浦和 6R 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 |
ジョーサルーテ 追込 |
見越彬（浦和） |
実1.8 |
B▲ A🌟◎勝率32% EV-42% 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) -72% (大幅な期待値マイナス) AI 予想勝率 15.8% (オッズ暗示: 55.6%) 🌟◎Aモデルの評価 (参考) レース内 1位 / 勝率 31.8% / 期待値 -43% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
スルーザミル 自在 |
和田譲（大井） |
実72.5 |
B△ A▽勝率1% EV-15% 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) +167% (市場が大幅過小評価) AI 予想勝率 3.7% (オッズ暗示: 1.4%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 1.2% / 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。 |
| 3 |
ブリヤンオーブ 逃げ 推奨 |
鷹見陸（大井） |
実10.8 |
B△ A▲勝率18% EV+91% 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) -60% (大幅な期待値マイナス) AI 予想勝率 3.7% (オッズ暗示: 9.3%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 17.7% / 期待値 +91% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
カプローニ 自在 |
及川烈（浦和） |
実22.0 |
B× A▽勝率4% 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) -78% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 4.5%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 3.7% / 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 |
ゴーオンパーパス 自在 |
笹川翼（大井） |
実3.2 |
B× A○勝率19% EV-38% 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 31.2%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 19.1% / 期待値 -39% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ビールボーイ 差し |
保園翔（浦和） |
実16.2 |
B× A△勝率8% EV+25% 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) -60% (大幅な期待値マイナス) AI 予想勝率 2.5% (オッズ暗示: 6.2%) △Aモデルの評価 (参考) レース内 5位 / 勝率 7.7% / 期待値 +25% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 7 |
セキテイレア 自在 |
臼井健（船橋） |
実30.2 |
B△ A×勝率2% EV-51% 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) +12% (市場と概ね一致) AI 予想勝率 3.7% (オッズ暗示: 3.3%) ×Aモデルの評価 (参考) レース内 8位 / 勝率 1.6% / 期待値 -52% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エニーサンダー 逃げ 推奨 |
中山遥（浦和） |
実21.1 |
B○ A△勝率6% EV+30% 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) +427% (市場が大幅過小評価) AI 予想勝率 25.0% (オッズ暗示: 4.7%) △Aモデルの評価 (参考) レース内 6位 / 勝率 6.2% / 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。 |
| 9 |
イデアノキセキ 差し |
本橋孝（船橋） |
実84.3 |
B▽ A▽勝率1% EV-29% 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) -48% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 1.2%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 0.8% / 期待値 -29% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エコロスヴァル 逃げ |
木間龍（船橋） |
実11.5 |
B◎ A△勝率10% EV+17% 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) +404% (市場が大幅過小評価) AI 予想勝率 43.8% (オッズ暗示: 8.7%) △Aモデルの評価 (参考) レース内 4位 / 勝率 10.2% / 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。 |
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)
+404% (市場が大幅過小評価)
AI 予想勝率
43.8% (オッズ暗示: 8.7%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 10.2% / 期待値 +18%
🌟◎期待値 (オッズ vs AI勝率)
+427% (市場が大幅過小評価)
AI 予想勝率
25.0% (オッズ暗示: 4.7%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 6.2% / 期待値 +31%
×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
15.8% (オッズ暗示: 55.6%)
🌟◎Aモデルの評価 (参考)
レース内 1位 / 勝率 31.8% / 期待値 -43%
×期待値 (オッズ vs AI勝率)
-60% (大幅な期待値マイナス)
AI 予想勝率
3.7% (オッズ暗示: 9.3%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 17.7% / 期待値 +91%
△期待値 (オッズ vs AI勝率)
+12% (市場と概ね一致)
AI 予想勝率
3.7% (オッズ暗示: 3.3%)
×Aモデルの評価 (参考)
レース内 8位 / 勝率 1.6% / 期待値 -52%
🌟◎期待値 (オッズ vs AI勝率)
+167% (市場が大幅過小評価)
AI 予想勝率
3.7% (オッズ暗示: 1.4%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 1.2% / 期待値 -16%
×期待値 (オッズ vs AI勝率)
-60% (大幅な期待値マイナス)
AI 予想勝率
2.5% (オッズ暗示: 6.2%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 7.7% / 期待値 +25%
×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
