / 勝率 11.3% / 期待値 -71% ※ 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	アースヴィンチ	☆長浜	実59.2	B× A▽勝率4% EV+158% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／259日ぶりの実戦）
前5走 12/06 5中山13R 7着/15頭+0.3秒 11/23 5東京52R 16着/18頭+1.6秒 09/15 4中山55R 2着/13頭+0.0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 8.3着 (不振) △ ローテーション 259日休養明け × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.4% / 期待値 +159% ※ 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	メイショウノヴァス	吉田隼	実32.8	B▽ A▽勝率5% EV+59% 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 12/28 5阪神83R 6着/18頭+0.9秒 12/07 5阪神25R 2着/17頭+0.0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 6.0着 △ ローテーション 90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 1.8% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 4.9% / 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。
5	シーラス	レーン	実12.9	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（直近3走平均10.0着と低調／112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 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 112日休養明け × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 5.0% (オッズ暗示: 7.8%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.6% / 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。
6	クロミ	鮫島駿	実89.8	B▽ A▽勝率4% EV+287% 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／237日ぶりの実戦）
前5走 12/28 5阪神86R 13着/16頭+0.9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 13.0着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 237日休養明け × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.1%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.3% / 期待値 +288% ※ 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	シーシェル	黛	実139.6	B× A▽勝率4% EV+433% 詳細▼	大穴、AI予想勝率低く長期回収困難（161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 5.5着 △ ローテーション 161日休養明け × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.7%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 3.8% / 期待値 +433% ※ 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	フローレンスフーガ	古川吉	実14.5	B▽ A▽勝率7% EV-5% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 1回6日札幌7R 4着/16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 5.7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 4.0% (オッズ暗示: 6.9%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.5% / 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。
9	サトノリアファル	横山和	実6.2	B○ A○勝率10% EV-39% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均11.7着と低調／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 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 111日休養明け △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 17.9% (オッズ暗示: 16.1%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 9.8% / 期待値 -39% ※ 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	マンサニージャ	丹内	実33.2	B▽ A▽勝率5% EV+56% 詳細▼	大穴、AI予想勝率低く長期回収困難（133日ぶりの実戦）
前5走 11/15 5東京32R 11着/17頭+0.7秒 10/25 4新潟33R 4着/13頭+0.4秒 10/13 4東京55R 3着/13頭+0.2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 4.7着 △ ローテーション 133日休養明け × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 4.7% / 期待値 +56% ※ 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	コワンニシタガウ	武豊	実6.5	B▲ A▲勝率9% EV-38% 詳細▼	AI上位評価だが期待値不足、見送り（133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 5.0着 △ ローテーション 133日休養明け △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 12.3% (オッズ暗示: 15.4%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.4% / 期待値 -39% ※ 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	ブライスフェアリー	松山	実11.5	B△ A△勝率7% EV-17% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（77日ぶりの実戦）
前5走 08/30 3新潟33R 3着/11頭+0.4秒 07/27 2新潟21R 4着/7頭+1.3秒 07/05 2福島35R 5着/7頭+1.3秒 ― ―
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 5.7着 △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 7.0% (オッズ暗示: 8.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.1% / 期待値 -18% ※ 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	ケナゲ	★河原田	実21.5	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（84日ぶりの実戦）
前5走 11/15 5東京34R 11着/13頭+1.2秒 10/25 4東京83R 5着/9頭+0.9秒 07/19 2福島73R 8着/10頭+1.3秒 07/05 2福島33R 3着/9頭+0.4秒 06/21 3東京56R 7着/16頭+2.7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 5.7着 × 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 2.9% (オッズ暗示: 4.7%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 5.5% / 期待値 +18% ※ 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	クルサール	川又	実283.2	B× A▽勝率4% EV+981% 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／154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 14 ◎ 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) △ ローテーション 154日休養明け × 期待値 (オッズ vs AI勝率) -53% (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 15位 / 勝率 3.8% / 期待値 +982% ※ 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。
15	コティノス	フーリー	実33.3	B▽ A▽勝率5% EV+60% 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／133日ぶりの実戦）
前5走 12/13 5中京35R 4着/12頭+0.5秒 ― ― ― ―
AI 評価の内訳 — 馬番 15 ◎ 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 13着 (大敗) △ ローテーション 133日休養明け × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 3.0%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 4.8% / 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。
16	カタカムナ	原田和	実344.7	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12.3着と低調／97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 16 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 12.3着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 97日休養明け × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.3%) ▽ Aモデルの評価 (参考) レース内 16位 / 勝率 3.8% / 期待値 +1217% ※ 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 ×

