東京 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 東京競馬場発走 13:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タイキプレジール	石橋脩	実36.5	B▽ A▽勝率2% EV-17% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 05/02 2東京35R 11着/18頭+1.2秒 03/15 1中京24R 1着/18頭勝利 02/14 1東京55R 4着/16頭+0.3秒 02/07 1東京32R 3着/16頭+0.5秒 01/11 1中山41R 5着/16頭+1.2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戦の調子勝率 33% (上り調子) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 27日の間隔 (理想的) × 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 1.7% (オッズ暗示: 2.7%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.3% / 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。
2	グリオンヴール	ルメール	実1.6	B◎ A◎勝率36% EV-41% 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（前走2着）
前5走 04/19 3中山85R 8着/10頭+1.6秒 02/14 1東京57R 3着/16頭+0.0秒 08/23 2札幌15R 1着/9頭勝利 ― ―
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 4.3着 ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 50.2% (オッズ暗示: 62.5%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 36.3% / 期待値 -42% ※ 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	アルマロクザン	▲遠藤	実106.1	B× A▽勝率1% EV-16% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／直近3走平均8.3着と低調）
前5走 03/01 1小倉127R 14着/18頭+1.9秒 02/14 1小倉76R 5着/18頭+0.3秒 01/31 1小倉38R 2着/18頭+0.2秒 09/07 2札幌66R 7着/12頭+0.7秒 08/17 1札幌89R 7着/16頭+0.5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) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 0.9%) ▽ Aモデルの評価 (参考) レース内 18位 / 勝率 0.9% / 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。
4	アトリウムチャペル	横山和	実35.1	B▽ A△勝率5% EV+92% 詳細▼	大穴（30倍超）は買う範囲の外で対象外
前5走 04/25 2東京18R 4着/8頭+0.1秒 04/12 3中山67R 4着/15頭+0.4秒 02/21 1阪神17R 7着/16頭+1.3秒 12/20 5中京52R 14着/16頭+1.4秒 10/18 4東京67R 7着/17頭+0.9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 6.7着 △ 当競馬場適性 11走で勝率 9% △ 期待値 (オッズ vs AI勝率) +34%（30倍を超える大穴は買う範囲の外） AI 予想勝率 3.8% (オッズ暗示: 2.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.5% / 期待値 +93% ※ 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	リネンタイリン	菊沢	実83.2	B▽ A▽勝率2% EV+48% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／直近3走平均10.7着と低調／77日ぶりの実戦）
前5走 03/21 2中山76R 5着/13頭+1.1秒 02/14 1東京57R 12着/16頭+0.7秒 12/13 5中山39R 12着/13頭+1.1秒 11/24 5東京611R 11着/12頭+1.7秒 11/08 5東京111R 7着/16頭+0.9秒
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 10.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) × 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 0.7% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 1.8% / 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。
6	ノーブルクロンヌ	丹内	実41.2	B▽ A▽勝率2% EV-14% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場4走で勝率0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 04/26 2東京23R 4着/16頭+1.2秒 04/18 1福島33R 6着/16頭+0.4秒 02/07 1小倉52R 13着/18頭+1.3秒 01/25 1小倉21R 15着/16頭+3.7秒 11/24 5東京61R 6着/15頭+2.7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戦の調子勝率 33% (上り調子) × 当競馬場適性 4走で勝率 0% (苦戦) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.4%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 2.1% / 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。
7	アイアンパイク	横山典	実5.0	B○ A○勝率17% EV-14% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率0%と苦戦傾向／直近3走で勝率33%と好調／前走2着）
前5走 03/01 2中山25R 2着/16頭+0.0秒 02/07 1東京36R 3着/16頭+0.1秒 01/11 1中山42R 3着/16頭+1.1秒 12/20 5中山56R 2着/16頭+0.0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戦の調子勝率 33% (上り調子) × 当競馬場適性 4走で勝率 0% (苦戦) ○ 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 14.2% (オッズ暗示: 20.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.1% / 期待値 -14% ※ 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	ナックホワイト	大野	実61.4	B▽ A▽勝率2% EV+9% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均11.0着と低調）
前5走 03/21 2中山711R 8着/16頭+0.2秒 02/15 1東京65R 1着/16頭勝利 02/01 1東京212R 4着/16頭+0.6秒 01/11 1中山46R 5着/17頭+0.4秒 11/16 5東京42R 4着/18頭+0.4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 11.0着 (不振) △ 当競馬場適性 7走で勝率 14% ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 1.3% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.8% / 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。
9	ソナタン	野中	実103.3	B▽ A▽勝率1% EV-7% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場8走で勝率0%と苦戦傾向／63日ぶりの実戦）
前5走 05/02 2東京37R 7着/16頭+0.9秒 02/21 1東京712R 14着/16頭+1.1秒 11/09 5東京27R 6着/16頭+1.1秒 10/18 4東京66R 2着/15頭+0.1秒 08/09 2新潟54R 1着/15頭勝利
