新潟 2R 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

2R 新潟競馬場　発走 10:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アグアフレスカ	松岡正海	実28.0	B▽ A▽勝率5% EV+29% 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 02/21 1東京75R 6着/14頭+0.7秒 01/11 1中山46R 8着/17頭+0.8秒 12/13 5中山35R 10着/13頭+1.4秒 ― ―
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 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) -42% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 3.6%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 4.6% / 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。
2	ノブステップ	▲石田	実74.5	B▽ A▽勝率4% EV+206% 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／154日ぶりの実戦）
前5走 03/15 2中山63R 10着/16頭+1.7秒 12/13 5阪神33R 8着/14頭+0.6秒 11/29 5東京73R 9着/12頭+1.0秒 07/12 2福島51R 4着/10頭+1.2秒 06/22 3東京66R 7着/16頭+1.3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 9.0着 (不振) ▽ 前走実績前走 10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) -35% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 4.1% / 期待値 +206% ※ 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	サヴマ	菊沢	実9.7	B△ A△勝率7% EV-34% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（218日ぶりの実戦）
前5走 01/10 1中山35R 4着/15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 218日休養明け △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 7.9% (オッズ暗示: 10.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.8% / 期待値 -34% ※ 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	レイランディ	川須	実190.5	B× A▽勝率4% EV+611% 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 03/21 2中山75R 7着/13頭+1.6秒 02/10 1東京46R 9着/18頭+1.3秒 09/07 4中山24R 5着/10頭+0.7秒 08/16 2新潟71R 8着/13頭+1.3秒 06/21 3東京55R 11着/12頭+3.4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 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) -65% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.5%) ▽ Aモデルの評価 (参考) レース内 16位 / 勝率 3.7% / 期待値 +612% ※ 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	ベルトラッキ	△石神道	実9.0	B△ A△勝率7% EV-34% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（85日ぶりの実戦）
前5走 03/07 2中山35R 5着/18頭+0.8秒 02/10 1東京46R 3着/18頭+0.2秒 01/24 1中山85R 2着/18頭+0.2秒 11/15 3福島35R 2着/16頭+0.1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 4.0着 △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 9.3% (オッズ暗示: 11.1%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.3% / 期待値 -34% ※ 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	アイスアイスベイビ	杉原誠人	実14.8	B△ A△勝率6% EV-10% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（91日ぶりの実戦）
前5走 03/29 3中山25R 5着/13頭+1.0秒 03/07 2中山35R 7着/18頭+1.0秒 02/10 1東京46R 5着/18頭+0.7秒 12/14 5中京44R 6着/13頭+0.7秒 11/15 3福島35R 8着/16頭+0.7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 △ ローテーション 91日休養明け × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 4.6% (オッズ暗示: 6.8%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.1% / 期待値 -10% ※ 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	ラウターユーベル	丸田	実19.4	B▽ A▽勝率6% EV+8% 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 02/07 2京都32R 8着/9頭+3.2秒 01/25 1中山94R 11着/16頭+2.2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 6.7着 △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 4.4% (オッズ暗示: 5.2%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 5.6% / 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。
8	コンティ	津村	実5.9	B○ A▲勝率9% EV-45% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均9.0着と低調／197日ぶりの実戦）
前5走 01/31 1東京15R 9着/16頭+0.8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 9.0着 (不振) △ ローテーション 197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 16.0% (オッズ暗示: 16.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 9.3% / 期待値 -45% ※ 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	ノアソノマ	小林脩	実281.9	B▽ A▽勝率4% EV+953% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均15.0着と低調）
前5走 2回7日福島7R 15着/16頭 ― ― ― ―
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 15.0着 (不振) ▽ 前走実績前走 15着 (大敗) × 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 0.2% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 17位 / 勝率 3.7% / 期待値 +954% ※ 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	フライングビーナス	小崎	実63.0	B▽ A▽勝率4% EV+165% 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／78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 9.0着 (不振) ▽ 前走実績前走 11着 (大敗) × 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 0.9% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.2% / 期待値 +166% ※ 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	シャリキモン	三浦	実20.8	B▽ A▽勝率5% EV+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 02/21 1阪神12R 11着/14頭+3.5秒 01/31 1小倉37R 11着/16頭+1.0秒 11/08 4京都13R 7着/9頭+1.4秒 10/13 3京都55R 5着/11頭+0.9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 4.3着 × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 3.3% (オッズ暗示: 4.8%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.1% / 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。
12	ゴールドエンバー	木幡初	実15.3	B▽ A▽勝率6% EV-9% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／78日ぶりの実戦）
前5走 02/15 1東京62R 9着/13頭+2.4秒 02/01 1東京22R 6着/13頭+2.3秒 01/11 1中山46R 7着/17頭+0.7秒 10/19 4新潟21R 8着/12頭+1.2秒 09/21 4中山75R 8着/10頭+1.6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 6.3着 ○ 前走実績前走 2着 (好走) × 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 4.6% (オッズ暗示: 6.5%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 5.9% / 期待値 -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。
13	ヨーゼフ	武藤	実96.0	B▽ A▽勝率4% EV+319% 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）
前5走 2回3日福島2R 8着/16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 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.4% / 期待値 +319% ※ 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	アルティマローネ	戸崎圭	実4.7	B▲ A○勝率9% EV-55% 詳細▼	AI上位評価だが期待値不足、見送り（120日ぶりの実戦）
前5走 01/25 1中山95R 5着/18頭+0.5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 6.5着 △ ローテーション 120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 13.3% (オッズ暗示: 21.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 9.5% / 期待値 -55% ※ 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	ゾネブルーム	丸山	実3.4	B◎ A×勝率11% EV-63% 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／85日ぶりの実戦）
前5走 01/24 1中山85R 3着/18頭+0.2秒 10/25 4東京86R 8着/16頭+2.4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 4.7着 ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 28.2% (オッズ暗示: 29.4%) × Aモデルの評価 (参考) レース内 1位 / 勝率 10.7% / 期待値 -64% ※ 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	メジロピオラ	◇今村	実23.8	B▽ A▽勝率5% EV+25% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.3着と低調／106日ぶりの実戦）
前5走 03/28 1中京52R 2着/13頭+0.4秒 03/07 2中山36R 16着/18頭+2.1秒 11/15 3福島35R 9着/16頭+0.7秒 ― ―
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 9.3着 (不振) ▽ 前走実績前走 13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) -22% (オッズ過剰評価) AI 予想勝率 3.3% (オッズ暗示: 4.2%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.3% / 期待値 +26% ※ 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。
17	コスモメイウェザー	柴田大	実135.0	B× A▽勝率4% EV+404% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.0着と低調／413日ぶりの実戦）
前5走 06/29 2福島25R 12着/13頭+3.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 17 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 12.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 413日休養明け × 期待値 (オッズ vs AI勝率) -75% (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 15位 / 勝率 3.7% / 期待値 +405% ※ 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 ×

