川崎 12R 詳細AI予想

本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。

12R 川崎競馬場ダ1500m ダート1500m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タヴァネスタン先行	田中涼（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6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 06/15 川崎8R 4着/11頭 05/13 川崎5R 8着/11頭+2.4秒 04/07 川崎8R 2着/13頭+0.0秒 03/05 川崎6R 3着/11頭+0.3秒 02/05 川崎6R 5着/12頭+0.5秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ビタリス追込	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9.0着と低調）
前5走 06/16 川崎7R 9着/12頭 03/04 川崎5R 8着/11頭+1.2秒 02/03 川崎7R 10着/12頭+0.6秒 01/03 川崎12R 7着/12頭+1.2秒 12/19 川崎9R 5着/10頭+1.1秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 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 18% (相性良) ○ 距離適性同距離 13走で勝率 15% ○ 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 5.6% ※ 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	ミュークフォルテ逃げ	神尾香（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/16 川崎4R 7着/12頭 05/12 川崎4R 2着/12頭+0.2秒 04/07 川崎5R 3着/12頭+0.9秒 02/04 川崎7R 10着/12頭+2.3秒 01/03 川崎7R 8着/12頭+2.5秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 15走で勝率 7% △ 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) -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。
4	アリハッピー差し	岡村裕（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/17 川崎8R 7着/8頭 05/13 川崎7R 6着/12頭+0.7秒 04/07 川崎12R 8着/12頭+1.6秒 03/05 川崎9R 11着/11頭+3.5秒 02/03 川崎8R 8着/12頭+0.9秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) △ 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% ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ユウユウスプレマン先行	増田充（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6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 05/13 川崎5R 6着/11頭+1.5秒 05/04 船橋9R 8着/12頭+1.7秒 04/06 川崎12R 6着/13頭+0.8秒 03/04 川崎12R 4着/14頭+1.9秒 02/03 川崎9R 8着/14頭+1.7秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 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 5.6% ※ 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	コックリサン追込	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4走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均10.7着と低調）
前5走 06/17 川崎8R 8着/8頭+7.0秒 05/28 浦和7R 12着/12頭 05/13 川崎7R 12着/12頭+3.1秒 04/09 川崎7R 10着/11頭+1.8秒 03/03 川崎9R 9着/9頭+2.9秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 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	グラスアラバニーユ先行	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は28走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/11 川崎9R 7着/10頭+1.9秒 04/23 浦和8R 7着/11頭+2.4秒 04/06 川崎12R 12着/13頭+1.9秒 03/17 浦和8R 5着/12頭+0.7秒 03/04 川崎12R 9着/14頭+3.1秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 31走で勝率 6% ▽ 距離適性同距離は 28走で勝ち無し ○ 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 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。
8	アースチャン差し	伊藤裕（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/16 川崎5R 7着/12頭 02/23 浦和12R 12着/12頭+2.8秒 12/23 浦和10R 4着/12頭+0.8秒 09/25 浦和5R 3着/12頭+0.9秒 08/18 浦和6R 4着/12頭+0.5秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.7着 (不振) △ 距離適性同距離 10走で勝率 10% ○ 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) -88% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ベルレオーネ逃げ	古岡勇（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6走で勝率33%と適性高／同距離帯5走で勝率40%／同馬場状態で勝率33%）
前5走 04/06 川崎6R 3着/12頭+0.8秒 03/12 船橋5R 8着/12頭+1.4秒 03/02 川崎5R 5着/11頭+1.5秒 02/04 川崎4R 1着/12頭勝利 01/01 川崎7R 1着/13頭勝利
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.3着 ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 5走で勝率 40% ◎ 馬場適性同馬場 3走で勝率 33% ○ 前走実績前走 3着 (好走) △ ローテーション 93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 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。
10	ナリノボガート逃げ	加藤雄（川崎）	推定—	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向）
前5走 06/17 川崎7R 5着/10頭 05/13 川崎6R 3着/14頭+0.2秒 04/09 川崎8R 2着/14頭+0.0秒 03/06 川崎8R 2着/12頭+0.6秒 02/03 川崎9R 5着/14頭+0.9秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 3.3着 × 当競馬場適性 8走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
11	ガルニエ逃げ	中越琉（川崎）	推定—	○詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均3.0着と安定／前走3着）
前5走 05/13 川崎5R 3着/11頭+0.5秒 04/06 川崎12R 3着/13頭+0.2秒 03/04 川崎12R 3着/14頭+0.9秒 02/05 川崎10R 3着/14頭+1.4秒 01/19 船橋12R 12着/14頭+2.7秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 16走で勝率 6% ○ 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 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。
12	マロンルピナス自在	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 06/16 川崎5R 10着/12頭 05/25 浦和6R 4着/11頭+2.0秒 05/14 川崎4R 5着/12頭+0.7秒 04/24 浦和6R 1着/11頭勝利 04/08 川崎6R 6着/12頭+1.2秒
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 9走で勝率 11% ○ 距離適性同距離 20走で勝率 15% ▽ 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) -90% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	ベラヴィットーリア逃げ	池谷匠（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7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 06/17 川崎5R 6着/12頭 06/04 船橋6R 2着/11頭 05/14 川崎4R 4着/12頭+0.7秒 04/08 川崎6R 5着/12頭+0.5秒 03/05 川崎7R 7着/12頭+0.8秒
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -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。
14	ロコモーション先行	藤江渉（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4走で勝率50%と適性高／同距離帯12走で勝率50%／直近3走で勝率33%と好調）
前5走 05/12 川崎4R 1着/12頭勝利 04/06 川崎8R 2着/12頭+0.7秒 03/03 川崎8R 3着/11頭+0.4秒 02/05 川崎7R 1着/12頭勝利 12/24 名古屋5R 1着/11頭勝利
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 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 12走で勝率 50% ◎ 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 15.5% ※ 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／ 馬名横のグレーバッジ 脚質（過去の上がり3F傾向からの推定）

🎯 AIの本命

AI評価1位

ロコモーション

騎手藤江渉（川崎）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○1タヴァネスタン

—

EV —

○9ベルレオーネ

—

EV —

○10ナリノボガート

—

EV —

○11ガルニエ

—

EV —

出走馬全14頭

×14

ロコモーション

藤江渉（川崎）

—

›

○1

タヴァネスタン

田中涼（川崎）

—

›

○9

ベルレオーネ

古岡勇（川崎）

—

›

○10

ナリノボガート

加藤雄（川崎）

—

›

○11

ガルニエ

中越琉（川崎）

—

›

△2

ビタリス

櫻井光（川崎）

—

›

△3

ミュークフォルテ

神尾香（川崎）

—

›

△4

アリハッピー

岡村裕（川崎）

—

›

△5

ユウユウスプレマン

増田充（川崎）

—

›

△6

コックリサン

野畑凌（川崎）

—

›

△7

グラスアラバニーユ

町田直（川崎）

—

›

△8

アースチャン

伊藤裕（川崎）

—

›

△12

マロンルピナス

佐野遥（川崎）

—

›

△13

ベラヴィットーリア

池谷匠（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。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

🌙 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。

次の推奨を X で受け取る

あわせて読む

本日のAI予想購入戦略の解説 AIモデルの仕組み運用実績（回収率）

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。