札幌 7R 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

7R 札幌競馬場　発走 13:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ネネキリマル推奨	鮫島駿	実21.0	B△ A▽勝率6% EV+22% 詳細▼	オッズに対しAI予想勝率がやや高め、期待値+31%の妙味（市場想定よりAI評価が高く妙味）
前5走 12/27 5阪神79R 9着/10頭+1.3秒 11/08 5東京111R 11着/16頭+1.1秒 10/13 3京都53R 1着/16頭勝利 08/16 3中京72R 10着/10頭+10.9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 5.3着 ▽ 前走実績前走 10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) +31% (妙味あり) AI 予想勝率 6.2% (オッズ暗示: 4.8%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 5.8% / 期待値 +23% ※ 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	ダブルチャレンジ	吉田隼	実17.4	B▽ A▽勝率6% EV-3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／106日ぶりの実戦）
前5走 12/06 5中京14R 6着/18頭+0.4秒 10/25 4新潟32R 14着/15頭+4.9秒 08/09 3中京53R 5着/12頭+0.6秒 07/26 3中京14R 9着/11頭+1.9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戦の調子勝率 33% (上り調子) ▽ 前走実績前走 16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) -36% (大幅な期待値マイナス) AI 予想勝率 3.7% (オッズ暗示: 5.7%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.6% / 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。
3	ライトニングロッド	横山琉	実13.4	B△ A△勝率6% EV-17% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調／169日ぶりの実戦）
前5走 11/22 4京都56R 12着/16頭+3.0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 8.3着 (不振) △ ローテーション 169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 5.6% (オッズ暗示: 7.5%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.2% / 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。
4	スプリングデイ	黛	実24.0	B× A▽勝率2% EV-48% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／直近3走平均10.0着と低調／105日ぶりの実戦）
前5走 12/20 5中京512R 11着/18頭+0.6秒 08/30 2札幌312R 7着/15頭+0.8秒 08/10 1札幌67R 4着/15頭+0.3秒 07/13 1函館1012R 2着/8頭+0.0秒 06/28 1函館59R 7着/8頭+0.6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 10.0着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) △ ローテーション 105日休養明け × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 4.2%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 2.2% / 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。
5	ペガサスノース	小沢	実35.6	B▽ A▽勝率2% EV-42% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調／120日ぶりの実戦）
前5走 11/15 3福島37R 8着/16頭+0.5秒 08/17 3中京812R 6着/18頭+0.5秒 07/13 2小倉612R 7着/15頭+0.2秒 06/14 3阪神39R 8着/13頭+1.1秒 02/23 1小倉102R 1着/18頭勝利
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 11.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 120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 2.3% (オッズ暗示: 2.8%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.6% / 期待値 -43% ※ 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	バレンタインビスタ	☆長浜	実15.9	B▽ A▽勝率6% EV-1% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（175日ぶりの実戦）
前5走 12/21 5中山67R 3着/16頭+0.8秒 10/18 4東京62R 6着/9頭+1.7秒 09/27 4中山84R 5着/16頭+1.6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 4.0着 △ ローテーション 175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 3.7% (オッズ暗示: 6.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.2% / 期待値 -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	フレンドモナコ	松本	実105.0	B▽ A▽勝率1% EV-6% 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／127日ぶりの実戦）
前5走 12/20 5中京59R 5着/9頭+0.5秒 11/22 4京都59R 8着/9頭+1.3秒 09/20 4中山69R 10着/13頭+1.2秒 08/31 4中京411R 9着/13頭+2.0秒 08/09 3中京53R 1着/12頭勝利
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 9.3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) -42% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 16位 / 勝率 0.9% / 期待値 -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	コスモファーブロス	◇小林美	実7.3	B○ A○勝率12% 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 12/28 5阪神82R 9着/17頭+0.7秒 12/07 5阪神23R 4着/18頭+0.8秒 09/14 4阪神42R 8着/10頭+1.7秒 08/10 3中京63R 8着/12頭+2.7秒 07/26 3中京14R 4着/11頭+0.3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 4.3着 △ ローテーション 106日休養明け △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 11.6% (オッズ暗示: 13.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 11.5% / 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。
9	レッドアイスピア	▲和田陽	実26.6	B× A×勝率1% EV-73% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均11.3着と低調／127日ぶりの実戦）
前5走 11/15 3福島34R 8着/16頭+0.3秒 10/18 4新潟13R 3着/18頭+0.2秒 09/27 4阪神83R 5着/14頭+0.8秒 09/06 4中山15R 3着/16頭+0.4秒 ―
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 11.3着 (不振) ▽ 前走実績前走 10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) -53% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 3.8%) × Aモデルの評価 (参考) レース内 14位 / 勝率 1.0% / 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。
10	クレセントウイング	落合玄	実7.4	B△ A▲勝率11% EV-16% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（483日ぶりの実戦）
前5走 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒
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 7.0着 (不振) △ ローテーション 483日休養明け × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 9.1% (オッズ暗示: 13.5%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.3% / 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。
11	カリヨンアヴォン	古川吉	実55.4	B▽ A▽勝率2% EV-10% 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／92日ぶりの実戦）
前5走 12/07 5中山26R 4着/6頭+1.0秒 09/15 4中山56R 1着/11頭勝利 ― ― ―
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 10.7着 (不振) ▽ 前走実績前走 16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) -1% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 1.6% / 期待値 -11% ※ 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	ウィングブルー	斎藤	実2.8	B◎ A◎勝率27% EV-23% 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2.7着と安定／前走2着／106日ぶりの実戦）
前5走 12/21 5中京69R 10着/16頭+1.0秒 11/22 3福島51R 1着/14頭勝利 11/02 4東京112R 3着/14頭+1.0秒 10/13 4東京51R 2着/15頭+0.3秒 09/20 4中山61R 2着/13頭+0.1秒
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 2.7着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 106日休養明け △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 34.1% (オッズ暗示: 35.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 27.3% / 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。
13	ジャンヌローサ	丹内	実23.7	B▽ A▽勝率2% EV-48% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／190日ぶりの実戦）
前5走 12/21 5中京66R 6着/16頭+0.4秒 12/06 5中京112R 4着/16頭+0.3秒 11/09 4京都212R 12着/17頭+0.6秒 09/14 4阪神47R 8着/14頭+0.7秒 08/24 4中京29R 12着/14頭+1.6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 3.7着 ○ 前走実績前走 2着 (好走) △ ローテーション 190日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 3.0% (オッズ暗示: 4.2%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.2% / 期待値 -49% ※ 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	ディーズメンフィス	★河原田	実8.2	B▲ A△勝率10% EV-14% 詳細▼	AI上位評価だが期待値不足、見送り（140日ぶりの実戦）
前5走 08/23 2札幌15R 4着/9頭+2.1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 6.0着 △ ローテーション 140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 9.3% (オッズ暗示: 12.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.4% / 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。
15	ルージュナリッシュ	小野楓	実53.3	B▽ A▽勝率1% EV-46% 詳細▼	大穴、AI予想勝率低く長期回収困難（126日ぶりの実戦）
前5走 12/20 5中京52R 6着/16頭+0.7秒 10/12 4東京46R 6着/15頭+0.6秒 06/14 3東京312R 3着/16頭+1.1秒 05/18 2東京86R 5着/16頭+1.2秒 03/02 1阪神211R 9着/14頭+0.5秒
AI 評価の内訳 — 馬番 15 ◎ 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 7.7着 (不振) △ ローテーション 126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 1.0% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 15位 / 勝率 1.0% / 期待値 -46% ※ 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	ラヴノー	佐々木	実14.1	B▽ A△勝率6% EV-13% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.7着と低調／154日ぶりの実戦）
前5走 11/23 5東京59R 3着/8頭+0.5秒 09/20 4中山64R 1着/11頭勝利 ― ― ―
AI 評価の内訳 — 馬番 16 ◎ 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 8.7着 (不振) ▽ 前走実績前走 12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) -29% (オッズ過剰評価) AI 予想勝率 5.0% (オッズ暗示: 7.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.2% / 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。