ゾネブルーム

騎手丸山

単勝オッズ

3.4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コンティ

5.9倍

EV -5%

▲A:○14アルティマローネ

4.7倍

EV -37%

出走馬全17頭

◎A:×15

ゾネブルーム

丸山

3.4倍

-4%

›

○A:▲8

コンティ

津村

5.9倍

-5%

›

▲A:○14

アルティマローネ

戸崎圭

4.7倍

-37%

›

△A:△5

ベルトラッキ

△石神道

9.0倍

-16%

›

△A:△3

サヴマ

菊沢

9.7倍

-23%

›

△A:△6

アイスアイスベイビ

杉原誠人

14.8倍

-32%

›

▽A:▽12

ゴールドエンバー

木幡初

15.3倍

-30%

›

▽A:▽7

ラウターユーベル

丸田

19.4倍

-15%

›

▽A:▽11

シャリキモン

三浦

20.8倍

-31%

›

▽A:▽16

メジロピオラ

◇今村

23.8倍

-22%

›

▽A:▽1

アグアフレスカ

松岡正海

28.0倍

-41%

›

▽A:▽10

フライングビーナス

小崎

63.0倍

-44%

›

▽A:▽2

ノブステップ

▲石田

74.5倍

-34%

›

▽A:▽13

ヨーゼフ

武藤

96.0倍

-16%

›

×A:▽17

コスモメイウェザー

柴田大

135.0倍

-74%

›

×A:▽4

レイランディ

川須

190.5倍

-64%

›

▽A:▽9

ノアソノマ

小林脩

281.9倍

-47%

›

💡 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

2R 新潟競馬場　発走 10:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アグアフレスカ	松岡正海	実28.0	▽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 02/21 1東京75R 6着/14頭+0.7秒 01/11 1中山46R 8着/17頭+0.8秒 12/13 5中山35R 10着/13頭+1.4秒 ― ―
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 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) +29% (市場と概ね一致) AI 予想勝率 4.6% (オッズ暗示: 3.6%) ※ 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	ノブステップ	▲石田	実74.5	▽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／154日ぶりの実戦）
前5走 03/15 2中山63R 10着/16頭+1.7秒 12/13 5阪神33R 8着/14頭+0.6秒 11/29 5東京73R 9着/12頭+1.0秒 07/12 2福島51R 4着/10頭+1.2秒 06/22 3東京66R 7着/16頭+1.3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 9.0着 (不振) ▽ 前走実績前走 10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) +206% (市場が大幅過小評価) AI 予想勝率 4.1% (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。
3	サヴマ	菊沢	実9.7	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（218日ぶりの実戦）
前5走 01/10 1中山35R 4着/15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 218日休養明け × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 10.3%) ※ 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。
4	レイランディ	川須	実190.5	▽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 03/21 2中山75R 7着/13頭+1.6秒 02/10 1東京46R 9着/18頭+1.3秒 09/07 4中山24R 5着/10頭+0.7秒 08/16 2新潟71R 8着/13頭+1.3秒 06/21 3東京55R 11着/12頭+3.4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 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) +611% (市場が大幅過小評価) AI 予想勝率 3.7% (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。
5	ベルトラッキ	△石神道	実9.0	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（85日ぶりの実戦）
前5走 03/07 2中山35R 5着/18頭+0.8秒 02/10 1東京46R 3着/18頭+0.2秒 01/24 1中山85R 2着/18頭+0.2秒 11/15 3福島35R 2着/16頭+0.1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 4.0着 × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 7.3% (オッズ暗示: 11.1%) ※ 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。
6	アイスアイスベイビ	杉原誠人	実14.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（91日ぶりの実戦）
前5走 03/29 3中山25R 5着/13頭+1.0秒 03/07 2中山35R 7着/18頭+1.0秒 02/10 1東京46R 5着/18頭+0.7秒 12/14 5中京44R 6着/13頭+0.7秒 11/15 3福島35R 8着/16頭+0.7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 △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 6.1% (オッズ暗示: 6.8%) ※ 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。
7	ラウターユーベル	丸田	実19.4	▽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 02/07 2京都32R 8着/9頭+3.2秒 01/25 1中山94R 11着/16頭+2.2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 6.7着 △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 5.6% (オッズ暗示: 5.2%) ※ 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	コンティ	津村	実5.9	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均9.0着と低調／197日ぶりの実戦）
