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	ゴーゴーリチャード	ロイド	実38.0	B▽ A▽勝率6% EV+133% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／183日ぶりの実戦）
前5走 12/27 5阪神79R 6着/10頭+0.7秒 12/07 5中京25R 1着/17頭勝利 ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 16着 (大敗) △ ローテーション 183日休養明け △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 3.3% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.1% / 期待値 +133% ※ 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	ルールザウェイヴ	武豊	実3.1	B○ A○勝率12% EV-62% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／133日ぶりの実戦）
前5走 12/27 5中山75R 1着/16頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 14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) -45% (大幅な期待値マイナス) AI 予想勝率 17.7% (オッズ暗示: 32.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 12.1% / 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。
3	クイーンズワーフ	ナレドゥ	実46.1	B▽ A▽勝率5% EV+146% 詳細▼	大穴、AI予想勝率低く長期回収困難（99日ぶりの実戦）
前5走 12/21 5中京66R 7着/16頭+0.5秒 12/06 5中京112R 2着/16頭+0.2秒 10/26 4新潟49R 12着/14頭+1.6秒 10/05 4東京28R 7着/14頭+0.9秒 08/02 2新潟36R 6着/14頭+0.8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 4.0着 △ ローテーション 99日休養明け × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.2%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.3% / 期待値 +147% ※ 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	モノポリオ	ルメール	実2.3	B🌟◎ A×勝率13% 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（直近3走で勝率33%と好調／223日ぶりの実戦）
前5走 10/18 4東京69R 3着/7頭+0.4秒 06/21 3東京55R 1着/12頭勝利 ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ ローテーション 223日休養明け △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 45.4% (オッズ暗示: 43.5%) × Aモデルの評価 (参考) レース内 1位 / 勝率 12.9% / 期待値 -70% ※ 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	ルクスアドラー	横山典	実31.4	B▽ A▽勝率6% EV+88% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.7着と低調／92日ぶりの実戦）
前5走 11/09 3福島27R 9着/16頭+0.5秒 07/27 1札幌29R 5着/8頭+0.9秒 07/05 1函館78R 4着/9頭+0.6秒 03/02 1小倉127R 14着/17頭+1.0秒 02/09 1小倉612R 5着/17頭+0.2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 12.7着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 92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 2.1% (オッズ暗示: 3.2%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.0% / 期待値 +88% ※ 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	モルニケ	横山武	実4.5	B▲ A▲勝率11% EV-49% 詳細▼	AI上位評価だが期待値不足、見送り（前走3着／155日ぶりの実戦）
前5走 11/01 4東京102R 1着/12頭勝利 10/11 4東京31R 2着/10頭+0.1秒 09/13 4中山35R 4着/16頭+0.4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 4.7着 ○ 前走実績前走 3着 (好走) △ ローテーション 155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 9.7% (オッズ暗示: 22.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.1% / 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。
7	ブライトフレア	浜中	実164.4	B▽ A▽勝率4% EV+620% 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／84日ぶりの実戦）
前5走 09/20 4阪神68R 3着/6頭+1.3秒 08/09 1札幌51R 1着/12頭勝利 06/21 3阪神55R 6着/12頭+1.1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 11.0着 (不振) × 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 0.3% (オッズ暗示: 0.6%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.4% / 期待値 +620% ※ 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	オーケーダイナ	岩田望	実78.5	B× A▽勝率5% EV+281% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均13.7着と低調／99日ぶりの実戦）
前5走 09/07 2札幌68R 5着/16頭+0.4秒 08/30 2札幌312R 5着/15頭+0.6秒 07/13 1函館1012R 3着/8頭+0.0秒 06/28 1函館51R 1着/15頭勝利 05/24 2京都93R 9着/17頭+0.7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 13.7着 (不振) ▽ 前走実績前走 14着 (大敗) △ ローテーション 99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 0.6% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 4.9% / 期待値 +282% ※ 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	サンウリエル	川又	実89.2	B▽ A▽勝率5% EV+375% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／147日ぶりの実戦）
前5走 11/15 4京都312R 5着/18頭+0.3秒 11/01 3京都1012R 4着/15頭+0.1秒 08/23 2札幌17R 6着/14頭+1.0秒 08/09 1札幌512R 5着/11頭+0.5秒 07/19 1函館119R 6着/14頭+1.3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 7.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 13着 (大敗) △ ローテーション 147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 0.6% (オッズ暗示: 1.1%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.3% / 期待値 +375% ※ 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	ファニーバニー推奨	▲小林美	実15.5	B△ A△勝率8% EV+29% 詳細▼	期待値プラスでAIの推し馬（前走3着で力を示す／113日の休養を経て臨戦態勢）
前5走 11/22 4京都59R 3着/9頭+0.6秒 10/19 3京都79R 3着/7頭+0.9秒 08/31 2札幌41R 1着/10頭勝利 07/26 1札幌11R 2着/12頭+0.2秒 06/14 1函館15R 2着/12頭+0.5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 8.3着 (不振) ○ 前走実績前走 3着 (好走) △ ローテーション 113日休養明け △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 8.3% (オッズ暗示: 6.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.4% / 期待値 +30% ※ 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	ホウオウペトリュス	横山和	実116.5	B× A▽勝率5% EV+440% 詳細▼	大穴、AI予想勝率低く長期回収困難（98日ぶりの実戦）
前5走 12/14 5中京46R 5着/18頭+0.4秒 11/22 3福島58R 5着/16頭+0.5秒 11/09 3福島29R 4着/16頭+0.2秒 10/12 3京都412R 11着/18頭+0.8秒 09/20 4阪神67R 4着/16頭+0.3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 7.3着 (不振) ▽ 前走実績前走 12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) -63% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 0.9%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.6% / 期待値 +440% ※ 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	サンセットゴールド	小沢	実31.3	B△ A△勝率7% EV+122% 詳細▼	大穴、AI予想勝率低く長期回収困難（77日ぶりの実戦）
前5走 09/06 2札幌511R 6着/12頭+0.7秒 07/27 1札幌25R 1着/6頭勝利 ― ― ―
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 6.7着 🌟◎ 期待値 (オッズ vs AI勝率) +80% (市場が大幅過小評価) AI 予想勝率 5.8% (オッズ暗示: 3.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.1% / 期待値 +122% ※ 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	クラインシュミット	横山琉	実278.3	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走で勝率33%と好調／前走勝利の勢い／132日ぶりの実戦）
前5走 11/18 盛岡4R 3着/10頭+0.2秒 11/04 盛岡1R 1着/9頭勝利 10/19 盛岡5R 1着/11頭勝利 08/31 3新潟42R 7着/15頭+0.8秒 07/20 2福島86R 6着/14頭+1.1秒
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 132日休養明け × 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 0.1% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 4.3% / 期待値 +1108% ※ 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	ベアサナエチャン	松山	実14.3	B△ A△勝率7% EV+4% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着／91日ぶりの実戦）
前5走 12/06 5中山13R 2着/15頭+0.0秒 10/11 4東京33R 3着/10頭+0.9秒 09/21 4中山71R 5着/16頭+0.5秒 09/06 4中山12R 3着/12頭+0.3秒 07/05 2福島35R 6着/7頭+2.3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 4.0着 ○ 前走実績前走 3着 (好走) △ ローテーション 91日休養明け × 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 4.1% (オッズ暗示: 7.0%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.3% / 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。

