浦和 1R 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

1R 浦和競馬場ダ800m ダート800m　発走 13:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シナノクリスタル先行	七夕裕（浦和）	推定—	B× A×勝率7% EV-86% 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／直近3走平均9.7着と低調）
前5走 06/24 浦和3R 10着/10頭+7.0秒 05/28 浦和1R 7着/11頭 01/08 浦和4R 12着/12頭+3.6秒 12/23 浦和1R 4着/12頭+1.1秒 11/27 浦和1R 4着/12頭+1.3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 9.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) ○ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.4% × Aモデルの評価 (参考) レース内 7位 / 勝率 6.9% / 期待値 -86% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	リュウノパラダイス自在	赤津和（浦和）	推定—	B× A×勝率5% EV-89% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 06/26 浦和1R 6着/10頭+0.0秒 05/29 浦和4R 7着/11頭 05/11 川崎3R 10着/11頭+2.7秒 04/24 浦和3R 5着/10頭+0.7秒 03/31 船橋1R 12着/12頭+3.2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 7.7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 △ 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) -100% (大幅な期待値マイナス) × Aモデルの評価 (参考) レース内 11位 / 勝率 5.3% / 期待値 -89% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ハルカビジン自在	菅原涼（大井）	推定—	B▲ A○勝率12% EV-77% 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／同距離帯は3走で勝ち無し／前走3着）
前5走 06/26 浦和1R 3着/10頭 05/29 浦和4R 4着/11頭+0.0秒 05/12 川崎1R 7着/12頭+3.0秒 04/22 浦和1R 9着/11頭+5.1秒 03/20 浦和4R 8着/10頭+3.5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 4.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 2.0% ○ Aモデルの評価 (参考) レース内 2位 / 勝率 12.0% / 期待値 -78% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	セーブルラヴ	秋元耕（浦和）	推定—	B○ A×勝率6% EV-89% 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）
前5走 06/26 浦和1R 4着/10頭 08/20 浦和6R 10着/10頭+4.5秒 07/22 浦和3R 2着/5頭+0.3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 5.3着 × 当競馬場適性 3走で勝率 0% (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) -75% (大幅な期待値マイナス) AI 予想勝率 14.0% × Aモデルの評価 (参考) レース内 9位 / 勝率 6.2% / 期待値 -89% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ラブミーヘンリー	高橋哲（浦和）	推定—	B△ A△勝率8% EV-85% 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／196日ぶりの実戦）
前5走 01/02 園田3R 11着/12頭+1.2秒 12/04 園田4R 9着/12頭+1.4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 10.0着 (不振) △ 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 196日休養明け × 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 2.0% △ Aモデルの評価 (参考) レース内 6位 / 勝率 8.0% / 期待値 -85% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ナンヨーラーク	藤江渉（川崎）	推定—	B× A▲勝率11% EV-80% 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 07/02 船橋1R 9着/11頭 ― ― ― ―
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 9.0着 (不振) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) AI 予想勝率 0.1% ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.5% / 期待値 -80% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	エムワンシゲコ追込	岡田大（浦和）	推定—	B× A×勝率4% EV-92% 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）
