東京 10R 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

10R 東京競馬場発走 15:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	キョウエイカンセ	津村	実10.6	B△ A△勝率7% EV-21% 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／前走勝利の勢い／112日ぶりの実戦）
前5走 04/26 2東京212R 6着/16頭+1.1秒 02/22 1東京812R 7着/16頭+0.7秒 02/10 1東京48R 4着/16頭+0.6秒 12/14 5中京48R 1着/16頭勝利 11/29 5東京76R 2着/16頭+0.3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 13走で勝率 8% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 112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 7.8% (オッズ暗示: 9.4%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.4% / 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。
2	アスクアイルビゼア	横山武	実7.6	B△ A△勝率10% EV-20% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／147日ぶりの実戦）
前5走 02/22 1東京812R 1着/16頭勝利 01/31 1東京18R 2着/16頭+0.2秒 01/11 1京都48R 2着/16頭+0.0秒 12/27 5阪神78R 3着/16頭+0.5秒 08/17 3中京86R 4着/16頭+0.6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) ◎ 当競馬場適性 3走で勝率 33% (得意) △ ローテーション 147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 9.0% (オッズ暗示: 13.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.5% / 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。
3	クインズデネブ推奨	吉田豊	実14.8	B▽ A▽勝率6% EV-4% 詳細▼	期待値プラスでAIの推し馬（近5走で勝率20%と堅実／当競馬場12走で勝率25%と適性高）
前5走 04/25 2東京110R 8着/15頭+1.2秒 03/21 1中京310R 5着/16頭+0.7秒 02/15 1東京612R 1着/16頭勝利 11/24 5東京68R 4着/15頭+0.5秒 10/26 4東京99R 5着/13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 6.3着 ◎ 当競馬場適性 12走で勝率 25% (得意) △ ローテーション 127日休養明け △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 7.8% (オッズ暗示: 6.8%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.5% / 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。
4	スペイドアン	菊沢	実65.7	B▽ A▽勝率1% EV-49% 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11.0着と低調）
前5走 02/21 1東京710R 13着/16頭+3.3秒 12/07 5中山210R 13着/16頭+2.2秒 11/24 3福島611R 8着/15頭+1.1秒 07/12 2福島58R 1着/15頭勝利 06/15 3東京412R 2着/16頭+0.3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 11.0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) +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 15位 / 勝率 0.8% / 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。
5	ガンウルフ推奨	Ｍデムーロ	実27.2	B▽ A▽勝率5% EV+33% 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 04/05 2阪神412R 10着/16頭+1.1秒 02/14 1東京510R 6着/16頭+0.7秒 12/21 5阪神69R 12着/16頭+1.1秒 11/29 5東京710R 2着/16頭+0.1秒 11/02 4東京1110R 9着/12頭+1.3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 8.3着 (不振) △ 当競馬場適性 11走で勝率 9% △ ローテーション 133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 4.7% (オッズ暗示: 3.7%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 4.9% / 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	メイショウタムシバ	横山和	実23.2	B▽ A▽勝率5% EV+10% 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／前走勝利の勢い）
前5走 04/18 2阪神79R 12着/14頭+1.6秒 03/29 1中京612R 2着/16頭+0.1秒 11/09 4京都28R 5着/16頭+0.7秒 10/12 3京都48R 4着/14頭+1.0秒 09/07 2札幌69R 9着/14頭+1.2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) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 4.4% (オッズ暗示: 4.3%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 4.7% / 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	カルパ	ルメール	実5.4	B▲ A▲勝率11% EV-38% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走3着）
前5走 04/18 2阪神79R 6着/14頭+0.8秒 03/29 1中京612R 3着/16頭+0.2秒 03/08 1阪神612R 4着/13頭+1.6秒 01/11 1京都48R 7着/16頭+0.7秒 10/25 4東京812R 5着/13頭+0.5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) ○ 前走実績前走 3着 (好走) ○ 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) -49% (大幅な期待値マイナス) AI 予想勝率 9.5% (オッズ暗示: 18.5%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.4% / 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。
8	セギレエルビエント	荻野極	実4.7	B○ A○勝率15% EV-30% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率38%と適性高／133日ぶりの実戦）
前5走 03/21 1中京310R 3着/16頭+0.6秒 11/23 5東京58R 1着/16頭勝利 11/01 4東京106R 1着/15頭勝利 10/12 4東京46R 2着/15頭+0.1秒 07/19 2福島76R 9着/14頭+2.5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 5.7着 ◎ 当競馬場適性 8走で勝率 38% (得意) ▽ 前走実績前走 12着 (大敗) △ ローテーション 133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 12.4% (オッズ暗示: 21.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 14.8% / 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。