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 7.7着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) × 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 0.7% (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 -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	ダイユウアレグロ	田辺	実27.2	B△ A▽勝率2% EV-38% 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走で勝率33%と好調／前走勝利の勢い）
前5走 04/26 2東京25R 1着/18頭勝利 02/01 1東京212R 10着/16頭+1.5秒 12/20 5中山53R 8着/16頭+1.2秒 12/07 5中山22R 5着/16頭+0.2秒 11/15 5東京34R 8着/13頭+0.7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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 160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 3.8% (オッズ暗示: 3.7%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.3% / 期待値 -38% ※ 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	ヘルモソブレード	杉原	実271.9	B▽ A▽勝率1% EV+143% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均11.0着と低調／112日ぶりの実戦）
前5走 03/14 2中山511R 13着/16頭+1.4秒 12/13 5中京39R 8着/11頭+0.9秒 10/19 4新潟25R 1着/18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 11.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 112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 0.3% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 17位 / 勝率 0.9% / 期待値 +143% ※ 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	リラ	佐々木	実18.5	B△ A△勝率7% EV+38% 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走で勝率33%と好調／70日ぶりの実戦）
前5走 04/25 2東京15R 1着/18頭勝利 01/10 1中山37R 6着/16頭+0.9秒 10/26 4東京93R 2着/11頭+0.4秒 10/19 4東京72R 4着/8頭+0.9秒 09/27 4中山85R 2着/16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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ▽ 前走実績前走 16着 (大敗) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 4.5% (オッズ暗示: 5.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.5% / 期待値 +38% ※ 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	ヤジロベエバランス	▲佐藤	実195.4	B× A▽勝率1% EV-5% 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 04/12 1福島22R 8着/16頭+2.7秒 01/18 1中山75R 7着/16頭+1.2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戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 15位 / 勝率 0.9% / 期待値 -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。
14	ワディアルリヤハ	戸崎圭	実8.3	B▲ A▲勝率13% EV+9% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 03/15 1中京24R 2着/18頭+0.2秒 12/14 5中山42R 4着/16頭+0.3秒 11/24 5東京62R 2着/18頭+0.4秒 10/13 4東京53R 3着/12頭+0.3秒 08/24 3新潟26R 7着/13頭+1.5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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 前走実績前走 3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 8.6% (オッズ暗示: 12.0%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 13.2% / 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。
15	コルチェスター	岩田康	実53.1	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走で勝率33%と好調／77日ぶりの実戦）
前5走 02/15 1東京57R 9着/12頭+0.8秒 10/19 4東京56R 1着/17頭勝利 ― ― ―
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戦の調子勝率 33% (上り調子) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.3% / 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	ピエドゥラパン	津村	実25.9	B△ A△勝率2% EV-41% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率33%と適性高／直近3走平均11.0着と低調／154日ぶりの実戦）
前5走 05/02 2東京35R 14着/18頭+1.3秒 03/22 1中京49R 9着/10頭+1.6秒 01/11 1中山411R 10着/16頭+0.8秒 11/23 5東京53R 1着/17頭勝利 10/13 4東京56R 2着/17頭+0.0秒
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 11.0着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 14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) -1% (オッズ過剰評価) AI 予想勝率 3.8% (オッズ暗示: 3.9%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 2.3% / 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。
17	ニシノイストワール	ミシェル	実79.3	B▽ A▽勝率2% EV+41% 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／91日ぶりの実戦）
前5走 04/19 1福島39R 9着/10頭+2.4秒 03/29 3中山16R 7着/8頭+1.1秒 03/01 2中山19R 11着/13頭+0.8秒 01/26 1中山99R 5着/11頭+0.5秒 11/16 5東京511R 9着/9頭+1.6秒
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 9.7着 (不振) ▽ 前走実績前走 10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) +6%（30倍を超える大穴は買う範囲の外） AI 予想勝率 1.3% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 1.8% / 期待値 +42% ※ 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	カフェラバー	△石神道	実40.7	B▽ A▽勝率2% EV-15% 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／70日ぶりの実戦）
前5走 03/21 1中京311R 12着/17頭+1.0秒 11/24 5東京67R 1着/14頭勝利 ― ― ―
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 8.0着 (不振) × 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 1.6% (オッズ暗示: 2.5%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.1% / 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