前5走 06/26 浦和1R 8着/10頭 05/29 浦和4R 6着/11頭 04/24 浦和3R 6着/10頭+1.2秒 02/28 浦和4R 12着/12頭+6.8秒 09/24 浦和3R 9着/9頭+4.2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 6.7着 × 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) ○ 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) -100% (大幅な期待値マイナス) AI 予想勝率 0.1% × Aモデルの評価 (参考) レース内 12位 / 勝率 4.0% / 期待値 -93% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	エリナセイコー	見越彬（浦和）	推定—	B× A△勝率10% EV-81% 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／同距離帯は6走で勝ち無し）
前5走 06/26 浦和1R 5着/10頭 06/15 川崎1R 10着/12頭 05/29 浦和4R 5着/11頭 04/24 浦和3R 4着/10頭+0.6秒 03/16 浦和1R 7着/11頭+1.5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 6.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6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) -99% (大幅な期待値マイナス) AI 予想勝率 0.4% △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.0% / 期待値 -81% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	スマイルセレブ追込	及川烈（浦和）	推定—	B△ A△勝率10% EV-79% 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／騎手は近50戦で勝率22%）
前5走 06/26 浦和1R 7着/10頭+1.0秒 05/29 浦和1R 8着/10頭 04/24 浦和3R 8着/10頭+1.3秒 12/25 浦和3R 10着/12頭+4.5秒 11/25 浦和1R 11着/12頭+3.3秒
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 7.7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 ◎ 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) -98% (大幅な期待値マイナス) AI 予想勝率 1.2% △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.5% / 期待値 -79% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	シルキーグリーン	室陽一（浦和）	推定—	B× A×勝率5% EV-89% 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 06/26 浦和1R 10着/10頭+0.0秒 05/29 浦和1R 10着/10頭 09/22 浦和2R 6着/6頭+2.7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 8.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 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) -100% (大幅な期待値マイナス) AI 予想勝率 0.1% × Aモデルの評価 (参考) レース内 10位 / 勝率 5.4% / 期待値 -89% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	オパールグリーン逃げ	保園翔（浦和）	推定—	B△ A×勝率7% EV-87% 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 06/26 浦和2R 8着/9頭+3.0秒 03/16 浦和1R 2着/11頭+0.6秒 02/25 浦和3R 2着/9頭+1.2秒 02/06 川崎3R 10着/12頭+3.7秒 01/06 浦和1R 9着/12頭+2.4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 4.0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 ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 2.0% × Aモデルの評価 (参考) レース内 8位 / 勝率 6.6% / 期待値 -87% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	シンデレラリバティ	藤本現（大井）	推定—	B◎ A×勝率15% EV-68% 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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 騎手近50戦勝率 14% 🌟◎ 期待値 (オッズ vs AI勝率) +65% (市場が大幅過小評価) AI 予想勝率 77.4% × Aモデルの評価 (参考) レース内 1位 / 勝率 14.6% / 期待値 -69% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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Aモデル ×