9	ゴールデンオスカー	松岡	実77.9	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（当競馬場8走で勝率38%と適性高／直近3走平均12.7着と低調／71日ぶりの実戦）
前5走 05/03 3京都412R 15着/16頭+2.9秒 01/31 1東京19R 12着/16頭+1.3秒 10/05 4東京210R 11着/16頭+1.4秒 06/08 3東京212R 1着/14頭勝利 05/04 2東京412R 11着/16頭+1.5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 12.7着 (不振) ◎ 当競馬場適性 8走で勝率 38% (得意) ▽ 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 0.7% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 1.5% / 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。
10	シャパリュ	三浦	実39.4	B▽ A▽勝率6% EV+154% 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／127日ぶりの実戦）
前5走 04/25 2東京110R 10着/15頭+1.5秒 11/30 5東京810R 1着/16頭勝利 11/15 5東京39R 2着/16頭+0.2秒 08/16 2新潟78R 6着/13頭+0.9秒 06/14 3東京39R 15着/16頭+3.7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 5走で勝率 20% (相性良) ▽ 前走実績前走 11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%（30倍を超える大穴は買う範囲の外） AI 予想勝率 4.4% (オッズ暗示: 2.5%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.5% / 期待値 +154% ※ 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	フウセツ	大野	実7.6	B△ A△勝率10% EV-20% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場6走で勝率33%と適性高／前走3着）
前5走 04/25 2東京110R 3着/15頭+0.6秒 01/25 1中山910R 15着/16頭+1.4秒 11/16 5東京49R 7着/14頭+1.2秒 10/25 4東京812R 1着/13頭勝利 10/04 4東京112R 2着/16頭+0.1秒
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 5.0着 ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 9.5% (オッズ暗示: 13.2%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.5% / 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。
12	レッドラパルマ	原	実51.3	B▽ A▽勝率2% EV-8% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場6走で勝率0%と苦戦傾向／直近3走平均10.0着と低調／133日ぶりの実戦）
前5走 04/05 3中山410R 8着/16頭+1.5秒 11/24 5東京610R 16着/16頭+9.1秒 08/16 1札幌711R 13着/14頭+2.2秒 06/14 3東京310R 7着/16頭+0.5秒 04/19 3中山710R 3着/16頭+0.7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 10.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ ローテーション 133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 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 1.8% / 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。
13	エイプリルインパリ	小崎	実68.9	B▽ A▽勝率1% EV-46% 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／127日ぶりの実戦）
前5走 05/03 2東京412R 1着/13頭勝利 03/15 1中京29R 3着/15頭+0.5秒 02/10 1東京48R 3着/16頭+0.2秒 11/09 5東京28R 6着/16頭+0.8秒 10/12 4東京412R 2着/16頭+0.5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) ○ 当競馬場適性 5走で勝率 20% (相性良) ▽ 前走実績前走 14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) -3% (オッズ過剰評価) AI 予想勝率 1.4% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 16位 / 勝率 0.8% / 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。
14	サンドブラスト	丹内	実40.1	B▽ A▽勝率2% EV-37% 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／134日ぶりの実戦）
前5走 04/04 3中山312R 7着/16頭+1.0秒 03/14 2中山512R 3着/16頭+0.2秒 11/09 3福島210R 12着/15頭+1.9秒 08/30 2札幌310R 9着/14頭+2.9秒 04/27 1福島610R 6着/15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戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 134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 1.6% (オッズ暗示: 2.5%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.5% / 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。
15	ヤマニンアストロン	岩田康	実4.4	B◎ A◎勝率15% EV-34% 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（71日ぶりの実戦）
前5走 05/03 3京都412R 3着/16頭+0.1秒 03/21 1中京310R 11着/16頭+1.1秒 02/21 1阪神110R 3着/16頭+0.5秒 10/25 3京都810R 5着/13頭+0.1秒 09/27 4阪神810R 8着/16頭+0.4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 6.0着 △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 21.9% (オッズ暗示: 22.7%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 14.8% / 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。
16	アジアミッション	丸田	実69.0	B▽ A▽勝率2% EV+6% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場3走で勝率0%と苦戦傾向／直近3走平均8.3着と低調／147日ぶりの実戦）
前5走 03/28 3中山19R 7着/16頭+1.0秒 01/25 1中山910R 13着/16頭+1.3秒 11/29 5東京710R 7着/16頭+0.5秒 11/16 5東京49R 6着/14頭+1.0秒 09/28 4阪神910R 15着/16頭+2.9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 8.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ ローテーション 147日休養明け △ 期待値 (オッズ vs AI勝率) +8%（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: 1.4%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 1.5% / 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。

