川崎 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 川崎競馬場ダ900m ダート900m　発走 18:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ライヴペッパー先行	藤本現（大井）	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 05/14 川崎7R 3着/11頭+0.3秒 04/09 川崎9R 6着/14頭+1.3秒 03/05 川崎9R 4着/11頭+1.3秒 02/04 川崎12R 2着/14頭+0.5秒 01/04 川崎12R 3着/14頭+0.9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 4.3着 × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 前走実績前走 3着 (好走) × 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 4.2% / 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。
2	スレヒトゥヴアルク自在	町田直（川崎）	推定—	B△ A△勝率9% EV-85% 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／前走勝利の勢い）
前5走 07/07 川崎7R 1着/12頭 06/16 川崎7R 5着/12頭+3.0秒 05/14 川崎7R 6着/11頭+0.4秒 11/21 川崎8R 9着/10頭+0.8秒 10/13 川崎9R 10着/12頭+2.5秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 9走で勝率 22% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ 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 0.7% △ Aモデルの評価 (参考) レース内 6位 / 勝率 8.8% / 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。
3	ドナソレイ自在	藤田凌（大井）	推定—	B× A×勝率4% EV-90% 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 07/09 川崎8R 4着/10頭 06/18 川崎2R 2着/10頭+2.0秒 05/12 川崎6R 12着/12頭+3.8秒 04/24 浦和4R 9着/10頭+1.5秒 04/06 川崎4R 4着/12頭+0.5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 6.0着 × 当競馬場適性 5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 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 10位 / 勝率 4.2% / 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	ラヴィンローゼス自在	本田紀（川崎）	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 07/10 川崎9R 6着/11頭 06/03 船橋6R 2着/13頭+1.0秒 05/11 川崎12R 6着/12頭+1.3秒 04/10 川崎10R 9着/12頭+1.5秒 01/03 川崎12R 6着/12頭+1.0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 4.7着 △ 当競馬場適性 18走で勝率 11% ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 18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 12位 / 勝率 3.7% / 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。
5	ハワイアンジュエル	西啓太（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（同距離帯8走で勝率25%／前走3着）
前5走 07/16 浦和8R 3着/9頭+0.0秒 07/09 川崎8R 7着/10頭 06/24 浦和9R 5着/11頭 05/27 浦和9R 10着/11頭 01/07 浦和5R 10着/12頭+2.0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 5.0着 ◎ 距離適性同距離 8走で勝率 25% ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) × 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% × Aモデルの評価 (参考) レース内 11位 / 勝率 3.8% / 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	ポッドデューク逃げ	御神訓（大井）	推定—	B◎ A×勝率16% EV-76% 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（当競馬場5走で勝率80%と適性高／同距離帯4走で勝率75%／直近3走で勝率67%と好調）
前5走 05/14 川崎7R 1着/11頭勝利 04/06 川崎9R 5着/11頭+0.4秒 03/03 川崎7R 1着/12頭勝利 11/17 川崎7R 1着/12頭勝利 10/17 川崎5R 1着/14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 67% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 距離適性同距離 4走で勝率 75% ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 70.6% × Aモデルの評価 (参考) レース内 1位 / 勝率 16.2% / 期待値 -77% ※ 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	ニャンモロー逃げ	本田重（船橋）	推定—	B▲ A○勝率14% EV-78% 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33%と適性高／直近3走で勝率33%と好調／前走2着）
前5走 07/09 川崎8R 2着/10頭 06/18 川崎2R 1着/10頭 05/12 川崎6R 7着/12頭+1.4秒 05/01 大井4R 8着/8頭+3.1秒 04/17 大井5R 5着/9頭+1.3秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2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) -96% (大幅な期待値マイナス) AI 予想勝率 2.5% ○ Aモデルの評価 (参考) レース内 2位 / 勝率 13.9% / 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。
8	イイクニアシェル	佐野遥（川崎）	推定—	B× A×勝率5% EV-91% 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）
前5走 07/09 川崎8R 9着/10頭 06/16 川崎7R 3着/12頭+0.0秒 06/01 船橋7R 5着/12頭 05/11 川崎12R 5着/12頭+1.2秒 04/10 川崎10R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ○ 距離適性同距離 18走で勝率 22% ○ 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) AI 予想勝率 0.0% × Aモデルの評価 (参考) レース内 8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。
9	ケイツーユーロ先行	古岡勇（川崎）	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 07/09 川崎8R 10着/10頭 03/18 浦和8R 12着/12頭+2.6秒 03/03 川崎12R 10着/12頭+1.7秒 02/06 川崎12R 6着/12頭+0.4秒 01/02 川崎9R 10着/11頭+2.1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 10.7着 (不振) △ 当競馬場適性 27走で勝率 7% ○ 距離適性同距離 30走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10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 7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。
10	エコロスヴァル	野畑凌（川崎）	推定—	B△ A△勝率12% EV-81% 詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率60%）
前5走 07/14 浦和6R 9着/10頭 06/26 浦和9R 8着/10頭 05/25 浦和10R 5着/12頭 04/24 浦和9R 3着/8頭+0.2秒 03/17 浦和7R 2着/7頭+0.0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 7.3着 (不振) ◎ 馬場適性同馬場 5走で勝率 60% ○ 騎手近50戦勝率 16% ○ 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) -96% (大幅な期待値マイナス) AI 予想勝率 2.5% △ Aモデルの評価 (参考) レース内 4位 / 勝率 11.8% / 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。
11	グランドマーメイド	増田充（川崎）	推定—	B○ A▲勝率13% EV-77% 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100%と適性高／同距離帯3走で勝率100%／直近3走で勝率100%と好調）
前5走 07/08 川崎5R 1着/11頭 06/15 川崎1R 1着/12頭 05/15 川崎4R 1着/9頭勝利 ― ―
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 距離適性同距離 3走で勝率 100% ◎ 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) -61% (大幅な期待値マイナス) AI 予想勝率 23.2% ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 13.4% / 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。
12	クレイスアバンティ	神尾香（川崎）	推定—	B△ A△勝率11% EV-75% 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33%と適性高／同距離帯4走で勝率50%）
前5走 07/09 川崎8R 6着/10頭+0.0秒 06/18 川崎2R 3着/10頭 06/05 船橋5R 8着/10頭 05/04 船橋10R 8着/9頭+2.6秒 03/16 浦和2R 1着/11頭勝利
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 5.7着 ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 4走で勝率 50% ○ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.5% △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.7% / 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。

