📢 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

名古屋

🏇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	ユウユウザローズ	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 06/09 大井3R 9着/10頭+0.0秒 05/18 大井3R 6着/7頭+5.1秒 ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.5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) -92% (大幅な期待値マイナス) AI 予想勝率 3.6% ※ 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	オレンジルシファー	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2.0着と安定／前走2着）
前5走 05/18 大井3R 2着/7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) × 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。
3	グレーヌドスタール	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50%と好調／前走3着）
前5走 06/09 大井3R 3着/10頭 05/18 大井4R 1着/7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 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) -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。
4	ユウユウメルツェン	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 06/09 大井3R 4着/10頭+4.0秒 05/18 大井4R 3着/7頭+1.2秒 ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.5着 ○ 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) -84% (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。
5	カミコ	本田重（船橋）	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 06/09 大井3R 7着/10頭 05/18 大井3R 5着/7頭+3.8秒 ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 ◎ 騎手近50戦勝率 20% (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) -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。
6	デストロイヤー	野畑凌（川崎）	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3R 8着/10頭+1.0秒 05/18 大井4R 6着/7頭+3.3秒 ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.0着 (不振) ○ 騎手近50戦勝率 18% ○ 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 4.6% ※ 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	キョウエイアカギ	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／前走2着）
前5走 06/09 大井3R 2着/10頭+1.0秒 05/01 大井5R 1着/5頭勝利 ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 50% (絶好調) ○ 騎手近50戦勝率 14% ○ 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) -71% (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。
8	コールアップ	佐野遥（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8.5着と低調）
前5走 06/09 大井3R 10着/10頭 05/18 大井4R 7着/7頭+5.3秒 ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.5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) -93% (大幅な期待値マイナス) AI 予想勝率 3.3% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アウン	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 06/09 大井3R 6着/10頭 05/01 大井5R 5着/5頭+5.1秒 ― ― ―
AI 評価の内訳 — 馬番 9 △ 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) -88% (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。
10	ケンブラック	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（直近3走で勝率50%と好調／前走勝利の勢い）
前5走 06/09 大井3R 1着/10頭 05/01 大井5R 2着/5頭+0.1秒 ― ― ―
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 50% (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 21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 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。
11	モンロワ	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走平均3.0着と安定／前走3着）
前5走 05/18 大井3R 3着/7頭+1.2秒 ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 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) × 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 10.2% ※ 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	フレンドトネール	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 06/08 大井3R 4着/5頭+5.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 ○ ローテーション 22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。

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

ケンブラック

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

▲7キョウエイアカギ

—

EV —

▲2オレンジルシファー

—

EV —

▲11モンロワ

—

EV —

▲3グレーヌドスタール

—

EV —

出走馬AI評価順・全12頭

×10

ケンブラック

藤本現（大井）

—

›

▲7

キョウエイアカギ

藤田凌（大井）

—

›

▲2

オレンジルシファー

菅原涼（大井）

—

›

▲11

モンロワ

和田譲（大井）

—

›

▲3

グレーヌドスタール

西啓太（大井）

—

›

△4

ユウユウメルツェン

達城龍（大井）

—

›

△5

カミコ

本田重（船橋）

—

›

△12

フレンドトネール

鷹見陸（大井）

—

›

×9

アウン

矢野貴（大井）

—

›

×6

デストロイヤー

野畑凌（川崎）

—

›

×1

ユウユウザローズ

岡村健（船橋）

—

›

×8

コールアップ

佐野遥（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。

🌙 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1400m　発走 14:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デューアップ	佐野遥（川崎）	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) -67% (大幅な期待値マイナス) AI 予想勝率 16.6% ※ 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	イントゥザライト	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) -54% (大幅な期待値マイナス) AI 予想勝率 21.3% ※ 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。
3	スカイビーンズ	西優哉（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 4% (やや苦戦) × 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 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	ユウユウヴィオラ	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26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 騎手近50戦勝率 26% (好調) × 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 21.3% ※ 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。
5	オーギュスタン	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 5 ◎ 騎手近50戦勝率 20% (好調) × 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 25.6% ※ 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

オーギュスタン

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

▲2イントゥザライト

—

EV —

▲4ユウユウヴィオラ

—

EV —

▲1デューアップ

—

EV —

▲3スカイビーンズ

—

EV —

出走馬AI評価順・全5頭

×5

オーギュスタン

矢野貴（大井）

—

›

▲2

イントゥザライト

鷹見陸（大井）

—

›

▲4

ユウユウヴィオラ

笹川翼（大井）

—

›

▲1

デューアップ

佐野遥（川崎）

—

›

▲3

スカイビーンズ

西優哉（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1200m　発走 15:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヴィクトリアパス	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
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 騎手近50戦勝率 18% × 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 15.9% ※ 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	ディアウェンディ	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26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 騎手近50戦勝率 26% (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 13.9% ※ 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	シンゼンアカギ	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 14% × 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 15.6% ※ 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	トライオン	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) -74% (大幅な期待値マイナス) AI 予想勝率 9.7% ※ 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	オリエンタルスカイ	西優哉（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 4% (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 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。
6	コーミズピエール	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 6 × 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 12.2% ※ 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	カキクエバ	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 7 △ 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 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。
8	ネコネコロガール	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 8 × 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 12.9% ※ 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。

🎯 AIの本命

AI評価1位

ヴィクトリアパス

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

▲3シンゼンアカギ

—

EV —

▲2ディアウェンディ

—

EV —

▲8ネコネコロガール

—

EV —

▲6コーミズピエール

—

EV —

出走馬AI評価順・全8頭

×1

ヴィクトリアパス

野畑凌（川崎）

—

›

▲3

シンゼンアカギ

藤田凌（大井）

—

›

▲2

ディアウェンディ

笹川翼（大井）

—

›

▲8

ネコネコロガール

達城龍（大井）

—

›

▲6

コーミズピエール

鷹見陸（大井）

—

›

△5

オリエンタルスカイ

西優哉（大井）

—

›

△4

トライオン

高橋優（大井）

—

›

△7

カキクエバ

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1600m　発走 16:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブラックゴエ	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23走で勝率4%と苦戦傾向／直近3走で勝率33%と好調）
前5走 06/08 大井7R 12着/12頭 05/18 大井5R 10着/12頭+2.5秒 04/27 大井1R 1着/14頭勝利 04/13 大井1R 12着/13頭+1.0秒 03/23 大井2R 7着/14頭+1.7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 23走で勝率 4% (苦戦) △ 距離適性同距離 8走で勝率 12% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 22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 6.2% ※ 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	マジェスティルール	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12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8.3着と低調）
前5走 06/08 大井7R 8着/12頭 05/22 大井9R 9着/10頭 04/28 大井6R 8着/10頭+2.2秒 04/13 大井8R 5着/12頭+1.4秒 03/23 大井8R 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 8.3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 10走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 22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 8.3% ※ 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。
3	ゴールドタリスマン	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27走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し）
前5走 06/11 大井1R 5着/14頭 05/20 大井2R 8着/11頭+0.0秒 04/17 大井1R 6着/13頭+1.1秒 03/26 大井2R 3着/13頭+0.6秒 03/12 大井1R 7着/12頭+1.6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 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ○ 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) -81% (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。
4	シャンクドール	杉山海（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7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 06/08 大井7R 4着/12頭 04/27 大井7R 2着/11頭+0.1秒 04/13 大井8R 7着/12頭+2.3秒 03/26 大井1R 2着/13頭+0.2秒 03/11 大井1R 5着/14頭+0.6秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 7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 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 22.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ポンペルモ	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11走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走2着）
前5走 06/08 大井7R 2着/12頭 05/18 大井5R 8着/12頭+1.5秒 04/29 大井1R 3着/8頭+0.2秒 04/16 大井2R 3着/11頭+0.7秒 03/26 大井2R 10着/13頭+2.0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 11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 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 22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 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。
6	ラバテラジェーン	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22走で勝率0%と苦戦傾向／同距離帯は8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7R 6着/12頭 05/18 大井6R 11着/14頭+2.4秒 04/27 大井8R 12着/14頭+3.3秒 04/13 大井10R 12着/13頭+2.9秒 03/23 大井6R 11着/12頭+2.7秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 22走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 騎手近50戦勝率 18% ○ ローテーション 22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 6.7% ※ 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	サブノルアナ	中山遥（浦和）	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 06/10 大井1R 1着/14頭 05/19 大井1R 3着/13頭+0.9秒 04/27 大井1R 8着/14頭+1.5秒 04/13 大井1R 3着/13頭+0.3秒 03/23 大井2R 6着/14頭+1.5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 18走で勝率 6% △ 距離適性同距離 11走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 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) -77% (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	エルモッソペンドロ	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9走で勝率0%と苦戦傾向／直近3走平均10.3着と低調）
前5走 06/08 大井8R 9着/12頭+0.0秒 05/18 大井6R 9着/14頭+2.1秒 04/27 大井8R 13着/14頭+4.2秒 11/10 大井3R 7着/13頭+2.1秒 10/20 大井7R 8着/14頭+1.0秒
AI 評価の内訳 — 馬番 8 × 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 0% (苦戦) ○ ローテーション 22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。
9	トップダイヤ	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22走で勝率27%と適性高／同距離帯10走で勝率30%／直近3走で勝率33%と好調）
前5走 06/08 大井7R 7着/12頭 04/13 大井8R 4着/12頭+1.0秒 03/25 大井1R 1着/10頭勝利 02/19 大井3R 3着/14頭+0.8秒 01/15 大井1R 1着/12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 22走で勝率 27% (得意) ◎ 距離適性同距離 10走で勝率 30% ○ ローテーション 22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。
10	アリダンジェロ	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9走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均9.0着と低調）
前5走 06/08 大井7R 11着/12頭 05/18 大井7R 9着/13頭+3.2秒 04/27 大井9R 7着/13頭+3.0秒 04/13 大井8R 11着/12頭+5.4秒 03/23 大井6R 8着/12頭+1.1秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22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 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。

🎯 AIの本命

AI評価1位

シャンクドール

騎手杉山海（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ポンペルモ

—

EV —

▲9トップダイヤ

—

EV —

▲7サブノルアナ

—

EV —

▲3ゴールドタリスマン

—

EV —

出走馬AI評価順・全10頭

◎4

シャンクドール

杉山海（大井）

—

›

▲5

ポンペルモ

田中洸（大井）

—

›

▲9

トップダイヤ

西啓太（大井）

—

›

▲7

サブノルアナ

中山遥（浦和）

—

›

▲3

ゴールドタリスマン

中村尚（大井）

—

›

△2

マジェスティルール

藤本現（大井）

—

›

△6

ラバテラジェーン

野畑凌（川崎）

—

›

△1

ブラックゴエ

町田直（川崎）

—

›

×10

アリダンジェロ

石川駿（大井）

—

›

×8

エルモッソペンドロ

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。

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	アエノジャッジ	本田重（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走2着／騎手は近50戦で勝率20%）
前5走 06/08 大井8R 2着/12頭 01/26 大井7R 6着/14頭+2.0秒 01/12 大井8R 12着/13頭+2.6秒 12/26 大井3R 6着/14頭+1.9秒 12/03 大井6R 6着/14頭+2.2秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 15走で勝率 13% △ 距離適性同距離 7走で勝率 14% ◎ 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 22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 10.2% ※ 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	ヒタムキ	本村直（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9.7着と低調）
前5走 06/08 大井9R 11着/12頭 05/18 大井7R 10着/13頭+3.4秒 04/03 船橋9R 8着/10頭+2.2秒 03/10 船橋6R 11着/11頭+3.7秒 02/26 浦和5R 10着/11頭+2.7秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.7着 (不振) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22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 3.0% ※ 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	アフリカンビート	石川駿（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場26走で勝率0%と苦戦傾向）
前5走 06/08 大井8R 7着/12頭 05/20 大井2R 2着/11頭 04/29 大井2R 6着/13頭+1.4秒 04/16 大井2R 7着/11頭+1.5秒 03/26 大井2R 4着/13頭+0.7秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 26走で勝率 0% (苦戦) △ 距離適性同距離 18走で勝率 11% ○ ローテーション 22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 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。
4	ミキノカラクリバコ	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 06/08 大井8R 6着/12頭 05/18 大井6R 6着/14頭+1.5秒 04/29 大井2R 3着/13頭+1.0秒 04/16 大井2R 5着/11頭+1.1秒 03/26 大井2R 8着/13頭+1.5秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 37走で勝率 5% △ 距離適性同距離 14走で勝率 7% ○ ローテーション 22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 6.3% ※ 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。
5	ノアサンサン	達城龍（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 06/08 大井7R 3着/12頭+0.0秒 05/18 大井5R 6着/12頭+1.4秒 04/27 大井7R 3着/11頭+0.2秒 04/17 大井1R 2着/13頭+0.4秒 03/26 大井1R 9着/13頭+2.3秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.0着 ○ 当競馬場適性 18走で勝率 17% (相性良) ○ 前走実績前走 3着 (好走) ○ ローテーション 22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 8.9% ※ 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	ダノンクルーザー	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（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／前走勝利の勢い）
前5走 01/12 大井2R 1着/13頭勝利 12/30 大井1R 2着/10頭+0.1秒 12/04 大井1R 2着/10頭+0.1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 3走で勝率 33% (得意) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 169日休養明け × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 33.9% ※ 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	ファインデイ	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23走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 06/08 大井8R 4着/12頭+0.0秒 04/27 大井7R 5着/11頭+0.9秒 04/17 大井1R 3着/13頭+0.7秒 03/25 大井1R 6着/10頭+0.8秒 03/12 大井1R 6着/12頭+1.2秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 23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 2% (やや苦戦) ○ ローテーション 22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 6.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ヴェントフォルテ	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21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12.0着と低調）
前5走 06/08 大井8R 12着/12頭+7.0秒 05/18 大井6R 12着/14頭+2.4秒 04/27 大井9R 12着/13頭+4.9秒 04/13 大井10R 10着/13頭+2.8秒 03/23 大井9R 10着/13頭+2.3秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 12.0着 (不振) × 当競馬場適性 21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 12着 (大敗) ○ ローテーション 22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 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。
9	オルチャタ	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25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11.3着と低調）
前5走 06/08 大井9R 12着/12頭+0.0秒 05/18 大井7R 12着/13頭+3.8秒 04/27 大井9R 10着/13頭+3.7秒 04/13 大井12R 12着/14頭+2.4秒 03/23 大井9R 9着/13頭+2.0秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 11.3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 5走で勝ち無し △ 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 22日の間隔 (理想的) × 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 2.6% ※ 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	ロードオブキング	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26%）
前5走 05/18 大井5R 5着/12頭+1.3秒 04/27 大井7R 7着/11頭+1.1秒 03/10 大井7R 8着/12頭+2.0秒 02/16 大井6R 3着/12頭+0.6秒 01/28 大井2R 1着/14頭勝利
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 6走で勝率 17% (相性良) ◎ 騎手近50戦勝率 26% (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 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。
11	ショウナンマナ	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19走で勝率0%と苦戦傾向／直近3走平均12.0着と低調）
前5走 05/18 大井7R 13着/13頭+4.2秒 04/27 大井9R 9着/13頭+3.5秒 04/13 大井12R 14着/14頭+2.8秒 03/23 大井9R 13着/13頭+3.2秒 03/09 大井12R 11着/14頭+2.8秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 12.0着 (不振) × 当競馬場適性 19走で勝率 0% (苦戦) ○ 距離適性同距離 14走で勝率 21% ▽ 前走実績前走 13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 4.5% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ユイノガリクソン	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13走で勝率0%と苦戦傾向／直近3走平均10.0着と低調）
前5走 06/08 大井8R 8着/12頭+0.0秒 05/18 大井5R 9着/12頭+1.9秒 04/27 大井10R 13着/15頭+3.1秒 04/15 大井8R 5着/10頭+2.5秒 03/25 大井9R 9着/11頭+1.1秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 13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 22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 3.3% ※ 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

