東京 6R 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

6R 東京競馬場発走 12:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クラディスティーナ	内田博	実136.1	B× A▽勝率2% EV+104% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均10.0着と低調）
前5走 04/05 3中山47R 10着/14頭+1.1秒 11/16 3福島49R 9着/16頭+0.6秒 10/19 4東京76R 8着/8頭+0.6秒 07/20 1函館1211R 6着/12頭+1.1秒 06/22 1函館45R 1着/12頭勝利
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 10.0着 (不振) ▽ 前走実績前走 11着 (大敗) × 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 0.4% (オッズ暗示: 0.7%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 2.0% / 期待値 +105% ※ 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	シヴィータス	横山和	実4.6	B△ A▲勝率11% EV-43% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／前走勝利の勢い／189日ぶりの実戦）
前5走 04/11 3中山55R 1着/15頭勝利 03/22 2中山85R 2着/16頭+0.2秒 11/02 4東京114R 5着/16頭+0.7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 1着 (勢い継続) △ ローテーション 189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 10.3% (オッズ暗示: 21.7%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.7% / 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。
3	ラブリーガール	吉田豊	実51.2	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3走で勝率33%と適性高）
前5走 05/03 1新潟27R 8着/16頭+0.7秒 04/19 1福島49R 9着/16頭+0.6秒 03/01 2中山28R 15着/16頭+2.0秒 11/24 3福島68R 10着/16頭+0.5秒 10/05 4東京27R 8着/18頭+0.4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 7.0着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 10着 (大敗) ○ 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) -23% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 2.0% / 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。
4	ロンドンオービタル推奨	菅原明	実9.8	B▲ A△勝率10% EV+6% 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 04/25 1福島59R 4着/16頭+0.4秒 03/15 2中山67R 11着/15頭+1.0秒 01/12 1中山58R 7着/11頭+0.6秒 12/13 5中山39R 2着/13頭+0.4秒 11/15 3福島34R 1着/16頭勝利
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 △ ローテーション 119日休養明け △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 12.3% (オッズ暗示: 10.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 9.8% / 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。
5	サトノセレナーデ	大野	実71.3	B× A▽勝率1% EV-36% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均12.3着と低調／91日ぶりの実戦）
前5走 12/28 5中山87R 9着/16頭+1.2秒 04/26 2東京17R 9着/14頭+0.7秒 10/16 門別10R 1着/12頭勝利 09/11 門別10R 1着/11頭勝利 08/20 門別6R 1着/10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 12.3着 (不振) ▽ 前走実績前走 12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) -73% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 1.4%) ▽ Aモデルの評価 (参考) レース内 15位 / 勝率 1.0% / 期待値 -37% ※ 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	ベルシャイニー	▲佐藤	実246.7	×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 05/03 佐賀4R 4着/10頭+0.7秒 04/20 佐賀7R 3着/10頭+0.7秒 04/11 佐賀8R 2着/10頭+0.2秒 12/28 佐賀9R 1着/9頭勝利 12/07 佐賀3R 1着/9頭勝利
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 5.3着 △ ローテーション 153日休養明け × 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	タイセイフレッサ	戸崎圭	実4.1	B◎ A◎勝率20% EV-19% 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3着）
前5走 03/07 1阪神511R 12着/18頭+0.9秒 12/13 5中京39R 7着/11頭+0.6秒 10/30 門別11R 3着/11頭+0.7秒 08/24 3新潟211R 5着/10頭+0.9秒 08/10 2新潟61R 1着/18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 5.7着 ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 28.8% (オッズ暗示: 24.4%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 19.6% / 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。
8	スペードギニー	原	実36.9	B▽ A▽勝率3% EV-21% 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11.0着と低調）
前5走 04/11 1福島19R 6着/16頭+0.8秒 12/19 金沢8R 1着/8頭勝利 12/08 金沢6R 1着/8頭勝利 11/02 盛岡10R 2着/11頭+0.7秒 10/21 盛岡8R 2着/11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 3走で勝率 0% (苦戦) ▽ 前走実績前走 14着 (大敗) △ 期待値 (オッズ vs AI勝率) +59%（30倍を超える大穴は買う範囲の外） AI 予想勝率 4.3% (オッズ暗示: 2.7%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.6% / 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。
9	リラ	北村友	実8.2	B△ A△勝率11% EV-11% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調）
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 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 8.0着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ ローテーション 14日の間隔 (理想的) △ 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 10.7% / 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。
