東京 12R 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

12R 東京競馬場発走 16:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	メッエフアパラ	菅原明	実92.8	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7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 04/04 3中山312R 9着/16頭+1.3秒 01/17 1中山66R 1着/16頭勝利 12/28 5中山87R 4着/16頭+0.8秒 11/30 5東京87R 3着/16頭+0.5秒 11/02 4東京116R 5着/16頭+0.9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戦の調子平均 11.0着 (不振) × 当競馬場適性 7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) -3% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.1%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 1.0% / 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。
2	ショーリバース	横山典	実3.5	B◎ A◎勝率21% EV-27% 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走で勝率33%と好調）
前5走 03/08 2中山47R 4着/11頭+0.6秒 03/01 2中山27R 7着/12頭+1.6秒 01/31 1東京17R 6着/16頭+0.9秒 12/14 5中山47R 16着/16頭+2.5秒 11/29 5東京79R 6着/12頭+1.0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 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) -19% (オッズ過剰評価) AI 予想勝率 23.1% (オッズ暗示: 28.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 20.6% / 期待値 -28% ※ 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	キングクー	▲佐藤	実83.6	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（直近3走平均9.7着と低調／146日ぶりの実戦）
前5走 03/29 2阪神212R 10着/16頭+1.2秒 03/15 1中京29R 8着/15頭+1.1秒 02/14 1小倉710R 7着/14頭+0.8秒 01/25 1中山98R 5着/15頭+0.9秒 12/20 5中京510R 11着/16頭+0.9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 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 146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 0.9% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 13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。
4	フィーチャリング	原	実28.5	B▽ A▽勝率3% EV-12% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高／直近3走平均9.7着と低調）
前5走 03/29 1中京612R 9着/16頭+0.9秒 01/31 1東京18R 8着/16頭+1.0秒 11/30 5東京87R 1着/16頭勝利 11/15 5東京37R 4着/16頭+0.6秒 10/26 4東京912R 3着/16頭+0.5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 9.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ▽ 前走実績前走 15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) -16% (オッズ過剰評価) AI 予想勝率 2.9% (オッズ暗示: 3.5%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 3.1% / 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。
5	ダノンキラウェア	坂井	実4.3	B▲ A▲勝率19% EV-20% 詳細▼	AI上位評価だが期待値不足、見送り
前5走 04/18 2阪神79R 3着/14頭+0.5秒 03/21 1中京39R 5着/10頭+0.5秒 02/28 1阪神312R 7着/18頭+0.4秒 12/14 5阪神412R 3着/10頭+0.1秒 11/16 4京都48R 3着/15頭+0.1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 6.0着 ▽ 前走実績前走 12着 (大敗) ○ 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) -29% (オッズ過剰評価) AI 予想勝率 16.6% (オッズ暗示: 23.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 19.0% / 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。
6	シーニックビュー	荻野極	実24.8	B▽ A▽勝率5% EV+19% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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）
前5走 04/18 1福島311R 6着/15頭+1.0秒 02/15 1東京612R 6着/16頭+0.6秒 11/23 5東京58R 6着/16頭+0.5秒 10/03 船橋9R 1着/14頭勝利 08/27 船橋10R 1着/13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 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 26日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +30% (妙味あり) AI 予想勝率 5.3% (オッズ暗示: 4.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 4.9% / 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。
7	バルダンツァ	岩田望	実5.8	B△ A△勝率10% EV-40% 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4走で勝率0%と苦戦傾向／77日ぶりの実戦）
前5走 04/25 2東京112R 5着/13頭+1.0秒 03/22 1中京410R 4着/16頭+0.3秒 02/22 1東京87R 10着/16頭+1.2秒 11/23 5東京58R 2着/16頭+0.3秒 10/26 4新潟410R 12着/16頭+1.6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戦の調子平均 5.3着 × 当競馬場適性 4走で勝率 0% (苦戦) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 11.5% (オッズ暗示: 17.2%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.7% / 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。
