浦和 4R 詳細AI予想
本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。
モデル
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
メルシークーリア |
秋元耕（浦和） |
実9.6 |
B▲ A▲勝率9% EV-17% 詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 9.0% (オッズ暗示: 10.4%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 8.6% / 期待値 -17% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
アンジュレーヌ |
野畑凌（川崎） |
実1.5 |
B× A🌟◎勝率59% EV-11% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎AIランク評価 (順位学習モデル) レース内 1位 (最上位評価) ×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 12.3% (オッズ暗示: 66.7%) 🌟◎Aモデルの評価 (参考) レース内 1位 / 勝率 58.8% / 期待値 -12% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 3 |
シェナノクインサー |
和田譲（大井） |
実14.0 |
B△ A△勝率8% EV+14% 詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 9.0% (オッズ暗示: 7.1%) △Aモデルの評価 (参考) レース内 4位 / 勝率 8.2% / 期待値 +15% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
シュウスイマカロン 自在 |
櫻井光（川崎） |
実21.9 |
B▽ A×勝率1% EV-72% 詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +83% (市場が大幅過小評価) AI 予想勝率 8.4% (オッズ暗示: 4.6%) ×Aモデルの評価 (参考) レース内 8位 / 勝率 1.2% / 期待値 -73% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 5 |
ジュンピリカ |
張田昂（船橋） |
実4.6 |
B○ A○勝率15% EV-32% 詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 9.0% (オッズ暗示: 21.7%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 14.7% / 期待値 -32% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 6 |
オソレイユ 追込 |
新原周（川崎） |
実14.2 |
B△ A△勝率3% EV-58% 詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 9.0% (オッズ暗示: 7.0%) △Aモデルの評価 (参考) レース内 5位 / 勝率 2.9% / 期待値 -59% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 7 |
チョンチョロチョン |
室陽一（浦和） |
実62.3 |
B△ A▽勝率1% EV-44% 詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +462% (市場が大幅過小評価) AI 予想勝率 9.0% (オッズ暗示: 1.6%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 0.9% / 期待値 -44% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
マサッキー |
臼井健（船橋） |
実54.8 |
B▽ A▽勝率1% EV-18% 詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +359% (市場が大幅過小評価) AI 予想勝率 8.4% (オッズ暗示: 1.8%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 1.5% / 期待値 -18% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エムブイピーコール 先行 |
保園翔（浦和） |
実14.8 |
B▽ A△勝率2% EV-67% 詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 8.4% (オッズ暗示: 6.8%) △Aモデルの評価 (参考) レース内 6位 / 勝率 2.2% / 期待値 -68% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 10 |
カクレンボ 追込 |
半澤慶（浦和） |
実225.9 |
B▽ A▽勝率0% EV-31% 詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 8.4% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 0.3% / 期待値 -32% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 11 |
ハリッサ 追込 |
中山遥（浦和） |
実128.2 |
B▽ A▽勝率1% EV-14% 詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 9.0% (オッズ暗示: 0.8%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 0.7% / 期待値 -14% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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の推奨本命の次点
出走馬全11頭
◎AIランク評価 (順位学習モデル)
レース内 1位 (最上位評価)
×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
12.3% (オッズ暗示: 66.7%)
🌟◎Aモデルの評価 (参考)
レース内 1位 / 勝率 58.8% / 期待値 -12%
×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
9.0% (オッズ暗示: 21.7%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 14.7% / 期待値 -32%
△期待値 (オッズ vs AI勝率)
-13% (オッズ過剰評価)
AI 予想勝率
9.0% (オッズ暗示: 10.4%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 8.6% / 期待値 -17%
△期待値 (オッズ vs AI勝率)
+26% (市場と概ね一致)
AI 予想勝率
9.0% (オッズ暗示: 7.1%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 8.2% / 期待値 +15%
△期待値 (オッズ vs AI勝率)
+28% (市場と概ね一致)
AI 予想勝率
9.0% (オッズ暗示: 7.0%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 2.9% / 期待値 -59%
🌟◎期待値 (オッズ vs AI勝率)
+462% (市場が大幅過小評価)