ダノンクルーザー

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

▲10ロードオブキング

—

EV —

▲1アエノジャッジ

—

EV —

▲5ノアサンサン

—

EV —

▲4ミキノカラクリバコ

—

EV —

出走馬AI評価順・全12頭

◎6

ダノンクルーザー

安藤洋（大井）

—

›

▲10

ロードオブキング

笹川翼（大井）

—

›

▲1

アエノジャッジ

本田重（船橋）

—

›

▲5

ノアサンサン

達城龍（大井）

—

›

▲4

ミキノカラクリバコ

鷹見陸（大井）

—

›

△7

ファインデイ

瀬川将（大井）

—

›

△3

アフリカンビート

石川駿（大井）

—

›

△11

ショウナンマナ

中村尚（大井）

—

›

×8

ヴェントフォルテ

東原悠（大井）

—

›

×12

ユイノガリクソン

西優哉（大井）

—

›

×2

ヒタムキ

本村直（大井）

—

›

×9

オルチャタ

中山遥（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。

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	シルバーマック	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 06/10 大井2R 1着/14頭 05/19 大井3R 6着/12頭+1.1秒 04/27 大井2R 3着/14頭+1.2秒 12/05 大井3R 9着/13頭+2.4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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 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) -76% (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	ウイントルヴェール	東原悠（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8.7着と低調）
前5走 06/08 大井9R 9着/12頭 05/18 大井7R 7着/13頭+2.1秒 04/27 大井7R 10着/11頭+3.2秒 04/13 大井12R 10着/14頭+1.7秒 03/23 大井9R 8着/13頭+1.8秒
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 53走で勝率 6% △ 距離適性同距離 24走で勝率 8% ○ ローテーション 22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 4.9% ※ 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	ブライトフォース	高野誠（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26走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／78日ぶりの実戦）
前5走 04/13 大井10R 6着/13頭+1.2秒 03/23 大井9R 6着/13頭+1.2秒 03/09 大井9R 8着/14頭+2.3秒 02/16 大井6R 7着/12頭+1.4秒 01/26 大井6R 7着/12頭+1.8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 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し × 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。
4	サヴォイア	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19走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し／前走2着）
前5走 06/08 大井9R 2着/12頭+0.0秒 05/18 大井7R 6着/13頭+1.7秒 09/02 大井12R 2着/12頭+0.4秒 08/11 大井11R 4着/13頭+0.2秒 07/02 大井7R 5着/14頭+0.9秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.3着 × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 22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 10.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	プロシュ	遠藤健（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28走で勝率0%と苦戦傾向／同距離帯は27走で勝ち無し）
前5走 06/08 大井9R 7着/12頭+3.0秒 05/18 大井7R 8着/13頭+2.8秒 04/27 大井9R 8着/13頭+3.1秒 04/13 大井10R 11着/13頭+2.8秒 03/23 大井12R 11着/13頭+1.6秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 28走で勝率 0% (苦戦) ▽ 距離適性同距離は 27走で勝ち無し ○ ローテーション 22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 4.6% ※ 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	シュパネントパール	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13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9.7着と低調）
前5走 06/08 大井9R 5着/12頭 05/18 大井7R 11着/13頭+3.7秒 04/27 大井9R 13着/13頭+5.2秒 04/13 大井12R 13着/14頭+2.4秒 03/23 大井9R 12着/13頭+2.7秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 13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 22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。
7	ジーティーウララ	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0%と苦戦傾向／同距離帯は3走で勝ち無し／99日ぶりの実戦）
前5走 03/23 大井9R 5着/13頭+1.2秒 03/09 大井10R 5着/13頭+2.2秒 02/16 大井7R 6着/14頭+0.7秒 01/26 大井7R 4着/14頭+1.5秒 01/12 大井8R 11着/13頭+2.3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 6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 99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 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。
8	ペイルムーン	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15走で勝ち無し／前走3着）
前5走 06/08 大井9R 3着/12頭 05/20 大井3R 3着/14頭 03/12 大井2R 6着/13頭+0.7秒 10/23 大井8R 4着/14頭+0.3秒 10/05 大井5R 2着/14頭+0.4秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 22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 11.8% ※ 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	ミルトマジック	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 9 × 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 13.5% ※ 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。
10	イクノエイトナイン	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21走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均10.7着と低調）
前5走 06/08 大井8R 11着/12頭+2.0秒 05/18 大井6R 10着/14頭+2.2秒 04/27 大井7R 11着/11頭+4.4秒 04/13 大井10R 13着/13頭+3.1秒 10/22 大井5R 4着/11頭+1.6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 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22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 3.3% ※ 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	ヒロノキラメキ	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9走で勝率0%と苦戦傾向）
前5走 06/08 大井8R 5着/12頭 05/18 大井6R 8着/14頭+1.9秒 04/27 大井8R 5着/14頭+1.5秒 04/13 大井8R 9着/12頭+2.8秒 03/23 大井6R 9着/12頭+1.3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 9走で勝率 0% (苦戦) ○ ローテーション 22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 4.7% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ミユンガー	藤田凌（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12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 06/11 大井2R 4着/13頭+0.0秒 04/29 大井2R 9着/13頭+1.8秒 04/15 大井2R 2着/13頭+1.4秒 03/24 大井2R 8着/14頭+2.1秒 03/10 大井2R 5着/13頭+1.0秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 12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 14% ○ 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) -79% (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。
13	プレミアリッチ	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30走で勝率0%と苦戦傾向／同距離帯は23走で勝ち無し／直近3走平均10.7着と低調）
前5走 06/08 大井9R 8着/12頭 05/21 大井9R 13着/13頭+4.0秒 04/27 大井9R 11着/13頭+3.8秒 04/16 大井12R 10着/10頭+12.6秒 03/23 大井9R 11着/13頭+2.5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 30走で勝率 0% (苦戦) ▽ 距離適性同距離は 23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 22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 3.7% ※ 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。
14	アソス	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44走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し）
前5走 06/08 大井8R 10着/12頭+0.0秒 05/18 大井7R 4着/13頭+1.6秒 04/27 大井8R 3着/14頭+1.3秒 04/16 大井3R 2着/11頭+0.8秒 03/26 大井2R 7着/13頭+1.4秒
AI 評価の内訳 — 馬番 14 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 44走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22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 7.0% ※ 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。

🎯 AIの本命

AI評価1位

ミルトマジック

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

▲8ペイルムーン

—

EV —

▲4サヴォイア

—

EV —

▲12ミユンガー

—

EV —

▲1シルバーマック

—

EV —

出走馬AI評価順・全14頭

×9

ミルトマジック

西啓太（大井）

—

›

▲8

ペイルムーン

達城龍（大井）

—

›

▲4

サヴォイア

菅原涼（大井）

—

›

▲12

ミユンガー

藤田凌（大井）

—

›

▲1

シルバーマック

中山遥（浦和）

—

›

△7

ジーティーウララ

岡村健（船橋）

—

›

△14

アソス

安藤洋（大井）

—

›

△2

ウイントルヴェール

東原悠（大井）

—

›

×11

ヒロノキラメキ

中村尚（大井）

—

›

×5

プロシュ

遠藤健（大井）

—

›

×3

ブライトフォース

高野誠（大井）

—

›

×13

プレミアリッチ

小野俊（大井）

—

›

×6

シュパネントパール

西優哉（大井）

—

›

×10

イクノエイトナイン

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。

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	アンモニャイト	本田重（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21走で勝率5%と苦戦傾向／同距離帯は6走で勝ち無し／騎手は近50戦で勝率20%）
前5走 06/10 大井8R 6着/12頭 05/19 大井6R 8着/14頭+0.9秒 04/29 大井6R 8着/13頭+1.6秒 04/15 大井10R 12着/14頭+1.7秒 03/27 大井3R 4着/12頭+1.1秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 21走で勝率 5% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ◎ 騎手近50戦勝率 20% (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) -89% (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。
2	レジーナチェリ	望月洵（愛知）	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7走で勝ち無し）
前5走 06/10 大井8R 5着/12頭 05/19 大井7R 9着/10頭+1.1秒 04/28 大井8R 5着/8頭+1.9秒 04/14 大井8R 10着/10頭+1.6秒 03/25 大井8R 9着/13頭+2.2秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 10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 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) -91% (大幅な期待値マイナス) AI 予想勝率 4.4% ※ 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	ハイケンス	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 騎手近50戦勝率 18% × 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 11.4% ※ 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	カレンマウラー	櫻井光（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.0着と低調）
前5走 06/10 大井8R 10着/12頭 05/21 大井7R 10着/11頭+2.0秒 04/30 大井12R 10着/14頭+2.4秒 04/16 大井7R 9着/11頭+3.1秒 03/27 大井10R 6着/10頭+2.4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 16走で勝率 6% △ 距離適性同距離 11走で勝率 9% ▽ 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) -92% (大幅な期待値マイナス) AI 予想勝率 3.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ブッシュテソーロ	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4走で勝率50%と適性高／同距離帯4走で勝率50%／直近3走で勝率33%と好調）
前5走 05/19 大井6R 3着/14頭+0.3秒 06/13 大井8R 1着/14頭勝利 05/23 大井5R 8着/12頭+0.4秒 04/30 大井7R 1着/11頭勝利 ―
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 4走で勝率 50% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 3着 (好走) × 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 19.1% ※ 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	ノベンバーステップ	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 05/19 大井7R 4着/10頭+0.4秒 04/29 大井8R 3着/13頭+0.6秒 04/02 船橋8R 8着/10頭+1.7秒 03/11 船橋8R 7着/12頭+0.8秒 02/09 船橋5R 6着/12頭+1.1秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.0着 × 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 9.2% ※ 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	バイアホーン	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6走で勝ち無し／230日ぶりの実戦）
前5走 11/12 大井9R 10着/11頭+1.5秒 10/09 大井8R 6着/11頭+0.8秒 09/16 大井8R 4着/12頭+0.8秒 09/02 大井6R 2着/12頭+0.1秒 08/14 大井6R 9着/13頭+2.0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 14走で勝率 7% ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 14% ▽ 前走実績前走 10着 (大敗) △ ローテーション 230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 7.6% ※ 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	クールブリーズ	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 06/10 大井8R 7着/12頭 05/19 大井6R 2着/14頭+0.1秒 04/28 大井8R 3着/8頭+1.7秒 04/14 大井8R 8着/10頭+1.3秒 09/04 大井5R 3着/14頭+0.1秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.0着 ○ 当競馬場適性 10走で勝率 20% (相性良) △ 距離適性同距離 9走で勝率 11% ○ 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) -75% (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	スペイスフォース	吉原寛（金沢）	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6R 9着/14頭+0.9秒 04/28 大井8R 2着/8頭+1.0秒 04/15 大井6R 2着/10頭+0.6秒 03/27 大井4R 4着/6頭+1.4秒 03/10 大井4R 8着/13頭+2.2秒
AI 評価の内訳 — 馬番 9 △ 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 × 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 5.5% ※ 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。
10	オーシンレーベン	和田譲（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（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／474日ぶりの実戦）
前5走 03/13 大井8R 8着/11頭+2.1秒 09/10 大井11R 2着/12頭+0.1秒 08/15 大井3R 1着/6頭勝利 ― ―
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) ○ 騎手近50戦勝率 18% △ ローテーション 474日休養明け × 期待値 (オッズ vs AI勝率) -61% (大幅な期待値マイナス) AI 予想勝率 18.8% ※ 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	カヴァス	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5走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/10 大井9R 14着/14頭 05/19 大井7R 3着/10頭+0.3秒 04/29 大井8R 12着/13頭+2.5秒 04/15 大井7R 9着/12頭+2.7秒 03/26 大井10R 13着/14頭+2.6秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 57走で勝率 5% ▽ 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 14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 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。

