新潟 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 新潟競馬場発走 10:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ナショナルフラッグ	△柴田裕	実11.8	B△ A▽勝率7% EV-23% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.0着 △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 8.8% (オッズ暗示: 8.5%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.9% / 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	シダス	横山琉	実54.8	B▽ A▽勝率2% EV-20% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.0着と低調）
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 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 1.8%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 2.1% / 期待値 -21% ※ 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	クラウンソクラテス	吉村	実8.5	B▲ A△勝率10% EV-3% 詳細▼	AI上位評価だが期待値不足、見送り
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 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 5.0着 ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 10.1% (オッズ暗示: 11.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.9% / 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。
4	ミクニルミナス	◇今村	実49.4	B▽ A▽勝率3% EV-42% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均9.7着と低調）
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 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 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.6% / 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。
5	マイネルラビリンス	杉原	実21.2	B▽ A▽勝率3% EV-49% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（71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 5.5着 △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 4.5% (オッズ暗示: 4.7%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.6% / 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。
6	アルバスタキヤ	西塚	実268.3	×詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
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 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 8.0着 (不振) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) ※ 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	ルミエールノット	▲大久保	実71.7	B▽ A▽勝率1% EV-21% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.0着と低調）
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 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 8.0着 (不振) ○ ローテーション 15日の間隔 (理想的) × 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 0.8% (オッズ暗示: 1.4%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 1.0% / 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。
8	リリーギャラクシー	小沢	実15.1	B▽ A▽勝率7% EV-17% 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走過去走データ取得失敗 (horse_results 不在)
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 4.0着 △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 5.3% (オッズ暗示: 6.6%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.9% / 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。
9	ロクメイカン	国分恭	実9.0	B△ A▲勝率12% EV+7% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
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 5.0着 ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 10.1% (オッズ暗示: 11.1%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.4% / 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。
10	ジャストピーチー	◇永島	実78.4	B× A×勝率1% EV-51% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均12.0着と低調／64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 12.0着 (不振) ▽ 前走実績前走 12着 (大敗) × 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 0.4% (オッズ暗示: 1.3%) × Aモデルの評価 (参考) レース内 16位 / 勝率 1.0% / 期待値 -52% ※ 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	デルマキタカミ	△石田	実100.4	B× A▽勝率1% EV-17% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均12.0着と低調／99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 12.0着 (不振) ▽ 前走実績前走 12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) -55% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 17位 / 勝率 1.0% / 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。
12	オプティミスタ	武藤	実54.0	B▽ A▽勝率2% EV-24% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（63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 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 2.4% / 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	コスモフラムオット	国分優	実100.8	B× A▽勝率1% EV-34% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均9.5着と低調／77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 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 9.5着 (不振) ▽ 前走実績前走 11着 (大敗) × 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 0.4% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 15位 / 勝率 1.0% / 期待値 -35% ※ 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	ルクスアルカード	富田	実3.5	B◎ A◎勝率18% EV-18% 詳細▼	AI予想勝率は最上位だが、オッズが買う範囲（10〜30倍）より低く見送り（直近3走平均2.0着と安定／前走2着）
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 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 2.0着 (安定) ○ 前走実績前走 2着 (好走) × 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 19.4% (オッズ暗示: 28.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 17.7% / 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。
15	シルバータイガー	★河原田	実64.7	B▽ A▽勝率2% EV-20% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均9.0着と低調）
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 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +2%（30倍を超える大穴は買う範囲の外） AI 予想勝率 1.6% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 2.1% / 期待値 -21% ※ 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	ムーンパッセ	斎藤	実10.8	B△ A△勝率9% EV-21% 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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 9.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.6% / 期待値 -21% ※ 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	スロノス	菊沢	実3.9	B○ A○勝率15% EV-28% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.0着と安定／前走2着／63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 17 ◎ 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) × 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 16.7% (オッズ暗示: 25.6%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 15.2% / 期待値 -29% ※ 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。
18	サンライズエイト	横山和	実11.2	B▽ A△勝率9% EV-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3.0着と安定／前走3着／84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 18 ◎ 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 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 8.5% (オッズ暗示: 8.9%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 8.6% / 期待値 -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

見送りAI の 1 位の馬

ルクスアルカード

騎手富田

3.5倍

AI の勝率19%損益の分かれ目29%

オッズが買う範囲（10〜30倍）より低く見送り。

買う条件: オッズ 10〜30 倍・期待値 +20% 以上・勝率 8% 以上・1 レース 3 頭まで

出走馬全18頭

◎A:◎14

ルクスアルカード

富田

3.5倍

勝率 19%

›

○A:○17

スロノス

菊沢

3.9倍

勝率 17%

›

▲A:△3

クラウンソクラテス

吉村

8.5倍

勝率 10%

›

△A:▲9

ロクメイカン

国分恭

9.0倍

勝率 10%

›

△A:△16

ムーンパッセ

斎藤

10.8倍

勝率 9%

›

△A:▽1

ナショナルフラッグ

△柴田裕

11.8倍

勝率 9%

›

▽A:△18

サンライズエイト

横山和

11.2倍

勝率 8%

›

▽A:▽8

リリーギャラクシー

小沢

15.1倍

勝率 5%

›

▽A:▽5

マイネルラビリンス

杉原

21.2倍

勝率 5%

›

▽A:▽4

ミクニルミナス

◇今村

49.4倍

対象外勝率 2%

›

▽A:▽12

オプティミスタ

武藤

54.0倍

対象外勝率 2%

›

▽A:▽2

シダス

横山琉

54.8倍

対象外勝率 2%

›

▽A:▽15

シルバータイガー

★河原田

64.7倍

対象外勝率 2%

›

▽A:▽7

ルミエールノット

▲大久保

71.7倍

対象外勝率 1%

›

×A:▽11

デルマキタカミ

△石田

100.4倍

対象外勝率 0%

›

×A:×10

ジャストピーチー

◇永島

78.4倍

対象外勝率 0%

›

×A:▽13

コスモフラムオット

国分優

100.8倍

対象外勝率 0%

›

×6

アルバスタキヤ

西塚

268.3倍

対象外—

›

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。買う条件: オッズ 10〜30 倍・期待値 +20% 以上・勝率 8% 以上・1 レース 3 頭まで。