ゴコウコイコイ

騎手横山武

単勝オッズ

2.6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:○9サトノリアファル

6.2倍

EV +10%

▲A:▲11コワンニシタガウ

6.5倍

EV -19%

出走馬全16頭

◎A:×2

ゴコウコイコイ

横山武

2.6倍

-18%

›

○A:○9

サトノリアファル

横山和

6.2倍

+10%

›

▲A:▲11

コワンニシタガウ

武豊

6.5倍

-19%

›

△A:△1

ウィスカーパッド

岩田望

6.7倍

-20%

›

△A:△12

ブライスフェアリー

松山

11.5倍

-19%

›

△A:△5

シーラス

レーン

12.9倍

-35%

›

▽A:▽8

フローレンスフーガ

古川吉

14.5倍

-41%

›

▽A:▽13

ケナゲ

★河原田

21.5倍

-37%

›

▽A:▽4

メイショウノヴァス

吉田隼

32.8倍

-39%

›

▽A:▽10

マンサニージャ

丹内

33.2倍

-38%

›

▽A:▽15

コティノス

フーリー

33.3倍

-38%

›

×A:▽3

アースヴィンチ

☆長浜

59.2倍

-54%

›

▽A:▽6

クロミ

鮫島駿

89.8倍

-30%

›

×A:▽7

シーシェル

黛

139.6倍

-77%

›

×A:▽14

クルサール

川又

283.2倍

-53%

›

▽A:▽16

カタカムナ

原田和

344.7倍

-43%

›

💡 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	ウィスカーパッド	岩田望	実6.7	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走3着／76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 4.3着 ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 9.1% (オッズ暗示: 14.9%) ※ 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	ゴコウコイコイ	横山武	実2.6	×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（91日ぶりの実戦）
前5走 12/27 5中山74R 10着/18頭+0.9秒 11/29 5東京73R 3着/12頭+0.3秒 11/09 5東京25R 5着/6頭+1.0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 6.3着 △ ローテーション 91日休養明け × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 11.3% (オッズ暗示: 38.5%) ※ 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。
3	アースヴィンチ	☆長浜	実59.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／259日ぶりの実戦）
前5走 12/06 5中山13R 7着/15頭+0.3秒 11/23 5東京52R 16着/18頭+1.6秒 09/15 4中山55R 2着/13頭+0.0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 8.3着 (不振) △ ローテーション 259日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +158% (市場が大幅過小評価) AI 予想勝率 4.4% (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。
4	メイショウノヴァス	吉田隼	実32.8	▽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 12/28 5阪神83R 6着/18頭+0.9秒 12/07 5阪神25R 2着/17頭+0.0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 6.0着 △ ローテーション 90日休養明け 🌟◎ 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 4.9% (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	シーラス	レーン	実12.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均10.0着と低調／112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 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 6.6% (オッズ暗示: 7.8%) ※ 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。
6	クロミ	鮫島駿	実89.8	▽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／237日ぶりの実戦）
前5走 12/28 5阪神86R 13着/16頭+0.9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 13.0着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 237日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +287% (市場が大幅過小評価) AI 予想勝率 4.3% (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	シーシェル	黛	実139.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（161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 5.5着 △ ローテーション 161日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +433% (市場が大幅過小評価) AI 予想勝率 3.8% (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。
8	フローレンスフーガ	古川吉	実14.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 1回6日札幌7R 4着/16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 5.7着 ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 6.5% (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。
