中山 4R 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

4R 中山競馬場　発走 11:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クールチェンジ	武藤	実90.4	B▽ A×勝率1% EV-59% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／119日ぶりの実戦）
前5走 05/16 1新潟55R 15着/16頭+2.0秒 03/22 2中山85R 3着/16頭+0.8秒 12/21 5中山62R 8着/16頭+1.4秒 10/19 4東京74R 5着/16頭+1.1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 8.7着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 119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 0.6% (オッズ暗示: 1.1%) × Aモデルの評価 (参考) レース内 17位 / 勝率 0.8% / 期待値 -60% ※ 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	ミナヅキ	石橋脩	実2.7	B◎ A◎勝率35% EV-6% 詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率0%と苦戦傾向／146日ぶりの実戦）
前5走 04/19 3中山84R 4着/16頭+0.4秒 03/22 2中山86R 2着/18頭+0.0秒 02/28 2中山15R 7着/18頭+0.4秒 01/04 1中山15R 7着/16頭+0.4秒 12/06 5中山13R 3着/15頭+0.2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 4.3着 × 当競馬場適性 5走で勝率 0% (苦戦) △ ローテーション 146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 29.5% (オッズ暗示: 37.0%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 34.6% / 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。
3	シルバープレミア	▲上里	実30.3	B▽ A▽勝率2% EV-38% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.3着と低調／118日ぶりの実戦）
前5走 05/17 2東京84R 11着/17頭+1.2秒 03/07 2中山36R 10着/18頭+1.3秒 12/28 5中山86R 13着/18頭+1.9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 11.3着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 118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 2.0% (オッズ暗示: 3.3%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.0% / 期待値 -39% ※ 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	カーヴドヴァン	☆長浜	実64.8	B▽ A▽勝率1% EV-17% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調／112日ぶりの実戦）
前5走 05/23 2東京94R 7着/18頭+0.3秒 03/22 2中山85R 13着/16頭+2.8秒 12/27 5中山75R 13着/16頭+1.4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 11.0着 (不振) △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 1.3% / 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。
5	モントーヤ	斎藤	実38.4	B× A×勝率1% EV-52% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／224日ぶりの実戦）
前5走 01/31 1東京16R 7着/16頭+1.1秒 12/06 5中山14R 10着/16頭+2.5秒 09/27 4中山85R 8着/16頭+1.0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) △ ローテーション 224日休養明け × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 2.6%) × Aモデルの評価 (参考) レース内 14位 / 勝率 1.2% / 期待値 -52% ※ 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	グランフルス	◇小林美	実38.4	B× A×勝率1% EV-52% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調／118日ぶりの実戦）
前5走 05/17 2東京84R 10着/17頭+1.2秒 04/05 3中山45R 6着/16頭+1.6秒 03/14 2中山55R 8着/16頭+1.1秒 11/15 5東京32R 17着/17頭+1.4秒 10/26 4新潟45R 8着/18頭+1.4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戦の調子平均 8.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 118日休養明け × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 2.6%) × Aモデルの評価 (参考) レース内 15位 / 勝率 1.2% / 期待値 -52% ※ 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	アンヴデット	△石神道	実13.6	B△ A△勝率7% EV-4% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（154日ぶりの実戦）
前5走 04/11 3中山56R 9着/18頭+0.7秒 01/12 1中山56R 5着/18頭+0.3秒 10/19 4東京75R 9着/18頭+0.8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 7.7着 (不振) △ ローテーション 154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 7.7% (オッズ暗示: 7.4%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.0% / 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。
8	ヤマニンリンキング	大野	実10.7	B▽ A×勝率3% EV-70% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 2回5日新潟12R 4着/15頭 2回6日福島3R 11着/16頭 ― ― ―
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 7.5着 (不振) × 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 5.5% (オッズ暗示: 9.3%) × Aモデルの評価 (参考) レース内 7位 / 勝率 2.7% / 期待値 -71% ※ 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	タイキヴィグルーズ	丸田	実104.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.0着と低調／286日ぶりの実戦）
前5走 11/30 5東京84R 9着/13頭+1.7秒 11/15 3福島35R 15着/16頭+1.6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 12.0着 (不振) △ ローテーション 286日休養明け × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 0.5% (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	ジェイエルグリーン	原	実19.8	B▽ A△勝率4% EV-12% 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0%と苦戦傾向／直近3走平均9.3着と低調／125日ぶりの実戦）
前5走 05/10 2東京61R 10着/16頭+1.5秒 05/02 2東京31R 10着/16頭+1.9秒 03/28 3中山11R 8着/16頭+1.4秒 02/28 2中山12R 5着/15頭+4.1秒 01/25 1中山92R 13着/14頭+4.4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 9.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) △ ローテーション 125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 4.1% (オッズ暗示: 5.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.4% / 期待値 -12% ※ 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	エリュグレイス	戸崎圭	実6.8	B○ A○勝率15% EV0% 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0%と苦戦傾向／160日ぶりの実戦）
前5走 04/05 3中山45R 11着/16頭+2.8秒 03/07 2中山36R 3着/18頭+0.6秒 01/12 1中山56R 2着/18頭+0.0秒 11/08 5東京15R 2着/13頭+0.8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 5.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) △ ローテーション 160日休養明け △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 12.7% (オッズ暗示: 14.7%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 14.6% / 期待値 -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。
12	ナイトバード	菊沢	実9.3	B△ A△勝率8% EV-27% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（126日ぶりの実戦）
前5走 05/09 1新潟36R 10着/16頭+0.5秒 03/14 2中山54R 8着/16頭+3.8秒 02/21 1東京75R 5着/14頭+0.7秒 01/17 1中山65R 7着/18頭+0.4秒 11/08 5東京15R 4着/13頭+0.9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 7.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 126日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 7.7% (オッズ暗示: 10.8%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.8% / 期待値 -27% ※ 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	コスモアルペジオ	丹内	実16.1	B△ A×勝率3% EV-55% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／174日ぶりの実戦）
前5走 03/22 1中京45R 6着/16頭+0.9秒 12/28 5中山86R 10着/18頭+1.0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 8.0着 (不振) △ ローテーション 174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 6.1% (オッズ暗示: 6.2%) × Aモデルの評価 (参考) レース内 8位 / 勝率 2.7% / 期待値 -56% ※ 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	ウインスターリング	ミシェル	実28.5	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（直近3走平均10.7着と低調／105日ぶりの実戦）
前5走 05/30 2東京112R 15着/16頭+2.9秒 05/17 2東京85R 8着/11頭+1.0秒 04/11 1福島15R 9着/16頭+1.4秒 10/26 4東京95R 12着/16頭+1.8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 10.7着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 105日休養明け △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 3.3% (オッズ暗示: 3.5%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 2.0% / 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。
15	イーガービーバー	横山琉	実32.3	B▽ A×勝率1% EV-58% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／112日ぶりの実戦）
前5走 05/23 2東京94R 6着/18頭+0.3秒 04/26 2東京22R 9着/14頭+1.5秒 03/15 2中山62R 10着/16頭+3.2秒 12/07 5中山21R 8着/16頭+1.0秒 11/09 3福島21R 7着/16頭+0.8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 8.3着 (不振) △ ローテーション 112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 2.0% (オッズ暗示: 3.1%) × Aモデルの評価 (参考) レース内 11位 / 勝率 1.3% / 期待値 -59% ※ 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	ヒシナスキロ	三浦	実7.6	B▲ A▲勝率14% EV+9% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.0着と低調）
前5走 1回4日函館4R 8着/16頭 ― ― ― ―
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 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 12.7% (オッズ暗示: 13.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 14.4% / 期待値 +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	シェンロン	内田博	実53.5	B▽ A▽勝率1% EV-31% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ★ 新馬戦 (初出走)
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) △ AIランク評価 (順位学習モデル) レース内 12位 (中位評価) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 2.0% (オッズ暗示: 1.9%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.3% / 期待値 -32% ※ 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	ベルバード	川須	実57.2	B▽ A▽勝率1% EV-32% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／126日ぶりの実戦）
前5走 05/09 2東京55R 12着/18頭+1.1秒 03/22 2中山85R 5着/16頭+1.1秒 12/21 5中京64R 15着/17頭+1.2秒 10/26 4新潟42R 12着/13頭+2.4秒 06/28 2福島11R 9着/10頭+3.2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 10.7着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 126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 1.1% (オッズ暗示: 1.7%) ▽ Aモデルの評価 (参考) レース内 16位 / 勝率 1.2% / 期待値 -32% ※ 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