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

買うAI の推奨B

クインズデネブ

騎手吉田豊

14.8倍

AI の勝率8%損益の分かれ目7%

推奨を出した時点では買う条件を満たしていました。今のオッズ 14.8倍では期待値 +16% です。

賭け金の目安 ¥100（AI の自信に応じて変えています）

中央は記録のための予想です（控除率を越える力は未確認）。

外れ（4着）

ほかの買い目: 5番ガンウルフ（27.2倍）

出走馬全16頭

◎A:◎15

ヤマニンアストロン

岩田康

4.4倍

勝率 22%

›

○A:○8

セギレエルビエント

荻野極

4.7倍

勝率 12%

›

▲A:▲7

カルパ

ルメール

5.4倍

勝率 10%

›

△A:△11

フウセツ

大野

7.6倍

勝率 10%

›

△A:△2

アスクアイルビゼア

横山武

7.6倍

勝率 9%

›

△A:△1

キョウエイカンセ

津村

10.6倍

勝率 8%

›

▽A:▽3

クインズデネブ

吉田豊

14.8倍

勝率 8%

›

▽A:▽5

ガンウルフ

Ｍデムーロ

27.2倍

勝率 5%

›

▽A:▽6

メイショウタムシバ

横山和

23.2倍

勝率 4%

›

▽A:▽10

シャパリュ

三浦

39.4倍

対象外勝率 4%

›

▽A:▽12

レッドラパルマ

原

51.3倍

対象外勝率 2%

›

▽A:▽14

サンドブラスト

丹内

40.1倍

対象外勝率 2%

›

▽A:▽4

スペイドアン

菊沢

65.7倍

対象外勝率 2%

›

▽A:▽16

アジアミッション

丸田

69.0倍

対象外勝率 2%

›

▽A:▽13

エイプリルインパリ

小崎

68.9倍

対象外勝率 1%

›

▽A:▽9

ゴールデンオスカー

松岡

77.9倍

対象外勝率 1%

›

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

A モデル（勝ち負けの 2 択で学習）

見送り

B モデル（レース内の順位で学習）

単勝 5 ガンウルフ実27.2倍期待値 +28% 推奨 21.2〜30.0倍 ¥100 不的中9着
単勝 3 クインズデネブ実14.8倍期待値 +16% 推奨 12.7〜30.0倍 ¥100 不的中4着

