📢 お知らせ

2026-06-05

新機能Threads はじめました

日々の予想更新やイチオシ馬を Threads でも配信します。フォローして最新情報を受け取ってください。

Threads をフォロー →

本日の全レース予想

大井

船橋

🏇本日の開催競馬場を選んでください

1R 大井競馬場ダート1400m　発走 14:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マイティストライク	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（209日ぶりの実戦／騎手は近50戦で勝率24%）
前5走 12/02 大井5R 4着/10頭+1.4秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.0着 ◎ 騎手近50戦勝率 24% (好調) △ ローテーション 209日休養明け × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 15.0% ※ 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。
2	ハッチトポッチ	杉山海（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/08 大井4R 7着/10頭+2.0秒 05/18 大井1R 4着/12頭+1.0秒 04/27 大井5R 10着/10頭+4.3秒 04/13 大井3R 4着/10頭+1.6秒 03/23 大井4R 6着/7頭+3.7秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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	シンプウミホノ	加藤雄（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／直近3走平均11.7着と低調）
前5走 06/08 大井5R 12着/12頭+5.0秒 01/27 大井3R 10着/11頭+3.3秒 01/13 大井4R 13着/16頭+3.7秒 12/24 大井5R 3着/11頭+1.1秒 12/01 大井4R 8着/10頭+3.8秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 11.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12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) -88% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 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。
4	チュウオースカイ	瀬川将（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/08 大井4R 8着/10頭+3.0秒 05/18 大井1R 8着/12頭+1.9秒 01/26 大井4R 8着/13頭+3.5秒 01/12 大井6R 6着/14頭+2.0秒 12/25 大井5R 11着/11頭+2.7秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 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	テールヴェール	藤本現（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／133日ぶりの実戦）
前5走 02/16 大井5R 4着/13頭+2.2秒 01/26 大井5R 5着/13頭+1.8秒 12/24 大井5R 7着/11頭+2.3秒 12/01 大井5R 9着/10頭+4.0秒 ―
AI 評価の内訳 — 馬番 5 △ 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) △ ローテーション 133日休養明け × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 7.5% ※ 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。
6	ティーズアラモード	谷内貫（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 9.0% ※ 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	プロピュライア	安藤洋（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.5着と低調）
前5走 06/08 大井2R 10着/10頭 10/24 大井4R 9着/9頭+5.7秒 ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.5着 (不振) ▽ 前走実績前走 10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) -83% (大幅な期待値マイナス) AI 予想勝率 9.0% ※ 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。
8	ヨロシクユウキ	高橋昭（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均3.0着と安定／前走3着）
前5走 05/18 大井1R 3着/12頭+0.7秒 ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 11.0% ※ 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	バイバイファイト	西優哉（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／直近3走平均8.3着と低調）
前5走 06/08 大井5R 10着/12頭+2.0秒 05/18 大井2R 4着/14頭+2.4秒 04/27 大井4R 11着/11頭+6.8秒 04/13 大井4R 6着/10頭+3.1秒 03/23 大井5R 6着/14頭+2.1秒
AI 評価の内訳 — 馬番 9 × 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 0% (苦戦) ▽ 前走実績前走 10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) -90% (大幅な期待値マイナス) AI 予想勝率 4.9% ※ 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。
10	マンゴーパフェ	田中洸（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／直近3走平均9.3着と低調）
前5走 06/08 大井2R 9着/10頭 05/18 大井1R 11着/12頭+2.6秒 04/27 大井3R 8着/11頭+3.0秒 04/13 大井3R 6着/10頭+2.2秒 03/23 大井5R 8着/14頭+2.3秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -88% (大幅な期待値マイナス) AI 予想勝率 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。
11	パロットフィッシュ	矢野貴（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率22%）
前5走 06/08 大井2R 5着/10頭+2.0秒 05/18 大井1R 6着/12頭+1.8秒 ― ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.5着 ◎ 騎手近50戦勝率 22% (好調) ○ 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) -85% (大幅な期待値マイナス) AI 予想勝率 8.8% ※ 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。
12	スピーディワンダー	西啓太（大井）	推定—	×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
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 15.2% ※ 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。

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

スピーディワンダー

騎手西啓太（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲1マイティストライク

—

EV —

▲8ヨロシクユウキ

—

EV —

▲7プロピュライア

—

EV —

▲6ティーズアラモード

—

EV —

出走馬AI評価順・全12頭

×12

スピーディワンダー

西啓太（大井）

—

›

▲1

マイティストライク

笹川翼（大井）

—

›

▲8

ヨロシクユウキ

高橋昭（大井）

—

›

▲7

プロピュライア

安藤洋（大井）

—

›

▲6

ティーズアラモード

谷内貫（大井）

—

›

△11

パロットフィッシュ

矢野貴（大井）

—

›

△5

テールヴェール

藤本現（大井）

—

›

△2

ハッチトポッチ

杉山海（大井）

—

›

×3

シンプウミホノ

加藤雄（川崎）

—

›

×9

バイバイファイト

西優哉（大井）

—

›

×10

マンゴーパフェ

田中洸（大井）

—

›

×4

チュウオースカイ

瀬川将（大井）

—

›

💡 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。

🌙 オッズ確定前のレースです（夜開催など、発走前でオッズ未公開）。
上の表の AI 評価は確認できますが、期待値・買い目はオッズが出てから（発走が近づくと）自動で公開されます。

2R 大井競馬場ダート1200m　発走 14:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマイルロコ	西啓太（大井）	推定—	×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（直近3走平均8.0着と低調／112日ぶりの実戦）
前5走 03/09 大井5R 8着/11頭+2.2秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0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) -73% (大幅な期待値マイナス) AI 予想勝率 13.6% ※ 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。
2	チャオグラッド	菅原涼（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.0着と低調）
前5走 06/08 大井5R 8着/12頭 05/18 大井2R 10着/14頭+3.7秒 ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.0着 (不振) ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 5.5% ※ 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。
3	ルイーダ	小野俊（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 06/08 大井5R 6着/12頭 05/20 大井5R 10着/11頭 04/27 大井3R 4着/11頭+2.3秒 04/13 大井5R 10着/12頭+3.8秒 03/23 大井5R 7着/14頭+2.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -93% (大幅な期待値マイナス) AI 予想勝率 3.9% ※ 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	エレノアクイーン	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（112日ぶりの実戦）
前5走 03/09 大井5R 5着/11頭+0.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.0着 ○ 騎手近50戦勝率 16% △ ローテーション 112日休養明け × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 8.9% ※ 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。
5	ヤマトシーダー	吉井章（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場10走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/08 大井5R 7着/12頭 05/18 大井2R 6着/14頭+2.8秒 04/27 大井6R 11着/14頭+3.1秒 04/13 大井5R 12着/12頭+4.7秒 03/23 大井5R 13着/14頭+4.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 5.4% ※ 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	ティブロンアスール	藤本現（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 8.5% ※ 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。
7	トゥーナルビーズ	矢野貴（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 12.0% ※ 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。
8	アメージングヨシノ	安藤洋（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／208日ぶりの実戦）
前5走 12/03 大井4R 10着/14頭+2.4秒 11/13 大井3R 5着/10頭+2.5秒 10/24 大井4R 5着/9頭+2.1秒 ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 × 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 208日休養明け × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.2% ※ 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。
9	バゴリオ	西優哉（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（154日ぶりの実戦）
前5走 01/26 大井5R 9着/13頭+2.3秒 01/12 大井5R 5着/6頭+1.6秒 ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.0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) -82% (大幅な期待値マイナス) AI 予想勝率 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。
10	カミノブレス	高橋優（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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。
11	キミヲコイシタウ	達城龍（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/08 大井2R 4着/10頭 05/18 大井1R 9着/12頭+2.1秒 04/27 大井3R 9着/11頭+3.3秒 04/13 大井3R 7着/10頭+2.2秒 03/23 大井4R 7着/7頭+3.8秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 3.8% ※ 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。
12	エスプリギャノン	谷内貫（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/08 大井4R 10着/10頭 05/18 大井2R 8着/14頭+3.1秒 04/27 大井3R 11着/11頭+4.4秒 04/13 大井5R 11着/12頭+4.4秒 03/23 大井4R 5着/7頭+3.5秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10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) -92% (大幅な期待値マイナス) AI 予想勝率 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。
13	アエノホープ	杉山海（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均9.3着と低調）
前5走 02/16 大井3R 6着/11頭+2.0秒 01/26 大井5R 10着/13頭+2.7秒 01/12 大井7R 12着/13頭+4.2秒 12/24 大井5R 8着/11頭+2.4秒 08/10 大井2R 7着/7頭+12.7秒
AI 評価の内訳 — 馬番 13 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ ローテーション 133日休養明け × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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。
14	スカイハピネス	石川駿（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/08 大井5R 11着/12頭+3.0秒 05/20 大井5R 9着/11頭 04/27 大井6R 9着/14頭+2.5秒 12/03 大井4R 14着/14頭+4.7秒 11/12 大井3R 3着/7頭+1.7秒
AI 評価の内訳 — 馬番 14 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ▽ 前走実績前走 11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) -89% (大幅な期待値マイナス) AI 予想勝率 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。

🎯 AIの本命

AI評価1位

スマイルロコ

騎手西啓太（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲7トゥーナルビーズ

—

EV —

▲4エレノアクイーン

—

EV —

▲6ティブロンアスール

—

EV —

▲8アメージングヨシノ

—

EV —

出走馬AI評価順・全14頭

×1

スマイルロコ

西啓太（大井）

—

›

▲7

トゥーナルビーズ

矢野貴（大井）

—

›

▲4

エレノアクイーン

藤田凌（大井）

—

›

▲6

ティブロンアスール

藤本現（大井）

—

›

▲8

アメージングヨシノ

安藤洋（大井）

—

›

△10

カミノブレス

高橋優（大井）

—

›

△9

バゴリオ

西優哉（大井）

—

›

△13

アエノホープ

杉山海（大井）

—

›

×2

チャオグラッド

菅原涼（大井）

—

›

×5

ヤマトシーダー

吉井章（大井）

—

›

×14

スカイハピネス

石川駿（大井）

—

›

×3

ルイーダ

小野俊（大井）

—

›

×11

キミヲコイシタウ

達城龍（大井）

—

›

×12

エスプリギャノン

谷内貫（大井）

—

›

💡 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。

3R 大井競馬場ダート1400m　発走 15:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グングン	杉山海（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 8.0% ※ 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。
2	ハイグリット	鷹見陸（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 11.5% ※ 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。
3	ディオライズ	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 12.7% ※ 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。
4	アヤサンミニサンタ	高橋優（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 8.9% ※ 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。
5	ロヴァニエミ	吉井章（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 12.7% ※ 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	メルダー	笹川翼（大井）	推定—	×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（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 19.8% ※ 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。
7	アドバンスミヤギ	矢野貴（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 14.1% ※ 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。
8	カフジフェイジョア	安藤洋（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 12.4% ※ 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。

🎯 AIの本命

AI評価1位

メルダー

騎手笹川翼（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲7アドバンスミヤギ

—

EV —

▲5ロヴァニエミ

—

EV —

▲3ディオライズ

—

EV —

▲8カフジフェイジョア

—

EV —

出走馬AI評価順・全8頭

×6

メルダー

笹川翼（大井）

—

›

▲7

アドバンスミヤギ

矢野貴（大井）

—

›

▲5

ロヴァニエミ

吉井章（大井）

—

›

▲3

ディオライズ

藤田凌（大井）

—

›

▲8

カフジフェイジョア

安藤洋（大井）

—

›

△2

ハイグリット

鷹見陸（大井）

—

›

△4

アヤサンミニサンタ

高橋優（大井）

—

›

△1

グングン

杉山海（大井）

—

›

💡 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。

4R 大井競馬場ダート1200m　発走 16:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アサクサベリンダ	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 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。
2	ダンノウラ	杉山海（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 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	ユウユウプロースト	石川駿（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 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。
4	ネダンツキマス	高橋優（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 9.5% ※ 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	シャークリング	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 11.2% ※ 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	ラッキーカラー	藤本現（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 10.9% ※ 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。
7	ゴールドシュミット	矢野貴（大井）	推定—	×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（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 13.4% ※ 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	シャンハイヨシノ	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 12.8% ※ 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。
9	チミモウリョウ	鷹見陸（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 12.6% ※ 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の本命

AI評価1位

ゴールドシュミット

騎手矢野貴（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲8シャンハイヨシノ

—

EV —

▲9チミモウリョウ

—

EV —

▲1アサクサベリンダ

—

EV —

▲5シャークリング

—

EV —

出走馬AI評価順・全9頭

×7

ゴールドシュミット

矢野貴（大井）

—

›

▲8

シャンハイヨシノ

藤田凌（大井）

—

›

▲9

チミモウリョウ

鷹見陸（大井）

—

›

▲1

アサクサベリンダ

笹川翼（大井）

—

›

▲5

シャークリング

和田譲（大井）

—

›

△6

ラッキーカラー

藤本現（大井）

—

›

△4

ネダンツキマス

高橋優（大井）

—

›

△3

ユウユウプロースト

石川駿（大井）

—

›

×2

ダンノウラ

杉山海（大井）

—

›

💡 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。

5R 大井競馬場ダート1400m　発走 16:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デスピナ	西優哉（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/09 大井1R 8着/9頭+3.0秒 05/20 大井4R 10着/14頭 04/27 大井4R 8着/11頭+2.9秒 04/13 大井5R 5着/12頭+2.1秒 03/23 大井4R 4着/7頭+2.9秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 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。
2	ジュンフォルト	安藤洋（大井）	推定—	×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（前走3着）
前5走 06/08 大井4R 3着/10頭 12/24 大井3R 5着/10頭+1.6秒 ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.0着 ○ 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) -70% (大幅な期待値マイナス) AI 予想勝率 15.7% ※ 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	ヴェールジャルダン	杉山海（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向）
前5走 06/09 大井2R 5着/13頭+3.0秒 05/20 大井4R 6着/14頭 04/28 大井4R 12着/12頭+4.2秒 04/14 大井3R 10着/11頭+4.2秒 11/12 大井3R 2着/7頭+1.6秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -84% (大幅な期待値マイナス) AI 予想勝率 6.4% ※ 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	カレックス	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向）
前5走 06/08 大井4R 4着/10頭 04/27 大井4R 7着/11頭+2.0秒 02/17 大井3R 6着/13頭+1.8秒 ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 10.7% ※ 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	モノセロス	中村尚（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向）
前5走 06/08 大井5R 5着/12頭 05/20 大井4R 11着/14頭 04/27 大井6R 3着/14頭+0.6秒 12/01 大井5R 10着/10頭+4.2秒 ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 4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) -88% (大幅な期待値マイナス) AI 予想勝率 4.9% ※ 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	フォーカス	東原悠（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/21 大井2R 13着/14頭+1.0秒 04/28 大井3R 14着/14頭+8.7秒 04/14 大井1R 4着/11頭+0.6秒 03/24 大井3R 8着/14頭+1.3秒 03/09 大井4R 3着/8頭+0.9秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 13着 (大敗) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 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。
7	ハルイチバン	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 12.6% ※ 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。
8	ラブリーネイティブ	藤本現（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／111日ぶりの実戦）
前5走 03/10 大井3R 9着/9頭+4.5秒 02/19 大井4R 5着/11頭+1.2秒 01/27 大井5R 6着/12頭+2.0秒 01/13 大井3R 3着/10頭+0.9秒 12/24 大井2R 6着/12頭+4.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 6走で勝率 0% (苦戦) △ ローテーション 111日休養明け × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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	クリスバローズ	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向）
前5走 06/09 大井2R 9着/13頭 04/13 大井6R 3着/10頭+0.8秒 03/23 大井5R 5着/14頭+1.8秒 ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 16% ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 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	ルビースターク	達城龍（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向）
前5走 06/08 大井4R 5着/10頭 05/20 大井4R 7着/14頭+0.0秒 04/27 大井6R 4着/14頭+1.2秒 04/13 大井4R 5着/10頭+2.8秒 03/23 大井5R 10着/14頭+2.5秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 6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) -78% (大幅な期待値マイナス) AI 予想勝率 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。
11	ポロリス	石川駿（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/09 大井1R 7着/9頭+5.0秒 05/20 大井5R 8着/11頭 04/28 大井4R 9着/12頭+2.4秒 04/14 大井2R 12着/12頭+3.3秒 03/24 大井3R 7着/14頭+0.9秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 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。
12	リュウノナナホシ	本村直（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／直近3走平均9.3着と低調）
前5走 06/09 大井2R 8着/13頭 05/21 大井2R 10着/14頭 04/28 大井5R 10着/14頭+2.7秒 04/14 大井3R 6着/11頭+2.6秒 03/24 大井6R 7着/14頭+2.5秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ○ 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) -90% (大幅な期待値マイナス) AI 予想勝率 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。

