札幌 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 札幌競馬場　発走 10:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シンゼンノト	▲遠藤	実17.2	B△ A△勝率7% EV+19% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
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 7.0着 (不振) × 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 3.7% (オッズ暗示: 5.8%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 7.0% / 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。
2	イリスロッソ	◇古川奈	実35.6	B▽ A▽勝率4% EV+26% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
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 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 2.2% (オッズ暗示: 2.8%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 3.6% / 期待値 +27% ※ 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	サンクレセント	丹内	実18.4	B△ A△勝率7% EV+28% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
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 5.0着 × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 3.5% (オッズ暗示: 5.4%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.0% / 期待値 +28% ※ 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	サウンドエフォート	吉田隼	実30.3	B▽ A▽勝率4% EV+11% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 7位 (中位評価) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 3.3%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.7% / 期待値 +11% ※ 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	ラストモーメント	▲大久保	実105.5	B▽ A▽勝率2% EV+78% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
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 7.5着 (不振) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 0.9%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 1.7% / 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。
6	ワイドウィンザー	▲小林美	実4.1	B○ A○勝率19% EV-22% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均3.0着と安定／前走3着）
前5走過去走データ取得失敗 (horse_results 不在)
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 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 21.7% (オッズ暗示: 24.4%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 18.8% / 期待値 -23% ※ 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	リアルクウカイ	原田和	実14.9	B△ A△勝率7% EV+3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.0着と安定／前走2着）
前5走過去走データ取得失敗 (horse_results 不在)
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 2.0着 (安定) ○ 前走実績前走 2着 (好走) × 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 3.5% (オッズ暗示: 6.7%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 7.0% / 期待値 +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。
8	グランモンターナ	古川吉	実34.8	B▽ A▽勝率4% EV+24% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
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 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 2.2% (オッズ暗示: 2.9%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.6% / 期待値 +24% ※ 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	タイガーストリート	小沢	実39.2	B▽ A▽勝率3% EV+1% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
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 6.0着 × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 2.6% / 期待値 +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	クラウスーラ	西村淳	実1.7	B🌟◎ A×勝率28% EV-51% 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走平均2.0着と安定／前走2着）
前5走過去走データ取得失敗 (horse_results 不在)
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 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 48.0% (オッズ暗示: 58.8%) × Aモデルの評価 (参考) レース内 1位 / 勝率 28.4% / 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。
11	パンジャケリー	横山和	実7.6	B▲ A▲勝率16% EV+21% 詳細▼	AI上位評価だが期待値不足、見送り
前5走過去走データ取得失敗 (horse_results 不在)
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 6.0着 △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 10.1% (オッズ暗示: 13.2%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 16.0% / 期待値 +21% ※ 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	レジェンドヴァーサ	横山琉	実144.0	B× A▽勝率1% EV+18% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
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 11.0着 (不振) ▽ 前走実績前走 11着 (大敗) × 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 0.3% (オッズ暗示: 0.7%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 0.8% / 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