10	ベルヴィヴァン	岩田康	実58.0	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）
前5走 05/04 船橋4R 1着/11頭勝利 04/02 船橋2R 1着/9頭勝利 03/12 船橋1R 1着/11頭勝利 09/07 2札幌64R 9着/16頭+0.7秒 07/20 2小倉82R 6着/18頭+0.5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) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 2.4% / 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。
11	ホウオウショコラ	岩田望	実11.5	B△ A▽勝率9% EV0% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 03/15 2中山612R 13着/16頭+2.0秒 12/07 5中京22R 8着/16頭+0.9秒 11/09 3福島29R 16着/16頭+2.1秒 03/15 2中山511R 4着/12頭+0.2秒 01/19 1中山75R 1着/16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 4.3着 △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 8.1% (オッズ暗示: 8.7%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 8.5% / 期待値 -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	ミラビリオン	吉村	実53.3	B× A×勝率1% EV-54% 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走で勝率33%と好調）
前5走 03/29 1中京63R 4着/15頭+0.3秒 03/14 1中京12R 4着/16頭+0.5秒 02/22 1東京81R 7着/16頭+1.4秒 12/20 5中京51R 3着/16頭+0.5秒 12/06 5中山11R 14着/15頭+3.8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 3走で勝率 0% (苦戦) ○ 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) -60% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.9%) × Aモデルの評価 (参考) レース内 14位 / 勝率 1.0% / 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。
13	ナハトナナレオン	佐々木	実10.8	B▽ A△勝率11% EV-12% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 03/28 3中山15R 1着/16頭勝利 03/01 2中山25R 3着/16頭+0.5秒 01/31 2京都16R 4着/16頭+0.3秒 01/05 1中山26R 14着/18頭+1.4秒 10/05 4東京22R 3着/11頭+0.7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 7.0着 (不振) ▽ 前走実績前走 16着 (大敗) ○ ローテーション 20日の間隔 (理想的) × 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 5.1% (オッズ暗示: 9.3%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.7% / 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。
14	クレセントウイング	石橋脩	実38.7	B▽ A▽勝率3% EV-23% 詳細▼	大穴（30倍超）は買う範囲の外で対象外
前5走 04/25 1福島57R 10着/12頭+1.1秒 02/21 1小倉912R 7着/18頭+0.4秒 11/23 5東京512R 17着/18頭+1.1秒 10/25 4新潟312R 11着/17頭+1.1秒 09/07 2札幌68R 2着/16頭+0.2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 5.7着 ○ 当競馬場適性 6走で勝率 17% (相性良) × 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 1.7% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.6% / 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。
15	テルケンユミクイン	木幡巧	実29.1	B▽ A▽勝率2% EV-23% 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10.7着と低調／70日ぶりの実戦）
前5走 03/22 2中山88R 12着/15頭+2.3秒 03/01 2中山26R 5着/15頭+1.3秒 12/20 5中京58R 15着/16頭+1.6秒 12/06 5中京18R 15着/18頭+1.8秒 05/04 2東京45R 1着/16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戦の調子平均 10.7着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 15着 (大敗) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 3.7% (オッズ暗示: 3.4%) ▽ Aモデルの評価 (参考) レース内 10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。
16	ハッピーサプライズ	▲遠藤	実70.4	×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10.3着と低調）
前5走 04/25 1福島57R 9着/12頭+1.1秒 04/12 1福島28R 8着/16頭+0.7秒 12/13 5中京312R 14着/18頭+1.0秒 11/22 3福島512R 2着/16頭+0.2秒 11/09 3福島27R 5着/16頭+0.3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 10.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) ○ 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) -72% (大幅な期待値マイナス) AI 予想勝率 0.4% (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。
17	アイアンパイク	横山典	実4.5	B○ A○勝率15% EV-26% 詳細▼	AI上位評価だが期待値不足、見送り（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 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 17 ◎ 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 14日の間隔 (理想的) × 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 12.3% (オッズ暗示: 22.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 15.1% / 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。
18	コヴェナント	▲水沼	実328.1	×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 05/01 笠松4R 2着/8頭+0.6秒 04/17 笠松8R 3着/9頭+1.3秒 03/19 笠松5R 2着/8頭+0.0秒 11/16 盛岡8R 1着/11頭勝利 11/04 盛岡8R 3着/9頭+0.4秒
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 10.3着 (不振) ▽ 前走実績前走 13着 (大敗) × 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。