AI 予想勝率
9.0% (オッズ暗示: 1.6%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 0.9% / 期待値 -44%
🌟◎期待値 (オッズ vs AI勝率)
+999% (市場が大幅過小評価)
AI 予想勝率
9.0% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 0.7% / 期待値 -14%
△期待値 (オッズ vs AI勝率)
+24% (市場と概ね一致)
AI 予想勝率
8.4% (オッズ暗示: 6.8%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 2.2% / 期待値 -68%
🌟◎期待値 (オッズ vs AI勝率)
+83% (市場が大幅過小評価)
AI 予想勝率
8.4% (オッズ暗示: 4.6%)
×Aモデルの評価 (参考)
レース内 8位 / 勝率 1.2% / 期待値 -73%
🌟◎期待値 (オッズ vs AI勝率)
+359% (市場が大幅過小評価)
AI 予想勝率
8.4% (オッズ暗示: 1.8%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 1.5% / 期待値 -18%
🌟◎期待値 (オッズ vs AI勝率)
+999% (市場が大幅過小評価)
AI 予想勝率
8.4% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 0.3% / 期待値 -32%
💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。
▶
このレースの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
このレースの推奨馬券 2モデル並走
両モデルとも本レースは見送り判定（期待値プラスなし）
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
メルシークーリア |
秋元耕（浦和） |
実9.6 |
▲詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 8.6% (オッズ暗示: 10.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
アンジュレーヌ |
野畑凌（川崎） |
実1.5 |
🌟◎詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎AIランク評価 (順位学習モデル) レース内 1位 (最上位評価) △期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 58.8% (オッズ暗示: 66.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 3 |
シェナノクインサー |
和田譲（大井） |
実14.0 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 8.2% (オッズ暗示: 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。 |
| 4 |
シュウスイマカロン 自在 |
櫻井光（川崎） |
実21.9 |
×詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 1.2% (オッズ暗示: 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 |
ジュンピリカ |
張田昂（船橋） |
実4.6 |
○詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 14.7% (オッズ暗示: 21.7%) ※ 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 |
オソレイユ 追込 |
新原周（川崎） |
実14.2 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 2.9% (オッズ暗示: 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。 |
| 7 |
チョンチョロチョン |
室陽一（浦和） |
実62.3 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 1.6%) ※ 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 |
マサッキー |
臼井健（船橋） |
実54.8 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 1.8%) ※ 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 |
エムブイピーコール 先行 |
保園翔（浦和） |
実14.8 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 2.2% (オッズ暗示: 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。 |
| 10 |
カクレンボ 追込 |
半澤慶（浦和） |
実225.9 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 0.4%) ※ 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 |
ハリッサ 追込 |
中山遥（浦和） |
実128.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 0.8%) ※ 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の推奨本命の次点
出走馬全11頭
◎AIランク評価 (順位学習モデル)
レース内 1位 (最上位評価)
△期待値 (オッズ vs AI勝率)
-12% (オッズ過剰評価)
AI 予想勝率
58.8% (オッズ暗示: 66.7%)
×期待値 (オッズ vs AI勝率)
-32% (大幅な期待値マイナス)
AI 予想勝率
14.7% (オッズ暗示: 21.7%)
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
8.6% (オッズ暗示: 10.4%)
△期待値 (オッズ vs AI勝率)
+14% (市場と概ね一致)
AI 予想勝率
8.2% (オッズ暗示: 7.1%)
×期待値 (オッズ vs AI勝率)
-59% (大幅な期待値マイナス)
AI 予想勝率
2.9% (オッズ暗示: 7.0%)
×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
2.2% (オッズ暗示: 6.8%)
△期待値 (オッズ vs AI勝率)
-18% (オッズ過剰評価)
AI 予想勝率
1.5% (オッズ暗示: 1.8%)
×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
1.2% (オッズ暗示: 4.6%)
×期待値 (オッズ vs AI勝率)
-44% (大幅な期待値マイナス)
AI 予想勝率
0.9% (オッズ暗示: 1.6%)
△期待値 (オッズ vs AI勝率)
-14% (オッズ過剰評価)
AI 予想勝率
0.7% (オッズ暗示: 0.8%)
×期待値 (オッズ vs AI勝率)
-32% (大幅な期待値マイナス)
AI 予想勝率
0.3% (オッズ暗示: 0.4%)
💡 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
このレースの推奨馬券 2モデル並走
両モデルとも本レースは見送り判定（期待値プラスなし）
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。
