大井 2R 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

2R 大井競馬場ダ1200m ダート1200m　発走 15:22

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ファインスカート	岡村健（船橋）	推定—	B× A×勝率3% EV-93% 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 07/03 大井2R 13着/14頭 06/11 大井2R 9着/13頭 05/20 大井3R 7着/14頭 04/28 大井2R 5着/13頭+2.1秒 04/16 大井3R 7着/11頭+1.8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 25走で勝率 8% △ 距離適性同距離 23走で勝率 9% ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 19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 15位 / 勝率 3.2% / 期待値 -94% ※ 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	シュパネントパール自在	谷内貫（大井）	推定—	B× A×勝率2% EV-95% 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 大井6R 13着/14頭 06/08 大井9R 5着/12頭 05/18 大井7R 11着/13頭+3.7秒 04/27 大井9R 13着/13頭+5.2秒 04/13 大井12R 13着/14頭+2.4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 9.7着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 22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 16位 / 勝率 2.3% / 期待値 -96% ※ 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	シルバーマック先行	中山遥（浦和）	推定—	B◎ A×勝率13% EV-74% 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33%と好調）
前5走 06/30 大井6R 7着/14頭 06/10 大井2R 1着/14頭 05/19 大井3R 6着/12頭+1.1秒 04/27 大井2R 3着/14頭+1.2秒 12/05 大井3R 9着/13頭+2.4秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 64.1% × Aモデルの評価 (参考) レース内 1位 / 勝率 13.3% / 期待値 -75% ※ 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	タイセイスパート追込	瀬川将（大井）	推定—	B× A×勝率6% 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 09/08 川崎10R 10着/10頭+3.1秒 08/21 川崎12R 7着/10頭+3.4秒 08/07 川崎2R 8着/10頭+2.4秒 07/09 川崎12R 3着/14頭+0.8秒 06/19 川崎5R 1着/12頭勝利
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 8.3着 (不振) ○ 馬場適性同馬場 9走で勝率 22% ▽ 前走実績前走 10着 (大敗) △ ローテーション 317日休養明け × 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 10位 / 勝率 5.5% / 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	フェアリーマイア差し	高橋優（大井）	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61走で勝率2%と苦戦傾向／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/02 大井2R 1着/11頭 06/10 大井2R 8着/14頭+0.0秒 05/19 大井2R 3着/12頭+0.2秒 04/28 大井2R 7着/13頭+2.2秒 04/17 大井1R 4着/13頭+0.7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 33% (上り調子) × 当競馬場適性 61走で勝率 2% (苦戦) △ 距離適性同距離 13走で勝率 8% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 20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 0.8% × Aモデルの評価 (参考) レース内 13位 / 勝率 4.0% / 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。
6	インヘリタンスエス逃げ	菅原涼（大井）	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22走で勝率5%と苦戦傾向）
前5走 07/03 大井2R 4着/14頭 05/20 大井3R 5着/14頭 04/29 大井2R 5着/13頭+1.3秒 03/26 大井3R 5着/14頭+0.4秒 02/19 大井1R 5着/16頭+0.4秒
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 4.7着 × 当競馬場適性 22走で勝率 5% (苦戦) △ 距離適性同距離 15走で勝率 7% ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -97% (大幅な期待値マイナス) AI 予想勝率 1.9% × Aモデルの評価 (参考) レース内 8位 / 勝率 6.2% / 期待値 -90% ※ 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	ヒロノキラメキ自在	鷹見陸（大井）	推定—	B× A×勝率6% EV-90% 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）
前5走 06/30 大井6R 8着/14頭 06/08 大井8R 5着/12頭 05/18 大井6R 8着/14頭+1.9秒 04/27 大井8R 5着/14頭+1.5秒 04/13 大井8R 9着/12頭+2.8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 7.0着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ○ ローテーション 22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 0.3% × Aモデルの評価 (参考) レース内 9位 / 勝率 5.8% / 期待値 -90% ※ 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	コトブキエース逃げ	西優哉（大井）	推定—	B○ A×勝率6% EV-87% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場45走で勝率2%と苦戦傾向／同距離帯は28走で勝ち無し／直近3走で勝率33%と好調）
前5走 07/03 大井2R 5着/14頭 06/11 大井2R 2着/13頭 05/19 大井3R 1着/12頭勝利 04/27 大井2R 5着/14頭+1.5秒 04/15 大井2R 8着/13頭+2.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 45走で勝率 2% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し ○ ローテーション 19日の間隔 (理想的) × 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 7.6% × Aモデルの評価 (参考) レース内 7位 / 勝率 6.3% / 期待値 -88% ※ 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	フローラルロマンス	渡邊竜（笠松）	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（同距離帯は11走で勝ち無し）