🎯 AIの本命

AI評価1位Aモデル ×

クラウスーラ

騎手西村淳

単勝オッズ

1.7倍

AI期待値

-18%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○6ワイドウィンザー

4.1倍

EV -11%

▲A:▲11パンジャケリー

7.6倍

EV -23%

出走馬全12頭

◎A:×10

クラウスーラ

西村淳

1.7倍

-18%

›

○A:○6

ワイドウィンザー

▲小林美

4.1倍

-11%

›

▲A:▲11

パンジャケリー

横山和

7.6倍

-23%

›

△A:△1

シンゼンノト

▲遠藤

17.2倍

-36%

›

△A:△7

リアルクウカイ

原田和

14.9倍

-47%

›

△A:△3

サンクレセント

丹内

18.4倍

-35%

›

▽A:▽4

サウンドエフォート

吉田隼

30.3倍

-23%

›

▽A:▽8

グランモンターナ

古川吉

34.8倍

-23%

›

▽A:▽2

イリスロッソ

◇古川奈

35.6倍

-21%

›

▽A:▽9

タイガーストリート

小沢

39.2倍

-37%

›

▽A:▽5

ラストモーメント

▲大久保

105.5倍

-28%

›

×A:▽12

レジェンドヴァーサ

横山琉

144.0倍

-61%

›

💡 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）

1R 札幌競馬場　発走 10:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シンゼンノト	▲遠藤	実17.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
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 7.0着 (不振) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 7.0% (オッズ暗示: 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。
2	イリスロッソ	◇古川奈	実35.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
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 8.0着 (不振) △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 3.6% (オッズ暗示: 2.8%) ※ 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	サンクレセント	丹内	実18.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走過去走データ取得失敗 (horse_results 不在)
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 5.0着 △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 7.0% (オッズ暗示: 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。
4	サウンドエフォート	吉田隼	実30.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ AIランク評価 (順位学習モデル) レース内 7位 (中位評価) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 3.7% (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。
5	ラストモーメント	▲大久保	実105.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
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 7.5着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +78% (市場が大幅過小評価) AI 予想勝率 1.7% (オッズ暗示: 0.9%) ※ 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。
6	ワイドウィンザー	▲小林美	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均3.0着と安定／前走3着）
前5走過去走データ取得失敗 (horse_results 不在)
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 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 18.8% (オッズ暗示: 24.4%) ※ 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。
7	リアルクウカイ	原田和	実14.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.0着と安定／前走2着）
前5走過去走データ取得失敗 (horse_results 不在)
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 2.0着 (安定) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 7.0% (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。
8	グランモンターナ	古川吉	実34.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
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 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 3.6% (オッズ暗示: 2.9%) ※ 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。
9	タイガーストリート	小沢	実39.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走過去走データ取得失敗 (horse_results 不在)
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 6.0着 △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 2.6% (オッズ暗示: 2.6%) ※ 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	クラウスーラ	西村淳	実1.7	×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走平均2.0着と安定／前走2着）
前5走過去走データ取得失敗 (horse_results 不在)
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 2.0着 (安定) ○ 前走実績前走 2着 (好走) × 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 28.4% (オッズ暗示: 58.8%) ※ 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	パンジャケリー	横山和	実7.6	▲詳細▼	AI上位評価だが期待値不足、見送り
前5走過去走データ取得失敗 (horse_results 不在)
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 6.0着 △ 期待値 (オッズ vs AI勝率) +21% (市場と概ね一致) AI 予想勝率 16.0% (オッズ暗示: 13.2%) ※ 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。
12	レジェンドヴァーサ	横山琉	実144.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走過去走データ取得失敗 (horse_results 不在)
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 11.0着 (不振) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 0.8% (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。

🎯 AIの本命

AI評価1位

クラウスーラ

騎手西村淳

単勝オッズ

1.7倍

AI期待値

-51%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○6ワイドウィンザー

4.1倍

EV -22%

▲11パンジャケリー

7.6倍

EV +21%

出走馬全12頭

×10

クラウスーラ

西村淳

1.7倍

-51%

›

○6

ワイドウィンザー

▲小林美

4.1倍

-22%

›

▲11

パンジャケリー

横山和

7.6倍

+21%

›

△7

リアルクウカイ

原田和

14.9倍

+3%

›

△1

シンゼンノト

▲遠藤

17.2倍

+19%

›

△3

サンクレセント

丹内

18.4倍

+28%

›

▽4

サウンドエフォート

吉田隼

30.3倍

+11%

›

▽8

グランモンターナ

古川吉

34.8倍

+24%

›

▽2

イリスロッソ

◇古川奈

35.6倍

+26%

›

▽9

タイガーストリート

小沢

39.2倍

+1%

›

▽5

ラストモーメント

▲大久保

105.5倍

+78%

›

▽12

レジェンドヴァーサ

横山琉

144.0倍

+18%

›

💡 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。