▶ 展開シミュレーション

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 新潟競馬場発走 10:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ナショナルフラッグ	△柴田裕	実11.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.0着 △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 6.9% (オッズ暗示: 8.5%) ※ 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。
2	シダス	横山琉	実54.8	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.0着と低調）
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 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 2.1% (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。
3	クラウンソクラテス	吉村	実8.5	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
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 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 5.0着 ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 9.9% (オッズ暗示: 11.8%) ※ 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	ミクニルミナス	◇今村	実49.4	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均9.7着と低調）
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 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 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) × 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 2.6% (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。
5	マイネルラビリンス	杉原	実21.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（71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 5.5着 × 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 2.6% (オッズ暗示: 4.7%) ※ 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。
6	アルバスタキヤ	西塚	実268.3	×詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
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 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 8.0着 (不振) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) ※ 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	ルミエールノット	▲大久保	実71.7	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.0着と低調）
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 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 8.0着 (不振) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.4%) ※ 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。
8	リリーギャラクシー	小沢	実15.1	▽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走過去走データ取得失敗 (horse_results 不在)
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 4.0着 △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 6.9% (オッズ暗示: 6.6%) ※ 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。
9	ロクメイカン	国分恭	実9.0	▲詳細▼	AI上位評価だが期待値不足、見送り
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 5.0着 ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 12.4% (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。
10	ジャストピーチー	◇永島	実78.4	×詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均12.0着と低調／64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 12.0着 (不振) ▽ 前走実績前走 12着 (大敗) × 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 1.0% (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。
11	デルマキタカミ	△石田	実100.4	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均12.0着と低調／99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 12.0着 (不振) ▽ 前走実績前走 12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) -17% (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。
12	オプティミスタ	武藤	実54.0	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（63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 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 2.4% (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。
13	コスモフラムオット	国分優	実100.8	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均9.5着と低調／77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 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 9.5着 (不振) ▽ 前走実績前走 11着 (大敗) × 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 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。
14	ルクスアルカード	富田	実3.5	◎詳細▼	AI予想勝率は最上位だが、オッズが買う範囲（10〜30倍）より低く見送り（直近3走平均2.0着と安定／前走2着）
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 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 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 17.7% (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。
15	シルバータイガー	★河原田	実64.7	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均9.0着と低調）
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 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 2.1% (オッズ暗示: 1.5%) ※ 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。
16	ムーンパッセ	斎藤	実10.8	△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⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 8.6% (オッズ暗示: 9.3%) ※ 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。
17	スロノス	菊沢	実3.9	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.0着と安定／前走2着／63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 17 ◎ 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) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 15.2% (オッズ暗示: 25.6%) ※ 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。
18	サンライズエイト	横山和	実11.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走3着／84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 18 ◎ 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 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 8.6% (オッズ暗示: 8.9%) ※ 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。

見送りAI の 1 位の馬

ルクスアルカード

騎手富田

3.5倍

AI の勝率18%損益の分かれ目29%

オッズが買う範囲（10〜30倍）より低く見送り。

買う条件: オッズ 10〜30 倍・期待値 +20% 以上・勝率 8% 以上・1 レース 3 頭まで

出走馬全18頭

◎14

ルクスアルカード

富田

3.5倍

勝率 18%

›

○17

スロノス

菊沢

3.9倍

勝率 15%

›

▲9

ロクメイカン

国分恭

9.0倍

勝率 12%

›

△3

クラウンソクラテス

吉村

8.5倍

勝率 10%

›

△16

ムーンパッセ

斎藤

10.8倍

勝率 9%

›

△18

サンライズエイト

横山和

11.2倍

勝率 9%

›

▽1

ナショナルフラッグ

△柴田裕

11.8倍

勝率 7%

›

▽8

リリーギャラクシー

小沢

15.1倍

勝率 7%

›

▽5

マイネルラビリンス

杉原

21.2倍

勝率 3%

›

▽4

ミクニルミナス

◇今村

49.4倍

対象外勝率 3%

›

▽12

オプティミスタ

武藤

54.0倍

対象外勝率 2%

›

▽2

シダス

横山琉

54.8倍

対象外勝率 2%

›

▽15

シルバータイガー

★河原田

64.7倍

対象外勝率 2%

›

▽7

ルミエールノット

▲大久保

71.7倍

対象外勝率 1%

›

▽13

コスモフラムオット

国分優

100.8倍

対象外勝率 1%

›

×10

ジャストピーチー

◇永島

78.4倍

対象外勝率 1%

›

▽11

デルマキタカミ

△石田

100.4倍

対象外勝率 1%

›

×6

アルバスタキヤ

西塚

268.3倍

対象外—

›

各馬をタップでAI評価の根拠を表示。買う条件: オッズ 10〜30 倍・期待値 +20% 以上・勝率 8% 以上・1 レース 3 頭まで。

▶ 展開シミュレーション

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