🎯 AIの本命

AI評価1位

ジュンフォルト

騎手安藤洋（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲7ハルイチバン

—

EV —

▲9クリスバローズ

—

EV —

▲4カレックス

—

EV —

▲10ルビースターク

—

EV —

出走馬AI評価順・全12頭

×2

ジュンフォルト

安藤洋（大井）

—

›

▲7

ハルイチバン

笹川翼（大井）

—

›

▲9

クリスバローズ

和田譲（大井）

—

›

▲4

カレックス

藤田凌（大井）

—

›

▲10

ルビースターク

達城龍（大井）

—

›

△8

ラブリーネイティブ

藤本現（大井）

—

›

△3

ヴェールジャルダン

杉山海（大井）

—

›

△6

フォーカス

東原悠（大井）

—

›

×5

モノセロス

中村尚（大井）

—

›

×12

リュウノナナホシ

本村直（大井）

—

›

×1

デスピナ

西優哉（大井）

—

›

×11

ポロリス

石川駿（大井）

—

›

💡 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。

6R 大井競馬場ダート1200m　発走 17:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	パイナップルケーキ	田中洸（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／265日ぶりの実戦）
前5走 10/07 大井4R 9着/9頭+2.8秒 09/17 大井3R 9着/9頭+6.5秒 09/01 大井4R 3着/9頭+2.9秒 ― ―
AI 評価の内訳 — 馬番 1 × 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 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) △ ローテーション 265日休養明け × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 4.2% ※ 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。
2	ユウユウチャパティ	櫻井光（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/09 大井2R 11着/13頭+0.0秒 05/20 大井5R 6着/11頭 04/28 大井3R 12着/14頭+5.7秒 04/14 大井1R 8着/11頭+1.8秒 03/24 大井3R 12着/14頭+2.2秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ▽ 前走実績前走 11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) -88% (大幅な期待値マイナス) AI 予想勝率 4.6% ※ 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	ナックアラジン	高橋昭（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/08 大井5R 4着/12頭 05/18 大井2R 5着/14頭+2.6秒 04/27 大井6R 12着/14頭+3.9秒 04/13 大井6R 10着/10頭+3.6秒 12/01 大井2R 5着/14頭+2.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 5.2% ※ 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	サーカスサーカス	笹川翼（大井）	推定—	×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（騎手は近50戦で勝率24%）
前5走 06/09 大井1R 6着/9頭 10/24 大井4R 2着/9頭+1.2秒 ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 ◎ 騎手近50戦勝率 24% (好調) ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 13.6% ※ 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	ナナセショー	高橋優（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均8.3着と低調）
前5走 06/09 大井2R 13着/13頭+2.0秒 05/18 大井2R 2着/14頭+1.0秒 04/27 大井6R 10着/14頭+2.8秒 04/13 大井6R 8着/10頭+3.1秒 01/26 大井4R 10着/13頭+3.9秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 13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) -91% (大幅な期待値マイナス) AI 予想勝率 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。
6	トゥザノースエンド	吉井章（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走2着）
前5走 06/08 大井2R 2着/10頭+2.0秒 05/18 大井1R 12着/12頭+2.8秒 ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.0着 (不振) ○ 前走実績前走 2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) -87% (大幅な期待値マイナス) AI 予想勝率 7.2% ※ 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。
7	ガンバリーリエ	中山遥（浦和）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 06/09 大井2R 6着/13頭 02/16 大井3R 2着/11頭+0.0秒 01/26 大井5R 8着/13頭+2.1秒 01/12 大井7R 10着/13頭+2.5秒 09/19 大井6R 6着/8頭+4.5秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 5.8% ※ 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	ダルトン	石川駿（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均8.3着と低調）
前5走 06/09 大井2R 12着/13頭 02/17 大井4R 6着/12頭+2.5秒 01/27 大井4R 7着/13頭+1.8秒 01/12 大井7R 3着/13頭+0.7秒 12/25 大井6R 6着/10頭+1.3秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 12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) -89% (大幅な期待値マイナス) AI 予想勝率 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。
9	フリホコマンドール	中村尚（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 06/10 大井4R 14着/14頭 05/18 大井1R 2着/12頭+0.6秒 04/27 大井6R 6着/14頭+1.6秒 04/13 大井6R 7着/10頭+2.6秒 03/24 大井4R 8着/11頭+1.3秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 14着 (大敗) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 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。
10	ファーマアップ	安藤洋（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/09 大井2R 7着/13頭 05/21 大井4R 13着/13頭 04/27 大井3R 3着/11頭+2.2秒 04/13 大井6R 6着/10頭+1.7秒 03/23 大井5R 11着/14頭+2.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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。
11	エスクラス	藤本現（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 11.5% ※ 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	ガットショット	達城龍（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／前走3着）
前5走 06/08 大井5R 3着/12頭+0.0秒 05/20 大井5R 7着/11頭 04/27 大井5R 9着/10頭+3.2秒 01/26 大井3R 3着/9頭+0.9秒 ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -76% (大幅な期待値マイナス) AI 予想勝率 11.7% ※ 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。
13	ガリマド	菅原涼（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し／直近3走平均9.0着と低調）
前5走 06/09 大井2R 10着/13頭 05/21 大井1R 11着/11頭+4.0秒 04/28 大井5R 6着/14頭+2.2秒 04/14 大井2R 8着/12頭+2.3秒 03/24 大井6R 11着/14頭+2.8秒
AI 評価の内訳 — 馬番 13 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し ▽ 前走実績前走 10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) -90% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 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。
14	メイクイット	西啓太（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 14 × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 11.3% ※ 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。

🎯 AIの本命

AI評価1位

サーカスサーカス

騎手笹川翼（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲12ガットショット

—

EV —

▲11エスクラス

—

EV —

▲14メイクイット

—

EV —

▲6トゥザノースエンド

—

EV —

出走馬AI評価順・全14頭

×4

サーカスサーカス

笹川翼（大井）

—

›

▲12

ガットショット

達城龍（大井）

—

›

▲11

エスクラス

藤本現（大井）

—

›

▲14

メイクイット

西啓太（大井）

—

›

▲6

トゥザノースエンド

吉井章（大井）

—

›

△10

ファーマアップ

安藤洋（大井）

—

›

△7

ガンバリーリエ

中山遥（浦和）

—

›

△13

ガリマド

菅原涼（大井）

—

›

×3

ナックアラジン

高橋昭（大井）

—

›

×9

フリホコマンドール

中村尚（大井）

—

›

×2

ユウユウチャパティ

櫻井光（川崎）

—

›

×8

ダルトン

石川駿（大井）

—

›

×1

パイナップルケーキ

田中洸（大井）

—

›

×5

ナナセショー

高橋優（大井）

—

›

💡 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。

7R 大井競馬場ダート1600m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ナンセイスコピオン	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着／騎手は近50戦で勝率24%）
前5走 05/20 大井6R 3着/12頭 04/14 大井4R 1着/12頭勝利 03/10 大井7R 3着/12頭+0.4秒 02/17 大井5R 9着/14頭+1.4秒 01/29 大井2R 1着/14頭勝利
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 26走で勝率 15% (相性良) ○ 距離適性同距離 23走で勝率 17% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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	アオイフォトグラフ	吉井章（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/12 大井5R 10着/14頭 05/22 大井6R 2着/12頭 04/29 大井4R 2着/12頭+0.9秒 04/16 大井5R 5着/14頭+2.5秒 03/25 大井6R 13着/14頭+1.8秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 14走で勝率 7% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.2% ※ 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	エキゾチックガール	中山遥（浦和）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 06/11 大井8R 3着/13頭 05/20 大井6R 12着/12頭 04/30 大井5R 4着/10頭+0.9秒 01/14 大井10R 14着/15頭+3.8秒 12/29 大井4R 5着/12頭+1.0秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 6.7% ※ 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。
4	ブラックモノリス	安藤洋（大井）	推定—	×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（直近3走平均2.0着と安定／前走2着／206日ぶりの実戦）
前5走 12/05 大井1R 2着/13頭+0.2秒 08/20 名古屋10R 2着/12頭+0.8秒 ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ ローテーション 206日休養明け × 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 23.4% ※ 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。
5	ルリモンハナバチ	杉山海（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場10走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/19 大井4R 4着/9頭+0.6秒 04/29 大井3R 6着/13頭+1.4秒 04/16 大井12R 3着/10頭+1.5秒 03/23 大井12R 9着/13頭+1.5秒 03/12 大井10R 15着/16頭+3.4秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 6.1% ※ 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。
6	ラッケンブース	田中洸（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.3着と低調）
前5走 06/12 大井5R 11着/14頭 05/22 大井8R 11着/13頭 03/27 大井6R 6着/14頭+2.1秒 03/13 大井6R 12着/14頭+2.4秒 11/14 大井8R 10着/14頭+1.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 12走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 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。
7	デルマウチガケ	高橋優（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.3着と低調／98日ぶりの実戦）
前5走 03/23 大井10R 9着/9頭+1.4秒 03/13 大井3R 8着/12頭+0.9秒 02/20 大井8R 8着/13頭+1.7秒 10/22 大井9R 3着/9頭+0.3秒 10/09 大井8R 2着/11頭+0.0秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) ○ 当競馬場適性 20走で勝率 20% (相性良) ○ 距離適性同距離 11走で勝率 18% △ 騎手近50戦勝率 2% (やや苦戦) △ ローテーション 98日休養明け × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 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。
8	スマートビアンカ	本村直（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場24走で勝率4%と苦戦傾向／同距離帯は23走で勝ち無し）
前5走 06/09 大井4R 8着/10頭+3.0秒 05/19 大井4R 8着/9頭+1.0秒 04/28 大井6R 7着/10頭+1.5秒 04/14 大井5R 9着/14頭+2.6秒 03/23 大井8R 5着/12頭+0.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 24走で勝率 4% (苦戦) ▽ 距離適性同距離は 23走で勝ち無し ○ 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) -89% (大幅な期待値マイナス) AI 予想勝率 5.2% ※ 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。
9	サンバフレイバー	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 06/08 大井7R 1着/12頭 01/30 大井1R 4着/12頭+0.9秒 01/16 大井1R 10着/14頭+1.6秒 12/30 大井5R 13着/13頭+3.9秒 12/04 大井5R 8着/13頭+2.7秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 19走で勝率 11% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -74% (大幅な期待値マイナス) AI 予想勝率 13.1% ※ 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。
10	ニシノコヌカアメ	達城龍（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 06/08 大井7R 9着/12頭 05/18 大井5R 3着/12頭+0.6秒 04/27 大井7R 4着/11頭+0.8秒 04/13 大井8R 10着/12頭+4.0秒 03/23 大井6R 5着/12頭+0.5秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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	ベルジャッド	西優哉（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着）
前5走 06/12 大井5R 3着/14頭+0.0秒 05/20 大井8R 1着/11頭 04/29 大井4R 4着/12頭+1.2秒 04/14 大井5R 3着/14頭+2.0秒 03/10 大井8R 6着/9頭+0.9秒
AI 評価の内訳 — 馬番 11 ○ 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 11% ○ 前走実績前走 3着 (好走) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 10.3% ※ 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。