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 ◎

ウィングブルー

騎手斎藤

単勝オッズ

2.8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:○8コスモファーブロス

7.3倍

EV -15%

▲A:△14ディーズメンフィス

8.2倍

EV -23%

出走馬全16頭

◎A:◎12

ウィングブルー

斎藤

2.8倍

-4%

›

○A:○8

コスモファーブロス

◇小林美

7.3倍

-15%

›

▲A:△14

ディーズメンフィス

★河原田

8.2倍

-23%

›

△A:▲10

クレセントウイング

落合玄

7.4倍

-32%

›

△A:▽1

ネネキリマル

鮫島駿

21.0倍

+31%

›

△A:△3

ライトニングロッド

横山琉

13.4倍

-25%

›

▽A:△16

ラヴノー

佐々木

14.1倍

-28%

›

▽A:▽6

バレンタインビスタ

☆長浜

15.9倍

-41%

›

▽A:▽2

ダブルチャレンジ

吉田隼

17.4倍

-35%

›

▽A:▽13

ジャンヌローサ

丹内

23.7倍

-28%

›

▽A:▽5

ペガサスノース

小沢

35.6倍

-17%

›

×A:▽4

スプリングデイ

黛

24.0倍

-57%

›

×A:×9

レッドアイスピア

▲和田陽

26.6倍

-52%

›

▽A:▽11

カリヨンアヴォン

古川吉

55.4倍

-1%

›

▽A:▽15

ルージュナリッシュ

小野楓

53.3倍

-46%

›

▽A:▽7

フレンドモナコ

松本

105.0倍

-42%

›

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)

