名古屋 8R 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

8R 名古屋競馬場中京競馬Ｂ８ダ1500m ダート1500m　発走 18:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デトネイター差し	近藤颯（愛知）	実134.4	B× A▽勝率1% EV+95% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 07/02 名古屋6R 4着/12頭 06/04 名古屋5R 6着/12頭 05/22 名古屋10R 7着/10頭 05/07 名古屋9R 7着/10頭+1.2秒 04/23 名古屋7R 5着/12頭+2.5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 5.7着 × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 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) -95% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 0.7%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 1.5% / 期待値 +95% ※ 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	エグザルテーション	丹羽克（愛知）	実4.3	B× A▲勝率11% EV-50% 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 06/30 名古屋8R 7着/12頭 06/17 名古屋6R 11着/11頭+5.0秒 01/01 名古屋11R 12着/12頭+2.8秒 12/22 名古屋11R 7着/9頭+2.7秒 12/09 名古屋11R 10着/12頭+2.0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 10.0着 (不振) ○ 当競馬場適性 28走で勝率 21% (相性良) ○ 距離適性同距離 18走で勝率 22% ◎ 馬場適性同馬場 15走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 17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 3位 / 勝率 11.4% / 期待値 -51% ※ 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	イナズマライン	深澤杏（笠松）	推定—	B× A×勝率5% EV-91% 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 07/02 名古屋8R 4着/12頭 05/20 名古屋9R 7着/11頭+0.0秒 05/06 名古屋5R 10着/11頭+4.3秒 04/09 名古屋5R 6着/11頭+1.3秒 03/25 名古屋11R 12着/12頭+4.1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 7.0着 (不振) △ 当競馬場適性 26走で勝率 8% △ 距離適性同距離 22走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) × Aモデルの評価 (参考) レース内 7位 / 勝率 4.7% / 期待値 -92% ※ 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	グランキューブ	友森翔（愛知）	推定—	B× A×勝率4% EV-91% 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 07/01 名古屋7R 10着/11頭 06/17 名古屋7R 8着/11頭 06/03 名古屋8R 9着/12頭+0.0秒 05/20 名古屋4R 9着/11頭+0.0秒 05/05 名古屋7R 11着/11頭+2.7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 9.0着 (不振) △ 当競馬場適性 60走で勝率 8% △ 距離適性同距離 42走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 16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 8位 / 勝率 4.5% / 期待値 -92% ※ 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	ホウオウシーザー	細川智（愛知）	実44.8	B▲ A△勝率6% EV+182% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 07/03 名古屋1R 1着/12頭 06/22 名古屋1R 4着/11頭+0.0秒 06/03 名古屋12R 1着/12頭 05/21 名古屋2R 5着/10頭 05/06 名古屋1R 7着/11頭+0.3秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) △ 当競馬場適性 17走で勝率 12% △ 距離適性同距離 15走で勝率 13% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 2.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.3% / 期待値 +183% ※ 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	サーフギャラクシー	加藤誓（愛知）	実67.2	B○ A▽勝率4% EV+158% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率50%と適性高／同距離帯8走で勝率50%／同馬場状態で勝率33%）