🎯 AIの本命

AI評価1位

ブッシュテソーロ

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

▲10オーシンレーベン

—

EV —

▲3ハイケンス

—

EV —

▲8クールブリーズ

—

EV —

▲6ノベンバーステップ

—

EV —

出走馬AI評価順・全11頭

×5

ブッシュテソーロ

笹川翼（大井）

—

›

▲10

オーシンレーベン

和田譲（大井）

—

›

▲3

ハイケンス

野畑凌（川崎）

—

›

▲8

クールブリーズ

鷹見陸（大井）

—

›

▲6

ノベンバーステップ

岡村健（船橋）

—

›

△7

バイアホーン

藤本現（大井）

—

›

△1

アンモニャイト

本田重（船橋）

—

›

△9

スペイスフォース

吉原寛（金沢）

—

›

×11

カヴァス

西優哉（大井）

—

›

×2

レジーナチェリ

望月洵（愛知）

—

›

×4

カレンマウラー

櫻井光（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。

8R 大井競馬場ダート1200m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ドピエッタ	藤本現（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9.7着と低調）
前5走 06/10 大井9R 9着/14頭 05/19 大井8R 8着/9頭+2.7秒 04/29 大井9R 12着/13頭+2.3秒 12/25 大井10R 5着/11頭+0.8秒 12/02 大井7R 8着/12頭+1.5秒
AI 評価の内訳 — 馬番 1 × 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 9% △ 距離適性同距離 9走で勝率 11% ○ 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) -93% (大幅な期待値マイナス) AI 予想勝率 3.3% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	サフィールシェール	杉山海（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 05/21 大井7R 11着/11頭 04/30 大井9R 14着/14頭+3.6秒 11/12 大井10R 3着/8頭+0.9秒 10/24 大井12R 3着/14頭+1.1秒 10/10 大井10R 9着/10頭+3.3秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 23走で勝率 9% △ 距離適性同距離 16走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 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。
3	アルマヴィーナス	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7走で勝率29%と適性高／同距離帯6走で勝率33%）
前5走 06/10 大井9R 4着/14頭 05/18 大井12R 3着/14頭+0.5秒 04/29 大井9R 7着/13頭+0.6秒 04/17 大井9R 1着/14頭勝利 02/20 大井8R 3着/13頭+1.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.7着 ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 距離適性同距離 6走で勝率 33% ○ 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) -79% (大幅な期待値マイナス) AI 予想勝率 9.7% ※ 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	リュウジンオー	吉原寛（金沢）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/10 大井9R 8着/14頭 05/19 大井7R 6着/10頭+0.4秒 ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) ○ 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) -94% (大幅な期待値マイナス) AI 予想勝率 3.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	スマイルケイ	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19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走平均8.7着と低調）
前5走 06/10 大井8R 11着/12頭 05/18 大井12R 5着/14頭+0.9秒 04/29 大井8R 10着/13頭+1.8秒 04/14 大井12R 2着/14頭+0.7秒 03/27 大井5R 2着/14頭+0.2秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 19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 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) -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。
6	ユメゴテン	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9走で勝率44%と適性高／同距離帯8走で勝率50%／前走2着）
前5走 10/10 大井10R 2着/10頭+0.3秒 09/05 大井12R 5着/10頭+1.3秒 08/13 大井9R 3着/14頭+0.6秒 05/22 大井9R 1着/16頭勝利 04/18 大井8R 1着/13頭勝利
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 9走で勝率 44% (得意) ◎ 距離適性同距離 8走で勝率 50% ◎ 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 263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。
7	シンギングブルース	和田譲（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13走で勝率77%と適性高／同距離帯13走で勝率77%／直近3走で勝率67%と好調）
前5走 05/19 大井8R 2着/9頭+0.0秒 05/01 大井8R 1着/10頭勝利 01/15 大井7R 1着/10頭勝利 12/31 大井6R 1着/14頭勝利 12/04 大井4R 1着/14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 13走で勝率 77% (得意) ◎ 距離適性同距離 13走で勝率 77% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) × 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 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。
8	パワーキングダム	吉井章（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 06/10 大井9R 10着/14頭+0.0秒 05/19 大井7R 8着/10頭+0.8秒 04/28 大井12R 3着/13頭+0.2秒 01/14 大井9R 7着/10頭+1.3秒 12/30 大井9R 6着/12頭+0.3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 23走で勝率 9% ▽ 距離適性同距離は 12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 20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。
9	マドモアゼルレンヌ	佐野遥（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8.0着と低調）
前5走 06/10 大井9R 13着/14頭+1.0秒 05/19 大井8R 6着/9頭+1.5秒 04/29 大井9R 5着/13頭+0.2秒 04/15 大井7R 12着/12頭+3.3秒 03/26 大井10R 14着/14頭+8.2秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 36走で勝率 8% △ 距離適性同距離 32走で勝率 6% ▽ 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) -96% (大幅な期待値マイナス) AI 予想勝率 1.9% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ジーティーゴッド	笹川翼（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／同距離帯11走で勝率36%／直近3走で勝率67%と好調）
前5走 01/29 大井10R 15着/15頭+3.0秒 12/30 大井9R 1着/12頭勝利 11/14 大井9R 1着/12頭勝利 09/17 大井6R 1着/10頭勝利 06/11 大井6R 2着/12頭+0.0秒
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 距離適性同距離 11走で勝率 36% ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 15着 (大敗) △ ローテーション 152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 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。
11	アルピニスト	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13走で勝率0%と苦戦傾向）
前5走 06/10 大井9R 7着/14頭 10/22 大井9R 6着/9頭+1.7秒 10/10 大井8R 10着/10頭+2.0秒 09/18 大井8R 10着/10頭+2.5秒 09/02 大井10R 11着/13頭+2.9秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 13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 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 3.9% ※ 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。
12	ヤンノカステップ	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 06/10 大井9R 5着/14頭 05/19 大井8R 4着/9頭+1.4秒 04/29 大井9R 6着/13頭+0.3秒 04/15 大井10R 7着/14頭+1.5秒 03/26 大井10R 9着/14頭+1.7秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 46走で勝率 7% △ 距離適性同距離 40走で勝率 8% ○ 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。
13	トロイメライ	望月洵（愛知）	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67%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 01/29 大井10R 13着/15頭+2.6秒 01/16 大井3R 1着/11頭勝利 12/31 大井7R 1着/11頭勝利 09/18 大井2R 11着/13頭+1.7秒 08/12 大井5R 1着/14頭勝利
AI 評価の内訳 — 馬番 13 ◎ 直近3戦の調子勝率 67% (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 50% ○ 騎手近50戦勝率 14% ▽ 前走実績前走 13着 (大敗) △ ローテーション 152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。
14	テイオームサシ	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9.0着と低調）
前5走 06/10 大井8R 12着/12頭 05/19 大井6R 6着/14頭+0.4秒 04/29 大井8R 9着/13頭+1.6秒 04/15 大井10R 5着/14頭+1.1秒 03/26 大井10R 7着/14頭+1.3秒
AI 評価の内訳 — 馬番 14 × 直近3戦の調子平均 9.0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 △ 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 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 4.7% ※ 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。
15	サンサンラルーナ	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 06/10 大井9R 6着/14頭+1.0秒 05/19 大井7R 5着/10頭+0.4秒 04/29 大井8R 7着/13頭+1.5秒 04/15 大井10R 6着/14頭+1.3秒 03/11 大井9R 9着/11頭+1.3秒
AI 評価の内訳 — 馬番 15 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 21走で勝率 10% ○ 距離適性同距離 11走で勝率 18% ○ 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 2.8% ※ 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。
16	アシセバイラ	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9走で勝ち無し／前走2着）
前5走 06/09 大井8R 2着/11頭+0.0秒 04/28 大井9R 2着/10頭+0.4秒 04/17 大井8R 7着/14頭+1.5秒 03/27 大井5R 3着/14頭+0.4秒 03/13 大井3R 2着/12頭+0.0秒
AI 評価の内訳 — 馬番 16 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 14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) ○ 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) -86% (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。

🎯 AIの本命

AI評価1位

シンギングブルース

騎手和田譲（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

▲6ユメゴテン

—

EV —

▲10ジーティーゴッド

—

EV —

▲13トロイメライ

—

EV —

▲3アルマヴィーナス

—

EV —

出走馬AI評価順・全16頭

×7

シンギングブルース

和田譲（大井）

—

›

▲6

ユメゴテン

矢野貴（大井）

—

›

▲10

ジーティーゴッド

笹川翼（大井）

—

›

▲13

トロイメライ

望月洵（愛知）

—

›

▲3

アルマヴィーナス

藤田凌（大井）

—

›

△16

アシセバイラ

高橋優（大井）

—

›

△14

テイオームサシ

木澤奨（大井）

—

›

△11

アルピニスト

谷内貫（大井）

—

›

×2

サフィールシェール

杉山海（大井）

—

›

×5

スマイルケイ

達城龍（大井）

—

›

×12

ヤンノカステップ

岡村健（船橋）

—

›

×8

パワーキングダム

吉井章（大井）

—

›

×1

ドピエッタ

藤本現（大井）

—

›

×4

リュウジンオー

吉原寛（金沢）

—

›

×15

サンサンラルーナ

石川駿（大井）

—

›

×9

マドモアゼルレンヌ

佐野遥（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。

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	ヘルメース	小野俊（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/21 大井11R 8着/13頭 05/22 大井11R 5着/15頭+0.4秒 ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.5着 △ 騎手近50戦勝率 2% (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 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	フェスティヴルディ	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14走で勝率50%と適性高／同距離帯13走で勝率54%／直近3走平均9.7着と低調）
前5走 06/10 大井10R 9着/14頭+3.0秒 05/19 大井12R 12着/16頭+1.5秒 03/10 大井12R 8着/16頭+0.7秒 02/19 大井11R 6着/15頭+1.1秒 01/30 大井11R 7着/12頭+0.8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 14走で勝率 50% (得意) ◎ 距離適性同距離 13走で勝率 54% ○ 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 9.0% ※ 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	ホワイトマジック	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8走で勝率62%と適性高／同距離帯8走で勝率62%／直近3走で勝率33%と好調）
前5走 06/09 大井9R 3着/14頭 05/19 大井12R 5着/16頭+0.7秒 04/16 大井9R 1着/16頭勝利 03/11 大井10R 1着/13頭勝利 02/16 大井10R 4着/14頭+0.8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 8走で勝率 62% (得意) ◎ 距離適性同距離 8走で勝率 62% ◎ 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 21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 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。
4	パレスゴールド	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（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／112日ぶりの実戦）
前5走 03/10 大井12R 6着/16頭+0.4秒 02/19 大井11R 5着/15頭+1.1秒 01/28 大井10R 4着/13頭+1.1秒 01/16 大井7R 7着/9頭+1.4秒 12/26 大井7R 2着/9頭+0.7秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.0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 ○ 騎手近50戦勝率 18% △ ローテーション 112日休養明け × 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 20.5% ※ 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	ライブリームーラン	西優哉（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 4% (やや苦戦) × 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 12.2% ※ 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	ベイビーゲート	望月洵（愛知）	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33%と適性高／同距離帯7走で勝率43%）
前5走 06/10 大井10R 7着/14頭 02/19 大井11R 3着/15頭+0.7秒 01/28 大井10R 9着/13頭+1.9秒 12/31 大井9R 1着/12頭勝利 12/04 大井8R 2着/13頭+0.8秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 ◎ 当競馬場適性 9走で勝率 33% (得意) ◎ 距離適性同距離 7走で勝率 43% ○ 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) -77% (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。
7	ノーブルジーク	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22走で勝率5%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均9.0着と低調）
前5走 06/10 大井10R 13着/14頭+3.0秒 01/13 大井9R 6着/8頭+1.2秒 12/29 大井8R 8着/13頭+2.4秒 12/03 大井10R 13着/14頭+2.0秒 11/11 大井12R 4着/16頭+0.9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 22走で勝率 5% (苦戦) ▽ 距離適性同距離は 10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) -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。
8	アンフォラ	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13.0着と低調）
前5走 06/10 大井10R 12着/14頭+1.0秒 05/19 大井12R 13着/16頭+2.0秒 04/29 大井12R 14着/16頭+3.6秒 03/23 大井11R 9着/13頭+1.2秒 12/24 大井8R 10着/11頭+2.0秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 13.0着 (不振) △ 当競馬場適性 38走で勝率 8% △ 距離適性同距離 35走で勝率 9% ▽ 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 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。
9	カガヤキトップ	高橋昭（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 06/10 大井10R 2着/14頭 05/19 大井12R 9着/16頭+1.1秒 04/29 大井12R 3着/16頭+1.1秒 04/17 大井12R 4着/14頭+0.8秒 03/23 大井11R 3着/13頭+0.2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 17走で勝率 12% △ 距離適性同距離 15走で勝率 13% ○ 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) -62% (大幅な期待値マイナス) AI 予想勝率 14.0% ※ 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。

🎯 AIの本命

AI評価1位

パレスゴールド

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

▲3ホワイトマジック

—

EV —

▲9カガヤキトップ

—

EV —

▲5ライブリームーラン

—

EV —

▲6ベイビーゲート

—

EV —

出走馬AI評価順・全9頭

×4

パレスゴールド

野畑凌（川崎）

—

›

▲3

ホワイトマジック

矢野貴（大井）

—

›

▲9

カガヤキトップ

高橋昭（大井）

—

›

▲5

ライブリームーラン

西優哉（大井）

—

›

▲6

ベイビーゲート

望月洵（愛知）

—

›

△2

フェスティヴルディ

西啓太（大井）

—

›

△1

ヘルメース

小野俊（大井）

—

›

△8

アンフォラ

菅原涼（大井）

—

›

×7

ノーブルジーク

中山遥（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。

10R 大井競馬場ダート2000m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レペンテ	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 05/18 大井11R 6着/11頭+1.4秒 05/01 大井10R 5着/10頭+0.9秒 04/15 大井9R 5着/7頭+1.7秒 03/26 大井7R 1着/9頭勝利 03/12 大井11R 6着/12頭+2.3秒
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 26走で勝率 12% ○ 距離適性同距離 5走で勝率 20% × 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 6.1% ※ 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	ヴュルディヒ	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3走で勝ち無し）
前5走 06/11 大井10R 4着/14頭+0.0秒 05/18 大井11R 3着/11頭+0.0秒 05/01 大井10R 3着/10頭+0.4秒 03/27 大井12R 8着/15頭+2.4秒 03/12 大井11R 2着/12頭+0.2秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 17走で勝率 12% ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 18% ○ 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) -82% (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	イモノソーダワリデ	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4走で勝率25%／前走2着）
前5走 06/11 大井10R 2着/14頭 05/22 大井12R 11着/15頭 12/02 大井10R 5着/16頭+0.7秒 11/13 大井10R 9着/16頭+1.5秒 10/20 大井11R 12着/16頭+2.1秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 23走で勝率 9% ◎ 距離適性同距離 4走で勝率 25% ○ 前走実績前走 2着 (好走) ○ 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 5.1% ※ 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。
4	パルミジャニーノ	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8走で勝率38%と適性高／直近3走で勝率33%と好調）
前5走 05/18 大井11R 9着/11頭+2.2秒 04/15 大井9R 1着/7頭勝利 03/26 大井7R 2着/9頭+0.0秒 05/19 大井9R 5着/11頭+0.4秒 04/14 大井7R 3着/10頭+1.4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 38% (得意) × 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 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	リアルモハメド	藤本現（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8.7着と低調）
前5走 05/18 大井11R 11着/11頭+2.9秒 04/29 大井10R 5着/14頭+0.8秒 04/17 大井10R 10着/13頭+2.1秒 12/03 大井12R 1着/16頭勝利 11/12 大井7R 8着/12頭+1.5秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.7着 (不振) ○ 当競馬場適性 14走で勝率 21% (相性良) ○ 騎手近50戦勝率 14% ▽ 前走実績前走 11着 (大敗) × 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。
6	アレアラミア	本田重（船橋）	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 06/11 大井10R 6着/14頭 05/18 大井11R 4着/11頭+0.0秒 05/01 大井10R 7着/10頭+2.3秒 12/02 大井10R 2着/16頭+0.3秒 11/11 大井10R 2着/14頭+0.1秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 ○ 当競馬場適性 15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 20% (好調) ○ 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) -75% (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。
7	リックマーベル	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24%）
前5走 06/11 大井10R 12着/14頭 03/27 大井12R 7着/15頭+1.3秒 03/12 大井11R 3着/12頭+1.8秒 02/17 大井12R 7着/16頭+1.0秒 01/12 大井12R 11着/16頭+1.9秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 32走で勝率 6% ○ 距離適性同距離 13走で勝率 15% ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 12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) -91% (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。
8	オソルノ	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 06/11 大井10R 7着/14頭 ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) ◎ 騎手近50戦勝率 24% (好調) ○ 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) -72% (大幅な期待値マイナス) AI 予想勝率 15.1% ※ 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	サガノオウマサン	吉原寛（金沢）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/11 大井10R 8着/14頭+0.0秒 05/20 大井9R 2着/14頭 04/29 大井10R 2着/14頭+0.0秒 04/17 大井10R 5着/13頭+1.0秒 03/24 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 4.0着 △ 当競馬場適性 23走で勝率 13% △ 距離適性同距離 9走で勝率 11% ○ 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) -87% (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。
10	ジーゲル	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17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12.0着と低調）
前5走 06/11 大井10R 13着/14頭 05/21 大井12R 14着/14頭 05/01 大井10R 9着/10頭+7.1秒 04/15 大井9R 7着/7頭+3.0秒 03/27 大井12R 14着/15頭+6.4秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 12.0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 4走で勝ち無し ▽ 前走実績前走 13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) -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。
11	トランジェント	澤田龍（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/22 大井7R 6着/9頭 04/27 大井12R 3着/12頭+1.3秒 02/17 大井12R 4着/16頭+0.6秒 01/26 大井12R 5着/15頭+0.4秒 01/12 大井12R 2着/16頭+0.0秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 16走で勝率 12% × 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 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。
12	マイネルオデーサ	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 06/11 大井10R 5着/14頭 05/21 大井12R 7着/14頭 05/01 大井10R 8着/10頭+3.0秒 04/15 大井9R 6着/7頭+1.8秒 03/26 大井12R 7着/13頭+1.3秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 30走で勝率 7% △ 距離適性同距離 8走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -81% (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。

