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	ダイシンパルス	横山琉	実97.9	B▽ A▽勝率1% EV-3% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.5着と低調／190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 10.5着 (不振) ▽ 前走実績前走 16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) -20% (オッズ過剰評価) AI 予想勝率 0.8% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 1.0% / 期待値 -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。
2	ジリアート	吉田隼	実24.2	B▽ A×勝率1% EV-68% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均10.3着と低調／92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 10.3着 (不振) △ ローテーション 92日休養明け × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 2.7% (オッズ暗示: 4.1%) × Aモデルの評価 (参考) レース内 10位 / 勝率 1.3% / 期待値 -69% ※ 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	コスモヘリアンサス	丹内	実23.8	B▽ A▽勝率3% EV-36% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（329日ぶりの実戦）
前5走 10/05 4東京25R 7着/15頭+1.2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 7.0着 (不振) △ ローテーション 329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 3.1% (オッズ暗示: 4.2%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.7% / 期待値 -37% ※ 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	デルマフジ	浜中	実3.7	B○ A○勝率25% EV-6% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均3.0着と安定／前走3着／147日ぶりの実戦）
前5走 11/23 4京都65R 5着/9頭+1.1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 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ ローテーション 147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 22.7% (オッズ暗示: 27.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 25.2% / 期待値 -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。
5	イデアジュアンイハ	▲遠藤	実226.8	B× A×勝率0% EV-61% 詳細▼	大穴、AI予想勝率低く長期回収困難（92日ぶりの実戦）
前5走 12/27 5中山72R 10着/16頭+2.9秒 11/02 4東京113R 9着/10頭+1.5秒 10/18 4東京64R 13着/18頭+1.1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 7.0着 (不振) △ ローテーション 92日休養明け × 期待値 (オッズ vs AI勝率) -61% (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 16位 / 勝率 0.2% / 期待値 -61% ※ 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	ギオンバヤシ	武豊	実3.5	B◎ A◎勝率25% EV-11% 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（前走3着／92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 6 ◎ 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) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 22.7% (オッズ暗示: 28.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 25.2% / 期待値 -12% ※ 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	ワダツミ	▲小林美	実16.2	B△ A△勝率5% EV-19% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均13.0着と低調／105日ぶりの実戦）
前5走 12/20 5阪神55R 16着/18頭+1.5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 13.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 105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 4.3% (オッズ暗示: 6.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.0% / 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。
8	ネクストドア	古川吉	実55.0	B× A▽勝率1% EV-49% 詳細▼	大穴、AI予想勝率低く長期回収困難（252日ぶりの実戦）
前5走 12/21 5中山67R 8着/16頭+1.2秒 11/30 5東京86R 5着/12頭+1.2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 6.5着 △ ローテーション 252日休養明け × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 15位 / 勝率 0.9% / 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。
9	コスモクラシック	横山武	実7.7	B△ A▲勝率11% EV-15% 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11.0着と低調／140日ぶりの実戦）
前5走 11/22 3福島57R 13着/16頭+1.9秒 11/08 4京都13R 5着/9頭+0.9秒 10/05 4東京22R 4着/11頭+0.7秒 09/15 4中山52R 2着/10頭+0.0秒 08/23 3新潟15R 5着/13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 11.0着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 140日休養明け △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 12.2% (オッズ暗示: 13.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.0% / 期待値 -15% ※ 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	メイショウライガ	▲和田陽	実8.0	B▲ A△勝率11% EV-12% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均10.7着と低調／127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 10.7着 (不振) ▽ 前走実績前走 12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) -0% (オッズ過剰評価) AI 予想勝率 12.4% (オッズ暗示: 12.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 11.0% / 期待値 -12% ※ 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	アート	鮫島駿	実19.5	B▽ A▽勝率5% EV-8% 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 11 ◎ 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 106日休養明け △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 4.3% (オッズ暗示: 5.1%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 4.7% / 期待値 -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。
12	カリドーラ	小沢	実30.6	B▽ A×勝率1% 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12.7着と低調／106日ぶりの実戦）
前5走 12/14 5中山43R 14着/18頭+2.7秒 09/28 4中山93R 4着/16頭+1.2秒 08/10 2新潟62R 7着/12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 12.7着 (不振) ▽ 前走実績前走 14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) -41% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 3.3%) × Aモデルの評価 (参考) レース内 12位 / 勝率 1.3% / 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。
13	ロックフラワー	石川倭	実32.3	B▽ A▽勝率3% EV-18% 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）
前5走 1回4日札幌2R 9着/14頭 ― ― ― ―
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) -37% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 3.1%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.5% / 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	インテンスゲイズ	斎藤	実24.3	B× A×勝率1% EV-68% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調／141日ぶりの実戦）
前5走 12/06 5中京15R 11着/14頭+1.6秒 11/23 5東京52R 7着/18頭+0.9秒 11/08 5東京15R 6着/13頭+1.4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 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 141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 1.9% (オッズ暗示: 4.1%) × Aモデルの評価 (参考) レース内 11位 / 勝率 1.3% / 期待値 -69% ※ 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	エイシンリーガル	松本	実56.2	B× A▽勝率1% EV-44% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.5着と低調／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 15 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.5着 (不振) △ ローテーション 98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: 1.8%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 1.0% / 期待値 -44% ※ 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	メイショウローゼ	藤懸	実10.2	B△ A△勝率6% EV-40% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 16 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.7着 △ ローテーション 112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 7.4% (オッズ暗示: 9.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.8% / 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 ◎