※ オッズは予測時点の値です。

10R 東京競馬場発走 15:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	キョウエイカンセ	津村	実10.6	△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／前走勝利の勢い／112日ぶりの実戦）
前5走 04/26 2東京212R 6着/16頭+1.1秒 02/22 1東京812R 7着/16頭+0.7秒 02/10 1東京48R 4着/16頭+0.6秒 12/14 5中京48R 1着/16頭勝利 11/29 5東京76R 2着/16頭+0.3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 13走で勝率 8% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 112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 7.4% (オッズ暗示: 9.4%) ※ 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。
2	アスクアイルビゼア	横山武	実7.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／147日ぶりの実戦）
前5走 02/22 1東京812R 1着/16頭勝利 01/31 1東京18R 2着/16頭+0.2秒 01/11 1京都48R 2着/16頭+0.0秒 12/27 5阪神78R 3着/16頭+0.5秒 08/17 3中京86R 4着/16頭+0.6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) ◎ 当競馬場適性 3走で勝率 33% (得意) △ ローテーション 147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 10.5% (オッズ暗示: 13.2%) ※ 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。
3	クインズデネブ推奨	吉田豊	実14.8	▽詳細▼	期待値プラスでAIの推し馬（近5走で勝率20%と堅実／当競馬場12走で勝率25%と適性高）
前5走 04/25 2東京110R 8着/15頭+1.2秒 03/21 1中京310R 5着/16頭+0.7秒 02/15 1東京612R 1着/16頭勝利 11/24 5東京68R 4着/15頭+0.5秒 10/26 4東京99R 5着/13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 6.3着 ◎ 当競馬場適性 12走で勝率 25% (得意) △ ローテーション 127日休養明け △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 6.5% (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。
4	スペイドアン	菊沢	実65.7	▽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11.0着と低調）
前5走 02/21 1東京710R 13着/16頭+3.3秒 12/07 5中山210R 13着/16頭+2.2秒 11/24 3福島611R 8着/15頭+1.1秒 07/12 2福島58R 1着/15頭勝利 06/15 3東京412R 2着/16頭+0.3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 11.0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) -49% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
5	ガンウルフ推奨	Ｍデムーロ	実27.2	▽詳細▼	オッズに対しAI予想勝率がやや高め、期待値+33%の妙味（市場想定よりAI評価が高く妙味）
前5走 04/05 2阪神412R 10着/16頭+1.1秒 02/14 1東京510R 6着/16頭+0.7秒 12/21 5阪神69R 12着/16頭+1.1秒 11/29 5東京710R 2着/16頭+0.1秒 11/02 4東京1110R 9着/12頭+1.3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 8.3着 (不振) △ 当競馬場適性 11走で勝率 9% △ ローテーション 133日休養明け ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 4.9% (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。
6	メイショウタムシバ	横山和	実23.2	▽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／前走勝利の勢い）
前5走 04/18 2阪神79R 12着/14頭+1.6秒 03/29 1中京612R 2着/16頭+0.1秒 11/09 4京都28R 5着/16頭+0.7秒 10/12 3京都48R 4着/14頭+1.0秒 09/07 2札幌69R 9着/14頭+1.2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) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 4.7% (オッズ暗示: 4.3%) ※ 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	カルパ	ルメール	実5.4	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走3着）
前5走 04/18 2阪神79R 6着/14頭+0.8秒 03/29 1中京612R 3着/16頭+0.2秒 03/08 1阪神612R 4着/13頭+1.6秒 01/11 1京都48R 7着/16頭+0.7秒 10/25 4東京812R 5着/13頭+0.5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) ○ 前走実績前走 3着 (好走) ○ 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) -38% (大幅な期待値マイナス) AI 予想勝率 11.4% (オッズ暗示: 18.5%) ※ 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。
8	セギレエルビエント	荻野極	実4.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率38%と適性高／133日ぶりの実戦）
前5走 03/21 1中京310R 3着/16頭+0.6秒 11/23 5東京58R 1着/16頭勝利 11/01 4東京106R 1着/15頭勝利 10/12 4東京46R 2着/15頭+0.1秒 07/19 2福島76R 9着/14頭+2.5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 5.7着 ◎ 当競馬場適性 8走で勝率 38% (得意) ▽ 前走実績前走 12着 (大敗) △ ローテーション 133日休養明け × 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 14.8% (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。
9	ゴールデンオスカー	松岡	実77.9	▽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38%と適性高／直近3走平均12.7着と低調／71日ぶりの実戦）
前5走 05/03 3京都412R 15着/16頭+2.9秒 01/31 1東京19R 12着/16頭+1.3秒 10/05 4東京210R 11着/16頭+1.4秒 06/08 3東京212R 1着/14頭勝利 05/04 2東京412R 11着/16頭+1.5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 12.7着 (不振) ◎ 当競馬場適性 8走で勝率 38% (得意) ▽ 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 1.5% (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。
10	シャパリュ	三浦	実39.4	▽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／127日ぶりの実戦）
前5走 04/25 2東京110R 10着/15頭+1.5秒 11/30 5東京810R 1着/16頭勝利 11/15 5東京39R 2着/16頭+0.2秒 08/16 2新潟78R 6着/13頭+0.9秒 06/14 3東京39R 15着/16頭+3.7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 5走で勝率 20% (相性良) ▽ 前走実績前走 11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) +154%（30倍を超える大穴は買う範囲の外） AI 予想勝率 6.5% (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。
11	フウセツ	大野	実7.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場6走で勝率33%と適性高／前走3着）
前5走 04/25 2東京110R 3着/15頭+0.6秒 01/25 1中山910R 15着/16頭+1.4秒 11/16 5東京49R 7着/14頭+1.2秒 10/25 4東京812R 1着/13頭勝利 10/04 4東京112R 2着/16頭+0.1秒
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 5.0着 ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 前走実績前走 3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 10.5% (オッズ暗示: 13.2%) ※ 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。
12	レッドラパルマ	原	実51.3	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場6走で勝率0%と苦戦傾向／直近3走平均10.0着と低調／133日ぶりの実戦）
前5走 04/05 3中山410R 8着/16頭+1.5秒 11/24 5東京610R 16着/16頭+9.1秒 08/16 1札幌711R 13着/14頭+2.2秒 06/14 3東京310R 7着/16頭+0.5秒 04/19 3中山710R 3着/16頭+0.7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 10.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ ローテーション 133日休養明け △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 1.8% (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	エイプリルインパリ	小崎	実68.9	▽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／127日ぶりの実戦）
前5走 05/03 2東京412R 1着/13頭勝利 03/15 1中京29R 3着/15頭+0.5秒 02/10 1東京48R 3着/16頭+0.2秒 11/09 5東京28R 6着/16頭+0.8秒 10/12 4東京412R 2着/16頭+0.5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) ○ 当競馬場適性 5走で勝率 20% (相性良) ▽ 前走実績前走 14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) -47% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
14	サンドブラスト	丹内	実40.1	▽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／前走勝利の勢い／134日ぶりの実戦）
前5走 04/04 3中山312R 7着/16頭+1.0秒 03/14 2中山512R 3着/16頭+0.2秒 11/09 3福島210R 12着/15頭+1.9秒 08/30 2札幌310R 9着/14頭+2.9秒 04/27 1福島610R 6着/15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戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 134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 1.5% (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。
15	ヤマニンアストロン	岩田康	実4.4	◎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（71日ぶりの実戦）
前5走 05/03 3京都412R 3着/16頭+0.1秒 03/21 1中京310R 11着/16頭+1.1秒 02/21 1阪神110R 3着/16頭+0.5秒 10/25 3京都810R 5着/13頭+0.1秒 09/27 4阪神810R 8着/16頭+0.4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 6.0着 × 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 14.8% (オッズ暗示: 22.7%) ※ 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。
16	アジアミッション	丸田	実69.0	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場3走で勝率0%と苦戦傾向／直近3走平均8.3着と低調／147日ぶりの実戦）
前5走 03/28 3中山19R 7着/16頭+1.0秒 01/25 1中山910R 13着/16頭+1.3秒 11/29 5東京710R 7着/16頭+0.5秒 11/16 5東京49R 6着/14頭+1.0秒 09/28 4阪神910R 15着/16頭+2.9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 8.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ ローテーション 147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 1.5% (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。