🎯 AIの本命

AI評価1位

ブラックモノリス

騎手安藤洋（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲9サンバフレイバー

—

EV —

▲11ベルジャッド

—

EV —

▲10ニシノコヌカアメ

—

EV —

▲1ナンセイスコピオン

—

EV —

出走馬AI評価順・全11頭

×4

ブラックモノリス

安藤洋（大井）

—

›

▲9

サンバフレイバー

和田譲（大井）

—

›

▲11

ベルジャッド

西優哉（大井）

—

›

▲10

ニシノコヌカアメ

達城龍（大井）

—

›

▲1

ナンセイスコピオン

笹川翼（大井）

—

›

△2

アオイフォトグラフ

吉井章（大井）

—

›

△7

デルマウチガケ

高橋優（大井）

—

›

△3

エキゾチックガール

中山遥（浦和）

—

›

×5

ルリモンハナバチ

杉山海（大井）

—

›

×8

スマートビアンカ

本村直（大井）

—

›

×6

ラッケンブース

田中洸（大井）

—

›

💡 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。

8R 大井競馬場ダート1600m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブラヴォケラトプス	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/09 大井7R 7着/14頭 05/18 大井8R 3着/13頭+0.1秒 03/11 大井8R 6着/10頭+0.4秒 02/20 大井7R 2着/12頭+0.6秒 01/15 大井6R 1着/14頭勝利
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.3着 ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 9.8% ※ 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。
2	キュアフローラ	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率50%と適性高／同距離帯6走で勝率50%／直近3走で勝率33%と好調）
前5走 06/09 大井7R 11着/14頭 05/22 大井5R 1着/10頭 04/30 大井5R 2着/10頭+0.4秒 11/13 大井8R 5着/14頭+0.8秒 10/21 大井5R 1着/14頭勝利
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 50% (得意) ◎ 距離適性同距離 6走で勝率 50% ○ 騎手近50戦勝率 14% ▽ 前走実績前走 11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) -79% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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	バジルフレイバー	東原悠（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場38走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し）
前5走 06/09 大井7R 9着/14頭 05/18 大井8R 7着/13頭+1.1秒 04/28 大井8R 6着/8頭+2.2秒 04/14 大井8R 7着/10頭+1.2秒 03/25 大井8R 8着/13頭+2.0秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 38走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 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。
4	ヨシノローズ	中村尚（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 06/09 大井7R 12着/14頭 05/18 大井8R 8着/13頭+1.3秒 04/28 大井8R 4着/8頭+1.9秒 04/14 大井8R 6着/10頭+1.1秒 03/23 大井10R 1着/9頭勝利
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 46走で勝率 11% △ 距離適性同距離 37走で勝率 14% ▽ 前走実績前走 12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) -91% (大幅な期待値マイナス) AI 予想勝率 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。
5	ピンネシリ	谷内貫（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/09 大井7R 5着/14頭 05/18 大井8R 9着/13頭+1.3秒 02/16 大井9R 7着/10頭+0.8秒 01/28 大井8R 12着/14頭+2.6秒 08/12 大井6R 2着/13頭+0.2秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 12走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 5.8% ※ 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。
6	ボラボラフレイバー	吉井章（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場35走で勝率3%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 06/09 大井7R 8着/14頭 05/18 大井8R 5着/13頭+0.2秒 04/29 大井10R 7着/14頭+1.2秒 04/14 大井7R 8着/10頭+1.7秒 03/24 大井12R 6着/13頭+1.4秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 35走で勝率 3% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 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。
7	カレーウドン	中山遥（浦和）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/09 大井7R 6着/14頭 05/22 大井5R 4着/10頭 12/30 大井7R 10着/14頭+2.0秒 12/02 大井6R 10着/14頭+1.8秒 11/11 大井8R 5着/10頭+1.3秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 32走で勝率 6% △ 距離適性同距離 16走で勝率 6% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -88% (大幅な期待値マイナス) AI 予想勝率 5.4% ※ 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	ニジノカナタニ	江里裕（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 06/09 大井7R 3着/14頭 05/18 大井8R 11着/13頭+3.5秒 04/28 大井12R 7着/13頭+0.9秒 04/14 大井12R 4着/14頭+1.1秒 03/27 大井6R 5着/14頭+1.4秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) ○ 当競馬場適性 10走で勝率 20% (相性良) ○ 前走実績前走 3着 (好走) ○ 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) -79% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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。
9	ヤサカスター	藤本現（大井）	推定—	×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6走で勝率67%と適性高／同距離帯4走で勝率75%／直近3走で勝率100%と好調）
前5走 06/12 大井4R 1着/9頭 05/19 大井4R 1着/9頭勝利 12/01 大井6R 1着/14頭勝利 11/10 大井2R 4着/13頭+0.6秒 10/08 大井1R 1着/9頭勝利
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 6走で勝率 67% (得意) ◎ 距離適性同距離 4走で勝率 75% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 17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 16.4% ※ 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。
10	フロントドア	鷹見陸（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は12走で勝ち無し）
前5走 06/12 大井4R 4着/9頭 10/24 大井7R 6着/12頭+0.7秒 10/10 大井5R 4着/9頭+0.5秒 09/19 大井1R 4着/10頭+0.9秒 09/04 大井5R 5着/14頭+1.1秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 17走で勝率 6% ▽ 距離適性同距離は 12走で勝ち無し ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 7.3% ※ 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。
11	ファーストフォルテ	新原周（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は11走で勝ち無し／153日ぶりの実戦）
前5走 01/27 大井12R 7着/13頭+1.2秒 01/14 大井8R 3着/13頭+0.5秒 12/30 大井7R 6着/14頭+1.2秒 12/02 大井6R 4着/14頭+0.8秒 07/16 大井8R 6着/12頭+1.1秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 23走で勝率 9% ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 18% △ ローテーション 153日休養明け × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 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。
12	アジアパテック	菅原涼（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向）
前5走 06/09 大井8R 10着/11頭+3.0秒 05/22 大井6R 4着/12頭+0.0秒 05/01 大井7R 3着/7頭+2.3秒 04/17 大井8R 10着/14頭+1.9秒 03/27 大井5R 8着/14頭+1.2秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 前走実績前走 10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) -89% (大幅な期待値マイナス) AI 予想勝率 5.2% ※ 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。
13	フタバサクセス	西啓太（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し）
前5走 06/09 大井7R 10着/14頭 05/22 大井9R 2着/10頭 04/27 大井10R 5着/15頭+1.0秒 04/15 大井6R 5着/10頭+1.0秒 03/24 大井10R 7着/14頭+1.3秒
AI 評価の内訳 — 馬番 13 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 14走で勝率 7% ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 10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) -82% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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。
14	アリーバ	高橋昭（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／直近3走平均9.3着と低調／62日ぶりの実戦）
前5走 04/28 大井9R 5着/10頭+0.9秒 04/17 大井8R 12着/14頭+2.2秒 03/27 大井5R 11着/14頭+1.6秒 03/13 大井3R 12着/12頭+2.2秒 09/17 大井10R 8着/12頭+1.6秒
AI 評価の内訳 — 馬番 14 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 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の本命

AI評価1位

ヤサカスター

騎手藤本現（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲13フタバサクセス

—

EV —

▲1ブラヴォケラトプス

—

EV —

▲2キュアフローラ

—

EV —

▲8ニジノカナタニ

—

EV —

出走馬AI評価順・全14頭

×9

ヤサカスター

藤本現（大井）

—

›

▲13

フタバサクセス

西啓太（大井）

—

›

▲1

ブラヴォケラトプス

和田譲（大井）

—

›

▲2

キュアフローラ

藤田凌（大井）

—

›

▲8

ニジノカナタニ

江里裕（大井）

—

›

△10

フロントドア

鷹見陸（大井）

—

›

△11

ファーストフォルテ

新原周（川崎）

—

›

△5

ピンネシリ

谷内貫（大井）

—

›

×14

アリーバ

高橋昭（大井）

—

›

×7

カレーウドン

中山遥（浦和）

—

›

×12

アジアパテック

菅原涼（大井）

—

›

×6

ボラボラフレイバー

吉井章（大井）

—

›

×4

ヨシノローズ

中村尚（大井）

—

›

×3

バジルフレイバー

東原悠（大井）

—

›

💡 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。

9R 大井競馬場ダート1200m　発走 18:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クチャモザクワジャ	小野俊（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場22走で勝率41%と適性高／同距離帯21走で勝率43%／直近3走平均2.7着と安定）
前5走 06/12 大井6R 2着/12頭 05/22 大井8R 3着/13頭 04/17 大井9R 3着/14頭+0.3秒 03/27 大井6R 4着/14頭+1.4秒 03/12 大井8R 2着/11頭+0.0秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 22走で勝率 41% (得意) ◎ 距離適性同距離 21走で勝率 43% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
2	エクラシェール	谷内貫（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し／直近3走平均9.7着と低調／166日ぶりの実戦）
前5走 01/14 大井8R 13着/13頭+4.4秒 12/29 大井11R 9着/13頭+2.0秒 12/01 大井8R 7着/14頭+2.3秒 11/10 大井9R 6着/10頭+0.4秒 10/08 大井12R 9着/16頭+1.5秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 17走で勝率 6% ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 13着 (大敗) △ ローテーション 166日休養明け × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.7% ※ 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	サントレッダー	櫻井光（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均9.3着と低調）
前5走 06/09 大井8R 9着/11頭 05/18 大井10R 8着/9頭+1.0秒 12/29 大井11R 11着/13頭+3.6秒 12/02 大井7R 10着/12頭+1.9秒 10/01 名古屋10R 10着/12頭+2.1秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 7.6% ※ 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。
4	トーアナカヨシ	達城龍（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.3着と低調）
前5走 06/09 大井7R 13着/14頭+0.0秒 05/18 大井8R 6着/13頭+0.9秒 04/29 大井10R 12着/14頭+2.5秒 01/27 大井12R 10着/13頭+1.5秒 12/26 大井8R 4着/16頭+1.5秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 10.3着 (不振) △ 当競馬場適性 9走で勝率 11% ▽ 前走実績前走 13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) -88% (大幅な期待値マイナス) AI 予想勝率 5.8% ※ 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。
5	メイショウアキカゼ	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/09 大井8R 4着/11頭 05/18 大井10R 3着/9頭+0.2秒 04/28 大井12R 6着/13頭+0.8秒 04/14 大井12R 9着/14頭+1.7秒 01/14 大井9R 6着/10頭+1.0秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ○ 騎手近50戦勝率 14% ○ 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) -71% (大幅な期待値マイナス) AI 予想勝率 16.1% ※ 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。
6	ブルーリベリュール	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯15走で勝率27%／直近3走で勝率33%と好調）
前5走 06/09 大井8R 6着/11頭 05/22 大井8R 1着/13頭 04/30 大井6R 2着/14頭+0.6秒 02/17 大井7R 1着/14頭勝利 01/27 大井8R 7着/14頭+0.9秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 22走で勝率 18% (相性良) ◎ 距離適性同距離 15走で勝率 27% ○ 騎手近50戦勝率 14% ○ 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) -74% (大幅な期待値マイナス) AI 予想勝率 13.6% ※ 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	フォーティースター	矢野貴（大井）	推定—	×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（同距離帯4走で勝率25%／直近3走平均2.7着と安定／前走2着）
前5走 05/02 大井3R 2着/7頭+0.2秒 04/18 大井4R 4着/7頭+1.6秒 03/14 大井2R 2着/9頭+0.0秒 02/18 大井6R 1着/13頭勝利 01/27 大井2R 2着/14頭+0.1秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 2.7着 (安定) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 2着 (好走) △ ローテーション 423日休養明け × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 22.9% ※ 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。
8	フレーズボンボン	菅原涼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し）
前5走 06/09 大井8R 5着/11頭+1.0秒 05/21 大井9R 3着/13頭 05/01 大井8R 2着/10頭+0.7秒 04/17 大井9R 8着/14頭+1.1秒 03/27 大井6R 8着/14頭+2.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 3.3着 × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 10.6% ※ 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。
9	ベイステート	西優哉（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は11走で勝ち無し）
前5走 06/09 大井8R 7着/11頭+0.0秒 05/18 大井10R 6着/9頭+0.6秒 04/28 大井12R 4着/13頭+0.4秒 04/17 大井8R 2着/14頭+0.4秒 03/27 大井5R 6着/14頭+0.6秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 29走で勝率 7% ▽ 距離適性同距離は 11走で勝ち無し ○ 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) -85% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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。

🎯 AIの本命

AI評価1位

フォーティースター

騎手矢野貴（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲5メイショウアキカゼ

—

EV —

▲6ブルーリベリュール

—

EV —

▲8フレーズボンボン

—

EV —

▲1クチャモザクワジャ

—

EV —

出走馬AI評価順・全9頭

×7

フォーティースター

矢野貴（大井）

—

›

▲5

メイショウアキカゼ

和田譲（大井）

—

›

▲6

ブルーリベリュール

藤田凌（大井）

—

›

▲8

フレーズボンボン

菅原涼（大井）

—

›

▲1

クチャモザクワジャ

小野俊（大井）

—

›

△3

サントレッダー

櫻井光（川崎）

—

›

△2

エクラシェール

谷内貫（大井）

—

›

△9

ベイステート

西優哉（大井）

—

›

×4

トーアナカヨシ

達城龍（大井）

—

›

💡 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。

10R 大井競馬場ダート1400m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ワールドコネクター	藤本現（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率29%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 12/31 大井12R 7着/16頭+0.5秒 12/05 大井11R 1着/13頭勝利 07/01 大井7R 2着/11頭+0.7秒 06/12 大井12R 9着/12頭+1.5秒 05/23 大井11R 2着/15頭+0.5秒
AI 評価の内訳 — 馬番 1 ○ 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) ◎ 距離適性同距離 4走で勝率 25% △ ローテーション 180日休養明け × 期待値 (オッズ vs AI勝率) -68% (大幅な期待値マイナス) AI 予想勝率 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。
2	ニシノデフィレ	瀬川将（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場25走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/21 大井8R 10着/10頭 05/01 大井12R 10着/16頭+2.0秒 04/15 大井12R 9着/16頭+2.5秒 03/25 大井7R 4着/8頭+1.3秒 03/11 大井11R 10着/12頭+0.9秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 25走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -93% (大幅な期待値マイナス) AI 予想勝率 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。
3	サクハル	西啓太（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/19 大井12R 1着/16頭勝利 01/28 大井10R 2着/13頭+0.8秒 01/16 大井12R 4着/14頭+0.7秒 12/31 大井12R 10着/16頭+0.7秒 12/05 大井11R 11着/13頭+2.0秒
AI 評価の内訳 — 馬番 3 ○ 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 11% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 14.3% ※ 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	シャドウキャッスル	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 06/12 大井7R 5着/11頭+0.0秒 03/25 大井12R 1着/13頭勝利 03/11 大井12R 3着/11頭+0.5秒 02/20 大井10R 3着/13頭+0.2秒 ―
AI 評価の内訳 — 馬番 4 ○ 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) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 14% ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 10.7% ※ 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	オリージネアリア	矢野貴（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 05/22 大井12R 1着/15頭 04/14 大井10R 1着/9頭勝利 03/25 大井12R 2着/13頭+0.0秒 ― ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 騎手近50戦勝率 20% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 14.4% ※ 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	オオマサ	笹川翼（大井）	推定—	×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10走で勝率80%と適性高／同距離帯8走で勝率100%／直近3走で勝率100%と好調）
前5走 06/09 大井10R 1着/13頭 05/21 大井10R 1着/16頭 04/30 大井8R 1着/10頭勝利 02/18 大井8R 1着/14頭勝利 01/16 大井5R 1着/12頭勝利
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 10走で勝率 80% (得意) ◎ 距離適性同距離 8走で勝率 100% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ 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) -74% (大幅な期待値マイナス) AI 予想勝率 15.4% ※ 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。
7	アポロリヤム	西優哉（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場42走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均9.3着と低調）
前5走 06/11 大井7R 10着/11頭 05/21 大井8R 9着/10頭 05/01 大井12R 9着/16頭+1.8秒 04/15 大井12R 7着/16頭+1.8秒 03/24 大井11R 6着/16頭+0.7秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 42走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -93% (大幅な期待値マイナス) AI 予想勝率 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。
8	フレンドローマ	達城龍（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/20 大井12R 8着/14頭 05/01 大井12R 16着/16頭+3.7秒 04/15 大井12R 8着/16頭+2.1秒 03/24 大井11R 13着/16頭+2.3秒 03/10 大井6R 5着/6頭+1.7秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 10.7着 (不振) △ 当競馬場適性 20走で勝率 10% ▽ 距離適性同距離は 5走で勝ち無し × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 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。
9	スミソニアン	鷹見陸（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場56走で勝率2%と苦戦傾向／直近3走平均10.7着と低調）
前5走 06/12 大井7R 7着/11頭 05/20 大井12R 14着/14頭 05/01 大井12R 11着/16頭+2.0秒 04/13 大井9R 12着/12頭+4.1秒 03/26 大井12R 10着/13頭+2.3秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 56走で勝率 2% (苦戦) ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 3.8% ※ 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。
10	チャダルクン	高野誠（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（129日ぶりの実戦）
前5走 02/20 大井11R 6着/15頭+0.4秒 01/30 大井11R 2着/12頭+0.0秒 01/16 大井12R 5着/14頭+1.1秒 12/31 大井12R 12着/16頭+0.9秒 12/05 大井12R 3着/14頭+0.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 27走で勝率 11% △ 距離適性同距離 14走で勝率 7% △ ローテーション 129日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 6.5% ※ 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	テンドウ	御神訓（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯4走で勝率25%／180日ぶりの実戦／騎手は近50戦で勝率26%）
前5走 12/31 大井12R 15着/16頭+1.6秒 10/06 大井9R 3着/12頭+2.0秒 09/16 大井11R 2着/11頭+0.4秒 08/11 大井7R 3着/11頭+0.8秒 07/14 大井11R 13着/13頭+2.0秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.7着 ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 15着 (大敗) △ ローテーション 180日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 8.2% ※ 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。