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 ×

モノポリオ

騎手ルメール

単勝オッズ

2.3倍

AI期待値

+4%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○2ルールザウェイヴ

3.1倍

EV -45%

▲A:▲6モルニケ

4.5倍

EV -56%

出走馬全14頭

◎A:×4

モノポリオ

ルメール

2.3倍

+4%

›

○A:○2

ルールザウェイヴ

武豊

3.1倍

-45%

›

▲A:▲6

モルニケ

横山武

4.5倍

-56%

›

△A:△10

ファニーバニー

▲小林美

15.5倍

+29%

›

△A:△12

サンセットゴールド

小沢

31.3倍

+80%

›

△A:△14

ベアサナエチャン

松山

14.3倍

-40%

›

▽A:▽1

ゴーゴーリチャード

ロイド

38.0倍

+26%

›

▽A:▽5

ルクスアドラー

横山典

31.4倍

-34%

›

▽A:▽3

クイーンズワーフ

ナレドゥ

46.1倍

-30%

›

×A:▽8

オーケーダイナ

岩田望

78.5倍

-50%

›

▽A:▽9

サンウリエル

川又

89.2倍

-43%

›

×A:▽11

ホウオウペトリュス

横山和

116.5倍

-62%

›

▽A:▽7

ブライトフレア

浜中

164.4倍

-47%

›

×A:▽13

クラインシュミット

横山琉

278.3倍

-62%

›

💡 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

A. 現行モデル (binary)

単勝 10 ファニーバニー実15.5倍期待値 +29% 推奨 12.0〜30.0倍 ¥100 ❌不的中

B. 新モデル (rank最適化 + leak-free + 確率校正)

単勝 10 ファニーバニー実15.5倍期待値 +29% 推奨 12.0〜30.0倍 ¥100 ❌不的中

※ オッズは予測時点の値です。

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	ゴーゴーリチャード	ロイド	実38.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／183日ぶりの実戦）
前5走 12/27 5阪神79R 6着/10頭+0.7秒 12/07 5中京25R 1着/17頭勝利 ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 16着 (大敗) △ ローテーション 183日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +133% (市場が大幅過小評価) AI 予想勝率 6.1% (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。
2	ルールザウェイヴ	武豊	実3.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／133日ぶりの実戦）
前5走 12/27 5中山75R 1着/16頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ▽ 前走実績前走 14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) -62% (大幅な期待値マイナス) AI 予想勝率 12.1% (オッズ暗示: 32.3%) ※ 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。
3	クイーンズワーフ	ナレドゥ	実46.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（99日ぶりの実戦）
前5走 12/21 5中京66R 7着/16頭+0.5秒 12/06 5中京112R 2着/16頭+0.2秒 10/26 4新潟49R 12着/14頭+1.6秒 10/05 4東京28R 7着/14頭+0.9秒 08/02 2新潟36R 6着/14頭+0.8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 4.0着 △ ローテーション 99日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +146% (市場が大幅過小評価) AI 予想勝率 5.3% (オッズ暗示: 2.2%) ※ 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。
4	モノポリオ	ルメール	実2.3	×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走で勝率33%と好調／223日ぶりの実戦）
前5走 10/18 4東京69R 3着/7頭+0.4秒 06/21 3東京55R 1着/12頭勝利 ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ ローテーション 223日休養明け × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 12.9% (オッズ暗示: 43.5%) ※ 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。
5	ルクスアドラー	横山典	実31.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.7着と低調／92日ぶりの実戦）
前5走 11/09 3福島27R 9着/16頭+0.5秒 07/27 1札幌29R 5着/8頭+0.9秒 07/05 1函館78R 4着/9頭+0.6秒 03/02 1小倉127R 14着/17頭+1.0秒 02/09 1小倉612R 5着/17頭+0.2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 12.7着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 92日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +88% (市場が大幅過小評価) AI 予想勝率 6.0% (オッズ暗示: 3.2%) ※ 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。
6	モルニケ	横山武	実4.5	▲詳細▼	AI上位評価だが期待値不足、見送り（前走3着／155日ぶりの実戦）
前5走 11/01 4東京102R 1着/12頭勝利 10/11 4東京31R 2着/10頭+0.1秒 09/13 4中山35R 4着/16頭+0.4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 4.7着 ○ 前走実績前走 3着 (好走) △ ローテーション 155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 11.1% (オッズ暗示: 22.2%) ※ 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。
