東京 9R 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

9R 東京競馬場発走 14:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サンカルミア	荻野極	実8.4	B△ A△勝率13% EV+12% 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7走で勝率0%と苦戦傾向）
前5走 03/14 1中京111R 5着/14頭+0.7秒 11/29 5東京78R 7着/16頭+1.3秒 11/08 5東京19R 5着/13頭+1.8秒 10/25 4新潟38R 1着/14頭勝利 08/30 3新潟38R 5着/10頭+0.2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戦の調子平均 3.7着 × 当競馬場適性 7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) -8% (オッズ過剰評価) AI 予想勝率 11.0% (オッズ暗示: 11.9%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 13.4% / 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。
2	テーオーライマン	古川吉	実24.5	B▽ A▽勝率4% EV-8% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/03 3京都49R 5着/9頭+0.7秒 03/22 1中京410R 9着/16頭+1.2秒 02/28 1小倉1110R 2着/16頭+0.3秒 12/20 5中京510R 13着/16頭+1.3秒 11/02 4東京1112R 2着/13頭+0.1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戦の調子平均 6.0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% (市場と概ね一致) AI 予想勝率 4.5% (オッズ暗示: 4.1%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.7% / 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。
3	ブレゲアン	石橋脩	実34.1	B▽ A▽勝率3% EV+2% 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 01/25 1中山96R 14着/15頭+8.6秒 01/04 1中山17R 7着/16頭+1.1秒 09/14 4中山46R 1着/16頭勝利 08/31 3新潟42R 5着/15頭+0.7秒 08/09 2新潟54R 3着/15頭+1.2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戦の調子勝率 33% (上り調子) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 2.4% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 3.0% / 期待値 +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	ステアハート	吉田豊	実25.1	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（直近3走平均10.3着と低調）
前5走 05/03 1新潟29R 3着/12頭+0.6秒 01/31 1小倉310R 8着/16頭+0.5秒 01/10 1京都39R 2着/8頭+0.8秒 10/26 3京都97R 1着/12頭勝利 10/13 3京都57R 3着/15頭+0.4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 10.3着 (不振) ▽ 前走実績前走 13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) +12% (市場と概ね一致) AI 予想勝率 4.5% (オッズ暗示: 4.0%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.7% / 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。
5	オクトーバーナイン	大野	実5.3	B○ A○勝率19% EV-1% 詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率67%と適性高／直近3走で勝率33%と好調）
前5走 03/14 2中山56R 9着/16頭+1.2秒 12/21 5中京69R 9着/16頭+1.0秒 11/29 5東京74R 1着/16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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 67% (得意) ▽ 前走実績前走 13着 (大敗) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 17.3% (オッズ暗示: 18.9%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 18.6% / 期待値 -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	マリンバンカー	上里	実101.9	B▽ A▽勝率2% EV+124% 詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場9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東京312R 10着/14頭+1.1秒 04/11 3中山58R 1着/16頭勝利 03/29 3中山27R 3着/15頭+0.1秒 02/28 2中山17R 2着/16頭+0.4秒 02/21 1東京712R 3着/16頭+0.3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 9走で勝率 0% (苦戦) ○ 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% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 2.2% / 期待値 +124% ※ 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	ラストレガシー	三浦	実9.6	B△ A△勝率10% EV-8% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/03 1新潟26R 1着/13頭勝利 04/11 1福島17R 2着/15頭+0.1秒 02/01 1小倉44R 8着/12頭+4.1秒 11/24 3福島63R 9着/15頭+1.3秒 09/28 4中山96R 7着/16頭+1.0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戦の調子平均 4.7着 △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 10.4%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 9.6% / 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。
8	シルバーレイン	菅原明	実21.5	B△ A△勝率6% EV+20% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調／63日ぶりの実戦）
前5走 02/28 2中山18R 10着/13頭+1.2秒 01/10 1中山310R 12着/16頭+1.3秒 11/09 5東京212R 10着/18頭+0.8秒 09/21 4中山79R 6着/9頭+0.6秒 03/22 2中京311R 6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 9.0着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 4.8% (オッズ暗示: 4.7%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 5.6% / 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	パイシャオピン	横山武	実1.9	B◎ A×勝率20% EV-61% 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（当競馬場7走で勝率29%と適性高／前走3着）
前5走 03/22 2中山812R 4着/16頭+0.8秒 02/28 2中山112R 3着/16頭+0.4秒 01/10 1中山38R 2着/13頭+0.5秒 12/13 5中山38R 2着/15頭+0.0秒 10/11 4東京38R 1着/16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 7.3着 (不振) ◎ 当競馬場適性 7走で勝率 29% (得意) ○ 前走実績前走 3着 (好走) ○ 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) -37% (大幅な期待値マイナス) AI 予想勝率 33.3% (オッズ暗示: 52.6%) × Aモデルの評価 (参考) レース内 1位 / 勝率 20.1% / 期待値 -62% ※ 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	ラマンシュ	鮫島駿	実104.3	B▽ A▽勝率2% EV+137% 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／64日ぶりの実戦）
前5走 04/18 1福島311R 5着/15頭+0.9秒 01/24 1小倉112R 1着/15頭勝利 12/06 5中京17R 2着/16頭+0.3秒 10/26 4新潟48R 2着/12頭+1.1秒 08/03 1札幌47R 12着/12頭+7.4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 9.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +78%（30倍を超える大穴は買う範囲の外） AI 予想勝率 1.7% (オッズ暗示: 1.0%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.3% / 期待値 +138% ※ 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	チザルピーノ	佐々木	実6.7	B▲ A▲勝率18% EV+19% 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／77日ぶりの実戦）
前5走 07/26 2新潟16R 15着/15頭+3.3秒 06/21 3東京512R 1着/16頭勝利 05/31 2東京118R 2着/16頭+0.0秒 02/02 1東京27R 2着/16頭+0.2秒 12/22 5中山87R 2着/16頭+0.4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 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 12.4% (オッズ暗示: 14.9%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 17.8% / 期待値 +19% ※ 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