前5走 07/03 大井1R 8着/11頭 06/11 大井1R 9着/14頭 05/20 大井3R 6着/14頭+0.0秒 04/29 大井2R 4着/13頭+1.3秒 04/16 大井1R 11着/14頭+3.4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 36走で勝率 8% ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 19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 1.9% △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.5% / 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。
10	ニチリン逃げ	矢野貴（大井）	推定—	B▲ A△勝率7% EV-88% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着／騎手は近50戦で勝率22%）
前5走 07/03 大井2R 3着/14頭 10/23 大井6R 7着/12頭+1.0秒 08/11 大井11R 1着/13頭勝利 07/18 大井2R 1着/14頭勝利 06/30 大井9R 2着/13頭+0.2秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 23走で勝率 17% (相性良) ○ 距離適性同距離 21走で勝率 19% ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 7.6% △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.9% / 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	ヴァレンシアスノー	石川駿（大井）	推定—	B△ A△勝率7% EV-84% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場18走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 07/03 大井2R 12着/14頭 06/11 大井2R 5着/13頭 05/20 大井3R 2着/14頭 01/30 大井1R 9着/12頭+1.7秒 01/14 大井2R 11着/15頭+1.6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 6.3着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 19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 6.6% △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.9% / 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。
12	コーントップス	吉井章（大井）	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 07/03 大井2R 8着/14頭 06/10 大井2R 5着/14頭 05/20 大井2R 11着/11頭+0.0秒 04/28 大井1R 11着/11頭+1.3秒 04/15 大井1R 8着/14頭+1.4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 8.0着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ○ ローテーション 19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 5.2% / 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。
13	ブライトフォース逃げ	新原周（川崎）	推定—	B× A×勝率4% EV-93% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場27走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 06/30 大井6R 10着/14頭+0.0秒 04/13 大井10R 6着/13頭+1.2秒 03/23 大井9R 6着/13頭+1.2秒 03/09 大井9R 8着/14頭+2.3秒 02/16 大井6R 7着/12頭+1.4秒
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22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 0.3% × Aモデルの評価 (参考) レース内 14位 / 勝率 3.6% / 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。
14	ゴールドタリスマン逃げ	中村尚（大井）	推定—	B× A×勝率5% EV-90% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場28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 06/30 大井4R 7着/10頭 06/11 大井1R 5着/14頭 05/20 大井2R 8着/11頭+0.0秒 04/17 大井1R 6着/13頭+1.1秒 03/26 大井2R 3着/13頭+0.6秒
AI 評価の内訳 — 馬番 14 ◎ 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 28走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22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 0.8% × Aモデルの評価 (参考) レース内 12位 / 勝率 4.7% / 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。
15	ミユンガー逃げ	藤田凌（大井）	推定—	B× A▲勝率8% EV-87% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場13走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 06/30 大井6R 9着/14頭 06/11 大井2R 4着/13頭+0.0秒 04/29 大井2R 9着/13頭+1.8秒 04/15 大井2R 2着/13頭+1.4秒 03/24 大井2R 8着/14頭+2.1秒
AI 評価の内訳 — 馬番 15 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 22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 0.3% ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 7.6% / 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。
16	キタノファルコン先行	藤本現（大井）	推定—	B△ A○勝率11% EV-81% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／351日ぶりの実戦）
前5走 08/05 川崎9R 8着/9頭+3.0秒 07/08 川崎12R 7着/13頭+2.0秒 05/13 川崎12R 1着/14頭勝利 04/08 川崎4R 5着/14頭+0.5秒 03/20 浦和5R 1着/12頭勝利
AI 評価の内訳 — 馬番 16 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ ローテーション 351日休養明け × 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 7.6% ○ Aモデルの評価 (参考) レース内 2位 / 勝率 11.1% / 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。