前5走 07/03 名古屋12R 1着/12頭 06/22 名古屋1R 5着/11頭 06/05 名古屋5R 6着/12頭 05/21 名古屋2R 1着/10頭 05/04 名古屋12R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 50% (得意) ◎ 距離適性同距離 8走で勝率 50% ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 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 47.0% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 3.8% / 期待値 +159% ※ 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	アユツリー	加藤聡（愛知）	実22.4	B× A▽勝率4% EV-3% 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 06/17 名古屋8R 10着/11頭 06/04 名古屋8R 5着/11頭 05/21 名古屋6R 4着/10頭+0.0秒 05/06 名古屋5R 7着/11頭+2.9秒 01/28 大井9R 9着/9頭+3.6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 6.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) × 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 9位 / 勝率 4.3% / 期待値 -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	パルティーダ	大畑雅（愛知）	実3.7	B× A○勝率17% EV-36% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均9.0着と低調）
前5走 06/30 名古屋7R 10着/12頭 06/18 名古屋8R 10着/10頭+0.0秒 06/04 名古屋8R 7着/11頭 05/21 名古屋7R 6着/10頭 05/06 名古屋5R 4着/11頭+2.0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 9.0着 (不振) △ 当競馬場適性 28走で勝率 7% △ 距離適性同距離 18走で勝率 11% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 17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 0.0% (オッズ暗示: 27.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.2% / 期待値 -36% ※ 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	サトノスフィア	塚本征（愛知）	実1.9	B🌟◎ A◎勝率28% EV-46% 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（直近3走で勝率67%と好調／前走3着）
前5走 07/03 名古屋6R 3着/12頭 06/04 名古屋3R 1着/12頭 05/20 名古屋7R 1着/11頭 05/05 名古屋6R 6着/12頭+0.9秒 04/08 名古屋12R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 19走で勝率 21% (相性良) ○ 距離適性同距離 15走で勝率 20% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 50.7% (オッズ暗示: 52.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 28.0% / 期待値 -47% ※ 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	グランドネビュラ	筒井勇（笠松）	実14.9	B△ A△勝率8% EV+17% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向／前走3着）
前5走 06/18 名古屋5R 3着/9頭+6.0秒 06/04 名古屋7R 5着/11頭 05/22 名古屋12R 7着/10頭+0.0秒 05/06 名古屋5R 6着/11頭+2.3秒 04/14 園田5R 9着/12頭+2.6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 5.0着 × 当競馬場適性 4走で勝率 0% (苦戦) △ 距離適性同距離 9走で勝率 11% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -95% (大幅な期待値マイナス) AI 予想勝率 0.4% (オッズ暗示: 6.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.9% / 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。
11	ラブバイオレット逃げ	小笠羚（愛知）	実13.4	B△ A△勝率8% EV+6% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場24走で勝率4%と苦戦傾向／前走3着）
前5走 07/03 名古屋10R 3着/12頭+2.0秒 05/22 名古屋7R 7着/11頭 05/07 名古屋6R 4着/11頭+0.8秒 04/10 名古屋1R 2着/11頭+0.1秒 03/27 名古屋4R 7着/12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 4.7着 × 当競馬場適性 24走で勝率 4% (苦戦) △ 距離適性同距離 19走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 7.5%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.0% / 期待値 +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。
12	ハーピークオーレ	丸野勝（愛知）	実67.2	B△ A▽勝率2% EV+63% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場41走で勝率5%と苦戦傾向／直近3走平均3.0着と安定／前走3着）
前5走 07/03 名古屋8R 3着/11頭 06/22 名古屋6R 3着/10頭+0.0秒 06/05 名古屋9R 3着/12頭 05/25 名古屋8R 4着/10頭+1.0秒 05/08 名古屋4R 10着/10頭+3.2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 3.0着 (安定) × 当競馬場適性 41走で勝率 5% (苦戦) △ 距離適性同距離 31走で勝率 6% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 1.5%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 2.4% / 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。