🎯 AIの本命

AI評価1位

オソルノ

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

▲4パルミジャニーノ

—

EV —

▲6アレアラミア

—

EV —

▲11トランジェント

—

EV —

▲5リアルモハメド

—

EV —

出走馬AI評価順・全12頭

×8

オソルノ

笹川翼（大井）

—

›

▲4

パルミジャニーノ

安藤洋（大井）

—

›

▲6

アレアラミア

本田重（船橋）

—

›

▲11

トランジェント

澤田龍（船橋）

—

›

▲5

リアルモハメド

藤本現（大井）

—

›

△2

ヴュルディヒ

和田譲（大井）

—

›

△12

マイネルオデーサ

吉井章（大井）

—

›

△1

レペンテ

町田直（川崎）

—

›

×9

サガノオウマサン

吉原寛（金沢）

—

›

×10

ジーゲル

東原悠（大井）

—

›

×3

イモノソーダワリデ

鷹見陸（大井）

—

›

×7

リックマーベル

御神訓（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1200m　発走 20:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	バーバリオン	安藤洋（大井）	実78.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率50%と適性高／同距離帯5走で勝率60%／直近3走で勝率33%と好調）
前5走 06/12 大井3R 1着/12頭 05/19 大井10R 9着/13頭+1.1秒 03/12 船橋11R 5着/9頭+0.7秒 02/20 大井5R 1着/13頭勝利 11/12 大井11R 8着/16頭+1.9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 6走で勝率 50% (得意) ◎ 距離適性同距離 5走で勝率 60% ◎ 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) +73% (市場が大幅過小評価) AI 予想勝率 2.2% (オッズ暗示: 1.3%) ※ 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	ドナシェーン	鷹見陸（大井）	実102.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均3.0着と安定／前走3着／95日ぶりの実戦）
前5走 03/27 大井2R 3着/12頭+0.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ ローテーション 95日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +56% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	コンヨバンコク	野畑凌（川崎）	実73.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均9.7着と低調）
前5走 06/10 大井11R 13着/16頭+0.0秒 05/06 船橋11R 12着/14頭+2.9秒 04/07 川崎11R 4着/14頭+0.7秒 02/13 船橋6R 3着/9頭+0.3秒 01/07 浦和11R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 18% ▽ 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) -11% (オッズ過剰評価) AI 予想勝率 1.2% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ナギサノルナ	篠谷葵（船橋）	実46.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率43%と適性高／同距離帯3走で勝率67%／直近3走で勝率33%と好調）
前5走 05/21 大井4R 3着/13頭 12/31 大井3R 1着/10頭勝利 12/04 大井11R 14着/16頭+2.4秒 10/23 大井2R 1着/10頭勝利 10/08 大井4R 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 7走で勝率 43% (得意) ◎ 距離適性同距離 3走で勝率 67% ○ 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) -11% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 2.1%) ※ 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	ブルーメンガルテン	御神訓（大井）	実8.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率100%と好調／前走勝利の勢い／騎手は近50戦で勝率22%）
前5走 06/04 船橋11R 1着/12頭 ― ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 22% (好調) ◎ 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) -30% (大幅な期待値マイナス) AI 予想勝率 8.5% (オッズ暗示: 12.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ドキドキ	和田譲（大井）	実2.2	▲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44%と適性高／同距離帯6走で勝率67%／直近3走で勝率67%と好調）
前5走 05/19 大井10R 1着/13頭勝利 03/13 大井7R 1着/10頭勝利 12/04 大井11R 8着/16頭+1.5秒 11/12 大井11R 9着/16頭+2.3秒 09/04 大井11R 2着/6頭+0.2秒
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 9走で勝率 44% (得意) ◎ 距離適性同距離 6走で勝率 67% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 21.7% (オッズ暗示: 45.5%) ※ 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	デンテブリランテ	藤田凌（大井）	実7.8	×詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場10走で勝率30%と適性高／同距離帯3走で勝率33%）
前5走 06/10 大井11R 9着/16頭+2.0秒 04/29 大井11R 7着/13頭+2.1秒 03/12 船橋11R 2着/9頭+0.2秒 02/18 大井11R 9着/16頭+1.8秒 12/30 大井4R 1着/11頭勝利
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 ◎ 当競馬場適性 10走で勝率 30% (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 20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 4.2% (オッズ暗示: 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。
8	メイクセンス	本田重（船橋）	実21.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯7走で勝率57%／直近3走で勝率33%と好調／前走2着）
前5走 06/04 船橋11R 2着/12頭+0.0秒 04/21 浦和11R 2着/7頭+0.2秒 03/12 船橋11R 1着/9頭勝利 02/11 船橋9R 3着/11頭+1.2秒 01/20 船橋7R 1着/10頭勝利
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 57% ◎ 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 26日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +62% (市場が大幅過小評価) AI 予想勝率 7.6% (オッズ暗示: 4.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ゼーロス	笹川翼（大井）	実3.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率60%と適性高／前走3着／騎手は近50戦で勝率24%）
前5走 05/06 園田11R 3着/11頭+0.4秒 03/25 大井11R 4着/7頭+1.9秒 02/18 大井11R 5着/16頭+1.8秒 11/12 大井11R 1着/16頭勝利 10/15 川崎11R 3着/8頭+1.3秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.0着 ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 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) -9% (オッズ過剰評価) AI 予想勝率 23.4% (オッズ暗示: 25.6%) ※ 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	ケツァールアズール	中越琉（川崎）	実146.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 06/05 船橋5R 1着/10頭 05/11 川崎10R 3着/6頭+0.1秒 04/08 川崎8R 10着/13頭+3.1秒 ― ―
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +31% (妙味あり) AI 予想勝率 0.9% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	リスティアワン	矢野貴（大井）	実34.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率40%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 05/19 大井10R 2着/13頭+0.2秒 05/01 大井4R 3着/8頭+0.8秒 04/17 大井5R 1着/9頭勝利 03/24 大井6R 1着/14頭勝利 10/23 大井3R 2着/5頭+0.6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 5走で勝率 40% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 4.3% (オッズ暗示: 2.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	アトレーヴフェイス	吉原寛（金沢）	実22.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率50%／直近3走で勝率33%と好調／前走3着）
前5走 03/12 船橋11R 3着/9頭+0.4秒 02/11 船橋9R 1着/11頭勝利 01/20 船橋7R 2着/10頭+0.1秒 12/08 船橋2R 1着/12頭勝利 11/06 船橋2R 1着/7頭勝利
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 4走で勝率 50% ○ 前走実績前走 3着 (好走) △ ローテーション 110日休養明け △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 4.3% (オッズ暗示: 4.4%) ※ 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。
13	ラブミーモンロー推奨	町田直（川崎）	実17.6	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+98%の中穴候補（直近3走勝率67%と絶好調／当競馬場8走で勝率38%と適性高／同距離帯で勝率43%と得意）
前5走 06/10 大井10R 1着/14頭 05/22 大井4R 1着/16頭 05/01 大井4R 2着/8頭+0.4秒 03/27 大井2R 2着/12頭+0.0秒 03/13 大井7R 3着/10頭+0.5秒
AI 評価の内訳 — 馬番 13 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 7走で勝率 43% ◎ 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) +98% (市場が大幅過小評価) AI 予想勝率 11.3% (オッズ暗示: 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。
14	サヨノホーチュラス	西啓太（大井）	実23.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率60%と適性高／同距離帯5走で勝率60%／直近3走で勝率33%と好調）
前5走 06/10 大井10R 3着/14頭+3.0秒 05/01 大井4R 1着/8頭勝利 04/17 大井6R 2着/12頭+0.9秒 03/26 大井6R 1着/13頭勝利 12/01 大井5R 1着/10頭勝利
AI 評価の内訳 — 馬番 14 ○ 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 60% (得意) ◎ 距離適性同距離 5走で勝率 60% ○ 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) +8% (市場と概ね一致) AI 予想勝率 4.7% (オッズ暗示: 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。
15	ゴールドカグヤヒメ	達城龍（大井）	実170.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率33%と適性高／同距離帯5走で勝率40%／直近3走平均9.7着と低調）
前5走 06/10 大井10R 14着/14頭+1.0秒 05/21 大井4R 12着/13頭 01/14 大井3R 3着/11頭+0.6秒 12/31 大井10R 9着/14頭+2.8秒 12/04 大井11R 6着/16頭+1.1秒
AI 評価の内訳 — 馬番 15 × 直近3戦の調子平均 9.7着 (不振) ◎ 当競馬場適性 9走で勝率 33% (得意) ◎ 距離適性同距離 5走で勝率 40% ▽ 前走実績前走 14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) -19% (オッズ過剰評価) AI 予想勝率 0.5% (オッズ暗示: 0.6%) ※ 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。
16	ベイビークエスト	望月洵（愛知）	実68.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率50%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 03/12 船橋11R 8着/9頭+2.3秒 12/04 大井11R 1着/16頭勝利 11/13 大井6R 1着/11頭勝利 08/14 大井4R 7着/8頭+4.7秒 07/18 大井3R 2着/8頭+0.5秒
AI 評価の内訳 — 馬番 16 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 4走で勝率 50% (得意) ◎ 距離適性同距離 3走で勝率 67% ○ 騎手近50戦勝率 14% △ ローテーション 110日休養明け △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 1.9% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

🎯 AIの本命

AI評価1位

ゼーロス

騎手笹川翼（大井）

単勝オッズ

3.9倍

AI期待値

-8%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

▲6ドキドキ

2.2倍

EV -52%

○13ラブミーモンロー

17.6倍

EV +98%

▲5ブルーメンガルテン

8.2倍

EV -30%

▲8メイクセンス

21.3倍

EV +62%

出走馬AI評価順・全16頭

◎9

ゼーロス

笹川翼（大井）

3.9倍

-8%

›

▲6

ドキドキ

和田譲（大井）

2.2倍

-52%

›

○13

ラブミーモンロー

町田直（川崎）

17.6倍

+98%

›

▲5

ブルーメンガルテン

御神訓（大井）

8.2倍

-30%

›

▲8

メイクセンス

本田重（船橋）

21.3倍

+62%

›

△14

サヨノホーチュラス

西啓太（大井）

23.3倍

+8%

›

△12

アトレーヴフェイス

吉原寛（金沢）

22.7倍

-2%

›

△11

リスティアワン

矢野貴（大井）

34.1倍

+45%

›

×7

デンテブリランテ

藤田凌（大井）

7.8倍

-67%

›

▽1

バーバリオン

安藤洋（大井）

78.8倍

+73%

›

▽4

ナギサノルナ

篠谷葵（船橋）

46.6倍

-11%

›

▽16

ベイビークエスト

望月洵（愛知）

68.3倍

+28%

›

▽2

ドナシェーン

鷹見陸（大井）

102.5倍

+56%

›

▽3

コンヨバンコク

野畑凌（川崎）

73.2倍

-11%

›

▽10

ケツァールアズール

中越琉（川崎）

146.5倍

+31%

›

▽15

ゴールドカグヤヒメ

達城龍（大井）

170.9倍

-18%

›

💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。

このレースの推奨馬券　AI 期待値プラス判定

単勝 13 ラブミーモンロー実17.6倍期待値 +98%

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。

12R 大井競馬場ダート2000m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ガンモレジェンド	杉山海（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）
前5走 06/12 大井7R 6着/11頭+3.0秒 05/20 大井12R 11着/14頭 04/28 大井10R 8着/9頭+2.2秒 04/13 大井9R 11着/12頭+3.3秒 03/24 大井11R 10着/16頭+1.3秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 49走で勝率 10% ○ 距離適性同距離 6走で勝率 17% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -94% (大幅な期待値マイナス) AI 予想勝率 2.5% ※ 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。
2	レベリオス	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／前走2着）
前5走 06/11 大井7R 2着/11頭 05/21 大井8R 5着/10頭 05/01 大井12R 6着/16頭+0.9秒 04/15 大井12R 5着/16頭+1.2秒 03/26 大井12R 4着/13頭+0.6秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 27走で勝率 19% (相性良) ▽ 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 19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	ハニートースト	吉原寛（金沢）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/11 大井7R 5着/11頭 05/21 大井8R 7着/10頭 04/16 大井10R 7着/14頭+2.0秒 03/12 大井9R 5着/7頭+1.7秒 10/09 大井10R 3着/13頭+0.8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 24走で勝率 17% (相性良) ○ 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) -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。
4	イエスウィズキャン	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8走で勝率38%と適性高）
前5走 06/11 大井7R 6着/11頭 05/22 大井11R 2着/12頭 04/15 大井9R 3着/7頭+0.3秒 03/27 大井12R 1着/15頭勝利 02/16 大井12R 1着/13頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 8走で勝率 38% (得意) ○ 騎手近50戦勝率 18% ○ 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) -79% (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	スルガダイナゴン	御神訓（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場18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3.0着と安定）
前5走 06/11 大井7R 3着/11頭 05/01 大井10R 2着/10頭+0.1秒 03/27 大井12R 4着/15頭+0.2秒 02/17 大井12R 2着/16頭+0.2秒 01/12 大井12R 8着/16頭+0.9秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 3.0着 (安定) × 当競馬場適性 18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 22% (好調) ○ 前走実績前走 3着 (好走) ○ 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) -85% (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。
6	ドウジギリ	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7走で勝率29%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 06/11 大井10R 1着/14頭 05/18 大井11R 8着/11頭+2.1秒 05/01 大井10R 6着/10頭+2.0秒 03/27 大井12R 2着/15頭+0.1秒 03/12 大井11R 1着/12頭勝利
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 7走で勝率 29% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 20% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ 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) -74% (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。
7	レイリ	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3走で勝ち無し）
前5走 06/12 大井7R 9着/11頭 05/21 大井8R 8着/10頭 04/28 大井10R 6着/9頭+0.9秒 04/16 大井10R 13着/14頭+3.5秒 03/26 大井12R 12着/13頭+3.1秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 27走で勝率 7% ▽ 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 18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 4.0% ※ 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	スリーレジェンド	笹川翼（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50%と適性高／同距離帯3走で勝率67%／直近3走で勝率33%と好調）
前5走 06/11 大井7R 4着/11頭 05/01 大井10R 1着/10頭勝利 03/27 大井12R 5着/15頭+0.2秒 03/10 大井10R 1着/10頭勝利 02/16 大井12R 2着/13頭+0.3秒
AI 評価の内訳 — 馬番 8 ○ 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 3走で勝率 67% ◎ 騎手近50戦勝率 24% (好調) ○ 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) -77% (大幅な期待値マイナス) AI 予想勝率 12.3% ※ 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	リアルクィーン	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 06/11 大井7R 7着/11頭 05/22 大井7R 8着/9頭+2.0秒 ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.5着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -90% (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	プンタカナ	本田重（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56%と適性高／騎手は近50戦で勝率20%）
前5走 06/11 大井7R 8着/11頭+0.0秒 12/11 園田10R 3着/8頭+0.6秒 07/01 大井10R 2着/11頭+0.2秒 05/20 大井6R 1着/9頭勝利 04/28 大井9R 1着/11頭勝利
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 9走で勝率 56% (得意) ◎ 騎手近50戦勝率 20% (好調) ○ 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) -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。
11	コスモマガラニカ	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5走で勝率60%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 04/27 大井12R 1着/12頭勝利 04/16 大井7R 1着/11頭勝利 03/27 大井10R 2着/10頭+0.2秒 03/11 大井8R 1着/10頭勝利 10/21 大井8R 4着/12頭+0.7秒
AI 評価の内訳 — 馬番 11 ◎ 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) △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 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。
12	ジェーケーボンバー	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（当競馬場3走で勝率0%と苦戦傾向／直近3走平均3.0着と安定／476日ぶりの実戦）
前5走 03/11 大井11R 5着/7頭+2.4秒 12/26 大井7R 2着/5頭+0.5秒 12/06 大井7R 2着/8頭+1.0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 3走で勝率 0% (苦戦) △ ローテーション 476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 13.7% ※ 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