🎯 AIの本命

AI評価1位

オオマサ

騎手笹川翼（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲1ワールドコネクター

—

EV —

▲5オリージネアリア

—

EV —

▲3サクハル

—

EV —

▲4シャドウキャッスル

—

EV —

出走馬AI評価順・全11頭

×6

オオマサ

笹川翼（大井）

—

›

▲1

ワールドコネクター

藤本現（大井）

—

›

▲5

オリージネアリア

矢野貴（大井）

—

›

▲3

サクハル

西啓太（大井）

—

›

▲4

シャドウキャッスル

和田譲（大井）

—

›

△11

テンドウ

御神訓（大井）

—

›

△10

チャダルクン

高野誠（大井）

—

›

△8

フレンドローマ

達城龍（大井）

—

›

×9

スミソニアン

鷹見陸（大井）

—

›

×7

アポロリヤム

西優哉（大井）

—

›

×2

ニシノデフィレ

瀬川将（大井）

—

›

💡 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。

11R 大井競馬場ダート1800m　発走 20:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ロワンディシー	安藤洋（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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	グラヴィス	笹川翼（大井）	推定—	×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（直近3走平均2.5着と安定／前走3着／88日ぶりの実戦）
前5走 04/02 船橋12R 3着/11頭+0.8秒 03/13 大井11R 2着/10頭+1.0秒 ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 2.5着 (安定) ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 3着 (好走) × 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 15.8% ※ 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	カズプレスト	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率50%と好調／74日ぶりの実戦）
前5走 04/16 大井11R 5着/16頭+1.4秒 03/13 大井11R 1着/10頭勝利 ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 50% (絶好調) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 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。
4	イデアイゴッソウ	秋元耕（浦和）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率67%と適性高／直近3走で勝率67%と好調／前走3着）
前5走 06/09 大井11R 3着/14頭 04/30 大井10R 1着/15頭勝利 03/27 大井11R 1着/12頭勝利 11/22 浦和7R 1着/11頭勝利 10/22 浦和9R 1着/12頭勝利
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ 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) -83% (大幅な期待値マイナス) AI 予想勝率 9.2% ※ 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	タイガーチャージ	吉井章（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場21走で勝率5%と苦戦傾向／同距離帯は7走で勝ち無し／前走3着）
前5走 04/30 大井10R 3着/15頭+0.7秒 01/13 大井11R 5着/10頭+1.2秒 12/25 大井11R 12着/16頭+6.0秒 11/12 大井12R 11着/12頭+2.6秒 10/21 大井11R 2着/9頭+0.3秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 21走で勝率 5% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.3% ※ 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	グーヴェルナイユ	鷹見陸（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 06/04 船橋8R 1着/6頭 05/08 船橋12R 5着/13頭+1.4秒 04/10 川崎11R 1着/10頭勝利 03/06 川崎11R 3着/13頭+0.0秒 02/06 川崎10R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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	フジマサテイオー	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場20走で勝率40%と適性高／同距離帯4走で勝率50%／直近3走で勝率67%と好調）
前5走 05/22 大井11R 1着/12頭 04/13 大井9R 10着/12頭+2.9秒 12/24 大井9R 1着/11頭勝利 11/14 大井11R 1着/13頭勝利 10/09 大井10R 1着/13頭勝利
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 20走で勝率 40% (得意) ◎ 距離適性同距離 4走で勝率 50% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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。
8	ファーガス	御神訓（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率26%）
前5走 05/22 大井11R 6着/12頭+0.0秒 04/30 大井10R 6着/15頭+1.2秒 04/13 大井9R 7着/12頭+1.8秒 03/12 大井9R 2着/7頭+0.1秒 02/19 大井7R 4着/9頭+1.1秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 34走で勝率 9% △ 距離適性同距離 9走で勝率 11% ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 4.9% ※ 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。
9	スパルタレオニダス	西啓太（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（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／186日ぶりの実戦）
前5走 12/25 大井11R 13着/16頭+6.5秒 12/04 大井9R 1着/10頭勝利 11/14 大井11R 3着/13頭+0.7秒 10/13 川崎11R 10着/13頭+4.0秒 02/25 浦和11R 1着/8頭勝利
AI 評価の内訳 — 馬番 9 ○ 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 13着 (大敗) △ ローテーション 186日休養明け × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.6% ※ 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	タンゴノアール	江里裕（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率41%と適性高／同距離帯8走で勝率50%／直近3走平均9.3着と低調）
前5走 06/09 大井11R 2着/14頭 04/30 大井10R 14着/15頭+5.0秒 03/27 大井11R 12着/12頭+7.5秒 03/13 大井11R 10着/10頭+4.9秒 09/02 大井9R 1着/5頭勝利
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.3着 (不振) ◎ 当競馬場適性 17走で勝率 41% (得意) ◎ 距離適性同距離 8走で勝率 50% ○ 前走実績前走 2着 (好走) ○ 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) -89% (大幅な期待値マイナス) AI 予想勝率 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。
11	オーシンロクゼロ	藤本現（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し／60日ぶりの実戦）
前5走 04/30 大井10R 7着/15頭+1.4秒 04/17 大井11R 5着/12頭+0.6秒 02/17 大井11R 6着/15頭+1.3秒 01/15 大井11R 4着/11頭+1.2秒 12/25 大井11R 6着/16頭+3.4秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 13走で勝率 8% ▽ 距離適性同距離は 4走で勝ち無し × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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。
12	ムットクルフェ	矢野貴（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場22走で勝率27%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 03/27 大井11R 3着/12頭+1.3秒 03/13 大井11R 4着/10頭+1.2秒 01/26 大井11R 1着/9頭勝利 01/13 大井11R 2着/10頭+0.2秒 12/03 大井11R 6着/12頭+1.7秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 22走で勝率 27% (得意) ○ 距離適性同距離 9走で勝率 22% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) △ ローテーション 94日休養明け × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.1% ※ 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。
13	ヒミノフラッシュ	石川駿（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場14走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均10.7着と低調）
前5走 06/09 大井11R 13着/14頭 05/22 大井11R 8着/12頭+2.0秒 04/30 大井10R 11着/15頭+2.9秒 04/13 大井9R 9着/12頭+2.4秒 11/14 大井11R 7着/13頭+1.6秒
AI 評価の内訳 — 馬番 13 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ▽ 前走実績前走 13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) -95% (大幅な期待値マイナス) AI 予想勝率 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。
14	コスモジンバック	達城龍（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 14 × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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

グラヴィス

騎手笹川翼（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲3カズプレスト

—

EV —

▲4イデアイゴッソウ

—

EV —

▲14コスモジンバック

—

EV —

▲7フジマサテイオー

—

EV —

出走馬AI評価順・全14頭

×2

グラヴィス

笹川翼（大井）

—

›

▲3

カズプレスト

藤田凌（大井）

—

›

▲4

イデアイゴッソウ

秋元耕（浦和）

—

›

▲14

コスモジンバック

達城龍（大井）

—

›

▲7

フジマサテイオー

和田譲（大井）

—

›

△9

スパルタレオニダス

西啓太（大井）

—

›

△12

ムットクルフェ

矢野貴（大井）

—

›

△6

グーヴェルナイユ

鷹見陸（大井）

—

›

×11

オーシンロクゼロ

藤本現（大井）

—

›

×1

ロワンディシー

安藤洋（大井）

—

›

×5

タイガーチャージ

吉井章（大井）

—

›

×8

ファーガス

御神訓（大井）

—

›

×10

タンゴノアール

江里裕（大井）

—

›

×13

ヒミノフラッシュ

石川駿（大井）

—

›

💡 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。

12R 大井競馬場ダート1400m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シャドウルパン	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 06/11 大井7R 1着/11頭 02/19 大井12R 5着/13頭+0.8秒 01/26 大井12R 4着/15頭+0.3秒 01/12 大井12R 3着/16頭+0.2秒 12/25 大井12R 6着/13頭+1.2秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 12走で勝率 17% (相性良) ▽ 距離適性同距離は 5走で勝ち無し ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 12.9% ※ 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	ケイアイカペラ	鷹見陸（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率42%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 09/03 大井12R 3着/13頭+0.2秒 08/11 大井7R 2着/11頭+0.8秒 07/14 大井11R 1着/13頭勝利 06/09 大井12R 1着/16頭勝利 05/19 大井11R 1着/16頭勝利
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 42% (得意) ○ 前走実績前走 3着 (好走) △ ローテーション 299日休養明け × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 11.6% ※ 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	アッティラ	中山遥（浦和）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向）
前5走 06/12 大井7R 8着/11頭 05/20 大井12R 4着/14頭 05/05 船橋9R 5着/12頭+0.7秒 12/24 大井9R 11着/11頭+6.5秒 12/04 大井9R 10着/10頭+1.6秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 8走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -93% (大幅な期待値マイナス) AI 予想勝率 3.2% ※ 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	サウンドバッハ	新原周（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／同距離帯7走で勝率29%／直近3走平均10.0着と低調）
前5走 06/11 大井7R 11着/11頭+4.0秒 05/20 大井12R 6着/14頭 05/01 大井12R 13着/16頭+2.2秒 04/08 川崎10R 14着/14頭+3.1秒 03/17 浦和11R 6着/10頭+0.9秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ◎ 距離適性同距離 7走で勝率 29% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -95% (大幅な期待値マイナス) AI 予想勝率 2.4% ※ 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。
5	コスモソンジュ	小野俊（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し）
前5走 05/20 大井12R 7着/14頭 05/01 大井12R 5着/16頭+0.7秒 04/15 大井12R 6着/16頭+1.5秒 03/24 大井11R 8着/16頭+1.1秒 03/11 大井11R 8着/12頭+0.4秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 37走で勝率 11% ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 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。
6	アイズ	吉井章（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走3着）
前5走 05/20 大井12R 3着/14頭 10/20 大井10R 6着/9頭+1.8秒 10/06 大井9R 5着/12頭+2.3秒 09/16 大井11R 5着/11頭+1.9秒 09/02 大井7R 4着/7頭+0.7秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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	キエティスム	安藤洋（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/20 大井12R 10着/14頭 01/27 大井11R 4着/13頭+0.1秒 01/14 大井12R 13着/14頭+1.6秒 12/31 大井12R 2着/16頭+0.0秒 12/05 大井11R 2着/13頭+0.0秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.0着 (不振) ○ 当競馬場適性 13走で勝率 15% (相性良) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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	ジューンドラゴン	達城龍（大井）	推定—	×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（直近3走平均2.3着と安定／前走2着）
前5走 05/01 大井12R 2着/16頭+0.1秒 04/15 大井12R 3着/16頭+0.9秒 03/11 大井11R 2着/12頭+0.0秒 02/20 大井11R 8着/15頭+0.6秒 01/28 大井10R 3着/13頭+1.0秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 2.3着 (安定) ○ 当競馬場適性 16走で勝率 19% (相性良) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 14.8% ※ 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。
9	ロンギングナイス	木澤奨（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場27走で勝率26%と適性高／同距離帯7走で勝率43%／直近3走平均8.3着と低調）
前5走 05/21 大井8R 4着/10頭 04/28 大井10R 9着/9頭+2.2秒 12/03 大井9R 12着/12頭+3.8秒 11/14 大井12R 11着/16頭+1.5秒 10/24 大井11R 7着/10頭+2.1秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.3着 (不振) ◎ 当競馬場適性 27走で勝率 26% (得意) ◎ 距離適性同距離 7走で勝率 43% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.3% ※ 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	スタードラマー	西優哉（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/20 大井12R 12着/14頭 05/01 大井12R 12着/16頭+2.2秒 03/25 大井7R 8着/8頭+2.8秒 07/16 大井12R 10着/12頭+2.3秒 06/12 大井10R 9着/10頭+2.0秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 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。
11	アジアジェニファー	藤田凌（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯13走で勝率38%／直近3走平均10.7着と低調）
前5走 06/12 大井7R 10着/11頭+0.0秒 05/22 大井7R 9着/9頭+1.0秒 04/15 大井12R 13着/16頭+3.6秒 12/03 大井9R 9着/12頭+1.0秒 11/14 大井12R 2着/16頭+0.3秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 10.7着 (不振) ○ 当競馬場適性 25走で勝率 20% (相性良) ◎ 距離適性同距離 13走で勝率 38% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 3.8% ※ 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。
12	リトルビッグホーン	御神訓（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯14走で勝率29%／直近3走平均3.0着と安定／前走2着）
前5走 05/21 大井8R 2着/10頭 04/14 大井11R 5着/11頭+1.2秒 02/20 大井11R 2着/15頭+0.1秒 01/28 大井12R 12着/12頭+2.5秒 08/12 大井10R 2着/14頭+0.6秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子平均 3.0着 (安定) ○ 当競馬場適性 17走で勝率 24% (相性良) ◎ 距離適性同距離 14走で勝率 29% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 9.5% ※ 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。
13	セントラルガバナー	矢野貴（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場15走で勝率33%と適性高／騎手は近50戦で勝率20%）
前5走 06/05 船橋10R 4着/9頭 05/01 大井12R 4着/16頭+0.5秒 04/03 船橋10R 2着/11頭+0.9秒 03/11 大井11R 7着/12頭+0.3秒 12/05 大井11R 4着/13頭+0.3秒
AI 評価の内訳 — 馬番 13 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 15走で勝率 33% (得意) ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 11.6% ※ 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の本命