8	メモリーグラス	佐々木	実49.2	B▽ A▽勝率1% EV-37% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.7着と低調）
前5走 04/11 2阪神512R 7着/16頭+0.7秒 03/22 1阪神1012R 9着/12頭+1.7秒 02/22 1阪神212R 15着/16頭+1.9秒 01/31 2京都19R 8着/13頭+0.9秒 01/11 1中山412R 8着/16頭+1.2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 8.7着 (不振) △ 当競馬場適性 13走で勝率 8% × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 1.3% / 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。
9	ワーズワース	戸崎圭	実16.8	B△ A△勝率7% EV+15% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調）
前5走 12/06 5阪神18R 6着/16頭+0.6秒 10/25 4東京812R 4着/13頭+0.4秒 10/05 3京都28R 3着/16頭+0.3秒 09/07 4阪神212R 7着/12頭+0.9秒 06/08 3阪神210R 2着/16頭+0.0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 8.3着 (不振) △ 当競馬場適性 7走で勝率 14% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 6.4% (オッズ暗示: 6.0%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.9% / 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。
10	テンクウジョー	石川	実73.6	B▽ A▽勝率1% EV-6% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場7走で勝率0%と苦戦傾向／直近3走平均8.0着と低調／175日ぶりの実戦）
前5走 04/25 2東京112R 7着/13頭+1.3秒 04/04 2阪神312R 9着/15頭+0.9秒 02/10 1東京48R 8着/16頭+0.8秒 09/28 4中山98R 10着/16頭+1.7秒 09/15 4中山59R 6着/11頭+1.9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戦の調子平均 8.0着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ ローテーション 175日休養明け △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.4%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.3% / 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。
11	ベルブリエ	岩田康	実22.2	B▽ A▽勝率4% EV-6% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（140日ぶりの実戦）
前5走 04/11 3中山512R 12着/16頭+1.3秒 12/13 5中山312R 8着/13頭+1.1秒 11/24 5東京68R 8着/15頭+1.6秒 10/04 4東京112R 11着/16頭+1.0秒 06/08 3東京212R 7着/14頭+1.3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 7.3着 (不振) ○ 当競馬場適性 12走で勝率 17% (相性良) △ ローテーション 140日休養明け △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 5.0% (オッズ暗示: 4.5%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 4.2% / 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。
12	タイキブリッツェン	三浦	実3.7	B○ A○勝率20% EV-24% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率29%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 02/22 1東京89R 10着/10頭+4.1秒 01/31 1東京13R 1着/15頭勝利 11/29 5東京71R 9着/13頭+1.7秒 11/16 5東京44R 2着/16頭+0.2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 7走で勝率 29% (得意) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 118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 17.8% (オッズ暗示: 27.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 20.4% / 期待値 -25% ※ 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	グラスブランシュ	木幡巧	実71.2	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3走で勝率0%と苦戦傾向／直近3走平均13.3着と低調）
前5走 01/18 1京都79R 14着/16頭+1.8秒 11/29 4京都78R 12着/16頭+0.9秒 11/02 3京都118R 7着/15頭+1.0秒 09/27 4中山812R 11着/16頭+1.0秒 07/19 2福島712R 1着/11頭勝利
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 13.3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) ○ 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) -25% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.4%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.2% / 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。
14	エムティエスターテ	大野	実20.2	B△ A△勝率5% EV+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5走 03/21 1中京37R 11着/16頭+0.9秒 02/12 姫路12R 1着/12頭勝利 01/28 姫路9R 1着/8頭勝利 01/07 園田10R 1着/11頭勝利 12/31 園田8R 2着/10頭+0.0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 7走で勝率 14% ▽ 前走実績前走 11着 (大敗) ○ 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) +21% (市場と概ね一致) AI 予想勝率 6.0% (オッズ暗示: 5.0%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.3% / 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。