ジェーケーボンバー

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

▲11コスモマガラニカ

—

EV —

▲8スリーレジェンド

—

EV —

▲6ドウジギリ

—

EV —

▲4イエスウィズキャン

—

EV —

出走馬AI評価順・全12頭

×12

ジェーケーボンバー

西啓太（大井）

—

›

▲11

コスモマガラニカ

吉井章（大井）

—

›

▲8

スリーレジェンド

笹川翼（大井）

—

›

▲6

ドウジギリ

矢野貴（大井）

—

›

▲4

イエスウィズキャン

野畑凌（川崎）

—

›

△2

レベリオス

安藤洋（大井）

—

›

△10

プンタカナ

本田重（船橋）

—

›

△5

スルガダイナゴン

御神訓（大井）

—

›

×3

ハニートースト

吉原寛（金沢）

—

›

×7

レイリ

藤本現（大井）

—

›

×9

リアルクィーン

中山遥（浦和）

—

›

×1

ガンモレジェンド

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。

1R 名古屋競馬場ダート1500m　発走 12:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	コインブラ	今井貴（愛知）	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／155日ぶりの実戦）
前5走 01/26 名古屋1R 1着/10頭勝利 01/16 名古屋1R 7着/12頭+3.2秒 01/02 名古屋1R 4着/12頭+0.6秒 12/05 名古屋1R 8着/11頭+1.1秒 11/25 名古屋2R 11着/12頭+4.9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 6走で勝率 17% (相性良) ◎ 騎手近50戦勝率 20% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 155日休養明け × 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。
2	ニシキバーキン	大原浩（笠松）	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／直近3走平均8.3着と低調）
前5走 06/16 名古屋1R 7着/10頭+1.0秒 09/18 名古屋9R 12着/12頭+4.5秒 09/04 名古屋10R 6着/11頭+3.6秒 08/21 名古屋6R 7着/10頭+3.9秒 07/24 名古屋8R 8着/8頭+10.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.3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 14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。
3	サンモリッツ	山田祥（愛知）	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3.0着と安定／前走3着／284日ぶりの実戦）
前5走 09/19 名古屋4R 3着/11頭+1.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 3.0着 (安定) △ 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 284日休養明け × 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 17.3% ※ 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	テルレーヌ	小笠羚（愛知）	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／同距離帯は5走で勝ち無し）
前5走 06/16 名古屋1R 6着/10頭+0.0秒 06/05 名古屋2R 8着/12頭 05/19 名古屋1R 6着/10頭+2.0秒 05/04 名古屋1R 5着/9頭+1.5秒 04/20 名古屋1R 7着/12頭+2.4秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 15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 14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 4.2% ※ 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	リュウノバモス	近藤颯（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は8走で勝ち無し／直近3走平均8.7着と低調／99日ぶりの実戦）
前5走 03/23 名古屋1R 10着/10頭+2.6秒 02/28 浦和4R 10着/12頭+3.2秒 01/09 浦和3R 6着/10頭+1.4秒 12/23 浦和1R 7着/12頭+2.0秒 11/27 浦和1R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.7着 (不振) ▽ 距離適性同距離は 8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 99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 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。
6	ジン	東川慎（笠松）	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／前走3着）
前5走 06/16 名古屋1R 3着/10頭+3.0秒 06/05 名古屋2R 7着/12頭+2.0秒 05/19 名古屋1R 7着/10頭+2.4秒 05/06 名古屋8R 9着/10頭+5.4秒 04/20 名古屋1R 6着/12頭+2.3秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 11走で勝率 0% (苦戦) △ 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 14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。
7	シンデレラローズ	深澤杏（笠松）	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／直近3走平均8.7着と低調）
前5走 06/16 名古屋1R 8着/10頭 05/19 名古屋1R 10着/10頭+2.8秒 05/04 名古屋1R 8着/9頭+2.1秒 ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7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 14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 3.9% ※ 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	ヴィクトリアビーチ	大畑慧（愛知）	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7走で勝ち無し／前走3着）
前5走 06/05 名古屋2R 3着/12頭+0.0秒 11/21 名古屋11R 10着/10頭+4.5秒 11/11 名古屋2R 5着/11頭+1.6秒 10/31 名古屋2R 12着/12頭+3.7秒 10/16 名古屋2R 4着/11頭+1.3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 12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 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) -74% (大幅な期待値マイナス) AI 予想勝率 12.1% ※ 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	ムギガクダン	丸野勝（愛知）	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／直近3走平均2.7着と安定）
前5走 06/16 名古屋1R 4着/10頭 06/05 名古屋2R 2着/12頭 05/19 名古屋1R 2着/10頭+1.7秒 ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 3走で勝率 0% (苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -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。
10	エターナルハーピー	大畑雅（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場18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10.0着と低調）
前5走 06/16 名古屋1R 10着/10頭 06/05 名古屋2R 11着/12頭 05/19 名古屋1R 9着/10頭+2.8秒 05/04 名古屋1R 7着/9頭+2.0秒 04/20 名古屋1R 10着/12頭+2.8秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 18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 16% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (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。
11	イントゥディープ	木之葵（愛知）	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9.7着と低調）
前5走 06/16 名古屋1R 9着/10頭+0.0秒 06/05 名古屋2R 12着/12頭 05/19 名古屋3R 8着/9頭+3.9秒 05/04 名古屋3R 10着/10頭+5.3秒 01/27 名古屋2R 10着/10頭+7.8秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 9.7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 ○ 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) -88% (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。
12	チェリカキング	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/05 名古屋2R 4着/12頭 ― ― ― ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 ○ 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) -68% (大幅な期待値マイナス) AI 予想勝率 17.1% ※ 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

サンモリッツ

騎手山田祥（愛知）

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チェリカキング

—

EV —

▲1コインブラ

—

EV —

▲8ヴィクトリアビーチ

—

EV —

▲9ムギガクダン

—

EV —

出走馬AI評価順・全12頭

×3

サンモリッツ

山田祥（愛知）

—

›

▲12

チェリカキング

加藤聡（愛知）

—

›

▲1

コインブラ

今井貴（愛知）

—

›

▲8

ヴィクトリアビーチ

大畑慧（愛知）

—

›

▲9

ムギガクダン

丸野勝（愛知）

—

›

△11

イントゥディープ

木之葵（愛知）

—

›

△2

ニシキバーキン

大原浩（笠松）

—

›

△5

リュウノバモス

近藤颯（愛知）

—

›

×6

ジン

東川慎（笠松）

—

›

×4

テルレーヌ

小笠羚（愛知）

—

›

×10

エターナルハーピー

大畑雅（愛知）

—

›

×7

シンデレラローズ

深澤杏（笠松）

—

›

💡 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 名古屋競馬場ダート1500m　発走 12:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ナムラハンナ	大畑雅（愛知）	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10.5着と低調）
前5走 06/16 名古屋3R 10着/11頭 02/04 川崎6R 11着/12頭+2.7秒 ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.5着 (不振) ○ 騎手近50戦勝率 16% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (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。
2	チアフルドア	木之葵（愛知）	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) -78% (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。
3	シャインプレマ	細川智（愛知）	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 06/16 名古屋2R 9着/10頭 06/05 名古屋3R 7着/10頭 ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (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。
4	ベイビーメイビー	塚本征（愛知）	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22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 騎手近50戦勝率 22% (好調) × 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 13.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	デアトゥバトル	丹羽克（愛知）	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 06/16 名古屋5R 6着/11頭+1.0秒 03/04 川崎8R 10着/12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) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (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。
6	ポッポヘジュセヨ	友森翔（愛知）	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 06/16 名古屋5R 11着/11頭 ― ― ― ―
AI 評価の内訳 — 馬番 6 × 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 14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 7.4% ※ 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	クイーンオブハート	加藤聡（愛知）	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 06/16 名古屋3R 9着/11頭 ― ― ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.0着 (不振) ○ 騎手近50戦勝率 18% ○ 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) -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。
8	ウシワカマル	大畑慧（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/16 名古屋5R 7着/11頭 ― ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) ○ 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) -77% (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。
9	ボドニーク	丸野勝（愛知）	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 06/16 名古屋3R 7着/11頭 05/12 川崎8R 12着/12頭+3.4秒 ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.5着 (不振) ○ 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) -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。
10	マイネルカイザー	今井貴（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/16 名古屋2R 6着/10頭+0.0秒 06/05 名古屋3R 6着/10頭+1.0秒 ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.0着 ○ 騎手近50戦勝率 18% ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 6.9% ※ 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	ヴィゴラスガイア	深澤杏（笠松）	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 06/16 名古屋3R 8着/11頭 ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ニシノアオニヨシ	近藤颯（愛知）	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 06/16 名古屋3R 11着/11頭+7.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 11.0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 14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。

🎯 AIの本命

AI評価1位

ベイビーメイビー

騎手塚本征（愛知）

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ウシワカマル

—

EV —

▲2チアフルドア

—

EV —

▲9ボドニーク

—

EV —

▲7クイーンオブハート

—

EV —

出走馬AI評価順・全12頭

×4

ベイビーメイビー

塚本征（愛知）

—

›

▲8

ウシワカマル

大畑慧（愛知）

—

›

▲2

チアフルドア

木之葵（愛知）

—

›

▲9

ボドニーク

丸野勝（愛知）

—

›

▲7

クイーンオブハート

加藤聡（愛知）

—

›

△3

シャインプレマ

細川智（愛知）

—

›

△6

ポッポヘジュセヨ

友森翔（愛知）

—

›

△11

ヴィゴラスガイア

深澤杏（笠松）

—

›

×10

マイネルカイザー

今井貴（愛知）

—

›

×12

ニシノアオニヨシ

近藤颯（愛知）

—

›

×1

ナムラハンナ

大畑雅（愛知）

—

›

×5

デアトゥバトル

丹羽克（愛知）

—

›

💡 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 名古屋競馬場ダート1500m　発走 13:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ペプチドプラタ	友森翔（愛知）	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) -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。
2	シルヴァークラウン	山田祥（愛知）	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 4% (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 7.1% ※ 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	コスモアマデウス	塚本征（愛知）	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22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 騎手近50戦勝率 22% (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 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。
4	シャンティフレーズ	加藤聡（愛知）	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 18% × 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 9.9% ※ 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	アルメーリス	丸野勝（愛知）	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) -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。
6	サンクスアミリオン	大畑雅（愛知）	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 14% × 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。
7	ウインアイルグロウ	大畑慧（愛知）	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 7 × 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。
8	フォーアライター	大原浩（笠松）	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) -83% (大幅な期待値マイナス) AI 予想勝率 6.9% ※ 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	ワルキューレクイン	小笠羚（愛知）	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) -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。
10	フライデイゼーン	今井貴（愛知）	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 16% × 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 10.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ブルースプレイヤー	近藤颯（愛知）	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 △ 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 7.6% ※ 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。
12	ビーチェ	阪野学（愛知）	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 12 △ 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 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。

🎯 AIの本命

AI評価1位

コスモアマデウス

騎手塚本征（愛知）

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

▲10フライデイゼーン

—

EV —

▲4シャンティフレーズ

—

EV —

▲5アルメーリス

—

EV —

▲1ペプチドプラタ

—

EV —

出走馬AI評価順・全12頭

×3

コスモアマデウス

塚本征（愛知）

—

›

▲10

フライデイゼーン

今井貴（愛知）

—

›

▲4

シャンティフレーズ

加藤聡（愛知）

—

›

▲5

アルメーリス

丸野勝（愛知）

—

›

▲1

ペプチドプラタ

友森翔（愛知）

—

›

△7

ウインアイルグロウ

大畑慧（愛知）

—

›

△6

サンクスアミリオン

大畑雅（愛知）

—

›

△9

ワルキューレクイン

小笠羚（愛知）

—

›

×11

ブルースプレイヤー

近藤颯（愛知）

—

›

×2

シルヴァークラウン

山田祥（愛知）

—

›

×8

フォーアライター

大原浩（笠松）

—

›

×12

ビーチェ

阪野学（愛知）

—

›

💡 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 名古屋競馬場ダート1500m　発走 13:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ウイングラナート	丸野勝（愛知）	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) -78% (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。
2	プライムキングダム	東川慎（笠松）	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12走で勝ち無し／直近3走平均10.3着と低調）
前5走 06/18 名古屋1R 11着/11頭+6.0秒 05/22 名古屋1R 11着/11頭 05/08 名古屋5R 9着/10頭+6.4秒 04/20 名古屋1R 5着/12頭+1.6秒 03/23 名古屋2R 10着/10頭+4.6秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 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 4.4% ※ 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	ホウオウアワード	大原浩（笠松）	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3走で勝ち無し）
前5走 06/18 名古屋1R 9着/11頭 06/03 名古屋3R 9着/12頭+1.0秒 05/19 名古屋4R 5着/11頭+4.3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) ▽ 距離適性同距離は 3走で勝ち無し × 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。
4	ゴーゴーマンゴー	塚本征（愛知）	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 4 ◎ 騎手近50戦勝率 20% (好調) × 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 13.5% ※ 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	ユイノレジスタンス	加藤聡（愛知）	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／直近3走平均8.3着と低調）
前5走 06/18 名古屋1R 6着/11頭+0.0秒 06/03 名古屋3R 11着/12頭+4.0秒 05/22 名古屋1R 8着/11頭 05/04 名古屋3R 5着/10頭+2.0秒 04/08 名古屋1R 7着/12頭+1.9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 5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 18% × 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。
6	ノーブルハンター	阪野学（愛知）	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9走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/18 名古屋1R 10着/11頭 05/22 名古屋1R 10着/11頭+8.0秒 05/08 名古屋5R 6着/10頭+3.3秒 04/20 名古屋1R 4着/12頭+0.7秒 04/07 名古屋3R 6着/11頭+1.2秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.7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 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) × 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 3.9% ※ 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	シンゲキノソラ	加藤誓（愛知）	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 7 × 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 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	ラブミーアゲイン	木之葵（愛知）	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) -79% (大幅な期待値マイナス) AI 予想勝率 10.1% ※ 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	キングオブストーム	今井貴（愛知）	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 ○ 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 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。
10	ケイツークルサード	近藤颯（愛知）	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 4% (やや苦戦) × 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。
11	メイショウイサミ	尾崎章（愛知）	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) -76% (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。
12	テリオスヒナ	小笠羚（愛知）	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 12 × 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 9.9% ※ 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。