AI評価1位

ジューンドラゴン

騎手達城龍（大井）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲1シャドウルパン

—

EV —

▲2ケイアイカペラ

—

EV —

▲13セントラルガバナー

—

EV —

▲12リトルビッグホーン

—

EV —

出走馬AI評価順・全13頭

×8

ジューンドラゴン

達城龍（大井）

—

›

▲1

シャドウルパン

和田譲（大井）

—

›

▲2

ケイアイカペラ

鷹見陸（大井）

—

›

▲13

セントラルガバナー

矢野貴（大井）

—

›

▲12

リトルビッグホーン

御神訓（大井）

—

›

△7

キエティスム

安藤洋（大井）

—

›

△9

ロンギングナイス

木澤奨（大井）

—

›

△6

アイズ

吉井章（大井）

—

›

×5

コスモソンジュ

小野俊（大井）

—

›

×11

アジアジェニファー

藤田凌（大井）

—

›

×3

アッティラ

中山遥（浦和）

—

›

×10

スタードラマー

西優哉（大井）

—

›

×4

サウンドバッハ

新原周（川崎）

—

›

💡 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。

1R 船橋競馬場ダート1000m　発走 14:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サチノマーシー	高橋利（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（579日ぶりの実戦）
前5走 11/27 船橋8R 9着/12頭+2.3秒 10/29 船橋7R 11着/12頭+1.7秒 09/24 船橋4R 3着/11頭+0.1秒 08/28 船橋4R 10着/12頭+4.1秒 07/18 船橋2R 5着/11頭+2.0秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 12走で勝率 8% △ ローテーション 579日休養明け × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 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。
2	アシレ	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.7着と低調／中6日以内の連戦）
前5走 06/23 浦和1R 7着/9頭 06/04 船橋4R 10着/11頭 05/25 浦和9R 9着/11頭 05/08 船橋5R 12着/12頭+4.4秒 04/24 浦和7R 7着/11頭+3.6秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.7着 (不振) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 14.5% ※ 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。
3	オールトソリス	本田重（船橋）	推定—	×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（直近3走平均2.3着と安定／前走2着）
前5走 06/05 船橋4R 2着/10頭 12/11 船橋5R 3着/12頭+0.3秒 11/07 船橋5R 2着/12頭+0.0秒 10/01 船橋3R 1着/12頭勝利 06/06 船橋4R 4着/9頭+0.9秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 2.3着 (安定) ○ 当競馬場適性 11走で勝率 18% (相性良) ○ 前走実績前走 2着 (好走) ○ ローテーション 24日の間隔 (理想的) × 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 27.9% ※ 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	スマートドラフト	山中悠（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／直近3走平均9.0着と低調）
前5走 06/02 船橋8R 8着/14頭 05/04 船橋2R 7着/10頭+2.1秒 01/20 船橋4R 12着/12頭+8.0秒 12/09 船橋4R 6着/12頭+0.9秒 10/31 浦和2R 10着/11頭+2.5秒
AI 評価の内訳 — 馬番 4 × 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 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) -81% (大幅な期待値マイナス) AI 予想勝率 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。
5	ブルーグリッター	藤原幹（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場24走で勝率4%と苦戦傾向／直近3走平均9.7着と低調／117日ぶりの実戦）
前5走 03/04 川崎2R 8着/11頭+2.1秒 02/28 浦和1R 9着/10頭+3.4秒 01/21 船橋2R 12着/12頭+5.1秒 11/06 船橋1R 3着/11頭+0.3秒 10/31 浦和2R 9着/11頭+1.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 24走で勝率 4% (苦戦) ○ 距離適性同距離 5走で勝率 20% △ ローテーション 117日休養明け × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 14.5% ※ 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。
6	タカラバディウス	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（中6日以内の連戦）
前5走 06/23 浦和1R 4着/9頭 06/05 船橋4R 10着/10頭 07/03 船橋5R 9着/9頭+2.8秒 06/16 川崎8R 7着/12頭+1.1秒 06/03 船橋5R 4着/14頭+0.6秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 騎手近50戦勝率 18% × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
7	スピークオブデビル	及川烈（浦和）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（中6日以内の連戦）
前5走 06/22 浦和5R 6着/8頭 05/26 浦和2R 8着/12頭 04/21 浦和1R 4着/9頭+0.8秒 03/20 浦和1R 4着/11頭+0.9秒 11/26 浦和3R 5着/9頭+1.0秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 ○ 騎手近50戦勝率 18% × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 16.8% ※ 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。

🎯 AIの本命

AI評価1位

オールトソリス

騎手本田重（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲7スピークオブデビル

—

EV —

▲5ブルーグリッター

—

EV —

▲2アシレ

—

EV —

▲6タカラバディウス

—

EV —

出走馬AI評価順・全7頭

×3

オールトソリス

本田重（船橋）

—

›

▲7

スピークオブデビル

及川烈（浦和）

—

›

▲5

ブルーグリッター

藤原幹（船橋）

—

›

▲2

アシレ

岡村健（船橋）

—

›

▲6

タカラバディウス

野畑凌（川崎）

—

›

△4

スマートドラフト

山中悠（船橋）

—

›

△1

サチノマーシー

高橋利（船橋）

—

›

💡 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。

2R 船橋競馬場ダート1200m　発走 14:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	コンシェルディー	篠谷葵（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／中6日以内の連戦）
前5走 06/24 浦和3R 5着/10頭 06/03 船橋2R 7着/7頭+1.0秒 05/07 船橋1R 2着/12頭+1.4秒 04/03 船橋2R 4着/11頭+1.0秒 03/10 船橋1R 8着/11頭+1.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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	ドジッコ	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/02 船橋2R 12着/12頭+1.0秒 05/07 船橋4R 5着/12頭+1.2秒 03/31 船橋1R 7着/12頭+1.9秒 03/10 船橋1R 2着/11頭+0.0秒 02/12 船橋2R 6着/12頭+1.3秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ▽ 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) -88% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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。
3	クラバエル	山本大（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 06/16 川崎1R 5着/12頭 06/02 船橋1R 9着/10頭 05/07 船橋4R 6着/12頭+1.2秒 04/01 船橋2R 10着/12頭+3.6秒 03/09 船橋1R 9着/10頭+3.0秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 4.9% ※ 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	ゴーレム	菅原吏（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/02 船橋2R 11着/12頭 05/07 船橋4R 3着/12頭+1.0秒 04/01 船橋1R 5着/12頭+0.7秒 03/10 船橋4R 8着/11頭+2.0秒 02/11 船橋2R 8着/10頭+1.4秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ▽ 前走実績前走 11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) -91% (大幅な期待値マイナス) AI 予想勝率 4.6% ※ 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	リュウノキャロット	木間龍（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 06/16 川崎1R 7着/12頭 06/04 船橋2R 3着/12頭+2.0秒 05/28 浦和1R 9着/11頭+0.0秒 05/07 船橋2R 9着/12頭+3.2秒 04/01 船橋1R 9着/12頭+1.6秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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。
6	カウィバウィボ	川島正（船橋）	推定—	◎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（直近3走で勝率100%と好調／前走勝利の勢い）
前5走 06/05 船橋1R 1着/11頭 ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 100% (絶好調) ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 24日の間隔 (理想的) × 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 32.0% ※ 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	ランドフスカ	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.7着と低調）
前5走 05/25 名古屋4R 8着/11頭+4.0秒 04/23 名古屋5R 10着/11頭+3.0秒 03/26 名古屋11R 8着/8頭+7.7秒 03/11 名古屋5R 8着/10頭+1.4秒 02/27 名古屋8R 12着/12頭+4.9秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) ○ 騎手近50戦勝率 18% × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 15.7% ※ 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。
8	キタノマヒロ	小杉亮（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／前走3着）
前5走 06/02 船橋1R 3着/10頭 05/07 船橋4R 7着/12頭+1.4秒 04/01 船橋2R 8着/12頭+2.7秒 03/10 船橋3R 7着/11頭+1.7秒 02/10 船橋3R 8着/12頭+1.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 3着 (好走) ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 6.7% ※ 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	リーヴルマン	藤原幹（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／中6日以内の連戦）
前5走 06/23 浦和4R 5着/8頭 06/02 船橋1R 4着/10頭 05/05 船橋1R 6着/12頭+0.9秒 03/31 船橋1R 5着/12頭+1.6秒 03/09 船橋1R 4着/10頭+1.7秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
10	エターナルフィズ	山口達（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／中6日以内の連戦）
前5走 06/24 浦和3R 6着/10頭 06/04 船橋2R 4着/12頭 05/07 船橋2R 10着/12頭+3.3秒 04/01 船橋2R 11着/12頭+3.7秒 03/10 船橋4R 10着/11頭+2.5秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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。

🎯 AIの本命

AI評価1位

カウィバウィボ

騎手川島正（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲7ランドフスカ

—

EV —

▲9リーヴルマン

—

EV —

▲10エターナルフィズ

—

EV —

▲5リュウノキャロット

—

EV —

出走馬AI評価順・全10頭

◎6

カウィバウィボ

川島正（船橋）

—

›

▲7

ランドフスカ

野畑凌（川崎）

—

›

▲9

リーヴルマン

藤原幹（船橋）

—

›

▲10

エターナルフィズ

山口達（船橋）

—

›

▲5

リュウノキャロット

木間龍（船橋）

—

›

△8

キタノマヒロ

小杉亮（船橋）

—

›

△2

ドジッコ

町田直（川崎）

—

›

△1

コンシェルディー

篠谷葵（船橋）

—

›

×3

クラバエル

山本大（船橋）

—

›

×4

ゴーレム

菅原吏（船橋）

—

›

💡 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。

3R 船橋競馬場ダート1500m　発走 15:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	イッツマイソウル	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/15 川崎3R 6着/12頭 05/15 川崎3R 3着/7頭+0.8秒 ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.5着 ○ 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) -73% (大幅な期待値マイナス) AI 予想勝率 12.9% ※ 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	フライザフラッグ	山中悠（船橋）	推定—	◎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（直近3走平均2.0着と安定／前走2着）
前5走 06/05 船橋3R 2着/6頭+0.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 2.0着 (安定) ○ 前走実績前走 2着 (好走) ○ ローテーション 24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 26.4% ※ 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。
3	ブリダイコーン	山本大（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.0着と安定／前走2着）
前5走 06/05 船橋2R 2着/6頭 ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 2.0着 (安定) △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 24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 19.4% ※ 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	ハッピーフェイス	本田重（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.0着と安定／前走2着）
前5走 06/02 船橋4R 2着/12頭+0.0秒 05/08 船橋3R 2着/6頭+0.2秒 ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.0着 (安定) ○ 前走実績前走 2着 (好走) ○ 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) -53% (大幅な期待値マイナス) AI 予想勝率 25.4% ※ 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。
5	アマルフィディオ	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均3.0着と安定／前走3着）
前5走 06/05 船橋3R 3着/6頭+7.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 3.0着 (安定) ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) ○ ローテーション 24日の間隔 (理想的) × 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 15.8% ※ 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。

🎯 AIの本命

AI評価1位

フライザフラッグ

騎手山中悠（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲4ハッピーフェイス

—

EV —

▲3ブリダイコーン

—

EV —

▲5アマルフィディオ

—

EV —

▲1イッツマイソウル

—

EV —

出走馬AI評価順・全5頭

◎2

フライザフラッグ

山中悠（船橋）

—

›

▲4

ハッピーフェイス

本田重（船橋）

—

›

▲3

ブリダイコーン

山本大（船橋）

—

›

▲5

アマルフィディオ

野畑凌（川崎）

—

›

▲1

イッツマイソウル

岡村健（船橋）

—

›

💡 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。

4R 船橋競馬場ダート1200m　発走 15:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シダデカサドール	木間龍（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.0着と低調）
前5走 06/02 船橋7R 11着/14頭 03/06 川崎12R 7着/13頭+3.2秒 02/27 浦和2R 9着/12頭+2.9秒 02/03 川崎2R 11着/13頭+2.7秒 01/22 船橋2R 8着/12頭+1.6秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11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) -90% (大幅な期待値マイナス) AI 予想勝率 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。
2	グランツリッター	山中悠（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.0着と低調）
前5走 06/03 船橋1R 10着/10頭 05/05 船橋2R 11着/12頭+2.8秒 04/09 川崎2R 9着/12頭+1.6秒 03/06 川崎12R 10着/13頭+3.4秒 02/06 川崎6R 8着/12頭+2.4秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 10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) -89% (大幅な期待値マイナス) AI 予想勝率 5.4% ※ 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。
3	リュウノヒナギク	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走2着）
前5走 06/25 浦和4R 2着/8頭 06/03 船橋1R 3着/10頭 02/10 船橋4R 6着/12頭+1.5秒 01/21 船橋2R 7着/12頭+1.4秒 12/11 船橋4R 4着/7頭+0.9秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 14.3% ※ 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	ハーモニーホクト	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率56%と適性高／同距離帯9走で勝率56%／直近3走で勝率33%と好調）
前5走 06/04 船橋4R 5着/11頭 11/28 浦和4R 10着/10頭+2.7秒 11/06 船橋1R 1着/11頭勝利 10/01 船橋3R 2着/12頭+1.0秒 08/29 船橋2R 1着/11頭勝利
AI 評価の内訳 — 馬番 4 ○ 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 56% (得意) ◎ 距離適性同距離 9走で勝率 56% ○ 騎手近50戦勝率 18% ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 9.9% ※ 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。
5	イマキュレイト	藤原幹（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し／直近3走平均9.3着と低調／160日ぶりの実戦）
前5走 01/20 船橋5R 9着/12頭+1.7秒 12/10 船橋1R 10着/10頭+3.8秒 10/30 浦和2R 9着/12頭+3.2秒 09/25 浦和2R 11着/12頭+2.9秒 06/26 浦和1R 4着/8頭+0.4秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.3着 (不振) ▽ 距離適性同距離は 3走で勝ち無し △ ローテーション 160日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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	エンランブ	仲野光（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 06/03 船橋1R 4着/10頭+1.0秒 05/05 船橋2R 3着/12頭+0.6秒 01/20 船橋3R 11着/12頭+4.1秒 10/17 川崎6R 4着/12頭+1.1秒 09/30 船橋8R 7着/14頭+2.2秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 9.5% ※ 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。
7	グラフィティウォー	篠谷葵（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.0着と安定／前走2着／416日ぶりの実戦）
前5走 05/09 船橋8R 2着/12頭+0.1秒 04/02 船橋4R 2着/10頭+0.7秒 03/13 船橋5R 2着/11頭+0.5秒 02/13 船橋4R 1着/12頭勝利 01/23 船橋2R 3着/11頭+1.1秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 2.0着 (安定) △ 当競馬場適性 18走で勝率 11% △ 距離適性同距離 18走で勝率 11% ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) △ ローテーション 416日休養明け × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 11.1% ※ 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。
8	カナーリオ	西村栄（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/04 船橋4R 7着/11頭+3.0秒 03/12 船橋1R 11着/11頭+4.5秒 02/11 船橋4R 4着/12頭+1.3秒 01/21 船橋2R 6着/12頭+1.2秒 12/11 船橋5R 10着/12頭+2.4秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 10走で勝率 10% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 7.5% ※ 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。
9	デルマオペラ	本田重（船橋）	推定—	×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4走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 06/01 船橋4R 1着/10頭 05/04 船橋2R 2着/10頭+0.0秒 02/09 船橋1R 4着/12頭+0.6秒 01/19 船橋1R 4着/12頭+0.8秒 ―
AI 評価の内訳 — 馬番 9 ○ 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) ◎ 距離適性同距離 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -60% (大幅な期待値マイナス) AI 予想勝率 23.8% ※ 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。
10	エメラルアタック	野澤憲（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均10.3着と低調）
前5走 06/04 船橋4R 9着/11頭+1.0秒 05/06 船橋1R 10着/10頭+2.9秒 12/08 船橋5R 12着/12頭+5.5秒 11/04 船橋4R 9着/12頭+3.7秒 10/02 船橋5R 11着/12頭+5.3秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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