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 ×

シルバーマック

騎手中山遥（浦和）

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:×8コトブキエース

—

EV —

▲A:△10ニチリン

—

EV —

出走馬全16頭

◎A:×3

シルバーマック

中山遥（浦和）

—

›

○A:×8

コトブキエース

西優哉（大井）

—

›

▲A:△10

ニチリン

矢野貴（大井）

—

›

△A:○16

キタノファルコン

藤本現（大井）

—

›

△A:△11

ヴァレンシアスノー

石川駿（大井）

—

›

△A:×6

インヘリタンスエス

菅原涼（大井）

—

›

×A:△9

フローラルロマンス

渡邊竜（笠松）

—

›

×A:×5

フェアリーマイア

高橋優（大井）

—

›

×A:×14

ゴールドタリスマン

中村尚（大井）

—

›

×A:×7

ヒロノキラメキ

鷹見陸（大井）

—

›

×A:×13

ブライトフォース

新原周（川崎）

—

›

×A:▲15

ミユンガー

藤田凌（大井）

—

›

×A:×1

ファインスカート

岡村健（船橋）

—

›

×A:×2

シュパネントパール

谷内貫（大井）

—

›

×A:×4

タイセイスパート

瀬川将（大井）

—

›

×A:×12

コーントップス

吉井章（大井）

—

›

💡 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。

2R 大井競馬場ダ1200m ダート1200m　発走 15:22

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ファインスカート	岡村健（船橋）	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9.7着と低調／騎手は近50戦で勝率24%）
前5走 07/03 大井2R 13着/14頭 06/11 大井2R 9着/13頭 05/20 大井3R 7着/14頭 04/28 大井2R 5着/13頭+2.1秒 04/16 大井3R 7着/11頭+1.8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 25走で勝率 8% △ 距離適性同距離 23走で勝率 9% ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 3.2% ※ 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。
2	シュパネントパール自在	谷内貫（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14走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/30 大井6R 13着/14頭 06/08 大井9R 5着/12頭 05/18 大井7R 11着/13頭+3.7秒 04/27 大井9R 13着/13頭+5.2秒 04/13 大井12R 13着/14頭+2.4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 9.7着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 22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 2.3% ※ 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	シルバーマック先行	中山遥（浦和）	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（直近3走で勝率33%と好調）
前5走 06/30 大井6R 7着/14頭 06/10 大井2R 1着/14頭 05/19 大井3R 6着/12頭+1.1秒 04/27 大井2R 3着/14頭+1.2秒 12/05 大井3R 9着/13頭+2.4秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ ローテーション 22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 13.3% ※ 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	タイセイスパート追込	瀬川将（大井）	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8.3着と低調／317日ぶりの実戦）
前5走 09/08 川崎10R 10着/10頭+3.1秒 08/21 川崎12R 7着/10頭+3.4秒 08/07 川崎2R 8着/10頭+2.4秒 07/09 川崎12R 3着/14頭+0.8秒 06/19 川崎5R 1着/12頭勝利
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 8.3着 (不振) ○ 馬場適性同馬場 9走で勝率 22% ▽ 前走実績前走 10着 (大敗) △ ローテーション 317日休養明け × 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 5.5% ※ 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	フェアリーマイア差し	高橋優（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61走で勝率2%と苦戦傾向／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/02 大井2R 1着/11頭 06/10 大井2R 8着/14頭+0.0秒 05/19 大井2R 3着/12頭+0.2秒 04/28 大井2R 7着/13頭+2.2秒 04/17 大井1R 4着/13頭+0.7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 33% (上り調子) × 当競馬場適性 61走で勝率 2% (苦戦) △ 距離適性同距離 13走で勝率 8% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 20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 4.0% ※ 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	インヘリタンスエス逃げ	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22走で勝率5%と苦戦傾向）
前5走 07/03 大井2R 4着/14頭 05/20 大井3R 5着/14頭 04/29 大井2R 5着/13頭+1.3秒 03/26 大井3R 5着/14頭+0.4秒 02/19 大井1R 5着/16頭+0.4秒
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 4.7着 × 当競馬場適性 22走で勝率 5% (苦戦) △ 距離適性同距離 15走で勝率 7% ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (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。
7	ヒロノキラメキ自在	鷹見陸（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10走で勝率0%と苦戦傾向）
前5走 06/30 大井6R 8着/14頭 06/08 大井8R 5着/12頭 05/18 大井6R 8着/14頭+1.9秒 04/27 大井8R 5着/14頭+1.5秒 04/13 大井8R 9着/12頭+2.8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 7.0着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.8% ※ 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。
8	コトブキエース逃げ	西優哉（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45走で勝率2%と苦戦傾向／同距離帯は28走で勝ち無し／直近3走で勝率33%と好調）
前5走 07/03 大井2R 5着/14頭 06/11 大井2R 2着/13頭 05/19 大井3R 1着/12頭勝利 04/27 大井2R 5着/14頭+1.5秒 04/15 大井2R 8着/13頭+2.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 45走で勝率 2% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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。