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

ロンドンオービタル

騎手菅原明

9.8倍

AI の勝率12%損益の分かれ目10%

AI の勝率 12% が損益の分かれ目 10%（1 ÷ 9.8倍）を上回り、期待値 +20% が買う基準（+20%）以上。

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（11着）

出走馬全18頭

◎A:◎7

タイセイフレッサ

戸崎圭

4.1倍

勝率 29%

›

○A:○17

アイアンパイク

横山典

4.5倍

勝率 12%

›

▲A:△4

ロンドンオービタル

菅原明

9.8倍

勝率 12%

›

△A:▲2

シヴィータス

横山和

4.6倍

勝率 10%

›

△A:△9

リラ

北村友

8.2倍

勝率 9%

›

△A:▽11

ホウオウショコラ

岩田望

11.5倍

勝率 8%

›

▽A:△13

ナハトナナレオン

佐々木

10.8倍

勝率 5%

›

▽A:▽8

スペードギニー

原

36.9倍

対象外勝率 4%

›

▽A:▽15

テルケンユミクイン

木幡巧

29.1倍

勝率 4%

›

▽A:▽14

クレセントウイング

石橋脩

38.7倍

対象外勝率 2%

›

▽A:▽10

ベルヴィヴァン

岩田康

58.0倍

対象外勝率 2%

›

▽A:▽3

ラブリーガール

吉田豊

51.2倍

対象外勝率 2%

›

×A:×12

ミラビリオン

吉村

53.3倍

対象外勝率 1%

›

×16

ハッピーサプライズ

▲遠藤

70.4倍

対象外勝率 0%

›

×A:▽5

サトノセレナーデ

大野

71.3倍

対象外勝率 0%

›

×A:▽1

クラディスティーナ

内田博

136.1倍

対象外勝率 0%

›

×6

ベルシャイニー

▲佐藤

246.7倍

対象外—

›

×18

コヴェナント

▲水沼

328.1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

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 4 ロンドンオービタル実9.8倍期待値 +20% 推奨 10.0〜30.0倍 ¥100 不的中11着