デルマオペラ

騎手本田重（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲3リュウノヒナギク

—

EV —

▲7グラフィティウォー

—

EV —

▲4ハーモニーホクト

—

EV —

▲6エンランブ

—

EV —

出走馬AI評価順・全10頭

×9

デルマオペラ

本田重（船橋）

—

›

▲3

リュウノヒナギク

岡村健（船橋）

—

›

▲7

グラフィティウォー

篠谷葵（船橋）

—

›

▲4

ハーモニーホクト

野畑凌（川崎）

—

›

▲6

エンランブ

仲野光（船橋）

—

›

△5

イマキュレイト

藤原幹（船橋）

—

›

△8

カナーリオ

西村栄（船橋）

—

›

△10

エメラルアタック

野澤憲（船橋）

—

›

×2

グランツリッター

山中悠（船橋）

—

›

×1

シダデカサドール

木間龍（船橋）

—

›

💡 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。

5R 船橋競馬場ダート1200m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ケイアイワカポノ	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率33%と適性高／同距離帯6走で勝率33%／直近3走で勝率33%と好調）
前5走 06/03 船橋4R 4着/11頭 05/04 船橋4R 3着/11頭+1.2秒 04/03 船橋9R 1着/10頭勝利 03/13 船橋4R 2着/9頭+0.8秒 02/11 船橋4R 1着/12頭勝利
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 6走で勝率 33% ○ 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) -75% (大幅な期待値マイナス) AI 予想勝率 13.8% ※ 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。
2	アークシャルダーム	山本大（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯4走で勝率25%／直近3走平均8.7着と低調）
前5走 06/03 船橋5R 4着/11頭+0.0秒 02/09 船橋6R 10着/14頭+3.4秒 01/21 船橋6R 12着/12頭+3.1秒 12/10 船橋9R 8着/12頭+1.7秒 11/05 船橋5R 1着/12頭勝利
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.7着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -83% (大幅な期待値マイナス) AI 予想勝率 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。
3	シベリアンポラリス	木間龍（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場10走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均8.3着と低調）
前5走 06/03 船橋4R 10着/11頭+3.0秒 05/07 船橋9R 7着/12頭+1.6秒 04/01 船橋5R 8着/12頭+2.0秒 03/11 船橋5R 8着/11頭+2.2秒 11/04 船橋10R 10着/14頭+2.0秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10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) -88% (大幅な期待値マイナス) AI 予想勝率 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。
4	コパノディラン	所　蛍（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率29%と適性高）
前5走 06/16 川崎8R 5着/10頭+0.0秒 06/03 船橋4R 7着/11頭 05/07 船橋9R 5着/12頭+1.2秒 03/30 船橋10R 7着/14頭+1.5秒 03/09 船橋9R 12着/14頭+2.0秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 7走で勝率 29% (得意) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 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。
5	ノブアンドマックス	藤原幹（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.3着と低調）
前5走 06/16 川崎8R 8着/10頭+0.0秒 06/03 船橋5R 8着/11頭 05/06 船橋4R 9着/12頭+1.6秒 12/08 船橋4R 7着/12頭+1.3秒 11/04 船橋10R 9着/14頭+2.0秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 8走で勝率 12% × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 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。
6	デルマルドラ	西村栄（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率40%と適性高／同距離帯5走で勝率40%／直近3走で勝率33%と好調）
前5走 06/02 船橋3R 2着/12頭 05/07 船橋5R 1着/12頭勝利 04/03 船橋5R 5着/12頭+1.3秒 09/25 船橋1R 1着/12頭勝利 08/29 船橋2R 3着/12頭+1.0秒
AI 評価の内訳 — 馬番 6 ○ 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 40% (得意) ◎ 距離適性同距離 5走で勝率 40% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ 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) -66% (大幅な期待値マイナス) AI 予想勝率 15.3% ※ 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	セレニティ	川島正（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向）
前5走 06/03 船橋5R 9着/11頭+1.0秒 01/08 浦和8R 5着/12頭+0.8秒 12/08 船橋12R 7着/14頭+3.4秒 11/03 船橋12R 8着/14頭+3.3秒 ―
AI 評価の内訳 — 馬番 7 × 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 0% (苦戦) ○ 騎手近50戦勝率 14% ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 11.6% ※ 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。
8	フレンドシルバー	實川純（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/16 川崎5R 8着/12頭+0.0秒 06/03 船橋4R 2着/11頭+3.0秒 05/07 船橋9R 9着/12頭+1.8秒 03/31 船橋6R 4着/11頭+0.3秒 03/10 船橋9R 8着/14頭+1.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.3% ※ 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	キープアドーラブル	笠野雄（船橋）	推定—	×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（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 06/04 船橋7R 1着/12頭 05/08 船橋7R 2着/12頭+0.2秒 04/22 浦和4R 9着/11頭+2.0秒 04/03 船橋9R 3着/10頭+0.2秒 03/10 船橋8R 8着/12頭+1.5秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 26走で勝率 12% △ 距離適性同距離 26走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 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。

🎯 AIの本命

AI評価1位

キープアドーラブル

騎手笠野雄（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲6デルマルドラ

—

EV —

▲1ケイアイワカポノ

—

EV —

▲4コパノディラン

—

EV —

▲7セレニティ

—

EV —

出走馬AI評価順・全9頭

×9

キープアドーラブル

笠野雄（船橋）

—

›

▲6

デルマルドラ

西村栄（船橋）

—

›

▲1

ケイアイワカポノ

岡村健（船橋）

—

›

▲4

コパノディラン

所　蛍（船橋）

—

›

▲7

セレニティ

川島正（船橋）

—

›

△2

アークシャルダーム

山本大（船橋）

—

›

△8

フレンドシルバー

實川純（船橋）

—

›

△5

ノブアンドマックス

藤原幹（船橋）

—

›

×3

シベリアンポラリス

木間龍（船橋）

—

›

💡 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。

6R 船橋競馬場ダート1200m　発走 16:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レモンアイカー	山本大（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／前走3着）
前5走 06/04 船橋7R 3着/12頭+0.0秒 05/26 浦和4R 5着/11頭 05/04 船橋4R 7着/11頭+2.0秒 01/27 大井9R 2着/14頭+0.0秒 01/16 大井2R 1着/16頭勝利
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 距離適性同距離 6走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.9% ※ 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	マケタラアカン	笠野雄（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場22走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し／中6日以内の連戦）
前5走 06/23 浦和6R 8着/9頭 06/04 船橋7R 2着/12頭 05/27 浦和4R 6着/10頭+1.0秒 05/07 船橋5R 6着/12頭+0.7秒 04/03 船橋5R 7着/12頭+1.5秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 22走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 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。
3	イーオレイ	仲野光（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は11走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/02 船橋3R 12着/12頭 05/04 船橋7R 10着/12頭+1.7秒 10/22 大井10R 7着/11頭+0.8秒 10/07 大井7R 3着/11頭+1.0秒 05/22 大井5R 7着/13頭+1.8秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.7着 (不振) ▽ 距離適性同距離は 11走で勝ち無し ▽ 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) -89% (大幅な期待値マイナス) AI 予想勝率 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。
4	チーフルガール	川島正（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均3.0着と安定／前走3着）
前5走 06/04 船橋6R 3着/11頭 05/27 浦和5R 3着/9頭+0.0秒 05/07 船橋5R 3着/12頭+0.3秒 04/03 船橋5R 3着/12頭+0.4秒 03/10 船橋9R 11着/14頭+1.7秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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。
5	ジェイルブレイク	本橋孝（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走で勝率33%と好調）
前5走 06/23 浦和5R 1着/10頭 06/04 船橋6R 6着/11頭+2.0秒 05/08 船橋7R 3着/12頭+0.2秒 04/03 船橋5R 2着/12頭+0.4秒 03/13 船橋2R 2着/11頭+0.2秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 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。
6	アルフェルグ	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 06/05 船橋7R 1着/12頭 11/04 船橋4R 2着/12頭+0.0秒 10/03 船橋1R 1着/11頭勝利 ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 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。
7	ワールドクライシス	本田重（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調）
前5走 06/04 船橋6R 4着/11頭 05/07 船橋6R 1着/12頭勝利 04/02 船橋3R 4着/12頭+1.8秒 03/12 船橋2R 4着/9頭+0.8秒 07/30 船橋4R 5着/12頭+2.2秒
AI 評価の内訳 — 馬番 7 ○ 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% ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 12.9% ※ 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。
8	ヒロイックバイオ	菅原吏（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 06/16 川崎4R 11着/12頭 06/02 船橋3R 4着/12頭 05/04 船橋4R 6着/11頭+1.8秒 03/31 船橋6R 5着/11頭+0.5秒 03/11 船橋4R 5着/11頭+0.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.3% ※ 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	ジャストキングダム	山中悠（船橋）	推定—	×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6走で勝率33%と適性高／同距離帯6走で勝率33%／直近3走で勝率33%と好調）
前5走 05/04 船橋7R 4着/12頭+0.7秒 03/31 船橋5R 2着/10頭+0.8秒 03/13 船橋4R 1着/9頭勝利 02/10 船橋4R 1着/12頭勝利 12/10 船橋1R 7着/10頭+1.1秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 6走で勝率 33% × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 18.1% ※ 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。
10	アトラクトラン	濱田達（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 03/13 船橋2R 1着/11頭勝利 02/13 船橋4R 3着/12頭+0.9秒 01/23 船橋5R 5着/12頭+0.9秒 ― ―
AI 評価の内訳 — 馬番 10 ○ 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) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 108日休養明け × 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 13.8% ※ 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。

🎯 AIの本命

AI評価1位

ジャストキングダム

騎手山中悠（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲6アルフェルグ

—

EV —

▲10アトラクトラン

—

EV —

▲7ワールドクライシス

—

EV —

▲5ジェイルブレイク

—

EV —

出走馬AI評価順・全10頭

×9

ジャストキングダム

山中悠（船橋）

—

›

▲6

アルフェルグ

岡村健（船橋）

—

›

▲10

アトラクトラン

濱田達（船橋）

—

›

▲7

ワールドクライシス

本田重（船橋）

—

›

▲5

ジェイルブレイク

本橋孝（船橋）

—

›

△4

チーフルガール

川島正（船橋）

—

›

△1

レモンアイカー

山本大（船橋）

—

›

△8

ヒロイックバイオ

菅原吏（船橋）

—

›

×3

イーオレイ

仲野光（船橋）

—

›

×2

マケタラアカン

笠野雄（船橋）

—

›

💡 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。

7R 船橋競馬場ダート1500m　発走 17:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ジーハーン	本田重（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率50%と好調／前走勝利の勢い）
前5走 06/04 船橋2R 1着/12頭 12/12 船橋2R 2着/7頭+0.1秒 ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 50% (絶好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 18.7% ※ 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	マッドスピード	笠野雄（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/01 船橋5R 7着/11頭 05/25 浦和2R 3着/10頭 05/04 船橋1R 6着/11頭+1.7秒 02/11 船橋9R 11着/11頭+3.0秒 01/20 船橋7R 8着/10頭+2.7秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 9走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -83% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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。
3	ラゴディアイ	木間龍（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向）
前5走 06/01 船橋1R 4着/11頭 05/05 船橋4R 5着/12頭+1.2秒 03/31 船橋1R 3着/12頭+1.0秒 02/10 船橋2R 3着/12頭+1.7秒 01/22 船橋3R 7着/13頭+1.9秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 9走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -77% (大幅な期待値マイナス) AI 予想勝率 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。
4	フラワーフローラ	町田直（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（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）
前5走 06/01 船橋5R 11着/11頭 12/09 船橋7R 3着/13頭+1.0秒 11/06 船橋3R 1着/6頭勝利 ― ―
AI 評価の内訳 — 馬番 4 ○ 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) ▽ 前走実績前走 11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) -73% (大幅な期待値マイナス) AI 予想勝率 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。
5	バブリーヒーロー	小杉亮（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／前走2着）
前5走 06/15 川崎2R 2着/11頭 06/01 船橋1R 10着/11頭 05/06 船橋3R 2着/9頭+1.2秒 04/01 船橋2R 3着/12頭+1.6秒 03/10 船橋3R 6着/11頭+1.4秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 2着 (好走) ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 10.7% ※ 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	シャイニーライフ	澤田龍（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し）
前5走 06/01 船橋1R 5着/11頭 05/26 浦和1R 3着/9頭 05/05 船橋1R 5着/12頭+0.8秒 04/01 船橋3R 9着/10頭+4.2秒 03/09 船橋4R 9着/9頭+3.1秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 9走で勝率 11% ▽ 距離適性同距離は 5走で勝ち無し ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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	オスマンサス	本橋孝（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／前走3着）
前5走 06/02 船橋2R 3着/12頭 05/05 船橋1R 4着/12頭+0.6秒 02/10 船橋5R 6着/12頭+0.5秒 01/19 船橋2R 4着/12頭+1.2秒 12/08 船橋2R 4着/12頭+1.8秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ○ 前走実績前走 3着 (好走) ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 9.8% ※ 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	ナフセッド	野畑凌（川崎）	推定—	×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（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 06/03 船橋2R 1着/7頭 05/06 船橋3R 3着/9頭+1.4秒 03/12 名古屋9R 4着/10頭+0.3秒 02/26 名古屋10R 2着/8頭+0.5秒 02/12 名古屋10R 4着/11頭+0.6秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 20.4% ※ 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。