前5走 01/31 1東京15R 9着/16頭+0.8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 9.0着 (不振) △ ローテーション 197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 9.3% (オッズ暗示: 16.9%) ※ 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	ノアソノマ	小林脩	実281.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均15.0着と低調）
前5走 2回7日福島7R 15着/16頭 ― ― ― ―
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 15.0着 (不振) ▽ 前走実績前走 15着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +953% (市場が大幅過小評価) AI 予想勝率 3.7% (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。
10	フライングビーナス	小崎	実63.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調／78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 9.0着 (不振) ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +165% (市場が大幅過小評価) AI 予想勝率 4.2% (オッズ暗示: 1.6%) ※ 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。
11	シャリキモン	三浦	実20.8	▽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 02/21 1阪神12R 11着/14頭+3.5秒 01/31 1小倉37R 11着/16頭+1.0秒 11/08 4京都13R 7着/9頭+1.4秒 10/13 3京都55R 5着/11頭+0.9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 4.3着 △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 5.1% (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。
12	ゴールドエンバー	木幡初	実15.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／78日ぶりの実戦）
前5走 02/15 1東京62R 9着/13頭+2.4秒 02/01 1東京22R 6着/13頭+2.3秒 01/11 1中山46R 7着/17頭+0.7秒 10/19 4新潟21R 8着/12頭+1.2秒 09/21 4中山75R 8着/10頭+1.6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 6.3着 ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 5.9% (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。
13	ヨーゼフ	武藤	実96.0	▽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）
前5走 2回3日福島2R 8着/16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 8.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +319% (市場が大幅過小評価) AI 予想勝率 4.4% (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。
14	アルティマローネ	戸崎圭	実4.7	○詳細▼	AI上位評価だが期待値不足、見送り（120日ぶりの実戦）
前5走 01/25 1中山95R 5着/18頭+0.5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 6.5着 △ ローテーション 120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 9.5% (オッズ暗示: 21.3%) ※ 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。
15	ゾネブルーム	丸山	実3.4	×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／85日ぶりの実戦）
前5走 01/24 1中山85R 3着/18頭+0.2秒 10/25 4東京86R 8着/16頭+2.4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 4.7着 ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 10.7% (オッズ暗示: 29.4%) ※ 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。
16	メジロピオラ	◇今村	実23.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.3着と低調／106日ぶりの実戦）
前5走 03/28 1中京52R 2着/13頭+0.4秒 03/07 2中山36R 16着/18頭+2.1秒 11/15 3福島35R 9着/16頭+0.7秒 ― ―
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 9.3着 (不振) ▽ 前走実績前走 13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) +25% (市場と概ね一致) AI 予想勝率 5.3% (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。
17	コスモメイウェザー	柴田大	実135.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.0着と低調／413日ぶりの実戦）
前5走 06/29 2福島25R 12着/13頭+3.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 17 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 12.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 413日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +404% (市場が大幅過小評価) AI 予想勝率 3.7% (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。