※ オッズは予測時点の値です。

6R 東京競馬場発走 12:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クラディスティーナ	内田博	実136.1	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均10.0着と低調）
前5走 04/05 3中山47R 10着/14頭+1.1秒 11/16 3福島49R 9着/16頭+0.6秒 10/19 4東京76R 8着/8頭+0.6秒 07/20 1函館1211R 6着/12頭+1.1秒 06/22 1函館45R 1着/12頭勝利
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 10.0着 (不振) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +104%（30倍を超える大穴は買う範囲の外） AI 予想勝率 2.0% (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。
2	シヴィータス	横山和	実4.6	▲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／前走勝利の勢い／189日ぶりの実戦）
前5走 04/11 3中山55R 1着/15頭勝利 03/22 2中山85R 2着/16頭+0.2秒 11/02 4東京114R 5着/16頭+0.7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 1着 (勢い継続) △ ローテーション 189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 10.7% (オッズ暗示: 21.7%) ※ 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	ラブリーガール	吉田豊	実51.2	▽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33%と適性高）
前5走 05/03 1新潟27R 8着/16頭+0.7秒 04/19 1福島49R 9着/16頭+0.6秒 03/01 2中山28R 15着/16頭+2.0秒 11/24 3福島68R 10着/16頭+0.5秒 10/05 4東京27R 8着/18頭+0.4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 7.0着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 10着 (大敗) ○ 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) -21% (オッズ過剰評価) AI 予想勝率 2.0% (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。
4	ロンドンオービタル推奨	菅原明	実9.8	△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 04/25 1福島59R 4着/16頭+0.4秒 03/15 2中山67R 11着/15頭+1.0秒 01/12 1中山58R 7着/11頭+0.6秒 12/13 5中山39R 2着/13頭+0.4秒 11/15 3福島34R 1着/16頭勝利
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 △ ローテーション 119日休養明け △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 9.8% (オッズ暗示: 10.2%) ※ 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	サトノセレナーデ	大野	実71.3	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均12.3着と低調／91日ぶりの実戦）
前5走 12/28 5中山87R 9着/16頭+1.2秒 04/26 2東京17R 9着/14頭+0.7秒 10/16 門別10R 1着/12頭勝利 09/11 門別10R 1着/11頭勝利 08/20 門別6R 1着/10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 12.3着 (不振) ▽ 前走実績前走 12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) -37% (大幅な期待値マイナス) 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。
6	ベルシャイニー	▲佐藤	実246.7	×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 05/03 佐賀4R 4着/10頭+0.7秒 04/20 佐賀7R 3着/10頭+0.7秒 04/11 佐賀8R 2着/10頭+0.2秒 12/28 佐賀9R 1着/9頭勝利 12/07 佐賀3R 1着/9頭勝利
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 5.3着 △ ローテーション 153日休養明け × 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	タイセイフレッサ	戸崎圭	実4.1	◎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3着）
前5走 03/07 1阪神511R 12着/18頭+0.9秒 12/13 5中京39R 7着/11頭+0.6秒 10/30 門別11R 3着/11頭+0.7秒 08/24 3新潟211R 5着/10頭+0.9秒 08/10 2新潟61R 1着/18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 5.7着 ○ 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 19.6% (オッズ暗示: 24.4%) ※ 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	スペードギニー	原	実36.9	▽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11.0着と低調）
前5走 04/11 1福島19R 6着/16頭+0.8秒 12/19 金沢8R 1着/8頭勝利 12/08 金沢6R 1着/8頭勝利 11/02 盛岡10R 2着/11頭+0.7秒 10/21 盛岡8R 2着/11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 3走で勝率 0% (苦戦) ▽ 前走実績前走 14着 (大敗) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 2.6% (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。
9	リラ	北村友	実8.2	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調）
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 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 8.0着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 10.7% (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。
10	ベルヴィヴァン	岩田康	実58.0	▽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5走 05/04 船橋4R 1着/11頭勝利 04/02 船橋2R 1着/9頭勝利 03/12 船橋1R 1着/11頭勝利 09/07 2札幌64R 9着/16頭+0.7秒 07/20 2小倉82R 6着/18頭+0.5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) △ 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 2.4% (オッズ暗示: 1.7%) ※ 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	ホウオウショコラ	岩田望	実11.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 03/15 2中山612R 13着/16頭+2.0秒 12/07 5中京22R 8着/16頭+0.9秒 11/09 3福島29R 16着/16頭+2.1秒 03/15 2中山511R 4着/12頭+0.2秒 01/19 1中山75R 1着/16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 4.3着 △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 8.5% (オッズ暗示: 8.7%) ※ 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。
12	ミラビリオン	吉村	実53.3	×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走で勝率33%と好調）
前5走 03/29 1中京63R 4着/15頭+0.3秒 03/14 1中京12R 4着/16頭+0.5秒 02/22 1東京81R 7着/16頭+1.4秒 12/20 5中京51R 3着/16頭+0.5秒 12/06 5中山11R 14着/15頭+3.8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 3走で勝率 0% (苦戦) ○ 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) -55% (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。
13	ナハトナナレオン	佐々木	実10.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 03/28 3中山15R 1着/16頭勝利 03/01 2中山25R 3着/16頭+0.5秒 01/31 2京都16R 4着/16頭+0.3秒 01/05 1中山26R 14着/18頭+1.4秒 10/05 4東京22R 3着/11頭+0.7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 7.0着 (不振) ▽ 前走実績前走 16着 (大敗) ○ ローテーション 20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 10.7% (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。
14	クレセントウイング	石橋脩	実38.7	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外
前5走 04/25 1福島57R 10着/12頭+1.1秒 02/21 1小倉912R 7着/18頭+0.4秒 11/23 5東京512R 17着/18頭+1.1秒 10/25 4新潟312R 11着/17頭+1.1秒 09/07 2札幌68R 2着/16頭+0.2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 5.7着 ○ 当競馬場適性 6走で勝率 17% (相性良) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 2.6% (オッズ暗示: 2.6%) ※ 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	テルケンユミクイン	木幡巧	実29.1	▽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10.7着と低調／70日ぶりの実戦）
前5走 03/22 2中山88R 12着/15頭+2.3秒 03/01 2中山26R 5着/15頭+1.3秒 12/20 5中京58R 15着/16頭+1.6秒 12/06 5中京18R 15着/18頭+1.8秒 05/04 2東京45R 1着/16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戦の調子平均 10.7着 (不振) ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 15着 (大敗) △ 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: 3.4%) ※ 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	ハッピーサプライズ	▲遠藤	実70.4	×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 04/25 1福島57R 9着/12頭+1.1秒 04/12 1福島28R 8着/16頭+0.7秒 12/13 5中京312R 14着/18頭+1.0秒 11/22 3福島512R 2着/16頭+0.2秒 11/09 3福島27R 5着/16頭+0.3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 10.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) ○ 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) -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。
17	アイアンパイク	横山典	実4.5	○詳細▼	AI上位評価だが期待値不足、見送り（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 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 17 ◎ 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 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 15.1% (オッズ暗示: 22.2%) ※ 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。
18	コヴェナント	▲水沼	実328.1	×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 05/01 笠松4R 2着/8頭+0.6秒 04/17 笠松8R 3着/9頭+1.3秒 03/19 笠松5R 2着/8頭+0.0秒 11/16 盛岡8R 1着/11頭勝利 11/04 盛岡8R 3着/9頭+0.4秒
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 10.3着 (不振) ▽ 前走実績前走 13着 (大敗) × 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。

