札幌 3R 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

3R 札幌競馬場　発走 10:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ニシノモリミチ	鮫島駿	実49.8	B▽ A▽勝率1% EV-46% 詳細▼	大穴、AI予想勝率低く長期回収困難（127日ぶりの実戦）
前5走 12/20 5中山55R 6着/17頭+0.9秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 △ ローテーション 127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 1.3% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.1% / 期待値 -47% ※ 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	アオイミズホ	丹内	実10.4	B△ A△勝率8% EV-21% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（92日ぶりの実戦）
前5走 12/13 5中山34R 4着/16頭+1.0秒 11/01 4東京101R 4着/16頭+0.8秒 10/11 4東京36R 5着/16頭+1.1秒 ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 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) -31% (大幅な期待値マイナス) AI 予想勝率 6.6% (オッズ暗示: 9.6%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.5% / 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。
3	ゴンフィンガー	小沢	実4.5	B▲ A▲勝率21% EV-7% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.7着と安定／前走3着）
前5走 1回4日札幌3R 2着/11頭+9.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子平均 2.7着 (安定) ○ 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 18.7% (オッズ暗示: 22.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 20.5% / 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。
4	シンエンドーツダ	斎藤	実9.9	B△ A△勝率6% EV-44% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（134日ぶりの実戦）
前5走 12/13 5中山34R 7着/16頭+1.3秒 11/23 5東京53R 13着/17頭+2.0秒 08/10 2新潟61R 8着/18頭+1.1秒 07/19 2福島74R 6着/16頭+1.0秒 ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.3着 △ ローテーション 134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 6.6% (オッズ暗示: 10.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.6% / 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。
5	ブルーアンビエンス	★河原田	実36.3	B▽ A▽勝率2% EV-15% 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／91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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.0着 (不振) △ ローテーション 91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 2.2% (オッズ暗示: 2.8%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.3% / 期待値 -16% ※ 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	ツクバヴァンガード	☆長浜	実18.6	B▽ A▽勝率6% 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2.0着と安定／前走2着／105日ぶりの実戦）
前5走 09/28 4中山94R 3着/16頭+0.7秒 ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子平均 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 105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 5.1% (オッズ暗示: 5.4%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 5.6% / 期待値 +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。
7	ロスニーニョス	▲和田陽	実426.6	B▽ A▽勝率1% EV+185% 詳細▼	大穴、AI予想勝率低く長期回収困難（91日ぶりの実戦）
前5走 12/21 5阪神64R 12着/12頭+2.8秒 12/06 5阪神15R 6着/10頭+1.0秒 ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.0着 △ ローテーション 91日休養明け ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 0.3% (オッズ暗示: 0.2%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 0.7% / 期待値 +185% ※ 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	マコトアディントン	横山武	実6.9	B△ A△勝率12% EV-20% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（120日ぶりの実戦）
前5走 12/27 5阪神75R 11着/14頭+1.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 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% (市場と概ね一致) AI 予想勝率 17.7% (オッズ暗示: 14.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 11.6% / 期待値 -20% ※ 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	アメリカンダンス	荻野琢	実191.6	B▽ A▽勝率1% EV+28% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調／141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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 12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) -25% (オッズ過剰評価) AI 予想勝率 0.4% (オッズ暗示: 0.5%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 0.7% / 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。
10	イセッセイ	▲遠藤	実586.0	B▽ A▽勝率1% EV+292% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調／119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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.3着 (不振) △ ローテーション 119日休養明け ◎ 期待値 (オッズ vs AI勝率) +90% (市場が大幅過小評価) AI 予想勝率 0.3% (オッズ暗示: 0.2%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 0.7% / 期待値 +292% ※ 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	ジャストグレース	古川吉	実48.7	B▽ A▽勝率1% EV-48% 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／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 11 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.0着 (不振) △ ローテーション 112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 1.3% (オッズ暗示: 2.1%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.1% / 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。
12	ヘイジュード	佐々木	実3.2	B◎ A◎勝率21% EV-31% 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（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 12 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.3着 ▽ 前走実績前走 13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) -37% (大幅な期待値マイナス) AI 予想勝率 19.5% (オッズ暗示: 31.2%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 21.5% / 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。
13	ブラックパロット	横山琉	実123.8	B× A▽勝率1% EV-17% 詳細▼	大穴、AI予想勝率低く長期回収困難（91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 13 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 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 91日休養明け × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 0.8%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 0.7% / 期待値 -17% ※ 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	ロードステラート	横山和	実4.1	B○ A○勝率21% EV-15% 詳細▼	AI上位評価だが期待値不足、見送り（106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 14 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.0着 △ ローテーション 106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 19.5% (オッズ暗示: 24.4%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 20.5% / 期待値 -16% ※ 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 ◎