見送りAI の 1 位の馬

グリオンヴール

騎手ルメール

1.6倍

AI の勝率50%損益の分かれ目62%

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:◎2

グリオンヴール

ルメール

1.6倍

勝率 50%

›

○A:○7

アイアンパイク

横山典

5.0倍

勝率 14%

›

▲A:▲14

ワディアルリヤハ

戸崎圭

8.3倍

勝率 9%

›

△A:△12

リラ

佐々木

18.5倍

勝率 5%

›

△A:△16

ピエドゥラパン

津村

25.9倍

勝率 4%

›

△A:▽10

ダイユウアレグロ

田辺

27.2倍

勝率 4%

›

▽A:△4

アトリウムチャペル

横山和

35.1倍

対象外勝率 4%

›

▽A:▽1

タイキプレジール

石橋脩

36.5倍

対象外勝率 2%

›

▽A:▽15

コルチェスター

岩田康

53.1倍

対象外勝率 2%

›

▽A:▽18

カフェラバー

△石神道

40.7倍

対象外勝率 2%

›

▽A:▽6

ノーブルクロンヌ

丹内

41.2倍

対象外勝率 2%

›

▽A:▽8

ナックホワイト

大野

61.4倍

対象外勝率 1%

›

▽A:▽17

ニシノイストワール

ミシェル

79.3倍

対象外勝率 1%

›

▽A:▽5

リネンタイリン

菊沢

83.2倍

対象外勝率 1%

›

▽A:▽9

ソナタン

野中

103.3倍

対象外勝率 1%

›

×A:▽3

アルマロクザン

▲遠藤

106.1倍

対象外勝率 0%

›

▽A:▽11

ヘルモソブレード

杉原

271.9倍

対象外勝率 0%

›

×A:▽13

ヤジロベエバランス

▲佐藤

195.4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。

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

7R 東京競馬場発走 13:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タイキプレジール	石橋脩	実36.5	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 05/02 2東京35R 11着/18頭+1.2秒 03/15 1中京24R 1着/18頭勝利 02/14 1東京55R 4着/16頭+0.3秒 02/07 1東京32R 3着/16頭+0.5秒 01/11 1中山41R 5着/16頭+1.2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戦の調子勝率 33% (上り調子) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 27日の間隔 (理想的) △ 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: 2.7%) ※ 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。
2	グリオンヴール	ルメール	実1.6	◎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（前走2着）
前5走 04/19 3中山85R 8着/10頭+1.6秒 02/14 1東京57R 3着/16頭+0.0秒 08/23 2札幌15R 1着/9頭勝利 ― ―
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 4.3着 ○ 前走実績前走 2着 (好走) × 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 36.3% (オッズ暗示: 62.5%) ※ 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。
3	アルマロクザン	▲遠藤	実106.1	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／直近3走平均8.3着と低調）
前5走 03/01 1小倉127R 14着/18頭+1.9秒 02/14 1小倉76R 5着/18頭+0.3秒 01/31 1小倉38R 2着/18頭+0.2秒 09/07 2札幌66R 7着/12頭+0.7秒 08/17 1札幌89R 7着/16頭+0.5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) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 27日の間隔 (理想的) △ 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: 0.9%) ※ 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。
4	アトリウムチャペル	横山和	実35.1	△詳細▼	大穴（30倍超）は買う範囲の外で対象外
前5走 04/25 2東京18R 4着/8頭+0.1秒 04/12 3中山67R 4着/15頭+0.4秒 02/21 1阪神17R 7着/16頭+1.3秒 12/20 5中京52R 14着/16頭+1.4秒 10/18 4東京67R 7着/17頭+0.9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 6.7着 △ 当競馬場適性 11走で勝率 9% △ 期待値 (オッズ vs AI勝率) +92%（30倍を超える大穴は買う範囲の外） AI 予想勝率 5.5% (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。
5	リネンタイリン	菊沢	実83.2	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場5走で勝率0%と苦戦傾向／直近3走平均10.7着と低調／77日ぶりの実戦）
前5走 03/21 2中山76R 5着/13頭+1.1秒 02/14 1東京57R 12着/16頭+0.7秒 12/13 5中山39R 12着/13頭+1.1秒 11/24 5東京611R 11着/12頭+1.7秒 11/08 5東京111R 7着/16頭+0.9秒
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 10.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) +48%（30倍を超える大穴は買う範囲の外） AI 予想勝率 1.8% (オッズ暗示: 1.2%) ※ 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。
6	ノーブルクロンヌ	丹内	実41.2	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場4走で勝率0%と苦戦傾向／直近3走で勝率33%と好調）
前5走 04/26 2東京23R 4着/16頭+1.2秒 04/18 1福島33R 6着/16頭+0.4秒 02/07 1小倉52R 13着/18頭+1.3秒 01/25 1小倉21R 15着/16頭+3.7秒 11/24 5東京61R 6着/15頭+2.7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戦の調子勝率 33% (上り調子) × 当競馬場適性 4走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 2.1% (オッズ暗示: 2.4%) ※ 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	アイアンパイク	横山典	実5.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率0%と苦戦傾向／直近3走で勝率33%と好調／前走2着）
前5走 03/01 2中山25R 2着/16頭+0.0秒 02/07 1東京36R 3着/16頭+0.1秒 01/11 1中山42R 3着/16頭+1.1秒 12/20 5中山56R 2着/16頭+0.0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戦の調子勝率 33% (上り調子) × 当競馬場適性 4走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 17.1% (オッズ暗示: 20.0%) ※ 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	ナックホワイト	大野	実61.4	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均11.0着と低調）