見送り

B. 新モデル (rank最適化 + leak-free + 確率校正)

単勝 1 ネネキリマル実21.0倍期待値 +31% 推奨 16.0〜30.0倍 ¥200 不的中

※ オッズは予測時点の値です。

7R 札幌競馬場　発走 13:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ネネキリマル推奨	鮫島駿	実21.0	▽詳細▼	期待値プラスでAIの推し馬（市場想定よりAI評価が高く妙味）
前5走 12/27 5阪神79R 9着/10頭+1.3秒 11/08 5東京111R 11着/16頭+1.1秒 10/13 3京都53R 1着/16頭勝利 08/16 3中京72R 10着/10頭+10.9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 5.3着 ▽ 前走実績前走 10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) +22% (市場と概ね一致) AI 予想勝率 5.8% (オッズ暗示: 4.8%) ※ 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。
2	ダブルチャレンジ	吉田隼	実17.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／106日ぶりの実戦）
前5走 12/06 5中京14R 6着/18頭+0.4秒 10/25 4新潟32R 14着/15頭+4.9秒 08/09 3中京53R 5着/12頭+0.6秒 07/26 3中京14R 9着/11頭+1.9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戦の調子勝率 33% (上り調子) ▽ 前走実績前走 16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) -3% (オッズ過剰評価) AI 予想勝率 5.6% (オッズ暗示: 5.7%) ※ 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	ライトニングロッド	横山琉	実13.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調／169日ぶりの実戦）
前5走 11/22 4京都56R 12着/16頭+3.0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 8.3着 (不振) △ ローテーション 169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 6.2% (オッズ暗示: 7.5%) ※ 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。
4	スプリングデイ	黛	実24.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／直近3走平均10.0着と低調／105日ぶりの実戦）
前5走 12/20 5中京512R 11着/18頭+0.6秒 08/30 2札幌312R 7着/15頭+0.8秒 08/10 1札幌67R 4着/15頭+0.3秒 07/13 1函館1012R 2着/8頭+0.0秒 06/28 1函館59R 7着/8頭+0.6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 10.0着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) △ 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 2.2% (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。
5	ペガサスノース	小沢	実35.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調／120日ぶりの実戦）
前5走 11/15 3福島37R 8着/16頭+0.5秒 08/17 3中京812R 6着/18頭+0.5秒 07/13 2小倉612R 7着/15頭+0.2秒 06/14 3阪神39R 8着/13頭+1.1秒 02/23 1小倉102R 1着/18頭勝利
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 11.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 120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 1.6% (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	バレンタインビスタ	☆長浜	実15.9	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（175日ぶりの実戦）
前5走 12/21 5中山67R 3着/16頭+0.8秒 10/18 4東京62R 6着/9頭+1.7秒 09/27 4中山84R 5着/16頭+1.6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 4.0着 △ ローテーション 175日休養明け △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 6.2% (オッズ暗示: 6.3%) ※ 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	フレンドモナコ	松本	実105.0	▽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／127日ぶりの実戦）
前5走 12/20 5中京59R 5着/9頭+0.5秒 11/22 4京都59R 8着/9頭+1.3秒 09/20 4中山69R 10着/13頭+1.2秒 08/31 4中京411R 9着/13頭+2.0秒 08/09 3中京53R 1着/12頭勝利
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 9.3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) -6% (オッズ過剰評価) AI 予想勝率 0.9% (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。
8	コスモファーブロス	◇小林美	実7.3	○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 12/28 5阪神82R 9着/17頭+0.7秒 12/07 5阪神23R 4着/18頭+0.8秒 09/14 4阪神42R 8着/10頭+1.7秒 08/10 3中京63R 8着/12頭+2.7秒 07/26 3中京14R 4着/11頭+0.3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 4.3着 △ ローテーション 106日休養明け △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 11.5% (オッズ暗示: 13.7%) ※ 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。
9	レッドアイスピア	▲和田陽	実26.6	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均11.3着と低調／127日ぶりの実戦）
前5走 11/15 3福島34R 8着/16頭+0.3秒 10/18 4新潟13R 3着/18頭+0.2秒 09/27 4阪神83R 5着/14頭+0.8秒 09/06 4中山15R 3着/16頭+0.4秒 ―
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 11.3着 (不振) ▽ 前走実績前走 10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) -73% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 3.8%) ※ 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。
10	クレセントウイング	落合玄	実7.4	▲詳細▼	AI上位評価だが期待値不足、見送り（483日ぶりの実戦）
前5走 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒 05/11 1新潟412R 7着/16頭+0.9秒
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 7.0着 (不振) △ ローテーション 483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 11.3% (オッズ暗示: 13.5%) ※ 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	カリヨンアヴォン	古川吉	実55.4	▽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／92日ぶりの実戦）
前5走 12/07 5中山26R 4着/6頭+1.0秒 09/15 4中山56R 1着/11頭勝利 ― ― ―
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 10.7着 (不振) ▽ 前走実績前走 16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) -11% (オッズ過剰評価) AI 予想勝率 1.6% (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。
12	ウィングブルー	斎藤	実2.8	◎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2.7着と安定／前走2着／106日ぶりの実戦）
前5走 12/21 5中京69R 10着/16頭+1.0秒 11/22 3福島51R 1着/14頭勝利 11/02 4東京112R 3着/14頭+1.0秒 10/13 4東京51R 2着/15頭+0.3秒 09/20 4中山61R 2着/13頭+0.1秒
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 2.7着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 106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 27.3% (オッズ暗示: 35.7%) ※ 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	ジャンヌローサ	丹内	実23.7	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／190日ぶりの実戦）
前5走 12/21 5中京66R 6着/16頭+0.4秒 12/06 5中京112R 4着/16頭+0.3秒 11/09 4京都212R 12着/17頭+0.6秒 09/14 4阪神47R 8着/14頭+0.7秒 08/24 4中京29R 12着/14頭+1.6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 3.7着 ○ 前走実績前走 2着 (好走) △ ローテーション 190日休養明け × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 2.2% (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。
14	ディーズメンフィス	★河原田	実8.2	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（140日ぶりの実戦）
前5走 08/23 2札幌15R 4着/9頭+2.1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 6.0着 △ 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 10.4% (オッズ暗示: 12.2%) ※ 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。
15	ルージュナリッシュ	小野楓	実53.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（126日ぶりの実戦）
前5走 12/20 5中京52R 6着/16頭+0.7秒 10/12 4東京46R 6着/15頭+0.6秒 06/14 3東京312R 3着/16頭+1.1秒 05/18 2東京86R 5着/16頭+1.2秒 03/02 1阪神211R 9着/14頭+0.5秒
AI 評価の内訳 — 馬番 15 ◎ 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 7.7着 (不振) △ ローテーション 126日休養明け × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 1.9%) ※ 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。
16	ラヴノー	佐々木	実14.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.7着と低調／154日ぶりの実戦）
前5走 11/23 5東京59R 3着/8頭+0.5秒 09/20 4中山64R 1着/11頭勝利 ― ― ―
AI 評価の内訳 — 馬番 16 ◎ 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 8.7着 (不振) ▽ 前走実績前走 12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) -13% (オッズ過剰評価) AI 予想勝率 6.2% (オッズ暗示: 7.1%) ※ 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。