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 ◎

サトノスフィア

騎手塚本征（愛知）

単勝オッズ

1.9倍

AI期待値

-3%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▽6サーフギャラクシー

67.2倍

EV +999%

▲A:△5ホウオウシーザー

44.8倍

EV -49%

出走馬全12頭

◎A:◎9

サトノスフィア

塚本征（愛知）

1.9倍

-3%

›

○A:▽6

サーフギャラクシー

加藤誓（愛知）

67.2倍

+999%

›

▲A:△5

ホウオウシーザー

細川智（愛知）

44.8倍

-49%

›

△A:△11

ラブバイオレット

小笠羚（愛知）

13.4倍

-91%

›

△A:△10

グランドネビュラ

筒井勇（笠松）

14.9倍

-94%

›

△A:▽12

ハーピークオーレ

丸野勝（愛知）

67.2倍

-92%

›

×A:○8

パルティーダ

大畑雅（愛知）

3.7倍

-99%

›

×A:▽1

デトネイター

近藤颯（愛知）

134.4倍

-95%

›

×A:×3

イナズマライン

深澤杏（笠松）

—

›

×A:×4

グランキューブ

友森翔（愛知）

—

›

×A:▲2

エグザルテーション

丹羽克（愛知）

4.3倍

-99%

›

×A:▽7

アユツリー

加藤聡（愛知）

22.4倍

-99%

›

💡 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）

8R 名古屋競馬場中京競馬Ｂ８ダ1500m ダート1500m　発走 18:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デトネイター差し	近藤颯（愛知）	実134.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 07/02 名古屋6R 4着/12頭 06/04 名古屋5R 6着/12頭 05/22 名古屋10R 7着/10頭 05/07 名古屋9R 7着/10頭+1.2秒 04/23 名古屋7R 5着/12頭+2.5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 5.7着 × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 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) +95% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 0.7%) ※ 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。
2	エグザルテーション	丹羽克（愛知）	実4.3	▲詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率33%／直近3走平均10.0着と低調）
前5走 06/30 名古屋8R 7着/12頭 06/17 名古屋6R 11着/11頭+5.0秒 01/01 名古屋11R 12着/12頭+2.8秒 12/22 名古屋11R 7着/9頭+2.7秒 12/09 名古屋11R 10着/12頭+2.0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 10.0着 (不振) ○ 当競馬場適性 28走で勝率 21% (相性良) ○ 距離適性同距離 18走で勝率 22% ◎ 馬場適性同馬場 15走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 11.4% (オッズ暗示: 23.3%) ※ 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	イナズマライン	深澤杏（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 07/02 名古屋8R 4着/12頭 05/20 名古屋9R 7着/11頭+0.0秒 05/06 名古屋5R 10着/11頭+4.3秒 04/09 名古屋5R 6着/11頭+1.3秒 03/25 名古屋11R 12着/12頭+4.1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 7.0着 (不振) △ 当競馬場適性 26走で勝率 8% △ 距離適性同距離 22走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 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。
4	グランキューブ	友森翔（愛知）	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 07/01 名古屋7R 10着/11頭 06/17 名古屋7R 8着/11頭 06/03 名古屋8R 9着/12頭+0.0秒 05/20 名古屋4R 9着/11頭+0.0秒 05/05 名古屋7R 11着/11頭+2.7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 9.0着 (不振) △ 当競馬場適性 60走で勝率 8% △ 距離適性同距離 42走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 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	ホウオウシーザー	細川智（愛知）	実44.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 07/03 名古屋1R 1着/12頭 06/22 名古屋1R 4着/11頭+0.0秒 06/03 名古屋12R 1着/12頭 05/21 名古屋2R 5着/10頭 05/06 名古屋1R 7着/11頭+0.3秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) △ 当競馬場適性 17走で勝率 12% △ 距離適性同距離 15走で勝率 13% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +182% (市場が大幅過小評価) AI 予想勝率 6.3% (オッズ暗示: 2.2%) ※ 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	サーフギャラクシー	加藤誓（愛知）	実67.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率50%と適性高／同距離帯8走で勝率50%／同馬場状態で勝率33%）
前5走 07/03 名古屋12R 1着/12頭 06/22 名古屋1R 5着/11頭 06/05 名古屋5R 6着/12頭 05/21 名古屋2R 1着/10頭 05/04 名古屋12R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 50% (得意) ◎ 距離適性同距離 8走で勝率 50% ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +158% (市場が大幅過小評価) AI 予想勝率 3.8% (オッズ暗示: 1.5%) ※ 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	アユツリー	加藤聡（愛知）	実22.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向）