ギオンバヤシ

騎手武豊

単勝オッズ

3.5倍

AI期待値

-20%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○4デルマフジ

3.7倍

EV -16%

▲A:△10メイショウライガ

8.0倍

EV 0%

出走馬全16頭

◎A:◎6

ギオンバヤシ

武豊

3.5倍

-20%

›

○A:○4

デルマフジ

浜中

3.7倍

-16%

›

▲A:△10

メイショウライガ

▲和田陽

8.0倍

›

△A:▲9

コスモクラシック

横山武

7.7倍

-6%

›

△A:△16

メイショウローゼ

藤懸

10.2倍

-24%

›

△A:△7

ワダツミ

▲小林美

16.2倍

-30%

›

▽A:▽11

アート

鮫島駿

19.5倍

-16%

›

▽A:▽3

コスモヘリアンサス

丹内

23.8倍

-27%

›

▽A:×2

ジリアート

吉田隼

24.2倍

-35%

›

×A:×14

インテンスゲイズ

斎藤

24.3倍

-52%

›

▽A:×12

カリドーラ

小沢

30.6倍

-40%

›

▽A:▽13

ロックフラワー

石川倭

32.3倍

-37%

›

×A:▽8

ネクストドア

古川吉

55.0倍

-55%

›

×A:▽15

エイシンリーガル

松本

56.2倍

-54%

›

▽A:▽1

ダイシンパルス

横山琉

97.9倍

-20%

›

×A:×5

イデアジュアンイハ

▲遠藤

226.8倍

-60%

›

💡 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	ダイシンパルス	横山琉	実97.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.5着と低調／190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 10.5着 (不振) ▽ 前走実績前走 16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) -3% (オッズ過剰評価) AI 予想勝率 1.0% (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。
2	ジリアート	吉田隼	実24.2	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均10.3着と低調／92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 10.3着 (不振) △ ローテーション 92日休養明け × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 4.1%) ※ 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。
3	コスモヘリアンサス	丹内	実23.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（329日ぶりの実戦）
前5走 10/05 4東京25R 7着/15頭+1.2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 7.0着 (不振) △ ローテーション 329日休養明け × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 2.7% (オッズ暗示: 4.2%) ※ 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	デルマフジ	浜中	実3.7	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均3.0着と安定／前走3着／147日ぶりの実戦）
前5走 11/23 4京都65R 5着/9頭+1.1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 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ ローテーション 147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 25.2% (オッズ暗示: 27.0%) ※ 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	イデアジュアンイハ	▲遠藤	実226.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（92日ぶりの実戦）
前5走 12/27 5中山72R 10着/16頭+2.9秒 11/02 4東京113R 9着/10頭+1.5秒 10/18 4東京64R 13着/18頭+1.1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 7.0着 (不振) △ ローテーション 92日休養明け × 期待値 (オッズ vs AI勝率) -61% (大幅な期待値マイナス) AI 予想勝率 0.2% (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。
6	ギオンバヤシ	武豊	実3.5	◎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（前走3着／92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 6 ◎ 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) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 25.2% (オッズ暗示: 28.6%) ※ 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。
7	ワダツミ	▲小林美	実16.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均13.0着と低調／105日ぶりの実戦）
前5走 12/20 5阪神55R 16着/18頭+1.5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 13.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 105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 5.0% (オッズ暗示: 6.2%) ※ 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	ネクストドア	古川吉	実55.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（252日ぶりの実戦）
前5走 12/21 5中山67R 8着/16頭+1.2秒 11/30 5東京86R 5着/12頭+1.2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 6.5着 △ ローテーション 252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 0.9% (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。