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

ショーリバース

騎手横山典

3.5倍

AI の勝率23%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14頭

◎A:◎2

ショーリバース

横山典

3.5倍

勝率 23%

›

○A:○12

タイキブリッツェン

三浦

3.7倍

勝率 18%

›

▲A:▲5

ダノンキラウェア

坂井

4.3倍

勝率 17%

›

△A:△7

バルダンツァ

岩田望

5.8倍

勝率 12%

›

△A:△9

ワーズワース

戸崎圭

16.8倍

勝率 6%

›

△A:△14

エムティエスターテ

大野

20.2倍

勝率 6%

›

▽A:▽6

シーニックビュー

荻野極

24.8倍

勝率 5%

›

▽A:▽11

ベルブリエ

岩田康

22.2倍

勝率 5%

›

▽A:▽4

フィーチャリング

原

28.5倍

勝率 3%

›

▽A:▽8

メモリーグラス

佐々木

49.2倍

対象外勝率 1%

›

▽A:▽10

テンクウジョー

石川

73.6倍

対象外勝率 1%

›

▽A:▽13

グラスブランシュ

木幡巧

71.2倍

対象外勝率 1%

›

▽A:▽1

メッエフアパラ

菅原明

92.8倍

対象外勝率 1%

›

▽A:▽3

キングクー

▲佐藤

83.6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

両モデルとも見送り

12R 東京競馬場発走 16:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	メッエフアパラ	菅原明	実92.8	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場7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 04/04 3中山312R 9着/16頭+1.3秒 01/17 1中山66R 1着/16頭勝利 12/28 5中山87R 4着/16頭+0.8秒 11/30 5東京87R 3着/16頭+0.5秒 11/02 4東京116R 5着/16頭+0.9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戦の調子平均 11.0着 (不振) × 当競馬場適性 7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) -7% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.1%) ※ 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。
2	ショーリバース	横山典	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走で勝率33%と好調）
前5走 03/08 2中山47R 4着/11頭+0.6秒 03/01 2中山27R 7着/12頭+1.6秒 01/31 1東京17R 6着/16頭+0.9秒 12/14 5中山47R 16着/16頭+2.5秒 11/29 5東京79R 6着/12頭+1.0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 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) -28% (オッズ過剰評価) AI 予想勝率 20.6% (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。
3	キングクー	▲佐藤	実83.6	▽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／146日ぶりの実戦）
前5走 03/29 2阪神212R 10着/16頭+1.2秒 03/15 1中京29R 8着/15頭+1.1秒 02/14 1小倉710R 7着/14頭+0.8秒 01/25 1中山98R 5着/15頭+0.9秒 12/20 5中京510R 11着/16頭+0.9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 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 146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: 1.2%) ※ 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。
4	フィーチャリング	原	実28.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高／直近3走平均9.7着と低調）
前5走 03/29 1中京612R 9着/16頭+0.9秒 01/31 1東京18R 8着/16頭+1.0秒 11/30 5東京87R 1着/16頭勝利 11/15 5東京37R 4着/16頭+0.6秒 10/26 4東京912R 3着/16頭+0.5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 9.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ▽ 前走実績前走 15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) -13% (オッズ過剰評価) AI 予想勝率 3.1% (オッズ暗示: 3.5%) ※ 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	ダノンキラウェア	坂井	実4.3	▲詳細▼	AI上位評価だが期待値不足、見送り
前5走 04/18 2阪神79R 3着/14頭+0.5秒 03/21 1中京39R 5着/10頭+0.5秒 02/28 1阪神312R 7着/18頭+0.4秒 12/14 5阪神412R 3着/10頭+0.1秒 11/16 4京都48R 3着/15頭+0.1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 6.0着 ▽ 前走実績前走 12着 (大敗) ○ 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) -20% (オッズ過剰評価) AI 予想勝率 19.0% (オッズ暗示: 23.3%) ※ 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。
6	シーニックビュー	荻野極	実24.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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）
前5走 04/18 1福島311R 6着/15頭+1.0秒 02/15 1東京612R 6着/16頭+0.6秒 11/23 5東京58R 6着/16頭+0.5秒 10/03 船橋9R 1着/14頭勝利 08/27 船橋10R 1着/13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 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 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 4.9% (オッズ暗示: 4.0%) ※ 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。
7	バルダンツァ	岩田望	実5.8	△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4走で勝率0%と苦戦傾向／77日ぶりの実戦）
前5走 04/25 2東京112R 5着/13頭+1.0秒 03/22 1中京410R 4着/16頭+0.3秒 02/22 1東京87R 10着/16頭+1.2秒 11/23 5東京58R 2着/16頭+0.3秒 10/26 4新潟410R 12着/16頭+1.6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戦の調子平均 5.3着 × 当競馬場適性 4走で勝率 0% (苦戦) × 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 9.7% (オッズ暗示: 17.2%) ※ 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	メモリーグラス	佐々木	実49.2	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.7着と低調）