🎯 AIの本命

AI評価1位

ゴーゴーマンゴー

騎手塚本征（愛知）

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キングオブストーム

—

EV —

▲1ウイングラナート

—

EV —

▲8ラブミーアゲイン

—

EV —

▲12テリオスヒナ

—

EV —

出走馬AI評価順・全12頭

×4

ゴーゴーマンゴー

塚本征（愛知）

—

›

▲9

キングオブストーム

今井貴（愛知）

—

›

▲1

ウイングラナート

丸野勝（愛知）

—

›

▲8

ラブミーアゲイン

木之葵（愛知）

—

›

▲12

テリオスヒナ

小笠羚（愛知）

—

›

△11

メイショウイサミ

尾崎章（愛知）

—

›

△10

ケイツークルサード

近藤颯（愛知）

—

›

△7

シンゲキノソラ

加藤誓（愛知）

—

›

×5

ユイノレジスタンス

加藤聡（愛知）

—

›

×2

プライムキングダム

東川慎（笠松）

—

›

×6

ノーブルハンター

阪野学（愛知）

—

›

×3

ホウオウアワード

大原浩（笠松）

—

›

💡 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 名古屋競馬場ダート1500m　発走 14:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ゴールドサニーデイ	丹羽克（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場18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走平均10.0着と低調）
前5走 06/16 名古屋4R 9着/9頭 06/02 名古屋4R 11着/11頭+3.0秒 05/19 名古屋2R 10着/10頭+3.0秒 05/04 名古屋2R 9着/11頭+2.2秒 04/20 名古屋4R 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 10.0着 (不振) × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 14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 14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 4.1% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	シロイヤツ	柿原翔（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場30走で勝率0%と苦戦傾向／同距離帯は26走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/02 名古屋4R 9着/11頭 05/19 名古屋2R 9着/10頭+2.6秒 05/04 名古屋2R 8着/11頭+2.1秒 04/20 名古屋4R 6着/12頭+2.2秒 04/07 名古屋2R 5着/10頭+2.0秒
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 30走で勝率 0% (苦戦) ▽ 距離適性同距離は 26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 28日の間隔 (理想的) × 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 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。
3	ディアマント	今井貴（愛知）	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 3 ○ 騎手近50戦勝率 16% × 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 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。
4	トリプルアイ	東川慎（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場74走で勝率1%と苦戦傾向／同距離帯は60走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/19 名古屋6R 10着/11頭+2.5秒 05/04 名古屋6R 7着/10頭+3.4秒 04/20 名古屋6R 10着/12頭+2.7秒 04/07 名古屋6R 8着/11頭+2.3秒 03/23 名古屋11R 3着/11頭+0.6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 74走で勝率 1% (苦戦) ▽ 距離適性同距離は 60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) × 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 5.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	グランドフューチャ	丸野勝（愛知）	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0%と苦戦傾向／同距離帯は33走で勝ち無し／直近3走平均9.0着と低調）
前5走 06/16 名古屋6R 10着/10頭+1.0秒 05/19 名古屋6R 6着/11頭+1.1秒 05/04 名古屋7R 11着/11頭+2.7秒 04/07 名古屋11R 11着/11頭+4.3秒 03/09 名古屋7R 12着/12頭+5.2秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 35走で勝率 0% (苦戦) ▽ 距離適性同距離は 33走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -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。
6	ココインシデンス	木之葵（愛知）	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6走で勝ち無し／前走2着）
前5走 06/02 名古屋4R 2着/11頭+2.0秒 05/19 名古屋2R 2着/10頭+0.8秒 05/04 名古屋2R 6着/11頭+1.2秒 04/20 名古屋4R 3着/12頭+1.5秒 03/23 大井1R 11着/11頭+2.4秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.3着 × 当競馬場適性 4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) -67% (大幅な期待値マイナス) AI 予想勝率 15.9% ※ 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	ゼンダンマイウェイ	山田祥（愛知）	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）
前5走 06/02 名古屋4R 6着/11頭 05/19 名古屋2R 5着/10頭+1.5秒 05/04 名古屋2R 5着/11頭+0.7秒 04/20 名古屋4R 5着/12頭+2.0秒 04/07 名古屋2R 9着/10頭+3.8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 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 28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 5.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	シラガゾメ	友森翔（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場48走で勝率0%と苦戦傾向／同距離帯は21走で勝ち無し）
前5走 06/16 名古屋4R 7着/9頭 06/02 名古屋4R 7着/11頭 05/19 名古屋2R 7着/10頭+1.9秒 05/04 名古屋2R 7着/11頭+1.5秒 04/07 名古屋2R 6着/10頭+2.1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 48走で勝率 0% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ○ 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) -91% (大幅な期待値マイナス) AI 予想勝率 4.8% ※ 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	グロウミニョン	細川智（愛知）	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 △ 騎手近50戦勝率 2% (やや苦戦) × 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 17.3% ※ 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	ラブウェイ	尾崎章（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場65走で勝率2%と苦戦傾向／同距離帯は62走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/02 名古屋4R 5着/11頭 05/19 名古屋5R 11着/11頭+2.8秒 05/04 名古屋5R 10着/11頭+2.9秒 04/20 名古屋5R 11着/12頭+2.8秒 04/07 名古屋4R 6着/11頭+2.0秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 65走で勝率 2% (苦戦) ▽ 距離適性同距離は 62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) -86% (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。
11	スノーバンティング	小笠羚（愛知）	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8.3着と低調）
前5走 05/19 名古屋2R 6着/10頭+1.8秒 05/04 名古屋2R 10着/11頭+2.2秒 04/07 名古屋4R 9着/11頭+2.5秒 03/23 名古屋5R 9着/11頭+2.9秒 03/09 名古屋5R 11着/11頭+3.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3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 × 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 5.2% ※ 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	オルトジュピター	大畑雅（愛知）	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／直近3走平均9.7着と低調）
前5走 06/02 名古屋5R 10着/11頭 03/23 名古屋7R 9着/11頭+2.5秒 02/10 名古屋3R 10着/12頭+2.1秒 01/27 名古屋6R 10着/12頭+1.7秒 01/14 名古屋3R 10着/11頭+3.3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 9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 14% ▽ 前走実績前走 10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) -82% (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。

🎯 AIの本命

AI評価1位

ディアマント

騎手今井貴（愛知）

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グロウミニョン

—

EV —

▲6ココインシデンス

—

EV —

▲12オルトジュピター

—

EV —

▲5グランドフューチャ

—

EV —

出走馬AI評価順・全12頭

×3

ディアマント

今井貴（愛知）

—

›

▲9

グロウミニョン

細川智（愛知）

—

›

▲6

ココインシデンス

木之葵（愛知）

—

›

▲12

オルトジュピター

大畑雅（愛知）

—

›

▲5

グランドフューチャ

丸野勝（愛知）

—

›

△10

ラブウェイ

尾崎章（愛知）

—

›

△11

スノーバンティング

小笠羚（愛知）

—

›

△7

ゼンダンマイウェイ

山田祥（愛知）

—

›

×4

トリプルアイ

東川慎（笠松）

—

›

×8

シラガゾメ

友森翔（愛知）

—

›

×1

ゴールドサニーデイ

丹羽克（愛知）

—

›

×2

シロイヤツ

柿原翔（愛知）

—

›

💡 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 名古屋競馬場ダート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	タマモサウルス	大原浩（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場50走で勝率4%と苦戦傾向／同距離帯は36走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/16 名古屋6R 8着/10頭+0.0秒 06/02 名古屋6R 7着/12頭 05/19 名古屋12R 11着/11頭+2.7秒 05/04 名古屋12R 11着/11頭+3.8秒 04/20 名古屋8R 10着/12頭+2.4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 50走で勝率 4% (苦戦) ▽ 距離適性同距離は 36走で勝ち無し ○ 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) -91% (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。
2	メトゥザレム	塚本征（愛知）	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3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 名古屋5R 3着/11頭 05/19 名古屋6R 7着/11頭+1.2秒 04/20 名古屋6R 3着/12頭+0.5秒 ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 3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 20% (好調) ○ 前走実績前走 3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) -58% (大幅な期待値マイナス) AI 予想勝率 22.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ケノファニース	大畑慧（愛知）	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14走で勝ち無し／前走3着）
前5走 06/16 名古屋4R 3着/9頭+2.0秒 06/02 名古屋5R 11着/11頭+0.0秒 05/19 名古屋5R 9着/11頭+1.4秒 05/04 名古屋5R 11着/11頭+2.9秒 04/20 名古屋5R 10着/12頭+2.8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 17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 3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) -92% (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	ウタカタ	明星晴（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/02 名古屋6R 11着/12頭 05/19 名古屋6R 3着/11頭+0.3秒 05/04 名古屋6R 5着/10頭+2.2秒 04/20 名古屋5R 8着/12頭+2.0秒 04/07 名古屋6R 7着/11頭+2.2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 17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) ▽ 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) -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。
5	ウインフルゴラ	加藤誓（愛知）	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12走で勝ち無し）
前5走 06/02 名古屋6R 12着/12頭+5.0秒 05/19 名古屋7R 5着/11頭+1.9秒 05/04 名古屋7R 4着/11頭+0.5秒 04/20 名古屋6R 7着/12頭+1.4秒 04/07 名古屋6R 4着/11頭+1.1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 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (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	クールマーロウ	丹羽克（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場18走で勝率0%と苦戦傾向／同距離帯は19走で勝ち無し）
前5走 06/16 名古屋7R 10着/10頭+4.0秒 06/02 名古屋5R 2着/11頭+3.0秒 05/19 名古屋6R 5着/11頭+0.9秒 05/04 名古屋6R 4着/10頭+1.9秒 04/20 名古屋5R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 19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) ○ 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) -87% (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。
7	サイコロチャン	木之葵（愛知）	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 06/16 名古屋7R 3着/10頭+1.0秒 05/19 名古屋7R 10着/11頭+3.4秒 12/09 名古屋8R 9着/12頭+2.1秒 11/25 名古屋4R 10着/12頭+5.4秒 11/12 名古屋5R 7着/11頭+3.2秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 42走で勝率 7% △ 距離適性同距離 37走で勝率 5% ○ 前走実績前走 3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) -82% (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	ストレンジャー	小笠羚（愛知）	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 05/19 名古屋7R 9着/11頭+3.1秒 05/04 名古屋12R 7着/11頭+1.8秒 04/20 名古屋8R 12着/12頭+4.7秒 10/16 名古屋7R 4着/12頭+3.2秒 09/18 名古屋2R 6着/12頭+1.3秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 21走で勝率 10% × 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 6.0% ※ 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	コズミックコール	細川智（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場69走で勝率0%と苦戦傾向／同距離帯は64走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/17 名古屋12R 12着/12頭 06/02 名古屋6R 3着/12頭+1.0秒 05/19 名古屋12R 9着/11頭+1.7秒 05/04 名古屋12R 3着/11頭+0.8秒 04/20 名古屋7R 5着/12頭+1.7秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 69走で勝率 0% (苦戦) ▽ 距離適性同距離は 64走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 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。
10	エコログロス	大畑雅（愛知）	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 14% × 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 18.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ベッラフロー	東川慎（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場57走で勝率0%と苦戦傾向／同距離帯は52走で勝ち無し）
前5走 06/02 名古屋5R 9着/11頭 05/19 名古屋5R 5着/11頭+1.1秒 05/04 名古屋5R 4着/11頭+0.6秒 04/20 名古屋5R 6着/12頭+1.7秒 04/07 名古屋5R 10着/11頭+4.2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 57走で勝率 0% (苦戦) ▽ 距離適性同距離は 52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 28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。
12	ブリッツシャッテン	近藤颯（愛知）	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／同距離帯は6走で勝ち無し／直近3走で勝率33%と好調）
前5走 06/16 名古屋6R 2着/10頭+6.0秒 05/19 名古屋5R 2着/11頭+0.4秒 05/04 名古屋2R 1着/11頭勝利 04/07 川崎1R 11着/12頭+3.1秒 03/03 川崎1R 10着/10頭+4.3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 3走で勝率 33% (得意) ▽ 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 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) -82% (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。

🎯 AIの本命

AI評価1位

メトゥザレム

騎手塚本征（愛知）

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

▲10エコログロス

—

EV —

▲12ブリッツシャッテン

—

EV —

▲7サイコロチャン

—

EV —

▲9コズミックコール

—

EV —

出走馬AI評価順・全12頭

×2

メトゥザレム

塚本征（愛知）

—

›

▲10

エコログロス

大畑雅（愛知）

—

›

▲12

ブリッツシャッテン

近藤颯（愛知）

—

›

▲7

サイコロチャン

木之葵（愛知）

—

›

▲9

コズミックコール

細川智（愛知）

—

›

△6

クールマーロウ

丹羽克（愛知）

—

›

△8

ストレンジャー

小笠羚（愛知）

—

›

△5

ウインフルゴラ

加藤誓（愛知）

—

›

×4

ウタカタ

明星晴（笠松）

—

›

×11

ベッラフロー

東川慎（笠松）

—

›

×3

ケノファニース

大畑慧（愛知）

—

›

×1

タマモサウルス

大原浩（笠松）

—

›

💡 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 名古屋競馬場ダート1500m　発走 15:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アスタリウス	加藤聡（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 06/18 名古屋9R 5着/10頭 05/25 名古屋7R 1着/10頭 05/08 名古屋8R 5着/11頭+0.5秒 04/24 名古屋9R 6着/12頭+1.8秒 04/13 名古屋7R 2着/10頭+0.3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 22走で勝率 18% (相性良) ○ 距離適性同距離 15走で勝率 20% ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 18% × 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 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。
2	ミスティブルー	今井貴（愛知）	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40%と適性高／同距離帯10走で勝率40%／同馬場状態で勝率75%）
前5走 06/22 名古屋7R 1着/11頭 06/05 名古屋1R 1着/11頭 05/22 名古屋8R 7着/11頭+0.0秒 05/07 名古屋7R 4着/11頭+0.8秒 04/24 名古屋3R 6着/12頭+2.4秒
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 10走で勝率 40% (得意) ◎ 距離適性同距離 10走で勝率 40% ◎ 馬場適性同馬場 4走で勝率 75% ○ 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) -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。
3	ピエナブリックス	木之葵（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/18 名古屋8R 8着/10頭 06/04 名古屋8R 6着/11頭 05/22 名古屋12R 2着/10頭+1.0秒 05/07 名古屋8R 2着/10頭+0.2秒 04/24 名古屋9R 3着/12頭+1.0秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 30走で勝率 13% ○ 距離適性同距離 26走で勝率 15% × 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。
4	ミヤビエクセレント	近藤颯（愛知）	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 06/04 名古屋9R 7着/12頭 05/21 名古屋8R 10着/10頭+0.0秒 05/06 名古屋6R 8着/11頭+1.9秒 04/22 名古屋6R 7着/12頭+1.7秒 04/09 名古屋10R 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 8.3着 (不振) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 5走で勝率 20% △ 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) -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	メイショウサキガケ	小笠羚（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は23走で勝ち無し／前走3着）
前5走 06/18 名古屋8R 3着/10頭+6.0秒 06/04 名古屋7R 10着/11頭 05/06 名古屋5R 3着/11頭+0.7秒 01/28 名古屋12R 2着/11頭+0.7秒 01/15 名古屋9R 3着/11頭+1.3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 31走で勝率 6% ▽ 距離適性同距離は 23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) -91% (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。
6	パルティーダ	大畑雅（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/18 名古屋8R 10着/10頭+0.0秒 06/04 名古屋8R 7着/11頭 05/21 名古屋7R 6着/10頭 05/06 名古屋5R 4着/11頭+2.0秒 04/23 名古屋12R 11着/12頭+2.2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 27走で勝率 7% △ 距離適性同距離 17走で勝率 12% ○ 馬場適性同馬場 9走で勝率 22% ○ 騎手近50戦勝率 14% ▽ 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 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。
7	アーニャアザザマス	大畑慧（愛知）	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25%と適性高）
前5走 06/04 名古屋9R 6着/12頭 05/21 名古屋7R 4着/10頭+4.0秒 05/07 名古屋10R 2着/10頭+1.2秒 04/23 名古屋8R 11着/12頭+4.2秒 03/25 名古屋5R 9着/11頭+2.1秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.0着 ◎ 当競馬場適性 16走で勝率 25% (得意) ○ 距離適性同距離 19走で勝率 16% ○ 馬場適性同馬場 5走で勝率 20% ○ 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) -76% (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	オルソビアンコ	阪野学（愛知）	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 06/18 名古屋9R 8着/10頭+0.0秒 05/21 名古屋8R 9着/10頭+3.0秒 05/06 名古屋6R 10着/11頭+2.2秒 04/22 名古屋6R 10着/12頭+2.4秒 04/09 名古屋10R 9着/11頭+1.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 11走で勝率 9% ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) × 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 2.5% ※ 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	マリアナジャズ	友森翔（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は28走で勝ち無し／前走2着）
前5走 06/18 名古屋5R 2着/9頭 06/04 名古屋7R 8着/11頭 05/22 名古屋12R 5着/10頭 05/07 名古屋10R 7着/10頭+1.9秒 04/23 名古屋7R 3着/12頭+1.8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 17走で勝率 6% ▽ 距離適性同距離は 28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) -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。
10	ハクサンシャトル	大原浩（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場48走で勝率4%と苦戦傾向／同距離帯は45走で勝ち無し／直近3走で勝率67%と好調）
前5走 06/05 名古屋7R 1着/12頭 05/08 名古屋1R 1着/10頭勝利 04/24 名古屋3R 5着/12頭+2.0秒 04/10 名古屋4R 2着/11頭+0.6秒 03/26 名古屋3R 2着/12頭+0.0秒
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 67% (絶好調) × 当競馬場適性 48走で勝率 4% (苦戦) ▽ 距離適性同距離は 45走で勝ち無し ◎ 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) -76% (大幅な期待値マイナス) AI 予想勝率 9.7% ※ 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	プルメリアリング	丸野勝（愛知）	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4%と苦戦傾向／同距離帯は24走で勝ち無し）
前5走 06/18 名古屋5R 5着/9頭 06/04 名古屋6R 2着/11頭 05/22 名古屋10R 5着/10頭 05/08 名古屋9R 2着/12頭+0.3秒 04/24 名古屋7R 4着/12頭+1.4秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 27走で勝率 4% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し × 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 11.7% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	カンタカナリート	塚本征（愛知）	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 06/18 名古屋8R 6着/10頭 05/22 名古屋12R 3着/10頭 05/07 名古屋9R 2着/10頭+0.0秒 04/10 名古屋6R 2着/10頭+0.6秒 03/27 名古屋4R 1着/12頭勝利
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 3.7着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% ◎ 騎手近50戦勝率 20% (好調) × 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 14.2% ※ 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