ヘイジュード

騎手佐々木

単勝オッズ

3.2倍

AI期待値

-37%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○14ロードステラート

4.1倍

EV -19%

▲A:▲3ゴンフィンガー

4.5倍

EV -15%

出走馬全14頭

◎A:◎12

ヘイジュード

佐々木

3.2倍

-37%

›

○A:○14

ロードステラート

横山和

4.1倍

-19%

›

▲A:▲3

ゴンフィンガー

小沢

4.5倍

-15%

›

△A:△8

マコトアディントン

横山武

6.9倍

+22%

›

△A:△4

シンエンドーツダ

斎藤

9.9倍

-34%

›

△A:△2

アオイミズホ

丹内

10.4倍

-31%

›

▽A:▽6

ツクバヴァンガード

☆長浜

18.6倍

-5%

›

▽A:▽5

ブルーアンビエンス

★河原田

36.3倍

-20%

›

▽A:▽11

ジャストグレース

古川吉

48.7倍

-36%

›

▽A:▽1

ニシノモリミチ

鮫島駿

49.8倍

-35%

›

×A:▽13

ブラックパロット

横山琉

123.8倍

-51%

›

▽A:▽9

アメリカンダンス

荻野琢

191.6倍

-25%

›

▽A:▽7

ロスニーニョス

▲和田陽

426.6倍

+38%

›

▽A:▽10

イセッセイ

▲遠藤

586.0倍

+90%

›

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

3R 札幌競馬場　発走 10:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ニシノモリミチ	鮫島駿	実49.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（127日ぶりの実戦）
前5走 12/20 5中山55R 6着/17頭+0.9秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 △ ローテーション 127日休養明け × 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 1.1% (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。
2	アオイミズホ	丹内	実10.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（92日ぶりの実戦）
前5走 12/13 5中山34R 4着/16頭+1.0秒 11/01 4東京101R 4着/16頭+0.8秒 10/11 4東京36R 5着/16頭+1.1秒 ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 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) -22% (オッズ過剰評価) AI 予想勝率 7.5% (オッズ暗示: 9.6%) ※ 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	ゴンフィンガー	小沢	実4.5	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.7着と安定／前走3着）
前5走 1回4日札幌3R 2着/11頭+9.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子平均 2.7着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 20.5% (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。
4	シンエンドーツダ	斎藤	実9.9	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（134日ぶりの実戦）
前5走 12/13 5中山34R 7着/16頭+1.3秒 11/23 5東京53R 13着/17頭+2.0秒 08/10 2新潟61R 8着/18頭+1.1秒 07/19 2福島74R 6着/16頭+1.0秒 ―
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.3着 △ ローテーション 134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 5.6% (オッズ暗示: 10.1%) ※ 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。
5	ブルーアンビエンス	★河原田	実36.3	▽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／91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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.0着 (不振) △ 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 2.3% (オッズ暗示: 2.8%) ※ 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	ツクバヴァンガード	☆長浜	実18.6	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.0着と安定／前走2着／105日ぶりの実戦）
前5走 09/28 4中山94R 3着/16頭+0.7秒 ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子平均 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 105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 5.6% (オッズ暗示: 5.4%) ※ 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。
7	ロスニーニョス	▲和田陽	実426.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（91日ぶりの実戦）
前5走 12/21 5阪神64R 12着/12頭+2.8秒 12/06 5阪神15R 6着/10頭+1.0秒 ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.0着 △ ローテーション 91日休養明け ◎ 期待値 (オッズ vs AI勝率) +185% (市場が大幅過小評価) AI 予想勝率 0.7% (オッズ暗示: 0.2%) ※ 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	マコトアディントン	横山武	実6.9	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（120日ぶりの実戦）
前5走 12/27 5阪神75R 11着/14頭+1.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 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) -20% (オッズ過剰評価) AI 予想勝率 11.6% (オッズ暗示: 14.5%) ※ 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	アメリカンダンス	荻野琢	実191.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調／141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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 12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) +28% (市場と概ね一致) AI 予想勝率 0.7% (オッズ暗示: 0.5%) ※ 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。
10	イセッセイ	▲遠藤	実586.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調／119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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.3着 (不振) △ ローテーション 119日休養明け ◎ 期待値 (オッズ vs AI勝率) +292% (市場が大幅過小評価) AI 予想勝率 0.7% (オッズ暗示: 0.2%) ※ 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。
11	ジャストグレース	古川吉	実48.7	▽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／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 11 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.0着 (不振) △ ローテーション 112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 1.1% (オッズ暗示: 2.1%) ※ 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	ヘイジュード	佐々木	実3.2	◎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（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 12 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.3着 ▽ 前走実績前走 13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) -31% (大幅な期待値マイナス) AI 予想勝率 21.5% (オッズ暗示: 31.2%) ※ 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	ブラックパロット	横山琉	実123.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（91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 13 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 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 91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 0.7% (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。
14	ロードステラート	横山和	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（106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 14 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.0着 △ ローテーション 106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 20.5% (オッズ暗示: 24.4%) ※ 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

ヘイジュード

騎手佐々木

単勝オッズ

3.2倍

AI期待値

-31%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○14ロードステラート

4.1倍

EV -15%

▲3ゴンフィンガー

4.5倍

EV -7%

出走馬全14頭

◎12

ヘイジュード

佐々木

3.2倍

-31%

›

○14

ロードステラート

横山和

4.1倍

-15%

›

▲3

ゴンフィンガー

小沢

4.5倍

-7%

›

△8

マコトアディントン

横山武

6.9倍

-20%

›

△2

アオイミズホ

丹内

10.4倍

-21%

›

△4

シンエンドーツダ

斎藤

9.9倍

-44%

›

▽6

ツクバヴァンガード

☆長浜

18.6倍

+4%

›

▽5

ブルーアンビエンス

★河原田

36.3倍

-15%

›

▽11

ジャストグレース

古川吉

48.7倍

-48%

›

▽1

ニシノモリミチ

鮫島駿

49.8倍

-46%

›

▽13

ブラックパロット

横山琉

123.8倍

-17%

›

▽9

アメリカンダンス

荻野琢

191.6倍

+28%

›

▽7

ロスニーニョス

▲和田陽

426.6倍

+185%

›

▽10

イセッセイ

▲遠藤

586.0倍

+292%

›

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