前5走 06/17 名古屋8R 10着/11頭 06/04 名古屋8R 5着/11頭 05/21 名古屋6R 4着/10頭+0.0秒 05/06 名古屋5R 7着/11頭+2.9秒 01/28 大井9R 9着/9頭+3.6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 6.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 4.3% (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。
8	パルティーダ	大畑雅（愛知）	実3.7	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均9.0着と低調）
前5走 06/30 名古屋7R 10着/12頭 06/18 名古屋8R 10着/10頭+0.0秒 06/04 名古屋8R 7着/11頭 05/21 名古屋7R 6着/10頭 05/06 名古屋5R 4着/11頭+2.0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 9.0着 (不振) △ 当競馬場適性 28走で勝率 7% △ 距離適性同距離 18走で勝率 11% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 17日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 17.2% (オッズ暗示: 27.0%) ※ 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	サトノスフィア	塚本征（愛知）	実1.9	◎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（直近3走で勝率67%と好調／前走3着）
前5走 07/03 名古屋6R 3着/12頭 06/04 名古屋3R 1着/12頭 05/20 名古屋7R 1着/11頭 05/05 名古屋6R 6着/12頭+0.9秒 04/08 名古屋12R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 19走で勝率 21% (相性良) ○ 距離適性同距離 15走で勝率 20% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -47% (大幅な期待値マイナス) AI 予想勝率 28.0% (オッズ暗示: 52.6%) ※ 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	グランドネビュラ	筒井勇（笠松）	実14.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向／前走3着）
前5走 06/18 名古屋5R 3着/9頭+6.0秒 06/04 名古屋7R 5着/11頭 05/22 名古屋12R 7着/10頭+0.0秒 05/06 名古屋5R 6着/11頭+2.3秒 04/14 園田5R 9着/12頭+2.6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 5.0着 × 当競馬場適性 4走で勝率 0% (苦戦) △ 距離適性同距離 9走で勝率 11% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 7.9% (オッズ暗示: 6.7%) ※ 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。
11	ラブバイオレット逃げ	小笠羚（愛知）	実13.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場24走で勝率4%と苦戦傾向／前走3着）
前5走 07/03 名古屋10R 3着/12頭+2.0秒 05/22 名古屋7R 7着/11頭 05/07 名古屋6R 4着/11頭+0.8秒 04/10 名古屋1R 2着/11頭+0.1秒 03/27 名古屋4R 7着/12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 4.7着 × 当競馬場適性 24走で勝率 4% (苦戦) △ 距離適性同距離 19走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 8.0% (オッズ暗示: 7.5%) ※ 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。
12	ハーピークオーレ	丸野勝（愛知）	実67.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場41走で勝率5%と苦戦傾向／直近3走平均3.0着と安定／前走3着）
前5走 07/03 名古屋8R 3着/11頭 06/22 名古屋6R 3着/10頭+0.0秒 06/05 名古屋9R 3着/12頭 05/25 名古屋8R 4着/10頭+1.0秒 05/08 名古屋4R 10着/10頭+3.2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 3.0着 (安定) × 当競馬場適性 41走で勝率 5% (苦戦) △ 距離適性同距離 31走で勝率 6% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 2.4% (オッズ暗示: 1.5%) ※ 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の本命

AI評価1位

サトノスフィア

騎手塚本征（愛知）

単勝オッズ

1.9倍

AI期待値

-46%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○8パルティーダ

3.7倍

EV -36%

▲2エグザルテーション

4.3倍

EV -50%

出走馬全12頭

◎9

サトノスフィア

塚本征（愛知）

1.9倍

-46%

›

○8

パルティーダ

大畑雅（愛知）

3.7倍

-36%

›

▲2

エグザルテーション

丹羽克（愛知）

4.3倍

-50%

›

△11

ラブバイオレット

小笠羚（愛知）

13.4倍

+6%

›

△10

グランドネビュラ

筒井勇（笠松）

14.9倍

+17%

›

△5

ホウオウシーザー

細川智（愛知）

44.8倍

+182%

›

×3

イナズマライン

深澤杏（笠松）

—

›

×4

グランキューブ

友森翔（愛知）

—

›

▽7

アユツリー

加藤聡（愛知）

22.4倍

-3%

›

▽6

サーフギャラクシー

加藤誓（愛知）

67.2倍

+158%

›

▽12

ハーピークオーレ

丸野勝（愛知）

67.2倍

+63%

›

▽1

デトネイター

近藤颯（愛知）

134.4倍

+95%

›

💡 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）

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。