浦和 10R 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 |
ラグーンリバティ 差し |
藤本現（大井） |
実20.5 |
B▽ A△勝率5% EV-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) +105% (市場が大幅過小評価) AI 予想勝率 10.0% (オッズ暗示: 4.9%) △Aモデルの評価 (参考) レース内 6位 / 勝率 4.6% / 期待値 -6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
スマイルスライヴ 差し |
野畑凌（川崎） |
実4.5 |
B△ A○勝率24% EV+9% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 10.2% (オッズ暗示: 22.2%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 24.3% / 期待値 +9% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 3 |
シナノショウグン 先行 |
佐野遥（川崎） |
実7.6 |
B△ A△勝率9% EV-33% 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) -23% (オッズ過剰評価) AI 予想勝率 10.2% (オッズ暗示: 13.2%) △Aモデルの評価 (参考) レース内 4位 / 勝率 8.7% / 期待値 -34% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
パワーオブザキング 逃げ |
町田直（川崎） |
実17.6 |
B○ A△勝率7% EV+19% 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) +126% (市場が大幅過小評価) AI 予想勝率 12.9% (オッズ暗示: 5.7%) △Aモデルの評価 (参考) レース内 5位 / 勝率 6.8% / 期待値 +20% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
トネムスメ |
張田昂（船橋） |
実4.2 |
B◎ A▲勝率16% EV-34% 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) -41% (大幅な期待値マイナス) AI 予想勝率 14.0% (オッズ暗示: 23.8%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 15.6% / 期待値 -35% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 6 |
ブルーオブウインド 逃げ 推奨 |
赤津和（浦和） |
実29.6 |
B△ A▽勝率4% EV+16% 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) +201% (市場が大幅過小評価) AI 予想勝率 10.2% (オッズ暗示: 3.4%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 3.9% / 期待値 +16% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 7 |
ラブリーモンスター 追込 |
櫻井光（川崎） |
実40.7 |
B▽ A×勝率1% EV-62% 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) +204% (市場が大幅過小評価) AI 予想勝率 7.5% (オッズ暗示: 2.5%) ×Aモデルの評価 (参考) レース内 10位 / 勝率 0.9% / 期待値 -63% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
フラッシュタイム 先行 |
岡田大（浦和） |
実35.6 |
B▽ A×勝率1% EV-55% 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) +166% (市場が大幅過小評価) AI 予想勝率 7.5% (オッズ暗示: 2.8%) ×Aモデルの評価 (参考) レース内 9位 / 勝率 1.2% / 期待値 -56% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 9 |
オランジー 追込 |
山口達（船橋） |
実41.8 |
B▽ A▽勝率3% EV+14% 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) +212% (市場が大幅過小評価) AI 予想勝率 7.5% (オッズ暗示: 2.4%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 2.7% / 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。 |
| 10 |
エドノビートイン 自在 |
和田譲（大井） |
実2.2 |
B▲ A🌟◎勝率31% 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) -78% (大幅な期待値マイナス) AI 予想勝率 10.2% (オッズ暗示: 45.5%) 🌟◎Aモデルの評価 (参考) レース内 1位 / 勝率 31.2% / 期待値 -31% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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10頭
×期待値 (オッズ vs AI勝率)
-41% (大幅な期待値マイナス)
AI 予想勝率
14.0% (オッズ暗示: 23.8%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 15.6% / 期待値 -35%
🌟◎期待値 (オッズ vs AI勝率)
+126% (市場が大幅過小評価)
AI 予想勝率
12.9% (オッズ暗示: 5.7%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 6.8% / 期待値 +20%
×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
10.2% (オッズ暗示: 45.5%)
🌟◎Aモデルの評価 (参考)
レース内 1位 / 勝率 31.2% / 期待値 -31%
×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
10.2% (オッズ暗示: 22.2%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 24.3% / 期待値 +9%
△期待値 (オッズ vs AI勝率)
-23% (オッズ過剰評価)
AI 予想勝率
10.2% (オッズ暗示: 13.2%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 8.7% / 期待値 -34%
🌟◎期待値 (オッズ vs AI勝率)
+201% (市場が大幅過小評価)
AI 予想勝率
10.2% (オッズ暗示: 3.4%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 3.9% / 期待値 +16%