ミスティブルー

騎手今井貴（愛知）

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カンタカナリート

—

EV —

▲11プルメリアリング

—

EV —

▲7アーニャアザザマス

—

EV —

▲10ハクサンシャトル

—

EV —

出走馬AI評価順・全12頭

×2

ミスティブルー

今井貴（愛知）

—

›

▲12

カンタカナリート

塚本征（愛知）

—

›

▲11

プルメリアリング

丸野勝（愛知）

—

›

▲7

アーニャアザザマス

大畑慧（愛知）

—

›

▲10

ハクサンシャトル

大原浩（笠松）

—

›

△9

マリアナジャズ

友森翔（愛知）

—

›

△3

ピエナブリックス

木之葵（愛知）

—

›

△1

アスタリウス

加藤聡（愛知）

—

›

×5

メイショウサキガケ

小笠羚（愛知）

—

›

×4

ミヤビエクセレント

近藤颯（愛知）

—

›

×6

パルティーダ

大畑雅（愛知）

—

›

×8

オルソビアンコ

阪野学（愛知）

—

›

💡 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 名古屋競馬場ダート1700m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ノクターナル	友森翔（愛知）	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）
前5走 06/18 名古屋9R 10着/10頭 05/21 名古屋8R 6着/10頭+4.0秒 09/08 川崎10R 7着/10頭+1.5秒 08/19 浦和10R 2着/11頭+0.0秒 07/24 浦和10R 3着/9頭+1.6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 6走で勝率 50% (得意) ▽ 前走実績前走 10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 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。
2	ノブエイト	近藤颯（愛知）	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 06/17 名古屋6R 2着/11頭+4.0秒 06/04 名古屋9R 8着/12頭 05/21 名古屋8R 4着/10頭+0.0秒 05/06 名古屋5R 2着/11頭+0.1秒 04/24 名古屋8R 1着/11頭勝利
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 17走で勝率 12% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) × 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 8.5% ※ 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	ブルスケッタ	今井貴（愛知）	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3走で勝率100%と適性高／同馬場状態で勝率50%／直近3走で勝率100%と好調）
前5走 06/04 名古屋5R 1着/12頭 05/25 名古屋8R 1着/10頭 05/07 名古屋4R 1着/9頭勝利 10/30 浦和10R 8着/11頭+1.5秒 02/05 川崎10R 6着/11頭+1.2秒
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 馬場適性同馬場 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) ○ 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 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。
4	カワキタマックス	小笠羚（愛知）	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9.3着と低調）
前5走 06/17 名古屋6R 10着/11頭 06/04 名古屋9R 10着/12頭+0.0秒 05/21 名古屋10R 8着/9頭 05/06 名古屋7R 11着/12頭+3.0秒 04/22 名古屋6R 4着/12頭+1.3秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10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 2.7% ※ 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	ベレーザフィン	丹羽克（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/17 名古屋6R 7着/11頭 06/03 名古屋8R 5着/12頭+0.0秒 05/21 名古屋8R 3着/10頭 05/06 名古屋6R 4着/11頭+1.2秒 04/24 名古屋10R 1着/11頭勝利
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 14走で勝率 21% (相性良) △ 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 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	サトノパトス	丸野勝（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率33%／前走3着）
前5走 06/17 名古屋6R 3着/11頭 06/04 名古屋9R 4着/12頭 05/21 名古屋7R 3着/10頭 05/08 名古屋8R 1着/11頭勝利 04/24 名古屋7R 8着/12頭+2.2秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 17走で勝率 12% ◎ 馬場適性同馬場 3走で勝率 33% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -61% (大幅な期待値マイナス) AI 予想勝率 18.3% ※ 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	リヴァスピナー	明星晴（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯3走で勝率33%）
前5走 06/17 名古屋6R 5着/11頭 06/03 名古屋8R 6着/12頭 05/20 名古屋4R 6着/11頭+0.0秒 05/06 名古屋7R 4着/12頭+0.5秒 04/23 名古屋12R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.7着 ○ 当競馬場適性 19走で勝率 21% (相性良) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (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 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。
8	スパルタンワールド	東川慎（笠松）	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／82日ぶりの実戦）
前5走 04/09 名古屋10R 6着/11頭+1.2秒 03/23 名古屋8R 4着/12頭+0.5秒 03/10 名古屋8R 11着/12頭+2.8秒 02/23 名古屋9R 7着/11頭+1.9秒 02/09 名古屋11R 4着/9頭+3.6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 25走で勝率 16% (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 4% (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 6.7% ※ 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	スティールシャトル	大畑雅（愛知）	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7走で勝率29%／直近3走平均10.0着と低調）
前5走 06/18 名古屋9R 9着/10頭+5.0秒 06/04 名古屋9R 12着/12頭+6.0秒 05/21 名古屋10R 9着/9頭 05/06 名古屋7R 12着/12頭+3.4秒 04/22 名古屋6R 12着/12頭+3.4秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 11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 14% × 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。
10	エグザルテーション	塚本征（愛知）	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／騎手は近50戦で勝率20%）
前5走 06/17 名古屋6R 11着/11頭+5.0秒 01/01 名古屋11R 12着/12頭+2.8秒 12/22 名古屋11R 7着/9頭+2.7秒 12/09 名古屋11R 10着/12頭+2.0秒 11/26 名古屋10R 10着/12頭+2.5秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0着 (不振) ○ 当競馬場適性 27走で勝率 22% (相性良) △ 距離適性同距離 7走で勝率 14% ◎ 騎手近50戦勝率 20% (好調) ▽ 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 5.4% ※ 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	モアサナイト	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率40%）
前5走 06/03 名古屋8R 12着/12頭+0.0秒 05/21 名古屋10R 6着/9頭 05/06 名古屋7R 5着/12頭+0.5秒 04/23 名古屋12R 2着/12頭+0.4秒 04/09 名古屋5R 7着/11頭+1.4秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.7着 (不振) ○ 当競馬場適性 18走で勝率 17% (相性良) ◎ 馬場適性同馬場 5走で勝率 40% ○ 騎手近50戦勝率 18% ▽ 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) -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。
12	キスメット	大畑慧（愛知）	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走で勝率33%と好調）
前5走 06/17 名古屋6R 8着/11頭 06/04 名古屋9R 5着/12頭 05/25 名古屋9R 1着/10頭 05/08 名古屋9R 4着/12頭+0.7秒 04/24 名古屋10R 3着/11頭+0.9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 12走で勝率 8% ▽ 距離適性同距離は 3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 7.0% ※ 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。

🎯 AIの本命

AI評価1位

ブルスケッタ

騎手今井貴（愛知）

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サトノパトス

—

EV —

▲2ノブエイト

—

EV —

▲11モアサナイト

—

EV —

▲12キスメット

—

EV —

出走馬AI評価順・全12頭

×3

ブルスケッタ

今井貴（愛知）

—

›

▲6

サトノパトス

丸野勝（愛知）

—

›

▲2

ノブエイト

近藤颯（愛知）

—

›

▲11

モアサナイト

加藤聡（愛知）

—

›

▲12

キスメット

大畑慧（愛知）

—

›

△7

リヴァスピナー

明星晴（笠松）

—

›

△8

スパルタンワールド

東川慎（笠松）

—

›

△1

ノクターナル

友森翔（愛知）

—

›

×5

ベレーザフィン

丹羽克（愛知）

—

›

×10

エグザルテーション

塚本征（愛知）

—

›

×9

スティールシャトル

大畑雅（愛知）

—

›

×4

カワキタマックス

小笠羚（愛知）

—

›

💡 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 名古屋競馬場ダート2100m　発走 16:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ドラゴンラック	山田祥（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯3走で勝率33%）
前5走 06/18 名古屋8R 7着/10頭 06/04 名古屋9R 9着/12頭 05/21 名古屋7R 5着/10頭 05/06 名古屋6R 7着/11頭+1.7秒 04/23 名古屋8R 3着/12頭+1.2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 14走で勝率 21% (相性良) ◎ 距離適性同距離 3走で勝率 33% ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) × 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。
2	ノボリユーミン	小笠羚（愛知）	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／前走2着）
前5走 06/03 名古屋8R 2着/12頭+3.0秒 05/21 名古屋7R 2着/10頭 04/09 名古屋10R 7着/11頭+1.6秒 03/25 名古屋6R 4着/12頭+0.9秒 02/27 名古屋10R 3着/11頭+0.6秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 11走で勝率 36% (得意) △ 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) -82% (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	リプリー	大畑雅（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率43%）
前5走 06/18 名古屋5R 4着/9頭 06/04 名古屋9R 3着/12頭 05/20 名古屋12R 7着/11頭 04/23 名古屋8R 8着/12頭+2.7秒 03/27 名古屋7R 1着/10頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.7着 ○ 当競馬場適性 24走で勝率 21% (相性良) ◎ 馬場適性同馬場 7走で勝率 43% ○ 騎手近50戦勝率 14% × 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 7.9% ※ 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	アーベントゾンネ	丸野勝（愛知）	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 4 × 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 14.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	スキューマパーラ	大原浩（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場63走で勝率5%と苦戦傾向）
前5走 06/17 名古屋8R 8着/11頭 06/02 名古屋8R 6着/11頭+3.0秒 05/20 名古屋4R 2着/11頭 05/05 名古屋7R 5着/11頭+1.5秒 04/22 名古屋7R 5着/12頭+1.3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 63走で勝率 5% (苦戦) × 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 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	アフロビート	塚本征（愛知）	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／前走3着／騎手は近50戦で勝率20%）
前5走 06/17 名古屋7R 3着/11頭+0.0秒 06/03 名古屋9R 4着/12頭 05/20 名古屋4R 5着/11頭 05/06 名古屋7R 3着/12頭+0.3秒 04/22 名古屋6R 11着/12頭+2.4秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 14走で勝率 0% (苦戦) ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) × 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 12.0% ※ 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	グロリアスヒーロー	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/17 名古屋7R 4着/11頭+0.0秒 06/04 名古屋9R 2着/12頭+2.0秒 02/05 川崎10R 10着/11頭+1.5秒 ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 ○ 騎手近50戦勝率 18% × 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。
8	バウブロッサム	細川智（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/17 名古屋8R 5着/11頭 06/02 名古屋8R 9着/11頭 05/20 名古屋12R 9着/11頭 05/05 名古屋8R 7着/10頭+1.5秒 04/20 名古屋10R 9着/12頭+2.3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 55走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) × 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	タマモルピナス	近藤颯（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率38%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 06/22 名古屋6R 1着/10頭 05/25 名古屋12R 2着/11頭 05/06 名古屋12R 1着/12頭勝利 04/23 名古屋1R 9着/11頭+1.7秒 04/09 名古屋4R 4着/11頭+0.2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 44走で勝率 9% ◎ 馬場適性同馬場 8走で勝率 38% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 8.0% ※ 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	グラスビジョン	大畑慧（愛知）	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100%と好調／前走勝利の勢い）
前5走 06/18 名古屋8R 1着/10頭 06/05 名古屋10R 1着/12頭 06/17 川崎7R 1着/12頭勝利 ― ―
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) × 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 12.4% ※ 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	フークタオユエン	今井貴（愛知）	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25%と適性高）
前5走 06/17 園田12R 9着/12頭 06/04 園田8R 7着/10頭 05/20 園田6R 7着/12頭+0.0秒 05/05 園田7R 8着/10頭+2.1秒 04/21 園田3R 5着/9頭+0.8秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.7着 (不振) ◎ 当競馬場適性 8走で勝率 25% (得意) ○ 騎手近50戦勝率 14% × 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 8.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	レースノワエ	木之葵（愛知）	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）
前5走 06/17 名古屋7R 7着/11頭 05/20 名古屋9R 8着/11頭 05/05 名古屋7R 4着/11頭+1.5秒 04/22 名古屋7R 10着/12頭+2.0秒 04/07 名古屋9R 8着/12頭+1.1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 11走で勝率 0% (苦戦) × 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 4.4% ※ 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

アーベントゾンネ

騎手丸野勝（愛知）

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

▲10グラスビジョン

—

EV —

▲6アフロビート

—

EV —

▲2ノボリユーミン

—

EV —

▲7グロリアスヒーロー

—

EV —

出走馬AI評価順・全12頭

×4

アーベントゾンネ

丸野勝（愛知）

—

›

▲10

グラスビジョン

大畑慧（愛知）

—

›

▲6

アフロビート

塚本征（愛知）

—

›

▲2

ノボリユーミン

小笠羚（愛知）

—

›

▲7

グロリアスヒーロー

加藤聡（愛知）

—

›

△9

タマモルピナス

近藤颯（愛知）

—

›

△11

フークタオユエン

今井貴（愛知）

—

›

△3

リプリー

大畑雅（愛知）

—

›

×8

バウブロッサム

細川智（愛知）

—

›

×1

ドラゴンラック

山田祥（愛知）

—

›

×12

レースノワエ

木之葵（愛知）

—

›

×5

スキューマパーラ

大原浩（笠松）

—

›

💡 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 名古屋競馬場ダート1700m　発走 17:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エピックナイト	柿原翔（愛知）	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）
前5走 06/16 名古屋11R 4着/12頭+1.0秒 06/02 名古屋9R 3着/12頭+4.0秒 05/19 名古屋10R 6着/12頭+0.9秒 05/05 名古屋8R 2着/10頭+0.2秒 04/07 名古屋8R 9着/10頭+2.4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 28走で勝率 21% (相性良) ▽ 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 14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 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。
2	ゴラッソゴール	丹羽克（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/16 名古屋11R 6着/12頭 06/02 名古屋10R 6着/12頭+2.0秒 05/19 名古屋9R 5着/11頭+1.3秒 05/05 名古屋9R 6着/11頭+0.8秒 04/20 名古屋11R 3着/11頭+1.0秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 82走で勝率 6% △ 距離適性同距離 37走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -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。
3	ムーンスカイ	塚本征（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走3着／騎手は近50戦で勝率20%）
前5走 06/16 名古屋11R 3着/12頭 04/30 園田11R 6着/10頭+1.1秒 ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.5着 ◎ 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 14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 13.3% ※ 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	キングオブザナイル	木之葵（愛知）	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 06/17 名古屋9R 7着/11頭+0.0秒 02/13 名古屋10R 10着/10頭+6.4秒 01/30 名古屋11R 10着/11頭+2.6秒 01/19 名古屋10R 8着/8頭+1.6秒 01/05 名古屋11R 7着/7頭+2.3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 17走で勝率 6% △ 距離適性同距離 8走で勝率 12% × 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	ピコブルー	今井貴（愛知）	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5走で勝率40%と適性高／直近3走で勝率67%と好調）
前5走 06/17 名古屋9R 6着/11頭 05/04 名古屋10R 1着/8頭勝利 04/10 名古屋8R 1着/11頭勝利 03/09 名古屋10R 4着/9頭+0.9秒 02/26 名古屋8R 2着/11頭+0.9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 5走で勝率 40% (得意) ○ 騎手近50戦勝率 14% × 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 16.4% ※ 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	プロミシングギャル	小笠羚（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は9走で勝ち無し／前走3着）
前5走 06/17 名古屋9R 3着/11頭 06/02 名古屋10R 5着/12頭 05/20 名古屋12R 3着/11頭 05/04 名古屋10R 6着/8頭+1.2秒 04/07 名古屋9R 7着/12頭+1.0秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.7着 △ 当競馬場適性 34走で勝率 15% ▽ 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 3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 9.0% ※ 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	ケイアイカラキア	加藤聡（愛知）	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／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 06/17 名古屋9R 4着/11頭 05/19 名古屋8R 2着/12頭+0.4秒 05/05 名古屋7R 1着/11頭勝利 04/22 名古屋6R 2着/12頭+0.7秒 04/09 名古屋5R 2着/11頭+0.1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 12走で勝率 42% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 16% × 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。
8	ピーチブロッサム	大畑慧（愛知）	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5走で勝ち無し）
前5走 06/16 名古屋11R 5着/12頭 06/02 名古屋10R 9着/12頭+0.0秒 05/05 名古屋9R 7着/11頭+1.0秒 04/20 浦和10R 5着/12頭+1.3秒 04/08 川崎12R 10着/14頭+2.3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 3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 14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 9.2% ※ 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	ラジエル	丸野勝（愛知）	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 06/16 名古屋11R 8着/12頭 05/20 名古屋11R 10着/11頭+1.0秒 05/05 名古屋9R 5着/11頭+0.4秒 04/22 名古屋11R 6着/12頭+1.2秒 03/17 浦和10R 9着/12頭+2.3秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (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。
10	トーマステソーロ	東川慎（笠松）	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25%と適性高／同距離帯4走で勝率25%／前走2着）
前5走 06/16 名古屋9R 2着/10頭+0.0秒 06/02 名古屋8R 5着/11頭 05/19 名古屋10R 4着/12頭+0.4秒 05/05 名古屋7R 2着/11頭+0.4秒 04/07 名古屋8R 7着/10頭+1.6秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 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) ○ 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) -69% (大幅な期待値マイナス) AI 予想勝率 11.8% ※ 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