買うAI の推奨B

ロンドンオービタル

騎手菅原明

9.8倍

AI の勝率10%損益の分かれ目10%

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 9.8倍では期待値 +7% 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（11着）

出走馬全18頭

◎7

タイセイフレッサ

戸崎圭

4.1倍

勝率 20%

›

○17

アイアンパイク

横山典

4.5倍

勝率 15%

›

▲2

シヴィータス

横山和

4.6倍

勝率 11%

›

△9

リラ

北村友

8.2倍

勝率 11%

›

△13

ナハトナナレオン

佐々木

10.8倍

勝率 11%

›

△4

ロンドンオービタル

菅原明

9.8倍

勝率 10%

›

▽11

ホウオウショコラ

岩田望

11.5倍

勝率 9%

›

▽8

スペードギニー

原

36.9倍

対象外勝率 3%

›

▽14

クレセントウイング

石橋脩

38.7倍

対象外勝率 3%

›

▽15

テルケンユミクイン

木幡巧

29.1倍

勝率 2%

›

▽10

ベルヴィヴァン

岩田康

58.0倍

対象外勝率 2%

›

▽3

ラブリーガール

吉田豊

51.2倍

対象外勝率 2%

›

▽1

クラディスティーナ

内田博

136.1倍

対象外勝率 2%

›

×12

ミラビリオン

吉村

53.3倍

対象外勝率 1%

›

▽5

サトノセレナーデ

大野

71.3倍

対象外勝率 1%

›

×16

ハッピーサプライズ

▲遠藤

70.4倍

対象外—

›

×6

ベルシャイニー

▲佐藤

246.7倍

対象外—

›

×18

コヴェナント

▲水沼

328.1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

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 4 ロンドンオービタル実9.8倍期待値 -4% 推奨 10.2〜30.0倍 ¥100 不的中11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