AIの本命

AI評価1位Aモデル ◎

ミナヅキ

騎手石橋脩

単勝オッズ

2.7倍

AI期待値

-20%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○11エリュグレイス

6.8倍

EV -13%

▲A:▲16ヒシナスキロ

7.6倍

EV -3%

出走馬全18頭

◎A:◎2

ミナヅキ

石橋脩

2.7倍

-20%

›

○A:○11

エリュグレイス

戸崎圭

6.8倍

-13%

›

▲A:▲16

ヒシナスキロ

三浦

7.6倍

-3%

›

△A:△12

ナイトバード

菊沢

9.3倍

-28%

›

△A:△7

アンヴデット

△石神道

13.6倍

+4%

›

△A:×13

コスモアルペジオ

丹内

16.1倍

-1%

›

▽A:×8

ヤマニンリンキング

大野

10.7倍

-40%

›

▽A:△10

ジェイエルグリーン

原

19.8倍

-19%

›

▽A:▽14

ウインスターリング

ミシェル

28.5倍

-6%

›

▽A:▽3

シルバープレミア

▲上里

30.3倍

-40%

›

▽A:×15

イーガービーバー

横山琉

32.3倍

-36%

›

▽A:▽17

シェンロン

内田博

53.5倍

+4%

›

×A:×5

モントーヤ

斎藤

38.4倍

-57%

›

×A:×6

グランフルス

◇小林美

38.4倍

-57%

›

▽A:▽18

ベルバード

川須

57.2倍

-37%

›

▽A:▽4

カーヴドヴァン

☆長浜

64.8倍

-28%

›

▽A:×1

クールチェンジ

武藤

90.4倍

-46%

›

▽9

タイキヴィグルーズ

丸田

104.0倍

-45%

›

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。買い目は期待値プラスのみ推奨。

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

4R 中山競馬場　発走 11:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クールチェンジ	武藤	実90.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／119日ぶりの実戦）
前5走 05/16 1新潟55R 15着/16頭+2.0秒 03/22 2中山85R 3着/16頭+0.8秒 12/21 5中山62R 8着/16頭+1.4秒 10/19 4東京74R 5着/16頭+1.1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 8.7着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 119日休養明け × 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: 1.1%) ※ 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	ミナヅキ	石橋脩	実2.7	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率0%と苦戦傾向／146日ぶりの実戦）
前5走 04/19 3中山84R 4着/16頭+0.4秒 03/22 2中山86R 2着/18頭+0.0秒 02/28 2中山15R 7着/18頭+0.4秒 01/04 1中山15R 7着/16頭+0.4秒 12/06 5中山13R 3着/15頭+0.2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 4.3着 × 当競馬場適性 5走で勝率 0% (苦戦) △ ローテーション 146日休養明け △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 34.6% (オッズ暗示: 37.0%) ※ 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。
3	シルバープレミア	▲上里	実30.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.3着と低調／118日ぶりの実戦）
前5走 05/17 2東京84R 11着/17頭+1.2秒 03/07 2中山36R 10着/18頭+1.3秒 12/28 5中山86R 13着/18頭+1.9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 11.3着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 118日休養明け × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 2.0% (オッズ暗示: 3.3%) ※ 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。
4	カーヴドヴァン	☆長浜	実64.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調／112日ぶりの実戦）
前5走 05/23 2東京94R 7着/18頭+0.3秒 03/22 2中山85R 13着/16頭+2.8秒 12/27 5中山75R 13着/16頭+1.4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 11.0着 (不振) △ 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 1.3% (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	モントーヤ	斎藤	実38.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／224日ぶりの実戦）
前5走 01/31 1東京16R 7着/16頭+1.1秒 12/06 5中山14R 10着/16頭+2.5秒 09/27 4中山85R 8着/16頭+1.0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) △ ローテーション 224日休養明け × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 1.2% (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。
6	グランフルス	◇小林美	実38.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調／118日ぶりの実戦）
前5走 05/17 2東京84R 10着/17頭+1.2秒 04/05 3中山45R 6着/16頭+1.6秒 03/14 2中山55R 8着/16頭+1.1秒 11/15 5東京32R 17着/17頭+1.4秒 10/26 4新潟45R 8着/18頭+1.4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戦の調子平均 8.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 118日休養明け × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 1.2% (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。
7	アンヴデット	△石神道	実13.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（154日ぶりの実戦）
前5走 04/11 3中山56R 9着/18頭+0.7秒 01/12 1中山56R 5着/18頭+0.3秒 10/19 4東京75R 9着/18頭+0.8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 7.7着 (不振) △ ローテーション 154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 7.0% (オッズ暗示: 7.4%) ※ 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	ヤマニンリンキング	大野	実10.7	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 2回5日新潟12R 4着/15頭 2回6日福島3R 11着/16頭 ― ― ―