買うAI の推奨B

クインズデネブ

騎手吉田豊

14.8倍

AI の勝率6%損益の分かれ目7%

推奨を出した時点では買う条件を満たしていました。今のオッズ 14.8倍では期待値 -4% です。

賭け金の目安 ¥100（AI の自信に応じて変えています）

中央は記録のための予想です（控除率を越える力は未確認）。

外れ（4着）

ほかの買い目: 5番ガンウルフ（27.2倍）

出走馬全16頭

◎15

ヤマニンアストロン

岩田康

4.4倍

勝率 15%

›

○8

セギレエルビエント

荻野極

4.7倍

勝率 15%

›

▲7

カルパ

ルメール

5.4倍

勝率 11%

›

△2

アスクアイルビゼア

横山武

7.6倍

勝率 10%

›

△11

フウセツ

大野

7.6倍

勝率 10%

›

△1

キョウエイカンセ

津村

10.6倍

勝率 7%

›

▽3

クインズデネブ

吉田豊

14.8倍

勝率 6%

›

▽10

シャパリュ

三浦

39.4倍

対象外勝率 6%

›

▽5

ガンウルフ

Ｍデムーロ

27.2倍

勝率 5%

›

▽6

メイショウタムシバ

横山和

23.2倍

勝率 5%

›

▽12

レッドラパルマ

原

51.3倍

対象外勝率 2%

›

▽14

サンドブラスト

丹内

40.1倍

対象外勝率 2%

›

▽16

アジアミッション

丸田

69.0倍

対象外勝率 2%

›

▽9

ゴールデンオスカー

松岡

77.9倍

対象外勝率 2%

›

▽4

スペイドアン

菊沢

65.7倍

対象外勝率 1%

›

▽13

エイプリルインパリ

小崎

68.9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。

▶ 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

A モデル（勝ち負けの 2 択で学習）

見送り

B モデル（レース内の順位で学習）

単勝 5 ガンウルフ実27.2倍期待値 +34% 推奨 20.4〜30.0倍 ¥100 不的中9着
単勝 3 クインズデネブ実14.8倍期待値 -4% 推奨 15.5〜30.0倍 ¥100 不的中4着

※ 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