前5走 04/11 2阪神512R 7着/16頭+0.7秒 03/22 1阪神1012R 9着/12頭+1.7秒 02/22 1阪神212R 15着/16頭+1.9秒 01/31 2京都19R 8着/13頭+0.9秒 01/11 1中山412R 8着/16頭+1.2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 8.7着 (不振) △ 当競馬場適性 13走で勝率 8% × 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 1.3% (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。
9	ワーズワース	戸崎圭	実16.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.3着と低調）
前5走 12/06 5阪神18R 6着/16頭+0.6秒 10/25 4東京812R 4着/13頭+0.4秒 10/05 3京都28R 3着/16頭+0.3秒 09/07 4阪神212R 7着/12頭+0.9秒 06/08 3阪神210R 2着/16頭+0.0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 8.3着 (不振) △ 当競馬場適性 7走で勝率 14% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 6.9% (オッズ暗示: 6.0%) ※ 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	テンクウジョー	石川	実73.6	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場7走で勝率0%と苦戦傾向／直近3走平均8.0着と低調／175日ぶりの実戦）
前5走 04/25 2東京112R 7着/13頭+1.3秒 04/04 2阪神312R 9着/15頭+0.9秒 02/10 1東京48R 8着/16頭+0.8秒 09/28 4中山98R 10着/16頭+1.7秒 09/15 4中山59R 6着/11頭+1.9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戦の調子平均 8.0着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ ローテーション 175日休養明け △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 1.3% (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。
11	ベルブリエ	岩田康	実22.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（140日ぶりの実戦）
前5走 04/11 3中山512R 12着/16頭+1.3秒 12/13 5中山312R 8着/13頭+1.1秒 11/24 5東京68R 8着/15頭+1.6秒 10/04 4東京112R 11着/16頭+1.0秒 06/08 3東京212R 7着/14頭+1.3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 7.3着 (不振) ○ 当競馬場適性 12走で勝率 17% (相性良) △ ローテーション 140日休養明け △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 4.2% (オッズ暗示: 4.5%) ※ 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。
12	タイキブリッツェン	三浦	実3.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率29%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 02/22 1東京89R 10着/10頭+4.1秒 01/31 1東京13R 1着/15頭勝利 11/29 5東京71R 9着/13頭+1.7秒 11/16 5東京44R 2着/16頭+0.2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 7走で勝率 29% (得意) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 118日休養明け △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 20.4% (オッズ暗示: 27.0%) ※ 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。
13	グラスブランシュ	木幡巧	実71.2	▽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0%と苦戦傾向／直近3走平均13.3着と低調）
前5走 01/18 1京都79R 14着/16頭+1.8秒 11/29 4京都78R 12着/16頭+0.9秒 11/02 3京都118R 7着/15頭+1.0秒 09/27 4中山812R 11着/16頭+1.0秒 07/19 2福島712R 1着/11頭勝利
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 13.3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) ○ 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) -16% (オッズ過剰評価) AI 予想勝率 1.2% (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。
14	エムティエスターテ	大野	実20.2	△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5走 03/21 1中京37R 11着/16頭+0.9秒 02/12 姫路12R 1着/12頭勝利 01/28 姫路9R 1着/8頭勝利 01/07 園田10R 1着/11頭勝利 12/31 園田8R 2着/10頭+0.0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 7走で勝率 14% ▽ 前走実績前走 11着 (大敗) ○ 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) +6% (市場と概ね一致) AI 予想勝率 5.3% (オッズ暗示: 5.0%) ※ 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。

見送りAI の 1 位の馬

ショーリバース

騎手横山典

3.5倍

AI の勝率21%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14頭

◎2

ショーリバース

横山典

3.5倍

勝率 21%

›

○12

タイキブリッツェン

三浦

3.7倍

勝率 20%

›

▲5

ダノンキラウェア

坂井

4.3倍

勝率 19%

›

△7

バルダンツァ

岩田望

5.8倍

勝率 10%

›

△9

ワーズワース

戸崎圭

16.8倍

勝率 7%

›

△14

エムティエスターテ

大野

20.2倍

勝率 5%

›

▽6

シーニックビュー

荻野極

24.8倍

勝率 5%

›

▽11

ベルブリエ

岩田康

22.2倍

勝率 4%

›

▽4

フィーチャリング

原

28.5倍

勝率 3%

›

▽8

メモリーグラス

佐々木

49.2倍

対象外勝率 1%

›

▽10

テンクウジョー

石川

73.6倍

対象外勝率 1%

›

▽13

グラスブランシュ

木幡巧

71.2倍

対象外勝率 1%

›

▽3

キングクー

▲佐藤

83.6倍

対象外勝率 1%

›

▽1

メッエフアパラ

菅原明

92.8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

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