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 ×

ポッドデューク

騎手御神訓（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:▲11グランドマーメイド

—

EV —

▲A:○7ニャンモロー

—

EV —

出走馬全12頭

◎A:×6

ポッドデューク

御神訓（大井）

—

›

○A:▲11

グランドマーメイド

増田充（川崎）

—

›

▲A:○7

ニャンモロー

本田重（船橋）

—

›

△A:△10

エコロスヴァル

野畑凌（川崎）

—

›

△A:△2

スレヒトゥヴアルク

町田直（川崎）

—

›

△A:△12

クレイスアバンティ

神尾香（川崎）

—

›

×A:×5

ハワイアンジュエル

西啓太（大井）

—

›

×A:×8

イイクニアシェル

佐野遥（川崎）

—

›

×A:×1

ライヴペッパー

藤本現（大井）

—

›

×A:×3

ドナソレイ

藤田凌（大井）

—

›

×A:×4

ラヴィンローゼス

本田紀（川崎）

—

›

×A:×9

ケイツーユーロ

古岡勇（川崎）

—

›

💡 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。

8R 川崎競馬場ダ900m ダート900m　発走 18:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ライヴペッパー先行	藤本現（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場28走で勝率4%と苦戦傾向／同距離帯は9走で勝ち無し／前走3着）
前5走 05/14 川崎7R 3着/11頭+0.3秒 04/09 川崎9R 6着/14頭+1.3秒 03/05 川崎9R 4着/11頭+1.3秒 02/04 川崎12R 2着/14頭+0.5秒 01/04 川崎12R 3着/14頭+0.9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 4.3着 × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 前走実績前走 3着 (好走) × 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 4.2% ※ 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	スレヒトゥヴアルク自在	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 07/07 川崎7R 1着/12頭 06/16 川崎7R 5着/12頭+3.0秒 05/14 川崎7R 6着/11頭+0.4秒 11/21 川崎8R 9着/10頭+0.8秒 10/13 川崎9R 10着/12頭+2.5秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 9走で勝率 22% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -85% (大幅な期待値マイナス) AI 予想勝率 8.8% ※ 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。
3	ドナソレイ自在	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5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 07/09 川崎8R 4着/10頭 06/18 川崎2R 2着/10頭+2.0秒 05/12 川崎6R 12着/12頭+3.8秒 04/24 浦和4R 9着/10頭+1.5秒 04/06 川崎4R 4着/12頭+0.5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 6.0着 × 当競馬場適性 5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 19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 4.2% ※ 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	ラヴィンローゼス自在	本田紀（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 07/10 川崎9R 6着/11頭 06/03 船橋6R 2着/13頭+1.0秒 05/11 川崎12R 6着/12頭+1.3秒 04/10 川崎10R 9着/12頭+1.5秒 01/03 川崎12R 6着/12頭+1.0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 4.7着 △ 当競馬場適性 18走で勝率 11% ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 18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 3.7% ※ 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	ハワイアンジュエル	西啓太（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率25%／前走3着）
前5走 07/16 浦和8R 3着/9頭+0.0秒 07/09 川崎8R 7着/10頭 06/24 浦和9R 5着/11頭 05/27 浦和9R 10着/11頭 01/07 浦和5R 10着/12頭+2.0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 5.0着 ◎ 距離適性同距離 8走で勝率 25% ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) × 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 3.8% ※ 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	ポッドデューク逃げ	御神訓（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（当競馬場5走で勝率80%と適性高／同距離帯4走で勝率75%／直近3走で勝率67%と好調）