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 7.5着 (不振) × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 2.7% (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。
9	タイキヴィグルーズ	丸田	実104.0	×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 11/30 5東京84R 9着/13頭+1.7秒 11/15 3福島35R 15着/16頭+1.6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 12.0着 (不振) △ ローテーション 286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。
10	ジェイエルグリーン	原	実19.8	△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0%と苦戦傾向／直近3走平均9.3着と低調／125日ぶりの実戦）
前5走 05/10 2東京61R 10着/16頭+1.5秒 05/02 2東京31R 10着/16頭+1.9秒 03/28 3中山11R 8着/16頭+1.4秒 02/28 2中山12R 5着/15頭+4.1秒 01/25 1中山92R 13着/14頭+4.4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 9.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) △ ローテーション 125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 4.4% (オッズ暗示: 5.1%) ※ 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。
11	エリュグレイス	戸崎圭	実6.8	○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0%と苦戦傾向／160日ぶりの実戦）
前5走 04/05 3中山45R 11着/16頭+2.8秒 03/07 2中山36R 3着/18頭+0.6秒 01/12 1中山56R 2着/18頭+0.0秒 11/08 5東京15R 2着/13頭+0.8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 5.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) △ ローテーション 160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 14.6% (オッズ暗示: 14.7%) ※ 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	ナイトバード	菊沢	実9.3	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（126日ぶりの実戦）
前5走 05/09 1新潟36R 10着/16頭+0.5秒 03/14 2中山54R 8着/16頭+3.8秒 02/21 1東京75R 5着/14頭+0.7秒 01/17 1中山65R 7着/18頭+0.4秒 11/08 5東京15R 4着/13頭+0.9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 7.7着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 126日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 7.8% (オッズ暗示: 10.8%) ※ 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	コスモアルペジオ	丹内	実16.1	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／174日ぶりの実戦）
前5走 03/22 1中京45R 6着/16頭+0.9秒 12/28 5中山86R 10着/18頭+1.0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 8.0着 (不振) △ ローテーション 174日休養明け × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 2.7% (オッズ暗示: 6.2%) ※ 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。
14	ウインスターリング	ミシェル	実28.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均10.7着と低調／105日ぶりの実戦）
前5走 05/30 2東京112R 15着/16頭+2.9秒 05/17 2東京85R 8着/11頭+1.0秒 04/11 1福島15R 9着/16頭+1.4秒 10/26 4東京95R 12着/16頭+1.8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 10.7着 (不振) ▽ 前走実績前走 15着 (大敗) △ ローテーション 105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 2.0% (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。
15	イーガービーバー	横山琉	実32.3	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／112日ぶりの実戦）
前5走 05/23 2東京94R 6着/18頭+0.3秒 04/26 2東京22R 9着/14頭+1.5秒 03/15 2中山62R 10着/16頭+3.2秒 12/07 5中山21R 8着/16頭+1.0秒 11/09 3福島21R 7着/16頭+0.8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 8.3着 (不振) △ ローテーション 112日休養明け × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 3.1%) ※ 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。
16	ヒシナスキロ	三浦	実7.6	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.0着と低調）
前5走 1回4日函館4R 8着/16頭 ― ― ― ―
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 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 14.4% (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。
17	シェンロン	内田博	実53.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ★ 新馬戦 (初出走)
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) △ AIランク評価 (順位学習モデル) レース内 12位 (中位評価) × 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 1.3% (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。
18	ベルバード	川須	実57.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／126日ぶりの実戦）
前5走 05/09 2東京55R 12着/18頭+1.1秒 03/22 2中山85R 5着/16頭+1.1秒 12/21 5中京64R 15着/17頭+1.2秒 10/26 4新潟42R 12着/13頭+2.4秒 06/28 2福島11R 9着/10頭+3.2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 10.7着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 126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 1.2% (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。