AIの本命

AI評価1位

ウィングブルー

騎手斎藤

単勝オッズ

2.8倍

AI期待値

-23%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○8コスモファーブロス

7.3倍

EV -15%

▲10クレセントウイング

7.4倍

EV -16%

出走馬全16頭

◎12

ウィングブルー

斎藤

2.8倍

-23%

›

○8

コスモファーブロス

◇小林美

7.3倍

-15%

›

▲10

クレセントウイング

落合玄

7.4倍

-16%

›

△14

ディーズメンフィス

★河原田

8.2倍

-14%

›

△3

ライトニングロッド

横山琉

13.4倍

-17%

›

△16

ラヴノー

佐々木

14.1倍

-13%

›

▽6

バレンタインビスタ

☆長浜

15.9倍

-1%

›

▽1

ネネキリマル

鮫島駿

21.0倍

+22%

›

▽2

ダブルチャレンジ

吉田隼

17.4倍

-3%

›

▽13

ジャンヌローサ

丹内

23.7倍

-48%

›

▽4

スプリングデイ

黛

24.0倍

-48%

›

▽5

ペガサスノース

小沢

35.6倍

-42%

›

▽11

カリヨンアヴォン

古川吉

55.4倍

-10%

›

×9

レッドアイスピア

▲和田陽

26.6倍

-73%

›

▽15

ルージュナリッシュ

小野楓

53.3倍

-46%

›

▽7

フレンドモナコ

松本

105.0倍

-6%

›

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)

見送り

B. 新モデル (rank最適化 + leak-free + 確率校正)

単勝 1 ネネキリマル実21.0倍期待値 +23% 推奨 17.1〜30.0倍 ¥200 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