前5走 03/21 2中山711R 8着/16頭+0.2秒 02/15 1東京65R 1着/16頭勝利 02/01 1東京212R 4着/16頭+0.6秒 01/11 1中山46R 5着/17頭+0.4秒 11/16 5東京42R 4着/18頭+0.4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 11.0着 (不振) △ 当競馬場適性 7走で勝率 14% ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +9%（30倍を超える大穴は買う範囲の外） AI 予想勝率 1.8% (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。
9	ソナタン	野中	実103.3	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場8走で勝率0%と苦戦傾向／63日ぶりの実戦）
前5走 05/02 2東京37R 7着/16頭+0.9秒 02/21 1東京712R 14着/16頭+1.1秒 11/09 5東京27R 6着/16頭+1.1秒 10/18 4東京66R 2着/15頭+0.1秒 08/09 2新潟54R 1着/15頭勝利
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 7.7着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) -8% (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。
10	ダイユウアレグロ	田辺	実27.2	▽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走で勝率33%と好調／前走勝利の勢い）
前5走 04/26 2東京25R 1着/18頭勝利 02/01 1東京212R 10着/16頭+1.5秒 12/20 5中山53R 8着/16頭+1.2秒 12/07 5中山22R 5着/16頭+0.2秒 11/15 5東京34R 8着/13頭+0.7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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 160日休養明け × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 3.7%) ※ 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。
11	ヘルモソブレード	杉原	実271.9	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均11.0着と低調／112日ぶりの実戦）
前5走 03/14 2中山511R 13着/16頭+1.4秒 12/13 5中京39R 8着/11頭+0.9秒 10/19 4新潟25R 1着/18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 11.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) +143%（30倍を超える大穴は買う範囲の外） AI 予想勝率 0.9% (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。
12	リラ	佐々木	実18.5	△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走で勝率33%と好調／70日ぶりの実戦）
前5走 04/25 2東京15R 1着/18頭勝利 01/10 1中山37R 6着/16頭+0.9秒 10/26 4東京93R 2着/11頭+0.4秒 10/19 4東京72R 4着/8頭+0.9秒 09/27 4中山85R 2着/16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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ▽ 前走実績前走 16着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 7.5% (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。
13	ヤジロベエバランス	▲佐藤	実195.4	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 04/12 1福島22R 8着/16頭+2.7秒 01/18 1中山75R 7着/16頭+1.2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戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 0.9% (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。
14	ワディアルリヤハ	戸崎圭	実8.3	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 03/15 1中京24R 2着/18頭+0.2秒 12/14 5中山42R 4着/16頭+0.3秒 11/24 5東京62R 2着/18頭+0.4秒 10/13 4東京53R 3着/12頭+0.3秒 08/24 3新潟26R 7着/13頭+1.5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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 13.2% (オッズ暗示: 12.0%) ※ 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。
15	コルチェスター	岩田康	実53.1	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走で勝率33%と好調／77日ぶりの実戦）
前5走 02/15 1東京57R 9着/12頭+0.8秒 10/19 4東京56R 1着/17頭勝利 ― ― ―
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戦の調子勝率 33% (上り調子) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +20%（30倍を超える大穴は買う範囲の外） AI 予想勝率 2.3% (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	ピエドゥラパン	津村	実25.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率33%と適性高／直近3走平均11.0着と低調／154日ぶりの実戦）
前5走 05/02 2東京35R 14着/18頭+1.3秒 03/22 1中京49R 9着/10頭+1.6秒 01/11 1中山411R 10着/16頭+0.8秒 11/23 5東京53R 1着/17頭勝利 10/13 4東京56R 2着/17頭+0.0秒
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 11.0着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 14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) -41% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 3.9%) ※ 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。
17	ニシノイストワール	ミシェル	実79.3	▽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／91日ぶりの実戦）
前5走 04/19 1福島39R 9着/10頭+2.4秒 03/29 3中山16R 7着/8頭+1.1秒 03/01 2中山19R 11着/13頭+0.8秒 01/26 1中山99R 5着/11頭+0.5秒 11/16 5東京511R 9着/9頭+1.6秒
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 9.7着 (不振) ▽ 前走実績前走 10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) +41%（30倍を超える大穴は買う範囲の外） AI 予想勝率 1.8% (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。
18	カフェラバー	△石神道	実40.7	▽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／70日ぶりの実戦）
前5走 03/21 1中京311R 12着/17頭+1.0秒 11/24 5東京67R 1着/14頭勝利 ― ― ―
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 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 2.1% (オッズ暗示: 2.5%) ※ 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。