9	サトノリアファル	横山和	実6.2	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均11.7着と低調／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 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 111日休養明け × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 9.8% (オッズ暗示: 16.1%) ※ 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。
10	マンサニージャ	丹内	実33.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（133日ぶりの実戦）
前5走 11/15 5東京32R 11着/17頭+0.7秒 10/25 4新潟33R 4着/13頭+0.4秒 10/13 4東京55R 3着/13頭+0.2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 4.7着 △ ローテーション 133日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +56% (市場が大幅過小評価) AI 予想勝率 4.7% (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。
11	コワンニシタガウ	武豊	実6.5	▲詳細▼	AI上位評価だが期待値不足、見送り（133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 5.0着 △ ローテーション 133日休養明け × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 9.4% (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。
12	ブライスフェアリー	松山	実11.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（77日ぶりの実戦）
前5走 08/30 3新潟33R 3着/11頭+0.4秒 07/27 2新潟21R 4着/7頭+1.3秒 07/05 2福島35R 5着/7頭+1.3秒 ― ―
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 5.7着 △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 8.7%) ※ 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。
13	ケナゲ	★河原田	実21.5	▽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 11/15 5東京34R 11着/13頭+1.2秒 10/25 4東京83R 5着/9頭+0.9秒 07/19 2福島73R 8着/10頭+1.3秒 07/05 2福島33R 3着/9頭+0.4秒 06/21 3東京56R 7着/16頭+2.7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 5.7着 △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 5.5% (オッズ暗示: 4.7%) ※ 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	クルサール	川又	実283.2	▽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／154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 14 ◎ 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) △ ローテーション 154日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +981% (市場が大幅過小評価) AI 予想勝率 3.8% (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。
15	コティノス	フーリー	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10.7着と低調／133日ぶりの実戦）
前5走 12/13 5中京35R 4着/12頭+0.5秒 ― ― ― ―
AI 評価の内訳 — 馬番 15 ◎ 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 13着 (大敗) △ ローテーション 133日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +60% (市場が大幅過小評価) AI 予想勝率 4.8% (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。
16	カタカムナ	原田和	実344.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.3着と低調／97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 16 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 12.3着 (不振) ▽ 前走実績前走 13着 (大敗) △ ローテーション 97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 3.8% (オッズ暗示: 0.3%) ※ 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。

🎯 AIの本命

AI評価1位

ゴコウコイコイ

騎手横山武

単勝オッズ

2.6倍

AI期待値

-70%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○9サトノリアファル

6.2倍

EV -39%

▲11コワンニシタガウ

6.5倍

EV -38%

出走馬全16頭

×2

ゴコウコイコイ

横山武

2.6倍

-70%

›

○9

サトノリアファル

横山和

6.2倍

-39%

›

▲11

コワンニシタガウ

武豊

6.5倍

-38%

›

△1

ウィスカーパッド

岩田望

6.7倍

-38%

›

△12

ブライスフェアリー

松山

11.5倍

-17%

›

△5

シーラス

レーン

12.9倍

-14%

›

▽8

フローレンスフーガ

古川吉

14.5倍

-5%

›

▽13

ケナゲ

★河原田

21.5倍

+18%

›

▽4

メイショウノヴァス

吉田隼

32.8倍

+59%

›

▽15

コティノス

フーリー

33.3倍

+60%

›

▽10

マンサニージャ

丹内

33.2倍

+56%

›

▽3

アースヴィンチ

☆長浜

59.2倍

+158%

›

▽6

クロミ

鮫島駿

89.8倍

+287%

›

▽7

シーシェル

黛

139.6倍

+433%

›

▽14

クルサール

川又

283.2倍

+981%

›

▽16

カタカムナ

原田和

344.7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