7	ブライトフレア	浜中	実164.4	▽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／84日ぶりの実戦）
前5走 09/20 4阪神68R 3着/6頭+1.3秒 08/09 1札幌51R 1着/12頭勝利 06/21 3阪神55R 6着/12頭+1.1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 11.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +620% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 0.6%) ※ 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。
8	オーケーダイナ	岩田望	実78.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均13.7着と低調／99日ぶりの実戦）
前5走 09/07 2札幌68R 5着/16頭+0.4秒 08/30 2札幌312R 5着/15頭+0.6秒 07/13 1函館1012R 3着/8頭+0.0秒 06/28 1函館51R 1着/15頭勝利 05/24 2京都93R 9着/17頭+0.7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 13.7着 (不振) ▽ 前走実績前走 14着 (大敗) △ ローテーション 99日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +281% (市場が大幅過小評価) AI 予想勝率 4.9% (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。
9	サンウリエル	川又	実89.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／147日ぶりの実戦）
前5走 11/15 4京都312R 5着/18頭+0.3秒 11/01 3京都1012R 4着/15頭+0.1秒 08/23 2札幌17R 6着/14頭+1.0秒 08/09 1札幌512R 5着/11頭+0.5秒 07/19 1函館119R 6着/14頭+1.3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 7.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 13着 (大敗) △ ローテーション 147日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +375% (市場が大幅過小評価) AI 予想勝率 5.3% (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。
10	ファニーバニー推奨	▲小林美	実15.5	△詳細▼	期待値プラスでAIの推し馬（前走3着で力を示す／113日の休養を経て臨戦態勢）
前5走 11/22 4京都59R 3着/9頭+0.6秒 10/19 3京都79R 3着/7頭+0.9秒 08/31 2札幌41R 1着/10頭勝利 07/26 1札幌11R 2着/12頭+0.2秒 06/14 1函館15R 2着/12頭+0.5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 8.3着 (不振) ○ 前走実績前走 3着 (好走) △ ローテーション 113日休養明け △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 8.4% (オッズ暗示: 6.5%) ※ 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。
11	ホウオウペトリュス	横山和	実116.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（98日ぶりの実戦）
前5走 12/14 5中京46R 5着/18頭+0.4秒 11/22 3福島58R 5着/16頭+0.5秒 11/09 3福島29R 4着/16頭+0.2秒 10/12 3京都412R 11着/18頭+0.8秒 09/20 4阪神67R 4着/16頭+0.3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 7.3着 (不振) ▽ 前走実績前走 12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) +440% (市場が大幅過小評価) AI 予想勝率 4.6% (オッズ暗示: 0.9%) ※ 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	サンセットゴールド	小沢	実31.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（77日ぶりの実戦）
前5走 09/06 2札幌511R 6着/12頭+0.7秒 07/27 1札幌25R 1着/6頭勝利 ― ― ―
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 6.7着 🌟◎ 期待値 (オッズ vs AI勝率) +122% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 3.2%) ※ 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。
13	クラインシュミット	横山琉	実278.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い／132日ぶりの実戦）
前5走 11/18 盛岡4R 3着/10頭+0.2秒 11/04 盛岡1R 1着/9頭勝利 10/19 盛岡5R 1着/11頭勝利 08/31 3新潟42R 7着/15頭+0.8秒 07/20 2福島86R 6着/14頭+1.1秒
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 132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 4.3% (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。
14	ベアサナエチャン	松山	実14.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着／91日ぶりの実戦）
前5走 12/06 5中山13R 2着/15頭+0.0秒 10/11 4東京33R 3着/10頭+0.9秒 09/21 4中山71R 5着/16頭+0.5秒 09/06 4中山12R 3着/12頭+0.3秒 07/05 2福島35R 6着/7頭+2.3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 4.0着 ○ 前走実績前走 3着 (好走) △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 7.3% (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。