🎯 AIの本命

AI評価1位

ナフセッド

騎手野畑凌（川崎）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲1ジーハーン

—

EV —

▲4フラワーフローラ

—

EV —

▲5バブリーヒーロー

—

EV —

▲3ラゴディアイ

—

EV —

出走馬AI評価順・全8頭

×8

ナフセッド

野畑凌（川崎）

—

›

▲1

ジーハーン

本田重（船橋）

—

›

▲4

フラワーフローラ

町田直（川崎）

—

›

▲5

バブリーヒーロー

小杉亮（船橋）

—

›

▲3

ラゴディアイ

木間龍（船橋）

—

›

△7

オスマンサス

本橋孝（船橋）

—

›

△6

シャイニーライフ

澤田龍（船橋）

—

›

△2

マッドスピード

笠野雄（船橋）

—

›

💡 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。

8R 船橋競馬場ダート1500m　発走 18:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ジャガンナート	山口達（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場15走で勝率0%と苦戦傾向）
前5走 06/02 船橋5R 6着/12頭+1.0秒 05/04 船橋3R 5着/12頭+1.0秒 04/21 浦和3R 2着/12頭+0.4秒 03/31 船橋3R 4着/12頭+1.1秒 03/10 船橋7R 9着/12頭+3.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 15走で勝率 0% (苦戦) ○ 距離適性同距離 18走で勝率 22% ○ 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) -64% (大幅な期待値マイナス) AI 予想勝率 17.4% ※ 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	ガンバリキ	本田重（船橋）	推定—	×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4走で勝率0%と苦戦傾向／同距離帯15走で勝率40%）
前5走 06/02 船橋5R 4着/12頭 05/04 船橋7R 11着/12頭+1.9秒 03/31 船橋8R 5着/12頭+0.5秒 03/11 船橋3R 5着/11頭+1.1秒 12/05 名古屋8R 1着/12頭勝利
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ◎ 距離適性同距離 15走で勝率 40% ○ 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) -54% (大幅な期待値マイナス) AI 予想勝率 24.8% ※ 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	タツノキセキ	山中悠（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向）
前5走 06/17 川崎4R 5着/12頭 06/02 船橋9R 13着/14頭 05/08 船橋6R 5着/11頭+0.8秒 03/05 川崎5R 5着/10頭+1.6秒 02/25 浦和8R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ○ 距離適性同距離 13走で勝率 15% × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 21.0% ※ 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	ルナーサウスポール	臼井健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/04 船橋3R 6着/12頭+1.3秒 03/31 船橋8R 6着/12頭+0.7秒 03/10 船橋7R 2着/12頭+0.9秒 02/10 船橋8R 6着/12頭+0.7秒 01/23 船橋7R 1着/13頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 28走で勝率 11% △ 距離適性同距離 22走で勝率 9% × 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 12.7% ※ 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	ウェカピポ	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯7走で勝率43%）
前5走 06/04 船橋5R 6着/12頭 05/08 船橋7R 6着/12頭+0.9秒 03/31 船橋3R 5着/12頭+1.3秒 03/10 船橋8R 5着/12頭+1.0秒 02/12 船橋3R 4着/12頭+0.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 7走で勝率 14% ◎ 距離適性同距離 7走で勝率 43% ○ 騎手近50戦勝率 18% ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -66% (大幅な期待値マイナス) AI 予想勝率 18.4% ※ 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	マインドザヘルム	菅原吏（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場29走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均9.3着と低調）
前5走 06/17 川崎4R 11着/12頭+1.0秒 06/04 船橋5R 7着/12頭+1.0秒 05/08 船橋6R 10着/11頭+1.4秒 03/31 船橋3R 6着/12頭+1.9秒 03/12 船橋12R 12着/12頭+4.6秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 29走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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

ガンバリキ

騎手本田重（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲3タツノキセキ

—

EV —

▲5ウェカピポ

—

EV —

▲1ジャガンナート

—

EV —

▲4ルナーサウスポール

—

EV —

出走馬AI評価順・全6頭

×2

ガンバリキ

本田重（船橋）

—

›

▲3

タツノキセキ

山中悠（船橋）

—

›

▲5

ウェカピポ

野畑凌（川崎）

—

›

▲1

ジャガンナート

山口達（船橋）

—

›

▲4

ルナーサウスポール

臼井健（船橋）

—

›

△6

マインドザヘルム

菅原吏（船橋）

—

›

💡 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。

9R 船橋競馬場ダート1200m　発走 18:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マルヒロナイト	臼井健（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調）
前5走 06/01 船橋8R 9着/9頭 05/05 船橋8R 8着/12頭+1.0秒 04/01 船橋8R 1着/10頭勝利 03/13 船橋7R 9着/9頭+2.0秒 02/12 船橋8R 4着/12頭+0.5秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 30走で勝率 13% △ 距離適性同距離 28走で勝率 14% ○ 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) -84% (大幅な期待値マイナス) AI 予想勝率 6.7% ※ 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	ブライティアブエナ	山本大（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.7着と低調）
前5走 06/01 船橋8R 7着/9頭+0.0秒 05/04 船橋8R 12着/12頭+1.9秒 03/30 船橋9R 10着/10頭+2.7秒 12/08 船橋10R 3着/12頭+1.4秒 11/28 浦和10R 9着/10頭+0.9秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 7.6% ※ 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	ナムラペルル	篠谷葵（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 騎手近50戦勝率 16% × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 16.5% ※ 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。
4	ピーターライズ	町田直（川崎）	推定—	×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（直近3走で勝率33%と好調／前走2着）
前5走 06/04 船橋9R 2着/12頭+7.0秒 05/13 川崎7R 2着/12頭+0.2秒 05/04 船橋5R 1着/12頭勝利 ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ○ 前走実績前走 2着 (好走) ○ ローテーション 25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 18.2% ※ 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	コスタデラルス	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し／直近3走平均9.3着と低調／248日ぶりの実戦）
前5走 10/24 大井10R 10着/10頭+2.3秒 10/10 大井7R 9着/11頭+2.5秒 09/18 大井10R 9着/12頭+1.9秒 09/05 大井10R 10着/12頭+2.2秒 08/13 大井11R 11着/12頭+4.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.3着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 10着 (大敗) △ ローテーション 248日休養明け × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 14.1% ※ 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。
6	フィレタン	山口達（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調／前走2着／89日ぶりの実戦）
前5走 04/01 船橋8R 2着/10頭+0.5秒 02/13 船橋8R 10着/12頭+1.4秒 01/22 船橋12R 12着/12頭+2.6秒 12/12 船橋8R 4着/12頭+0.6秒 11/03 船橋7R 1着/12頭勝利
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.0着 (不振) ○ 当競馬場適性 11走で勝率 18% (相性良) ○ 距離適性同距離 11走で勝率 18% ○ 前走実績前走 2着 (好走) × 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 15.7% ※ 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。
7	ラブリエスト	仲野光（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場19走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し）
前5走 06/04 船橋9R 4着/12頭 05/05 船橋6R 9着/12頭+1.9秒 04/01 船橋8R 6着/10頭+1.8秒 03/13 船橋7R 2着/9頭+0.8秒 02/12 船橋8R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 10.7% ※ 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。
8	セレナエフォール	木間龍（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/02 船橋6R 7着/9頭 05/05 船橋8R 3着/12頭+0.4秒 02/13 船橋8R 3着/12頭+0.5秒 01/22 船橋12R 8着/12頭+1.1秒 12/08 船橋10R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 18走で勝率 22% (相性良) ○ 距離適性同距離 17走で勝率 24% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -79% (大幅な期待値マイナス) AI 予想勝率 10.5% ※ 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。

🎯 AIの本命

AI評価1位

ピーターライズ

騎手町田直（川崎）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲3ナムラペルル

—

EV —

▲6フィレタン

—

EV —

▲5コスタデラルス

—

EV —

▲7ラブリエスト

—

EV —

出走馬AI評価順・全8頭

×4

ピーターライズ

町田直（川崎）

—

›

▲3

ナムラペルル

篠谷葵（船橋）

—

›

▲6

フィレタン

山口達（船橋）

—

›

▲5

コスタデラルス

岡村健（船橋）

—

›

▲7

ラブリエスト

仲野光（船橋）

—

›

△8

セレナエフォール

木間龍（船橋）

—

›

△2

ブライティアブエナ

山本大（船橋）

—

›

△1

マルヒロナイト

臼井健（船橋）

—

›

💡 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。

10R 船橋競馬場ダート1200m　発走 19:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スピネーカー	小杉亮（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.7着と低調）
前5走 05/06 船橋8R 8着/11頭+1.2秒 04/02 船橋9R 9着/9頭+3.2秒 03/09 船橋10R 9着/12頭+2.1秒 02/13 船橋10R 7着/12頭+1.7秒 01/22 船橋9R 6着/8頭+1.3秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 21走で勝率 14% △ 距離適性同距離 17走で勝率 12% × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 8.3% ※ 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。
2	エスシーレベッカ	岡村健（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 14.8% ※ 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	ブルーミングヒル	木間龍（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/01 船橋8R 4着/9頭 05/05 船橋8R 9着/12頭+1.2秒 12/10 船橋12R 9着/11頭+4.0秒 11/04 船橋12R 5着/12頭+1.1秒 10/03 船橋10R 7着/9頭+1.3秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 31走で勝率 10% △ 距離適性同距離 31走で勝率 10% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 6.4% ※ 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	ハーモニーロワ	高橋利（船橋）	推定—	×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14走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／直近3走で勝率67%と好調）
前5走 04/24 浦和9R 1着/8頭勝利 04/01 船橋8R 5着/10頭+1.3秒 02/23 浦和7R 1着/13頭勝利 02/09 船橋5R 4着/12頭+0.8秒 01/21 船橋5R 6着/12頭+1.0秒
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -66% (大幅な期待値マイナス) AI 予想勝率 18.2% ※ 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	サンリコリス	本田重（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/01 船橋9R 4着/9頭+1.0秒 04/09 川崎12R 10着/12頭+1.3秒 03/02 川崎12R 8着/12頭+1.0秒 02/05 川崎11R 4着/12頭+1.0秒 ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.3着 (不振) ○ 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) -77% (大幅な期待値マイナス) AI 予想勝率 13.5% ※ 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。
6	ザーシッダレイ	濱田達（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率36%と適性高／同距離帯10走で勝率40%／直近3走平均8.0着と低調）
前5走 06/02 船橋6R 8着/9頭 05/04 船橋8R 5着/12頭+0.5秒 03/30 船橋8R 11着/12頭+1.7秒 03/09 船橋10R 8着/12頭+1.6秒 02/09 船橋10R 3着/12頭+0.5秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.0着 (不振) ◎ 当競馬場適性 11走で勝率 36% (得意) ◎ 距離適性同距離 10走で勝率 40% ○ 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) -82% (大幅な期待値マイナス) AI 予想勝率 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。
7	トップレディー	菅原吏（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／前走2着）
前5走 06/01 船橋9R 2着/9頭 05/05 船橋8R 4着/12頭+0.5秒 03/30 船橋8R 5着/12頭+0.3秒 03/09 船橋10R 7着/12頭+1.1秒 02/25 浦和9R 3着/13頭+0.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 2着 (好走) ○ 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) -70% (大幅な期待値マイナス) AI 予想勝率 15.7% ※ 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。
8	キャッスルシオン	山中悠（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場26走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し／前走3着）
前5走 05/06 船橋8R 3着/11頭+0.5秒 04/02 船橋9R 5着/9頭+1.1秒 03/09 船橋8R 6着/12頭+1.3秒 02/27 浦和10R 10着/13頭+1.4秒 02/09 船橋10R 7着/12頭+1.1秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 14.4% ※ 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。