1.0% (オッズ暗示: 4.5%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 3.7% / 期待値 -20%
×期待値 (オッズ vs AI勝率)
-48% (大幅な期待値マイナス)
AI 予想勝率
0.6% (オッズ暗示: 1.2%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 0.8% / 期待値 -29%
×期待値 (オッズ vs AI勝率)
-99% (大幅な期待値マイナス)
AI 予想勝率
0.2% (オッズ暗示: 31.2%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 19.1% / 期待値 -39%
💡 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
-
単勝
3
ブリヤンオーブ
実10.8倍
期待値 +91%
❌不的中8着単勝 10.8倍
B. 市場除外+キャリブ
-
単勝
8
エニーサンダー
実21.1倍
期待値 +427%
❌不的中10着単勝 21.1倍
-
馬連
8-10
実49.8倍
期待値 +999%
❌不的中8番(10着)-10番(9着)
-
3連複
1-8-10
実30.2倍
期待値 +999%
❌不的中1番(7着)-8番(10着)-10番(9着)
-
3連単
10-8->1
実406.8倍
期待値 +999%
❌不的中10番(9着)→8番(10着)
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ジョーサルーテ 追込 |
見越彬（浦和） |
実1.8 |
🌟◎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) -43% (大幅な期待値マイナス) AI 予想勝率 31.8% (オッズ暗示: 55.6%) ※ 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 |
スルーザミル 自在 |
和田譲（大井） |
実72.5 |
▽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) -16% (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。 |
| 3 |
ブリヤンオーブ 逃げ 推奨 |
鷹見陸（大井） |
実10.8 |
▲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) +91% (市場が大幅過小評価) AI 予想勝率 17.7% (オッズ暗示: 9.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 4 |
カプローニ 自在 |
及川烈（浦和） |
実22.0 |
▽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) -20% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 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。 |
| 5 |
ゴーオンパーパス 自在 |
笹川翼（大井） |
実3.2 |
○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) -39% (大幅な期待値マイナス) AI 予想勝率 19.1% (オッズ暗示: 31.2%) ※ 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 |
ビールボーイ 差し |
保園翔（浦和） |
実16.2 |
△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) +25% (市場と概ね一致) AI 予想勝率 7.7% (オッズ暗示: 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。 |
| 7 |
セキテイレア 自在 |
臼井健（船橋） |
実30.2 |
×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) -52% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 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。 |
| 8 |
エニーサンダー 逃げ 推奨 |
中山遥（浦和） |
実21.1 |
△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) +30% (妙味あり) AI 予想勝率 6.2% (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 |
イデアノキセキ 差し |
本橋孝（船橋） |
実84.3 |
▽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) -29% (オッズ過剰評価) AI 予想勝率 0.8% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 10 |
エコロスヴァル 逃げ |
木間龍（船橋） |
実11.5 |
△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) +17% (市場と概ね一致) AI 予想勝率 10.2% (オッズ暗示: 8.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
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)
-43% (大幅な期待値マイナス)
AI 予想勝率
31.8% (オッズ暗示: 55.6%)
×期待値 (オッズ vs AI勝率)
-39% (大幅な期待値マイナス)
AI 予想勝率
19.1% (オッズ暗示: 31.2%)
🌟◎期待値 (オッズ vs AI勝率)
+91% (市場が大幅過小評価)
AI 予想勝率
17.7% (オッズ暗示: 9.3%)
△期待値 (オッズ vs AI勝率)
+17% (市場と概ね一致)
AI 予想勝率
10.2% (オッズ暗示: 8.7%)
△期待値 (オッズ vs AI勝率)
+25% (市場と概ね一致)
AI 予想勝率
7.7% (オッズ暗示: 6.2%)
◎期待値 (オッズ vs AI勝率)
+30% (妙味あり)
AI 予想勝率
6.2% (オッズ暗示: 4.7%)
△期待値 (オッズ vs AI勝率)
-20% (オッズ過剰評価)
AI 予想勝率
3.7% (オッズ暗示: 4.5%)
×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
1.6% (オッズ暗示: 3.3%)
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
1.2% (オッズ暗示: 1.4%)
△期待値 (オッズ vs AI勝率)
-29% (オッズ過剰評価)
AI 予想勝率
0.8% (オッズ暗示: 1.2%)
💡 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
-
単勝
3
ブリヤンオーブ
実10.8倍
期待値 +91%
❌不的中8着単勝 10.8倍
B. 市場除外+キャリブ
-
単勝
8
エニーサンダー
実21.1倍
期待値 +427%
❌不的中10着単勝 21.1倍
-
馬連
8-10
実49.8倍
期待値 +999%
❌不的中8番(10着)-10番(9着)
-
3連複
1-8-10
実30.2倍
期待値 +999%
❌不的中1番(7着)-8番(10着)-10番(9着)
-
3連単
10-8->1
実406.8倍
期待値 +999%
❌不的中10番(9着)→8番(10着)
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。