🎯 AIの本命

AI評価1位

ゾネブルーム

騎手丸山

単勝オッズ

3.4倍

AI期待値

-63%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○14アルティマローネ

4.7倍

EV -55%

▲8コンティ

5.9倍

EV -45%

出走馬全17頭

×15

ゾネブルーム

丸山

3.4倍

-63%

›

○14

アルティマローネ

戸崎圭

4.7倍

-55%

›

▲8

コンティ

津村

5.9倍

-45%

›

△5

ベルトラッキ

△石神道

9.0倍

-34%

›

△3

サヴマ

菊沢

9.7倍

-34%

›

△6

アイスアイスベイビ

杉原誠人

14.8倍

-10%

›

▽12

ゴールドエンバー

木幡初

15.3倍

-9%

›

▽7

ラウターユーベル

丸田

19.4倍

+8%

›

▽16

メジロピオラ

◇今村

23.8倍

+25%

›

▽11

シャリキモン

三浦

20.8倍

+5%

›

▽1

アグアフレスカ

松岡正海

28.0倍

+29%

›

▽13

ヨーゼフ

武藤

96.0倍

+319%

›

▽10

フライングビーナス

小崎

63.0倍

+165%

›

▽2

ノブステップ

▲石田

74.5倍

+206%

›

▽17

コスモメイウェザー

柴田大

135.0倍

+404%

›

▽4

レイランディ

川須

190.5倍

+611%

›

▽9

ノアソノマ

小林脩

281.9倍

+953%

›

💡 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