9	コスモクラシック	横山武	実7.7	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均11.0着と低調／140日ぶりの実戦）
前5走 11/22 3福島57R 13着/16頭+1.9秒 11/08 4京都13R 5着/9頭+0.9秒 10/05 4東京22R 4着/11頭+0.7秒 09/15 4中山52R 2着/10頭+0.0秒 08/23 3新潟15R 5着/13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 11.0着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 140日休養明け △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 11.0% (オッズ暗示: 13.0%) ※ 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	メイショウライガ	▲和田陽	実8.0	△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10.7着と低調／127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 10.7着 (不振) ▽ 前走実績前走 12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) -12% (オッズ過剰評価) AI 予想勝率 11.0% (オッズ暗示: 12.5%) ※ 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	アート	鮫島駿	実19.5	▽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 11 ◎ 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 106日休養明け △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 4.7% (オッズ暗示: 5.1%) ※ 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。
12	カリドーラ	小沢	実30.6	×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／106日ぶりの実戦）
前5走 12/14 5中山43R 14着/18頭+2.7秒 09/28 4中山93R 4着/16頭+1.2秒 08/10 2新潟62R 7着/12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 12.7着 (不振) ▽ 前走実績前走 14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) -60% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 3.3%) ※ 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。
13	ロックフラワー	石川倭	実32.3	▽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）
前5走 1回4日札幌2R 9着/14頭 ― ― ― ―
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) -18% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 3.1%) ※ 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。
14	インテンスゲイズ	斎藤	実24.3	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調／141日ぶりの実戦）
前5走 12/06 5中京15R 11着/14頭+1.6秒 11/23 5東京52R 7着/18頭+0.9秒 11/08 5東京15R 6着/13頭+1.4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 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 141日休養明け × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 4.1%) ※ 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。
15	エイシンリーガル	松本	実56.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.5着と低調／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 15 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.5着 (不振) △ ローテーション 98日休養明け × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。
16	メイショウローゼ	藤懸	実10.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 16 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.7着 △ ローテーション 112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 5.8% (オッズ暗示: 9.8%) ※ 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。

🎯 AIの本命

AI評価1位

ギオンバヤシ

騎手武豊

単勝オッズ

3.5倍

AI期待値

-11%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○4デルマフジ

3.7倍

EV -6%

▲9コスモクラシック

7.7倍

EV -15%

出走馬全16頭

◎6

ギオンバヤシ

武豊

3.5倍

-11%

›

○4

デルマフジ

浜中

3.7倍

-6%

›

▲9

コスモクラシック

横山武

7.7倍

-15%

›

△10

メイショウライガ

▲和田陽

8.0倍

-12%

›

△16

メイショウローゼ

藤懸

10.2倍

-40%

›

△7

ワダツミ

▲小林美

16.2倍

-19%

›

▽11

アート

鮫島駿

19.5倍

-8%

›

▽3

コスモヘリアンサス

丹内

23.8倍

-36%

›

▽13

ロックフラワー

石川倭

32.3倍

-18%

›

×2

ジリアート

吉田隼

24.2倍

-68%

›

×14

インテンスゲイズ

斎藤

24.3倍

-68%

›

×12

カリドーラ

小沢

30.6倍

-60%

›

▽15

エイシンリーガル

松本

56.2倍

-44%

›

▽1

ダイシンパルス

横山琉

97.9倍

-3%

›

▽8

ネクストドア

古川吉

55.0倍

-49%

›

×5

イデアジュアンイハ

▲遠藤

226.8倍

-61%

›

💡 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