🌟◎期待値 (オッズ vs AI勝率)
+105% (市場が大幅過小評価)
AI 予想勝率
10.0% (オッズ暗示: 4.9%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 4.6% / 期待値 -6%
🌟◎期待値 (オッズ vs AI勝率)
+166% (市場が大幅過小評価)
AI 予想勝率
7.5% (オッズ暗示: 2.8%)
×Aモデルの評価 (参考)
レース内 9位 / 勝率 1.2% / 期待値 -56%
🌟◎期待値 (オッズ vs AI勝率)
+204% (市場が大幅過小評価)
AI 予想勝率
7.5% (オッズ暗示: 2.5%)
×Aモデルの評価 (参考)
レース内 10位 / 勝率 0.9% / 期待値 -63%
🌟◎期待値 (オッズ vs AI勝率)
+212% (市場が大幅過小評価)
AI 予想勝率
7.5% (オッズ暗示: 2.4%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 2.7% / 期待値 +15%
💡 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 (AI 期待値プラス判定)
A. 市場込みモデル
このモデルは本レース見送り判定（期待値プラスなし）
B. 市場除外+キャリブ
-
単勝
6
ブルーオブウインド
実29.6倍
期待値 +201%
❌不的中10着単勝 29.6倍
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ラグーンリバティ 差し |
藤本現（大井） |
実20.5 |
△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) -6% (オッズ過剰評価) AI 予想勝率 4.6% (オッズ暗示: 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。 |
| 2 |
スマイルスライヴ 差し |
野畑凌（川崎） |
実4.5 |
○詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 24.3% (オッズ暗示: 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 |
シナノショウグン 先行 |
佐野遥（川崎） |
実7.6 |
△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) -34% (大幅な期待値マイナス) AI 予想勝率 8.7% (オッズ暗示: 13.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 4 |
パワーオブザキング 逃げ |
町田直（川崎） |
実17.6 |
△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) +19% (市場と概ね一致) AI 予想勝率 6.8% (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。 |
| 5 |
トネムスメ |
張田昂（船橋） |
実4.2 |
▲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) -35% (大幅な期待値マイナス) AI 予想勝率 15.6% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 6 |
ブルーオブウインド 逃げ 推奨 |
赤津和（浦和） |
実29.6 |
▽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) +16% (市場と概ね一致) AI 予想勝率 3.9% (オッズ暗示: 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 |
ラブリーモンスター 追込 |
櫻井光（川崎） |
実40.7 |
×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) -63% (大幅な期待値マイナス) AI 予想勝率 0.9% (オッズ暗示: 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。 |
| 8 |
フラッシュタイム 先行 |
岡田大（浦和） |
実35.6 |
×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) -56% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 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。 |
| 9 |
オランジー 追込 |
山口達（船橋） |
実41.8 |
▽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) +14% (市場と概ね一致) AI 予想勝率 2.7% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 10 |
エドノビートイン 自在 |
和田譲（大井） |
実2.2 |
🌟◎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) -31% (大幅な期待値マイナス) AI 予想勝率 31.2% (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。 |
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10頭
×期待値 (オッズ vs AI勝率)
-31% (大幅な期待値マイナス)
AI 予想勝率
31.2% (オッズ暗示: 45.5%)
△期待値 (オッズ vs AI勝率)
+9% (市場と概ね一致)
AI 予想勝率
24.3% (オッズ暗示: 22.2%)
×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
15.6% (オッズ暗示: 23.8%)
×期待値 (オッズ vs AI勝率)
-34% (大幅な期待値マイナス)
AI 予想勝率
8.7% (オッズ暗示: 13.2%)
△期待値 (オッズ vs AI勝率)
+19% (市場と概ね一致)
AI 予想勝率
6.8% (オッズ暗示: 5.7%)
△期待値 (オッズ vs AI勝率)
-6% (オッズ過剰評価)
AI 予想勝率
4.6% (オッズ暗示: 4.9%)
△期待値 (オッズ vs AI勝率)
+16% (市場と概ね一致)
AI 予想勝率
3.9% (オッズ暗示: 3.4%)
△期待値 (オッズ vs AI勝率)
+14% (市場と概ね一致)
AI 予想勝率
2.7% (オッズ暗示: 2.4%)
×期待値 (オッズ vs AI勝率)
-56% (大幅な期待値マイナス)
AI 予想勝率
1.2% (オッズ暗示: 2.8%)
×期待値 (オッズ vs AI勝率)
-63% (大幅な期待値マイナス)
AI 予想勝率
0.9% (オッズ暗示: 2.5%)
💡 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 (AI 期待値プラス判定)
A. 市場込みモデル
このモデルは本レース見送り判定（期待値プラスなし）
B. 市場除外+キャリブ
-
単勝
6
ブルーオブウインド
実29.6倍
期待値 +201%
❌不的中10着単勝 29.6倍
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。