🎯 AIの本命

AI評価1位

ハーモニーロワ

騎手高橋利（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲7トップレディー

—

EV —

▲2エスシーレベッカ

—

EV —

▲8キャッスルシオン

—

EV —

▲5サンリコリス

—

EV —

出走馬AI評価順・全8頭

×4

ハーモニーロワ

高橋利（船橋）

—

›

▲7

トップレディー

菅原吏（船橋）

—

›

▲2

エスシーレベッカ

岡村健（船橋）

—

›

▲8

キャッスルシオン

山中悠（船橋）

—

›

▲5

サンリコリス

本田重（船橋）

—

›

△6

ザーシッダレイ

濱田達（船橋）

—

›

△1

スピネーカー

小杉亮（船橋）

—

›

△3

ブルーミングヒル

木間龍（船橋）

—

›

💡 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。

11R 船橋競馬場ダート1600m　発走 19:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リゼルージュセリエ	篠谷葵（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率42%と適性高／同距離帯10走で勝率50%／直近3走で勝率33%と好調）
前5走 02/12 船橋12R 11着/14頭+3.0秒 01/21 船橋10R 12着/13頭+1.5秒 12/12 船橋12R 1着/10頭勝利 11/06 船橋10R 3着/13頭+0.2秒 06/03 船橋10R 2着/11頭+1.3秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 10走で勝率 50% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) △ ローテーション 137日休養明け × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 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。
2	ファイナルハート	山口達（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.3着と安定／前走2着）
前5走 05/05 船橋9R 2着/12頭+0.4秒 04/20 浦和11R 3着/13頭+0.5秒 04/01 船橋11R 2着/12頭+1.0秒 03/10 船橋10R 4着/11頭+0.5秒 02/09 船橋11R 1着/14頭勝利
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 22走で勝率 9% △ 距離適性同距離 16走で勝率 6% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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。
3	アルアインオアシス	澤田龍（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は7走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/02 船橋10R 6着/11頭 05/05 船橋9R 9着/12頭+1.4秒 04/01 船橋11R 9着/12頭+3.2秒 03/13 船橋10R 2着/9頭+0.7秒 02/11 船橋8R 6着/13頭+1.0秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) ○ 当競馬場適性 19走で勝率 21% (相性良) ▽ 距離適性同距離は 7走で勝ち無し ○ 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) -83% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 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。
4	チャプリ	本橋孝（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率50%と適性高／同距離帯6走で勝率67%／直近3走で勝率33%と好調）
前5走 06/02 船橋10R 4着/11頭+1.0秒 05/07 船橋11R 1着/14頭勝利 04/01 船橋11R 7着/12頭+2.4秒 09/30 船橋9R 2着/10頭+2.6秒 08/31 船橋12R 2着/9頭+0.1秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 50% (得意) ◎ 距離適性同距離 6走で勝率 67% ○ 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) -75% (大幅な期待値マイナス) AI 予想勝率 12.4% ※ 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。
5	ブルーパッション	木間龍（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（108日ぶりの実戦）
前5走 03/13 船橋10R 7着/9頭+3.2秒 03/04 川崎11R 6着/6頭+1.7秒 02/11 船橋11R 7着/13頭+2.9秒 01/20 船橋11R 4着/14頭+1.0秒 01/07 浦和10R 7着/13頭+0.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 14走で勝率 14% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 108日休養明け × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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	タイセイバンクール	山中悠（船橋）	推定—	×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6走で勝率33%と適性高／直近3走平均2.7着と安定／前走2着）
前5走 06/04 船橋10R 2着/11頭 05/07 船橋11R 2着/14頭+0.2秒 03/30 船橋11R 4着/12頭+0.5秒 03/13 船橋9R 1着/11頭勝利 02/13 船橋9R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 距離適性同距離 5走で勝率 20% ○ 前走実績前走 2着 (好走) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 17.7% ※ 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。
7	バーリフレイバー	川島正（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率55%と適性高／同距離帯5走で勝率60%／直近3走で勝率100%と好調）
前5走 06/04 船橋10R 1着/11頭 02/13 船橋9R 1着/11頭勝利 01/21 船橋7R 1着/14頭勝利 06/06 船橋10R 2着/11頭+0.5秒 05/09 船橋12R 2着/10頭+0.4秒
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 11走で勝率 55% (得意) ◎ 距離適性同距離 5走で勝率 60% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 13.7% ※ 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。
8	ピエフォール	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率25%）
前5走 05/07 船橋11R 5着/14頭+0.5秒 04/01 船橋11R 6着/12頭+2.3秒 03/11 船橋12R 3着/12頭+0.6秒 12/12 船橋12R 7着/10頭+1.1秒 11/03 船橋8R 1着/13頭勝利
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 9走で勝率 11% ◎ 距離適性同距離 8走で勝率 25% ○ 騎手近50戦勝率 18% × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 11.1% ※ 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。
9	カナールショウヘイ	増田充（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/04 船橋10R 4着/11頭 05/12 川崎10R 8着/14頭+2.2秒 12/17 川崎10R 2着/9頭+0.3秒 12/09 船橋10R 4着/14頭+0.4秒 11/18 川崎9R 2着/14頭+0.5秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ ローテーション 25日の間隔 (理想的) × 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 14.1% ※ 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。

🎯 AIの本命

AI評価1位

タイセイバンクール

騎手山中悠（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲9カナールショウヘイ

—

EV —

▲7バーリフレイバー

—

EV —

▲4チャプリ

—

EV —

▲8ピエフォール

—

EV —

出走馬AI評価順・全9頭

×6

タイセイバンクール

山中悠（船橋）

—

›

▲9

カナールショウヘイ

増田充（川崎）

—

›

▲7

バーリフレイバー

川島正（船橋）

—

›

▲4

チャプリ

本橋孝（船橋）

—

›

▲8

ピエフォール

野畑凌（川崎）

—

›

△1

リゼルージュセリエ

篠谷葵（船橋）

—

›

△3

アルアインオアシス

澤田龍（船橋）

—

›

△5

ブルーパッション

木間龍（船橋）

—

›

×2

ファイナルハート

山口達（船橋）

—

›

💡 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。

12R 船橋競馬場ダート1800m　発走 20:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フォートウィリアム	室陽一（浦和）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/23 浦和7R 9着/10頭 05/29 浦和12R 8着/10頭 05/07 船橋12R 7着/13頭+2.4秒 04/20 浦和12R 11着/12頭+2.6秒 03/31 船橋12R 9着/14頭+1.8秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 4.6% ※ 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。
2	ティナバローズ	野澤憲（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/02 船橋11R 9着/14頭+1.0秒 05/07 船橋12R 9着/13頭+2.6秒 04/03 船橋12R 2着/13頭+1.9秒 03/12 船橋12R 7着/12頭+1.2秒 02/23 浦和12R 7着/12頭+1.7秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -86% (大幅な期待値マイナス) AI 予想勝率 5.4% ※ 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。
3	グラツィオーソ	本田重（船橋）	推定—	×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（直近3走で勝率50%と好調／前走2着）
前5走 06/02 船橋11R 2着/14頭+0.0秒 05/04 船橋6R 1着/12頭勝利 ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 50% (絶好調) ○ 前走実績前走 2着 (好走) ○ 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) -66% (大幅な期待値マイナス) AI 予想勝率 15.2% ※ 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	キミオモウハナ	本橋孝（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均11.0着と低調）
前5走 06/02 船橋11R 11着/14頭+2.0秒 05/08 船橋10R 11着/12頭+2.8秒 ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 11.0着 (不振) ▽ 前走実績前走 11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) -89% (大幅な期待値マイナス) AI 予想勝率 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。
5	ムチャスエルテ	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着）
前5走 06/18 川崎8R 3着/10頭+2.0秒 06/02 船橋11R 6着/14頭+2.0秒 01/07 浦和8R 1着/11頭勝利 12/08 船橋6R 12着/13頭+3.2秒 ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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	アサマ	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/08 船橋10R 6着/12頭+1.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0着 × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 6.5% ※ 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。
7	コスモグッドラック	川島正（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走で勝率33%と好調）
前5走 03/31 船橋12R 4着/14頭+0.5秒 03/10 船橋12R 3着/11頭+0.4秒 02/23 浦和12R 1着/12頭勝利 02/11 船橋12R 11着/14頭+3.8秒 01/19 船橋12R 2着/14頭+0.4秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 14% △ ローテーション 90日休養明け × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 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。
8	セントレガーロ	岡村健（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し／前走3着）
前5走 06/02 船橋11R 3着/14頭 05/08 船橋10R 9着/12頭+1.7秒 04/23 浦和10R 3着/11頭+0.6秒 03/31 船橋12R 7着/14頭+1.5秒 03/10 船橋12R 4着/11頭+0.8秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 30走で勝率 10% ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 3着 (好走) ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 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。
9	ゴッドトレジャー	山口達（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率60%と適性高／直近3走で勝率67%と好調）
前5走 06/05 船橋9R 4着/14頭 05/07 船橋12R 1着/13頭勝利 04/03 船橋12R 1着/13頭勝利 03/13 船橋3R 1着/12頭勝利 01/23 船橋3R 2着/13頭+0.1秒
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 60% (得意) ○ ローテーション 24日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 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。
10	ノンリミタシオン	山中悠（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場25走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均2.3着と安定）
前5走 06/02 船橋9R 2着/14頭+4.0秒 05/05 船橋12R 2着/12頭+0.2秒 04/22 浦和12R 3着/12頭+0.2秒 04/03 船橋12R 6着/13頭+2.6秒 03/12 船橋12R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.3着 (安定) × 当競馬場適性 25走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ 前走実績前走 2着 (好走) ○ 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) -78% (大幅な期待値マイナス) AI 予想勝率 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。
11	ファイアーサイン	小杉亮（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.7着と低調）
前5走 06/02 船橋11R 13着/14頭+1.0秒 05/07 船橋12R 8着/13頭+2.6秒 03/31 船橋12R 11着/14頭+2.7秒 03/10 船橋12R 10着/11頭+2.4秒 12/09 船橋12R 12着/14頭+3.8秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 10.7着 (不振) ○ 当競馬場適性 16走で勝率 19% (相性良) ○ 距離適性同距離 6走で勝率 17% ▽ 前走実績前走 13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) -82% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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。
12	ハイエストコード	笠野雄（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 06/02 船橋11R 8着/14頭 05/07 船橋12R 4着/13頭+1.3秒 03/31 船橋12R 12着/14頭+2.7秒 03/10 船橋12R 5着/11頭+1.0秒 02/10 船橋9R 4着/14頭+0.6秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 18走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 5.8% ※ 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。

🎯 AIの本命

AI評価1位

グラツィオーソ

騎手本田重（船橋）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲9ゴッドトレジャー

—

EV —

▲7コスモグッドラック

—

EV —

▲5ムチャスエルテ

—

EV —

▲10ノンリミタシオン

—

EV —

出走馬AI評価順・全12頭

×3

グラツィオーソ

本田重（船橋）

—

›

▲9

ゴッドトレジャー

山口達（船橋）

—

›

▲7

コスモグッドラック

川島正（船橋）

—

›

▲5

ムチャスエルテ

野畑凌（川崎）

—

›

▲10

ノンリミタシオン

山中悠（船橋）

—

›

△11

ファイアーサイン

小杉亮（船橋）

—

›

△6

アサマ

町田直（川崎）

—

›

△8

セントレガーロ

岡村健（船橋）

—

›

×12

ハイエストコード

笠野雄（船橋）

—

›

×2

ティナバローズ

野澤憲（船橋）

—

›

×4

キミオモウハナ

本橋孝（船橋）

—

›

×1

フォートウィリアム

室陽一（浦和）

—

›

💡 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。

🎯 直近3日の的中馬券1件

2026/06/28（日）1的中

A モデル

2026年

06月28日

船橋

9レース

馬
連

9-10

オッズ7.0倍

払戻 1,400円

📚 競馬AI・馬券の解説記事

AIモデルの仕組み・南関東競馬の基礎・期待値プラスの考え方など、Stride AI 編集部による解説記事です。

AIで競馬は勝てるのか — 機械学習予想の現実と限界
AI 機械学習による競馬予想は本当に勝てるのか。LightGBM ベースの実運用モデルで分かった現実的な期待値、勝てる条件、そして越えられない壁を解説。
南関東競馬入門 — 大井・川崎・船橋・浦和の特徴と狙い方
南関東4場（大井・川崎・船橋・浦和）の競馬場特徴・コース傾向・狙い目を AI 予想実運用の観点から徹底解説。地方競馬初心者にも分かりやすく。
期待値プラスの馬券とは — 競馬を「投資」として考える基礎
競馬の単勝オッズと期待値の関係を数式と具体例で解説。ケリー基準による資金管理、長期的なプラス収支を狙う「投資的アプローチ」の基礎を学べます。
AI が外した時、何が起きているのか — 不的中レースの 3 パターン分析
Stride AI の不的中レースを「展開負け / 馬場不適 / 状態変化」の 3 パターンに分類して分析。なぜ外したか、どう改善するか、業界唯一の不的中公開サイトが解説します。
パチンコ・スロットと競馬、何が決定的に違うのか — 構造比較
控除率・情報非対称性・期待値抽出可能性の3軸でパチスロと競馬を比較。なぜ競馬には「期待値プラスの馬券」が残るのかを、AI 予想を作る人間の視点から構造的に解説。
期待値プラスでも破産する? — ケリー基準の基礎
期待値プラスの戦略を見つけても、全額賭けると破産する。数学的に最適な賭金を求めるケリー基準と、実用的な分数ケリーまでを高校数学レベルで解説。

すべての解説記事を見る →

Stride AI とは — 機械学習で「期待値プラスの1点」を抽出

Stride AI は、南関東競馬（大井・川崎・船橋・浦和）など地方競馬を対象に、機械学習（LightGBM）が算出する「期待値（EV）プラス」の馬券を毎日無料で公開する AI 予想サイトです。経験や勘ではなく、過去数年分・10 万件規模のレースデータと 125 次元の特徴量を学習した統計モデルが、市場オッズと AI 推定勝率の乖離を突いて、長期回収率 100% 超を狙える買い目だけを抽出します。

EV+

期待値ベース抽出

「勝率×オッズ−1」がプラスの馬だけを狙い、人気の盲点（中穴帯）を機械的に発見します。

全件

不的中も含めて公開

的中レースだけを切り取らず、外れも含めた全推奨と累計成績を公開しています。

1/20

保守的な資金管理

ケリー基準 1/20 の少額分割で、1 回の負けで資金が大きく削られない設計です。

はじめての方へ — 3 ステップ

本日の推奨を見るトップの「本日のイチオシ」と各レースの AI 推奨（◎本命）をチェックします。
期待値とオッズ帯を確認オッズ 5〜30 倍の中穴帯を中心に、AI 期待値がプラスの馬を検討します。
余裕資金の範囲で馬券購入は自己責任・余裕資金で。詳しくは購入戦略をご覧ください。

もっと詳しく: AIモデルの仕組み・運用実績・解説記事・運営情報

本サイトはアフィリエイト広告を含みます。当サイトを経由して投票サイトに登録 / 入金 / 投票することで、当サイト運営者に紹介料が支払われる場合があります。馬券購入は自己責任でお願いします。

本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。

注目の騎手ランク

1 及川烈（浦和） ★★★★★
2 吉村智（兵庫） ★★★★★
3 小牧太（兵庫） ★★★★★
4 笹川翼（大井） ★★★★☆
5 矢野貴（大井） ★★★★☆

本日の注目レース

本日の注目レースはまだありません。発走時刻が近づくとオッズ確定で推奨が出る場合があります。

AIニュース

モデル精度 AUC 0.904

検証データ None で計測。0.85 以上で実用域・0.90 以上で高精度の目安です。

累計回収率 100.7%（n=194・検証中）

累計買い目 194 件 / 的中率 6.7% / 収支 +230円。控除率20〜25%の市場で損益分岐(100%)を上回って推移中。当たり外れを全件公開して長期検証しています。

オッズ5〜30倍を中心に推奨

市場効率と AI 評価の乖離が大きく、CV 検証で最も std（変動）が小さい帯です。期待値プラスの馬券だけを抽出します。

1/20 ケリー基準で資金管理

破産確率を実質ゼロに抑える保守的なベット額計算。1回の負けで残高が大きく削られない設計です。

毎月モデルを再学習

前月までの全レース結果を学習データに加え、馬・騎手・コースの最新傾向を反映します。

推奨の買い目

オッズ確定待ち
各レース発走 3〜10 分前に順次更新

運用サマリ 2モデル並走

A. 市場込みモデル

累計437 / 的中6.6% / 回収82.8% / 収支-12,690円

B. 市場除外+キャリブ

累計194 / 的中6.7% / 回収100.7% / 収支+230円

本日の推奨馬 AIランクTOP5 期待値順

運用実績 2モデル並走

📢 お知らせ

本日の全レース予想

🎯 直近3日の的中馬券1件

📚 競馬AI・馬券の解説記事

Stride AI とは — 機械学習で「期待値プラスの1点」を抽出

はじめての方へ — 3 ステップ