パイシャオピン

騎手横山武

1.9倍

AI の勝率33%損益の分かれ目53%

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11頭

◎A:×9

パイシャオピン

横山武

1.9倍

勝率 33%

›

○A:○5

オクトーバーナイン

大野

5.3倍

勝率 17%

›

▲A:▲11

チザルピーノ

佐々木

6.7倍

勝率 12%

›

△A:△1

サンカルミア

荻野極

8.4倍

勝率 11%

›

△A:△7

ラストレガシー

三浦

9.6倍

勝率 7%

›

△A:△8

シルバーレイン

菅原明

21.5倍

勝率 5%

›

▽A:▽2

テーオーライマン

古川吉

24.5倍

勝率 4%

›

▽A:▽4

ステアハート

吉田豊

25.1倍

勝率 4%

›

▽A:▽3

ブレゲアン

石橋脩

34.1倍

対象外勝率 2%

›

▽A:▽10

ラマンシュ

鮫島駿

104.3倍

対象外勝率 2%

›

▽A:▽6

マリンバンカー

上里

101.9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

両モデルとも見送り

9R 東京競馬場発走 14:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サンカルミア	荻野極	実8.4	△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7走で勝率0%と苦戦傾向）
前5走 03/14 1中京111R 5着/14頭+0.7秒 11/29 5東京78R 7着/16頭+1.3秒 11/08 5東京19R 5着/13頭+1.8秒 10/25 4新潟38R 1着/14頭勝利 08/30 3新潟38R 5着/10頭+0.2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戦の調子平均 3.7着 × 当競馬場適性 7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) +12% (市場と概ね一致) AI 予想勝率 13.4% (オッズ暗示: 11.9%) ※ 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。
2	テーオーライマン	古川吉	実24.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/03 3京都49R 5着/9頭+0.7秒 03/22 1中京410R 9着/16頭+1.2秒 02/28 1小倉1110R 2着/16頭+0.3秒 12/20 5中京510R 13着/16頭+1.3秒 11/02 4東京1112R 2着/13頭+0.1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戦の調子平均 6.0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) -8% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 4.1%) ※ 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。
3	ブレゲアン	石橋脩	実34.1	▽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5走 01/25 1中山96R 14着/15頭+8.6秒 01/04 1中山17R 7着/16頭+1.1秒 09/14 4中山46R 1着/16頭勝利 08/31 3新潟42R 5着/15頭+0.7秒 08/09 2新潟54R 3着/15頭+1.2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戦の調子勝率 33% (上り調子) △ 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 3.0% (オッズ暗示: 2.9%) ※ 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	ステアハート	吉田豊	実25.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均10.3着と低調）
前5走 05/03 1新潟29R 3着/12頭+0.6秒 01/31 1小倉310R 8着/16頭+0.5秒 01/10 1京都39R 2着/8頭+0.8秒 10/26 3京都97R 1着/12頭勝利 10/13 3京都57R 3着/15頭+0.4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 10.3着 (不振) ▽ 前走実績前走 13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% (オッズ過剰評価) AI 予想勝率 3.7% (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。
5	オクトーバーナイン	大野	実5.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率67%と適性高／直近3走で勝率33%と好調）
前5走 03/14 2中山56R 9着/16頭+1.2秒 12/21 5中京69R 9着/16頭+1.0秒 11/29 5東京74R 1着/16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戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 67% (得意) ▽ 前走実績前走 13着 (大敗) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 18.6% (オッズ暗示: 18.9%) ※ 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。