🎯 AIの本命

AI評価1位

モノポリオ

騎手ルメール

単勝オッズ

2.3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

○2ルールザウェイヴ

3.1倍

EV -62%

▲6モルニケ

4.5倍

EV -49%

出走馬全14頭

×4

モノポリオ

ルメール

2.3倍

-70%

›

○2

ルールザウェイヴ

武豊

3.1倍

-62%

›

▲6

モルニケ

横山武

4.5倍

-49%

›

△10

ファニーバニー

▲小林美

15.5倍

+29%

›

△14

ベアサナエチャン

松山

14.3倍

+4%

›

△12

サンセットゴールド

小沢

31.3倍

+122%

›

▽1

ゴーゴーリチャード

ロイド

38.0倍

+133%

›

▽5

ルクスアドラー

横山典

31.4倍

+88%

›

▽3

クイーンズワーフ

ナレドゥ

46.1倍

+146%

›

▽9

サンウリエル

川又

89.2倍

+375%

›

▽8

オーケーダイナ

岩田望

78.5倍

+281%

›

▽11

ホウオウペトリュス

横山和

116.5倍

+440%

›

▽7

ブライトフレア

浜中

164.4倍

+620%

›

▽13

クラインシュミット

横山琉

278.3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

A. 現行モデル (binary)

単勝 10 ファニーバニー実15.5倍期待値 +30% 推奨 11.9〜30.0倍 ¥100 ❌不的中

B. 新モデル (rank最適化 + leak-free + 確率校正)

単勝 10 ファニーバニー実15.5倍期待値 +30% 推奨 11.9〜30.0倍 ¥100 ❌不的中

※ オッズは予測時点の値です。

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