見送りAI の 1 位の馬

グリオンヴール

騎手ルメール

1.6倍

AI の勝率36%損益の分かれ目62%

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

◎2

グリオンヴール

ルメール

1.6倍

勝率 36%

›

○7

アイアンパイク

横山典

5.0倍

勝率 17%

›

▲14

ワディアルリヤハ

戸崎圭

8.3倍

勝率 13%

›

△12

リラ

佐々木

18.5倍

勝率 7%

›

△4

アトリウムチャペル

横山和

35.1倍

対象外勝率 5%

›

△16

ピエドゥラパン

津村

25.9倍

勝率 2%

›

▽10

ダイユウアレグロ

田辺

27.2倍

勝率 2%

›

▽1

タイキプレジール

石橋脩

36.5倍

対象外勝率 2%

›

▽15

コルチェスター

岩田康

53.1倍

対象外勝率 2%

›

▽18

カフェラバー

△石神道

40.7倍

対象外勝率 2%

›

▽6

ノーブルクロンヌ

丹内

41.2倍

対象外勝率 2%

›

▽8

ナックホワイト

大野

61.4倍

対象外勝率 2%

›

▽17

ニシノイストワール

ミシェル

79.3倍

対象外勝率 2%

›

▽5

リネンタイリン

菊沢

83.2倍

対象外勝率 2%

›

▽13

ヤジロベエバランス

▲佐藤

195.4倍

対象外勝率 1%

›

▽9

ソナタン

野中

103.3倍

対象外勝率 1%

›

▽11

ヘルモソブレード

杉原

271.9倍

対象外勝率 1%

›

▽3

アルマロクザン

▲遠藤

106.1倍

対象外勝率 1%

›

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。

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