シンデレラリバティ

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

○A:×4セーブルラヴ

—

EV —

▲A:○3ハルカビジン

—

EV —

出走馬全12頭

◎A:×12

シンデレラリバティ

藤本現（大井）

—

›

○A:×4

セーブルラヴ

秋元耕（浦和）

—

›

▲A:○3

ハルカビジン

菅原涼（大井）

—

›

△A:△5

ラブミーヘンリー

高橋哲（浦和）

—

›

△A:×11

オパールグリーン

保園翔（浦和）

—

›

△A:△9

スマイルセレブ

及川烈（浦和）

—

›

×A:×1

シナノクリスタル

七夕裕（浦和）

—

›

×A:△8

エリナセイコー

見越彬（浦和）

—

›

×A:▲6

ナンヨーラーク

藤江渉（川崎）

—

›

×A:×7

エムワンシゲコ

岡田大（浦和）

—

›

×A:×10

シルキーグリーン

室陽一（浦和）

—

›

×A:×2

リュウノパラダイス

赤津和（浦和）

—

›

💡 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

🌙 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。

1R 浦和競馬場ダ800m ダート800m　発走 13:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シナノクリスタル先行	七夕裕（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6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 06/24 浦和3R 10着/10頭+7.0秒 05/28 浦和1R 7着/11頭 01/08 浦和4R 12着/12頭+3.6秒 12/23 浦和1R 4着/12頭+1.1秒 11/27 浦和1R 4着/12頭+1.3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 9.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) ○ 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) -86% (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。
2	リュウノパラダイス自在	赤津和（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6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/26 浦和1R 6着/10頭+0.0秒 05/29 浦和4R 7着/11頭 05/11 川崎3R 10着/11頭+2.7秒 04/24 浦和3R 5着/10頭+0.7秒 03/31 船橋1R 12着/12頭+3.2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 7.7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 △ 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) -89% (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。
3	ハルカビジン自在	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8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 06/26 浦和1R 3着/10頭 05/29 浦和4R 4着/11頭+0.0秒 05/12 川崎1R 7着/12頭+3.0秒 04/22 浦和1R 9着/11頭+5.1秒 03/20 浦和4R 8着/10頭+3.5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 4.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 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) -78% (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。
4	セーブルラヴ	秋元耕（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3走で勝率0%と苦戦傾向）
前5走 06/26 浦和1R 4着/10頭 08/20 浦和6R 10着/10頭+4.5秒 07/22 浦和3R 2着/5頭+0.3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 5.3着 × 当競馬場適性 3走で勝率 0% (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) -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。
5	ラブミーヘンリー	高橋哲（浦和）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.0着と低調／196日ぶりの実戦）
前5走 01/02 園田3R 11着/12頭+1.2秒 12/04 園田4R 9着/12頭+1.4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 10.0着 (不振) △ 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 196日休養明け × 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 8.0% ※ 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。
6	ナンヨーラーク	藤江渉（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 07/02 船橋1R 9着/11頭 ― ― ― ―
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 9.0着 (不振) ○ ローテーション 15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 10.5% ※ 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	エムワンシゲコ追込	岡田大（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7走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/26 浦和1R 8着/10頭 05/29 浦和4R 6着/11頭 04/24 浦和3R 6着/10頭+1.2秒 02/28 浦和4R 12着/12頭+6.8秒 09/24 浦和3R 9着/9頭+4.2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 6.7着 × 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) ○ 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 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	エリナセイコー	見越彬（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8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 06/26 浦和1R 5着/10頭 06/15 川崎1R 10着/12頭 05/29 浦和4R 5着/11頭 04/24 浦和3R 4着/10頭+0.6秒 03/16 浦和1R 7着/11頭+1.5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 6.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6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) -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。
9	スマイルセレブ追込	及川烈（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6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／騎手は近50戦で勝率22%）
前5走 06/26 浦和1R 7着/10頭+1.0秒 05/29 浦和1R 8着/10頭 04/24 浦和3R 8着/10頭+1.3秒 12/25 浦和3R 10着/12頭+4.5秒 11/25 浦和1R 11着/12頭+3.3秒
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 7.7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 ◎ 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) -79% (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。
10	シルキーグリーン	室陽一（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 06/26 浦和1R 10着/10頭+0.0秒 05/29 浦和1R 10着/10頭 09/22 浦和2R 6着/6頭+2.7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 8.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 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) -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	オパールグリーン逃げ	保園翔（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 06/26 浦和2R 8着/9頭+3.0秒 03/16 浦和1R 2着/11頭+0.6秒 02/25 浦和3R 2着/9頭+1.2秒 02/06 川崎3R 10着/12頭+3.7秒 01/06 浦和1R 9着/12頭+2.4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 4.0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 ○ 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) -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。
12	シンデレラリバティ	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
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 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 14.6% ※ 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

シンデレラリバティ

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

○3ハルカビジン

—

EV —

▲6ナンヨーラーク

—

EV —

出走馬全12頭

×12

シンデレラリバティ

藤本現（大井）

—

›

○3

ハルカビジン

菅原涼（大井）

—

›

▲6

ナンヨーラーク

藤江渉（川崎）

—

›

△9

スマイルセレブ

及川烈（浦和）

—

›

△8

エリナセイコー

見越彬（浦和）

—

›

△5

ラブミーヘンリー

高橋哲（浦和）

—

›

×1

シナノクリスタル

七夕裕（浦和）

—

›

×11

オパールグリーン

保園翔（浦和）

—

›

×4

セーブルラヴ

秋元耕（浦和）

—

›

×10

シルキーグリーン

室陽一（浦和）

—

›

×2

リュウノパラダイス

赤津和（浦和）

—

›

×7

エムワンシゲコ

岡田大（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。

▶ 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

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。