前5走 05/14 川崎7R 1着/11頭勝利 04/06 川崎9R 5着/11頭+0.4秒 03/03 川崎7R 1着/12頭勝利 11/17 川崎7R 1着/12頭勝利 10/17 川崎5R 1着/14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 67% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 距離適性同距離 4走で勝率 75% ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 16.2% ※ 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	ニャンモロー逃げ	本田重（船橋）	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33%と適性高／直近3走で勝率33%と好調／前走2着）
前5走 07/09 川崎8R 2着/10頭 06/18 川崎2R 1着/10頭 05/12 川崎6R 7着/12頭+1.4秒 05/01 大井4R 8着/8頭+3.1秒 04/17 大井5R 5着/9頭+1.3秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2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) -78% (大幅な期待値マイナス) AI 予想勝率 13.9% ※ 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。
8	イイクニアシェル	佐野遥（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8走で勝率0%と苦戦傾向）
前5走 07/09 川崎8R 9着/10頭 06/16 川崎7R 3着/12頭+0.0秒 06/01 船橋7R 5着/12頭 05/11 川崎12R 5着/12頭+1.2秒 04/10 川崎10R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ○ 距離適性同距離 18走で勝率 22% ○ 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) -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。
9	ケイツーユーロ先行	古岡勇（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10.7着と低調）
前5走 07/09 川崎8R 10着/10頭 03/18 浦和8R 12着/12頭+2.6秒 03/03 川崎12R 10着/12頭+1.7秒 02/06 川崎12R 6着/12頭+0.4秒 01/02 川崎9R 10着/11頭+2.1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 10.7着 (不振) △ 当競馬場適性 27走で勝率 7% ○ 距離適性同距離 30走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10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) -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。
10	エコロスヴァル	野畑凌（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同馬場状態で勝率60%）
前5走 07/14 浦和6R 9着/10頭 06/26 浦和9R 8着/10頭 05/25 浦和10R 5着/12頭 04/24 浦和9R 3着/8頭+0.2秒 03/17 浦和7R 2着/7頭+0.0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 7.3着 (不振) ◎ 馬場適性同馬場 5走で勝率 60% ○ 騎手近50戦勝率 16% ○ 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) -81% (大幅な期待値マイナス) AI 予想勝率 11.8% ※ 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。
11	グランドマーメイド	増田充（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3走で勝率100%と適性高／同距離帯3走で勝率100%／直近3走で勝率100%と好調）
前5走 07/08 川崎5R 1着/11頭 06/15 川崎1R 1着/12頭 05/15 川崎4R 1着/9頭勝利 ― ―
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 距離適性同距離 3走で勝率 100% ◎ 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) -78% (大幅な期待値マイナス) AI 予想勝率 13.4% ※ 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。
12	クレイスアバンティ	神尾香（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3走で勝率33%と適性高／同距離帯4走で勝率50%）
前5走 07/09 川崎8R 6着/10頭+0.0秒 06/18 川崎2R 3着/10頭 06/05 船橋5R 8着/10頭 05/04 船橋10R 8着/9頭+2.6秒 03/16 浦和2R 1着/11頭勝利
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 5.7着 ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 4走で勝率 50% ○ 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) -75% (大幅な期待値マイナス) AI 予想勝率 10.7% ※ 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の本命

AI評価1位

ポッドデューク

騎手御神訓（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

○7ニャンモロー

—

EV —

▲11グランドマーメイド

—

EV —

出走馬全12頭

×6

ポッドデューク

御神訓（大井）

—

›

○7

ニャンモロー

本田重（船橋）

—

›

▲11

グランドマーメイド

増田充（川崎）

—

›

△10

エコロスヴァル

野畑凌（川崎）

—

›

△12

クレイスアバンティ

神尾香（川崎）

—

›

△2

スレヒトゥヴアルク

町田直（川崎）

—

›

×9

ケイツーユーロ

古岡勇（川崎）

—

›

×8

イイクニアシェル

佐野遥（川崎）

—

›

×1

ライヴペッパー

藤本現（大井）

—

›

×3

ドナソレイ

藤田凌（大井）

—

›

×5

ハワイアンジュエル

西啓太（大井）

—

›

×4

ラヴィンローゼス

本田紀（川崎）

—

›

💡 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。