9	フローラルロマンス	渡邊竜（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は11走で勝ち無し）
前5走 07/03 大井1R 8着/11頭 06/11 大井1R 9着/14頭 05/20 大井3R 6着/14頭+0.0秒 04/29 大井2R 4着/13頭+1.3秒 04/16 大井1R 11着/14頭+3.4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 36走で勝率 8% ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 19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 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。
10	ニチリン逃げ	矢野貴（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着／騎手は近50戦で勝率22%）
前5走 07/03 大井2R 3着/14頭 10/23 大井6R 7着/12頭+1.0秒 08/11 大井11R 1着/13頭勝利 07/18 大井2R 1着/14頭勝利 06/30 大井9R 2着/13頭+0.2秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 23走で勝率 17% (相性良) ○ 距離適性同距離 21走で勝率 19% ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 19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 6.9% ※ 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。
11	ヴァレンシアスノー	石川駿（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18走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 07/03 大井2R 12着/14頭 06/11 大井2R 5着/13頭 05/20 大井3R 2着/14頭 01/30 大井1R 9着/12頭+1.7秒 01/14 大井2R 11着/15頭+1.6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 6.3着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 19日の間隔 (理想的) × 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 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。
12	コーントップス	吉井章（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11走で勝率0%と苦戦傾向／直近3走平均8.0着と低調）
前5走 07/03 大井2R 8着/14頭 06/10 大井2R 5着/14頭 05/20 大井2R 11着/11頭+0.0秒 04/28 大井1R 11着/11頭+1.3秒 04/15 大井1R 8着/14頭+1.4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 8.0着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ○ ローテーション 19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 5.2% ※ 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。
13	ブライトフォース逃げ	新原周（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場27走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 06/30 大井6R 10着/14頭+0.0秒 04/13 大井10R 6着/13頭+1.2秒 03/23 大井9R 6着/13頭+1.2秒 03/09 大井9R 8着/14頭+2.3秒 02/16 大井6R 7着/12頭+1.4秒
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22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 3.6% ※ 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。
14	ゴールドタリスマン逃げ	中村尚（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28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 06/30 大井4R 7着/10頭 06/11 大井1R 5着/14頭 05/20 大井2R 8着/11頭+0.0秒 04/17 大井1R 6着/13頭+1.1秒 03/26 大井2R 3着/13頭+0.6秒
AI 評価の内訳 — 馬番 14 ◎ 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 28走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -91% (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。
15	ミユンガー逃げ	藤田凌（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13走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 06/30 大井6R 9着/14頭 06/11 大井2R 4着/13頭+0.0秒 04/29 大井2R 9着/13頭+1.8秒 04/15 大井2R 2着/13頭+1.4秒 03/24 大井2R 8着/14頭+2.1秒
AI 評価の内訳 — 馬番 15 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 22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 7.6% ※ 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。
16	キタノファルコン先行	藤本現（大井）	推定—	○詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／351日ぶりの実戦）
前5走 08/05 川崎9R 8着/9頭+3.0秒 07/08 川崎12R 7着/13頭+2.0秒 05/13 川崎12R 1着/14頭勝利 04/08 川崎4R 5着/14頭+0.5秒 03/20 浦和5R 1着/12頭勝利
AI 評価の内訳 — 馬番 16 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) △ ローテーション 351日休養明け × 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 11.1% ※ 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。

🎯 AIの本命

AI評価1位

シルバーマック

騎手中山遥（浦和）

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

○16キタノファルコン

—

EV —

▲15ミユンガー

—

EV —

出走馬全16頭

×3

シルバーマック

中山遥（浦和）

—

›

○16

キタノファルコン

藤本現（大井）

—

›

▲15

ミユンガー

藤田凌（大井）

—

›

△9

フローラルロマンス

渡邊竜（笠松）

—

›

△11

ヴァレンシアスノー

石川駿（大井）

—

›

△10

ニチリン

矢野貴（大井）

—

›

×8

コトブキエース

西優哉（大井）

—

›

×6

インヘリタンスエス

菅原涼（大井）

—

›

×7

ヒロノキラメキ

鷹見陸（大井）

—

›

×4

タイセイスパート

瀬川将（大井）

—

›

×12

コーントップス

吉井章（大井）

—

›

×14

ゴールドタリスマン

中村尚（大井）

—

›

×5

フェアリーマイア

高橋優（大井）

—

›

×13

ブライトフォース

新原周（川崎）

—

›

×1

ファインスカート

岡村健（船橋）

—

›

×2

シュパネントパール

谷内貫（大井）

—

›

💡 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。