ピコブルー

騎手今井貴（愛知）

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エピックナイト

—

EV —

▲3ムーンスカイ

—

EV —

▲10トーマステソーロ

—

EV —

▲7ケイアイカラキア

—

EV —

出走馬AI評価順・全10頭

×5

ピコブルー

今井貴（愛知）

—

›

▲1

エピックナイト

柿原翔（愛知）

—

›

▲3

ムーンスカイ

塚本征（愛知）

—

›

▲10

トーマステソーロ

東川慎（笠松）

—

›

▲7

ケイアイカラキア

加藤聡（愛知）

—

›

△8

ピーチブロッサム

大畑慧（愛知）

—

›

△6

プロミシングギャル

小笠羚（愛知）

—

›

△9

ラジエル

丸野勝（愛知）

—

›

×2

ゴラッソゴール

丹羽克（愛知）

—

›

×4

キングオブザナイル

木之葵（愛知）

—

›

💡 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 名古屋競馬場ダート2000m　発走 18:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ワイルドハンター	大畑慧（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/17 名古屋11R 9着/12頭 05/19 名古屋11R 3着/11頭+0.2秒 05/06 名古屋11R 7着/10頭+1.2秒 04/22 名古屋11R 4着/12頭+0.5秒 04/07 名古屋9R 1着/12頭勝利
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 30走で勝率 7% △ 距離適性同距離 7走で勝率 14% × 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。
2	リュクスドレフォン	細川智（愛知）	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5走 05/19 名古屋11R 4着/11頭+0.5秒 05/06 名古屋11R 1着/10頭勝利 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 50% (絶好調) △ 騎手近50戦勝率 2% (やや苦戦) × 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 16.7% ※ 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	エーオ	加藤聡（愛知）	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27%と適性高／同距離帯3走で勝率33%／前走2着）
前5走 05/19 名古屋9R 2着/11頭+0.8秒 05/06 名古屋9R 6着/9頭+1.1秒 04/22 名古屋10R 5着/12頭+0.7秒 04/09 名古屋9R 7着/11頭+1.2秒 03/24 名古屋9R 1着/10頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.3着 ◎ 当競馬場適性 11走で勝率 27% (得意) ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 16% ○ 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 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	カサデガ	大畑雅（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/03 名古屋10R 6着/12頭 05/07 名古屋11R 7着/10頭+0.6秒 04/24 名古屋11R 9着/10頭+1.8秒 04/10 名古屋10R 3着/9頭+0.9秒 03/13 名古屋11R 6着/8頭+0.8秒
AI 評価の内訳 — 馬番 4 × 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% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ 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) -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。
5	スカーズ	友森翔（愛知）	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）
前5走 05/19 名古屋11R 6着/11頭+0.9秒 05/07 名古屋11R 8着/10頭+1.0秒 04/24 名古屋11R 4着/10頭+1.1秒 04/10 名古屋10R 4着/9頭+1.1秒 02/25 名古屋9R 10着/12頭+1.9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 10走で勝率 10% ▽ 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) -82% (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。
6	セイウンアーテル	今井貴（愛知）	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 06/16 名古屋11R 2着/12頭 06/02 名古屋9R 2着/12頭 05/19 名古屋10R 2着/12頭+0.2秒 05/06 名古屋6R 1着/11頭勝利 04/23 名古屋8R 2着/12頭+0.6秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 2.0着 (安定) △ 当競馬場適性 12走で勝率 8% ○ 騎手近50戦勝率 14% ○ 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) -86% (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。
7	ミーハ	木之葵（愛知）	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 06/17 名古屋11R 10着/12頭+5.0秒 05/19 名古屋9R 3着/11頭+0.9秒 05/06 名古屋9R 5着/9頭+0.6秒 04/20 名古屋10R 1着/12頭勝利 04/07 名古屋8R 6着/10頭+1.2秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 40走で勝率 12% ▽ 距離適性同距離は 5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) -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。
8	レイジングスラスト	丸野勝（愛知）	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5走 06/17 名古屋11R 7着/12頭 06/02 名古屋11R 4着/12頭 05/19 名古屋11R 1着/11頭勝利 03/24 名古屋10R 2着/12頭+1.5秒 03/10 名古屋8R 3着/12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) ○ 当競馬場適性 13走で勝率 15% (相性良) ▽ 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) -85% (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。
9	ダイチラポール	近藤颯（愛知）	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 06/17 名古屋9R 2着/11頭 06/02 名古屋10R 2着/12頭 ― ― ―
AI 評価の内訳 — 馬番 9 ○ 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) × 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 17.3% ※ 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	ダイチラファール	塚本征（愛知）	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／前走2着／112日ぶりの実戦）
前5走 03/10 名古屋11R 2着/12頭+0.5秒 02/25 名古屋11R 10着/12頭+1.1秒 02/10 名古屋11R 5着/10頭+1.1秒 01/26 名古屋12R 2着/10頭+0.3秒 01/14 名古屋12R 5着/10頭+1.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 9走で勝率 0% (苦戦) ◎ 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 112日休養明け × 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 14.0% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ドラゴステ	丹羽克（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場23走で勝率4%と苦戦傾向）
前5走 06/17 名古屋11R 6着/12頭 05/19 名古屋9R 6着/11頭+1.6秒 05/06 名古屋9R 4着/9頭+0.4秒 04/22 名古屋10R 3着/12頭+0.7秒 04/10 名古屋10R 5着/9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 4% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) × 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 4.7% ※ 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

ダイチラポール

騎手近藤颯（愛知）

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

▲2リュクスドレフォン

—

EV —

▲10ダイチラファール

—

EV —

▲3エーオ

—

EV —

▲5スカーズ

—

EV —

出走馬AI評価順・全11頭

×9

ダイチラポール

近藤颯（愛知）

—

›

▲2

リュクスドレフォン

細川智（愛知）

—

›

▲10

ダイチラファール

塚本征（愛知）

—

›

▲3

エーオ

加藤聡（愛知）

—

›

▲5

スカーズ

友森翔（愛知）

—

›

△8

レイジングスラスト

丸野勝（愛知）

—

›

△6

セイウンアーテル

今井貴（愛知）

—

›

△11

ドラゴステ

丹羽克（愛知）

—

›

×4

カサデガ

大畑雅（愛知）

—

›

×7

ミーハ

木之葵（愛知）

—

›

×1

ワイルドハンター

大畑慧（愛知）

—

›

💡 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 名古屋競馬場ダート1500m　発走 18:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ボンボニエーレ	大畑慧（愛知）	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 06/16 名古屋6R 6着/10頭 06/02 名古屋5R 5着/11頭 12/09 名古屋6R 9着/12頭+2.7秒 11/12 名古屋2R 9着/11頭+3.2秒 10/30 名古屋4R 8着/12頭+2.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.7着 ○ 当競馬場適性 13走で勝率 15% (相性良) △ 距離適性同距離 11走で勝率 9% ○ 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) -75% (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。
2	レディマジェスティ	今井貴（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場49走で勝率0%と苦戦傾向／同距離帯は51走で勝ち無し）
前5走 06/16 名古屋4R 6着/9頭 05/19 名古屋5R 10着/11頭+1.7秒 05/04 名古屋5R 5着/11頭+0.6秒 04/20 名古屋4R 8着/12頭+2.9秒 04/07 名古屋4R 10着/11頭+2.5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 49走で勝率 0% (苦戦) ▽ 距離適性同距離は 51走で勝ち無し ○ 騎手近50戦勝率 14% ○ 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) -87% (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。
3	マッサーノ	大原浩（笠松）	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0%と苦戦傾向／同距離帯は37走で勝ち無し）
前5走 06/16 名古屋6R 9着/10頭 06/02 名古屋5R 6着/11頭 05/19 名古屋6R 8着/11頭+1.2秒 05/04 名古屋7R 7着/11頭+1.7秒 04/07 名古屋11R 10着/11頭+2.5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 35走で勝率 0% (苦戦) ▽ 距離適性同距離は 37走で勝ち無し ○ 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) -87% (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。
4	メイショウミスイチ	友森翔（愛知）	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0%と苦戦傾向／同距離帯は19走で勝ち無し）
前5走 06/16 名古屋7R 6着/10頭 06/02 名古屋7R 7着/12頭+1.0秒 05/20 名古屋1R 7着/10頭 05/05 名古屋2R 11着/11頭+3.3秒 04/08 名古屋6R 9着/11頭+2.5秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し ○ 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) -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。
5	シグナトリー	木之葵（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場39走で勝率3%と苦戦傾向／同距離帯は35走で勝ち無し）
前5走 06/17 名古屋1R 7着/11頭 06/02 名古屋7R 11着/12頭+0.0秒 05/20 名古屋1R 4着/10頭+0.0秒 05/05 名古屋2R 7着/11頭+1.3秒 04/08 名古屋5R 9着/10頭+2.2秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 39走で勝率 3% (苦戦) ▽ 距離適性同距離は 35走で勝ち無し × 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。
6	ホリゾンブルー	近藤颯（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場28走で勝率0%と苦戦傾向／同距離帯は27走で勝ち無し／前走3着）
前5走 06/16 名古屋6R 3着/10頭 06/02 名古屋6R 8着/12頭 05/19 名古屋6R 2着/11頭+0.0秒 05/04 名古屋5R 3着/11頭+0.3秒 04/07 名古屋4R 5着/11頭+1.8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 28走で勝率 0% (苦戦) ▽ 距離適性同距離は 27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 14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 8.5% ※ 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	フラッシュドロー	小笠羚（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場40走で勝率2%と苦戦傾向／同距離帯は41走で勝ち無し／直近3走平均10.3着と低調）
前5走 06/17 名古屋1R 9着/11頭 05/05 名古屋5R 11着/11頭+2.6秒 04/20 名古屋12R 11着/12頭+1.2秒 04/08 名古屋7R 9着/11頭+2.7秒 03/25 名古屋4R 12着/12頭+4.2秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 40走で勝率 2% (苦戦) ▽ 距離適性同距離は 41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 7.5% ※ 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。
8	バレドラパン	細川智（愛知）	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10走で勝ち無し）
前5走 06/16 名古屋7R 4着/10頭+0.0秒 06/02 名古屋6R 6着/12頭 05/19 名古屋12R 5着/11頭+1.0秒 04/20 名古屋8R 9着/12頭+2.4秒 04/08 名古屋4R 9着/11頭+1.3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 10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 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -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。
9	リコークルセーダー	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場37走で勝率3%と苦戦傾向／同距離帯は33走で勝ち無し）
前5走 06/16 名古屋7R 8着/10頭 05/19 名古屋6R 9着/11頭+1.3秒 04/20 名古屋6R 6着/12頭+1.3秒 04/07 名古屋11R 6着/11頭+1.5秒 03/24 名古屋5R 9着/12頭+1.9秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 37走で勝率 3% (苦戦) ▽ 距離適性同距離は 33走で勝ち無し ○ 騎手近50戦勝率 16% ○ 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) -80% (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。
10	アカイツキ	大畑雅（愛知）	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4%と苦戦傾向／同距離帯は22走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/16 名古屋6R 7着/10頭+2.0秒 05/19 名古屋7R 11着/11頭+4.4秒 05/04 名古屋12R 8着/11頭+2.8秒 04/20 名古屋8R 7着/12頭+1.7秒 04/08 名古屋4R 11着/11頭+4.2秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 25走で勝率 4% (苦戦) ▽ 距離適性同距離は 22走で勝ち無し ○ 騎手近50戦勝率 14% ○ 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。
11	スマートエラブル	丹羽克（愛知）	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32走で勝ち無し）
前5走 06/16 名古屋6R 5着/10頭 05/19 名古屋6R 4着/11頭+0.7秒 05/04 名古屋7R 9着/11頭+1.9秒 04/20 名古屋7R 8着/12頭+2.4秒 04/08 名古屋3R 11着/11頭+2.8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 38走で勝率 0% (苦戦) ▽ 距離適性同距離は 32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 14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 9.9% ※ 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。
12	ガムピーリング	山田祥（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場13走で勝率0%と苦戦傾向／同距離帯は23走で勝ち無し）
前5走 06/16 名古屋6R 4着/10頭 06/02 名古屋5R 4着/11頭 05/19 名古屋5R 4着/11頭+1.1秒 05/04 名古屋5R 8着/11頭+1.7秒 04/07 名古屋5R 7着/11頭+3.0秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 23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 14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 5.2% ※ 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

ボンボニエーレ

騎手大畑慧（愛知）

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バレドラパン

—

EV —

▲10アカイツキ

—

EV —

▲9リコークルセーダー

—

EV —

▲11スマートエラブル

—

EV —

出走馬AI評価順・全12頭

×1

ボンボニエーレ

大畑慧（愛知）

—

›

▲8

バレドラパン

細川智（愛知）

—

›

▲10

アカイツキ

大畑雅（愛知）

—

›

▲9

リコークルセーダー

加藤聡（愛知）

—

›

▲11

スマートエラブル

丹羽克（愛知）

—

›

△6

ホリゾンブルー

近藤颯（愛知）

—

›

△7

フラッシュドロー

小笠羚（愛知）

—

›

△4

メイショウミスイチ

友森翔（愛知）

—

›

×2

レディマジェスティ

今井貴（愛知）

—

›

×3

マッサーノ

大原浩（笠松）

—

›

×12

ガムピーリング

山田祥（愛知）

—

›

×5

シグナトリー

木之葵（愛知）

—

›

💡 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

2026/06/29（月）1的中

B モデル

2026年

06月29日

船橋

6レース

単
勝

チーフルガール

オッズ31.5倍

払戻 3,150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 笹川翼（大井） ★★★★☆
4 小牧太（兵庫） ★★★★☆
5 矢野貴（大井） ★★★★☆

本日の注目レース

20:10 大井 11R

AI最高期待値 +99%。市場と AI 評価の乖離が大きい狙い目です。

AIニュース

モデル精度 AUC 0.903

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 112.0%（n=188・検証中）

累計買い目 188 件 / 的中率 7.4% / 収支 +3,880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

20:10 大井 11R 　13番　ラブミーモンロー

運用サマリ 2モデル並走

A. 市場込みモデル

累計262 / 的中6.9% / 回収82.6% / 収支-6,450円

B. 市場除外+キャリブ

累計188 / 的中7.4% / 回収112.0% / 収支+3,880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