6	マリンバンカー	上里	実101.9	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場9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東京312R 10着/14頭+1.1秒 04/11 3中山58R 1着/16頭勝利 03/29 3中山27R 3着/15頭+0.1秒 02/28 2中山17R 2着/16頭+0.4秒 02/21 1東京712R 3着/16頭+0.3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 9走で勝率 0% (苦戦) ○ 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) +124%（30倍を超える大穴は買う範囲の外） AI 予想勝率 2.2% (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。
7	ラストレガシー	三浦	実9.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/03 1新潟26R 1着/13頭勝利 04/11 1福島17R 2着/15頭+0.1秒 02/01 1小倉44R 8着/12頭+4.1秒 11/24 3福島63R 9着/15頭+1.3秒 09/28 4中山96R 7着/16頭+1.0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戦の調子平均 4.7着 △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 9.6% (オッズ暗示: 10.4%) ※ 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	シルバーレイン	菅原明	実21.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調／63日ぶりの実戦）
前5走 02/28 2中山18R 10着/13頭+1.2秒 01/10 1中山310R 12着/16頭+1.3秒 11/09 5東京212R 10着/18頭+0.8秒 09/21 4中山79R 6着/9頭+0.6秒 03/22 2中京311R 6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 9.0着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 5.6% (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。
9	パイシャオピン	横山武	実1.9	×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（当競馬場7走で勝率29%と適性高／前走3着）
前5走 03/22 2中山812R 4着/16頭+0.8秒 02/28 2中山112R 3着/16頭+0.4秒 01/10 1中山38R 2着/13頭+0.5秒 12/13 5中山38R 2着/15頭+0.0秒 10/11 4東京38R 1着/16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 7.3着 (不振) ◎ 当競馬場適性 7走で勝率 29% (得意) ○ 前走実績前走 3着 (好走) ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 20.1% (オッズ暗示: 52.6%) ※ 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。
10	ラマンシュ	鮫島駿	実104.3	▽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／64日ぶりの実戦）
前5走 04/18 1福島311R 5着/15頭+0.9秒 01/24 1小倉112R 1着/15頭勝利 12/06 5中京17R 2着/16頭+0.3秒 10/26 4新潟48R 2着/12頭+1.1秒 08/03 1札幌47R 12着/12頭+7.4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 9.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +137%（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: 1.0%) ※ 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。
11	チザルピーノ	佐々木	実6.7	▲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／77日ぶりの実戦）
前5走 07/26 2新潟16R 15着/15頭+3.3秒 06/21 3東京512R 1着/16頭勝利 05/31 2東京118R 2着/16頭+0.0秒 02/02 1東京27R 2着/16頭+0.2秒 12/22 5中山87R 2着/16頭+0.4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 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 17.8% (オッズ暗示: 14.9%) ※ 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

パイシャオピン

騎手横山武

1.9倍

AI の勝率20%損益の分かれ目53%

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11頭

×9

パイシャオピン

横山武

1.9倍

勝率 20%

›

○5

オクトーバーナイン

大野

5.3倍

勝率 19%

›

▲11

チザルピーノ

佐々木

6.7倍

勝率 18%

›

△1

サンカルミア

荻野極

8.4倍

勝率 13%

›

△7

ラストレガシー

三浦

9.6倍

勝率 10%

›

△8

シルバーレイン

菅原明

21.5倍

勝率 6%

›

▽2

テーオーライマン

古川吉

24.5倍

勝率 4%

›

▽4

ステアハート

吉田豊

25.1倍

勝率 4%

›

▽3

ブレゲアン

石橋脩

34.1倍

対象外勝率 3%

›

▽10

ラマンシュ

鮫島駿

104.3倍

対象外勝率 2%

›

▽6

マリンバンカー

上里

101.9倍

対象外勝率 2%

›

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