AIの本命

AI評価1位

ミナヅキ

騎手石橋脩

単勝オッズ

2.7倍

AI期待値

-6%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○11エリュグレイス

6.8倍

EV 0%

▲16ヒシナスキロ

7.6倍

EV +9%

出走馬全18頭

◎2

ミナヅキ

石橋脩

2.7倍

-6%

›

○11

エリュグレイス

戸崎圭

6.8倍

›

▲16

ヒシナスキロ

三浦

7.6倍

+9%

›

△12

ナイトバード

菊沢

9.3倍

-27%

›

△7

アンヴデット

△石神道

13.6倍

-4%

›

△10

ジェイエルグリーン

原

19.8倍

-12%

›

×8

ヤマニンリンキング

大野

10.7倍

-70%

›

×13

コスモアルペジオ

丹内

16.1倍

-55%

›

▽14

ウインスターリング

ミシェル

28.5倍

-41%

›

▽3

シルバープレミア

▲上里

30.3倍

-38%

›

×15

イーガービーバー

横山琉

32.3倍

-58%

›

▽17

シェンロン

内田博

53.5倍

-31%

›

▽4

カーヴドヴァン

☆長浜

64.8倍

-17%

›

×5

モントーヤ

斎藤

38.4倍

-52%

›

×6

グランフルス

◇小林美

38.4倍

-52%

›

▽18

ベルバード

川須

57.2倍

-32%

›

×1

クールチェンジ

武藤

90.4倍

-59%

›

×9

タイキヴィグルーズ

丸田

104.0倍

-99%

›

各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。

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