【AI指数観察ログ】秋華賞(GⅠ)10/18 京都11R-回顧｜AIは大敗、1.3倍モンローウォークが完勝　「穴馬を拾う力」と「強い人気馬を消す危険」を考える

2026年10月18日の京都11R・秋華賞（GI、芝2000m）は、1番人気の8番モンローウォークが1分56秒1で優勝しました。

2着には7番人気の1番ギャラボーグ、3着には2番人気の13番ドリームコア。馬連は1,600円、3連複は3,520円、3連単は10,810円でした。

そして今回のAI指数については、先に結論を書いてしまいます。

かなり大きく外しました。

AI1位だった2番テイエムアイランは14着。2位スウィートハピネスは競走中止。3位ガーネットフレアは11着、4位タイセイボーグは10着、5位フェスティバルヒルは7着。

AI上位5頭から馬券圏内は1頭も出ませんでした。

それだけではありません。予想記事で最大の論点として取り上げたのは、

「単勝1.3倍のモンローウォークがAI上位5頭に入っていない」

という市場との大きな乖離でした。

結果は、そのモンローウォークが勝利。

今回は市場側の評価が正しく、AI側が明確に敗れたレースだったと考えます。

ただ、こういう結果こそ記録しておきたいところです。

なぜAIは13番人気だったテイエムアイランを最上位にし、無敗のモンローウォークをトップ5に入れなかったのか。

結果だけを「外れ」で終わらせず、モデルが何を見誤ったのかを考えてみます。

秋華賞2026の結果

まずは上位結果を整理します。

着順	馬番	馬名	人気	単勝オッズ
1着	8	モンローウォーク	1人気	1.3倍
2着	1	ギャラボーグ	7人気	36.2倍
3着	13	ドリームコア	2人気	8.4倍
4着	4	エンネ	6人気	22.8倍
5着	14	サムシングスイート	8人気	43.4倍
6着	6	ラベルセーヌ	3人気	11.0倍
7着	15	フェスティバルヒル	15人気	191.1倍
8着	3	マスターソアラ	5人気	18.9倍

勝ち時計は1分56秒1。

1000m通過は57秒8で、その後も極端には緩まず、

12.2－10.9－11.9－11.5－11.3－11.6－11.3－11.4－12.0－12.0

というラップになりました。

JRAの表示上はミドルペースですが、2000m戦として前半57秒8は決してゆったりした流れではありません。

その流れを好位で追走し、最後まで押し切ったモンローウォークの強さが際立つレースだったと思います。

AI指数上位5頭はどうなったのか

予想時点でのAI上位は以下でした。

AI順位	馬	p_win	最終人気	結果
1位	テイエムアイラン	0.1348	13人気	14着
2位	スウィートハピネス	0.0985	11人気	競走中止
3位	ガーネットフレア	0.0869	10人気	11着
4位	タイセイボーグ	0.0777	12人気	10着
5位	フェスティバルヒル	0.0688	15人気	7着

見ての通り、厳しい結果です。

最上位はフェスティバルヒルの7着。

AIトップ5の中から掲示板入りすらありませんでした。

特に今回は、「人気薄を拾ったものの惜しく届かなかった」という種類の外れではありません。

AIが高く評価したグループそのものが、全体としてレース上位から離れています。

こういうケースは、単なる展開の不運だけで説明するのではなく、

モデルがこのレースの構造を誤認していた可能性

を考えた方がよさそうです。

AI1位テイエムアイランは14着｜最大の不安だった2000mで止まった

最も検証したかったのが、AI1位の2番テイエムアイランでした。

予想時p_winは13.48％。

前日70.2倍、最終的には129.5倍の13番人気。

市場との評価差はさらに拡大しました。

レースでは2番枠から積極的に前へ。

1コーナーでは先頭グループに入り、その後はハナを切っています。

4コーナーでも先頭。

つまり、

AI1位馬が自分の競馬をできなかったわけではありません。

むしろ予想記事で想定していた「内枠からロスなく先行」という展開自体は実現しました。

それでも最後は失速して14着。

この結果を見る限り、予想時に最大の懸念として挙げていた、

初の2000m

をもっと重く見るべきだったのでしょう。

テイエムアイランは、それまで1600mしか走っていませんでした。

未勝利→1勝→2勝と3連勝。

前走では逃げて上がり33.7秒。

AIはこの上昇度を高く評価したと考えられます。

しかし2000mのGIとなれば、1600mの条件戦とは負荷が違います。

しかも今回は1000m57秒8。

最後まで前にいた馬には楽な流れではありませんでした。

「京都の軽い馬場なら2000mもこなせるかもしれない」

という仮説は成立しませんでした。

結果から見るとAIは、

近走パフォーマンスの上昇を評価しすぎ、距離延長とGIへのクラス上昇を軽く扱いすぎた

可能性があります。

3連勝をどう評価するか｜「勝っている」と「GIで強い」は違う

今回のテイエムアイランは、モデル改善という意味でも興味深い例だと思います。

AIから見れば、

3戦連続1着。

勝ち時計も上昇。

先行力あり。

近走内容良好。

という馬です。

これは一般的な特徴量では高評価になりやすいでしょう。

しかし、

未勝利
↓
1勝クラス
↓
2勝クラス
↓
GI

には非常に大きな壁があります。

3連勝という表面的な情報だけを見ると勢いがありますが、競馬では「どの相手に勝ったか」が重要です。

今回の結果を見ると、

着順そのものより、レースレベルの補正をもっと強く入れる必要があるのではないか

という疑問が出てきます。

条件戦で0.3秒差をつけて勝った馬と、オークスや桜花賞で上位争いした馬。

単純な近走成績では前者が良く見えます。

しかしGIでは後者の経験と能力が効く。

ここはモデルにとって大きな改善ポイントになりそうです。

そして最大の反省点はモンローウォーク

今回、テイエムアイラン以上に重要なのが8番モンローウォークです。

最終単勝1.3倍。

結果は1着。

予想記事では、

AI上位5頭にモンローウォークがいない

ことを大きな観察ポイントとしていました。

市場が完全に正解でした。

モンローウォークはこれで5戦5勝。

今回も好位から抜け出し、勝ち時計1分56秒1。

AIが単に「人気だから嫌った」というわけではありません。今回入力した指数計算ではodds=0.0なので、そもそもオッズを直接参照していません。

だからこそ問題があります。

市場が1.3倍まで評価した強さを、純粋な競走データから十分に認識できていなかった

ことになるからです。

モンローウォークの「負けていない」はもっと重要だったか

予想段階でもモンローウォークの戦績は強烈でした。

新馬　1着
八雲特別　1着
かもめ島特別　1着
ローズS　1着
秋華賞　1着

特にローズSはエンネに0.5秒差。

しかも今回、そのエンネは秋華賞でも4着に来ています。

つまりローズS自体が弱いメンバーだったわけでもありません。

ここで考えたいのは、

AIが「底を見せていない馬」をどこまで評価できるのか

という問題です。

過去のレースから勝率を推定するモデルは、観測されたパフォーマンスを基準にします。

しかし無敗馬の場合、能力の上限がまだ観測できていません。

例えば「100の能力で十分勝てたので100しか出さなかった馬」が、実は120まで出せる可能性があります。

データだけ見れば100。

実際の潜在能力は120。

こうしたタイプをモデルが過小評価することは十分考えられます。

モンローウォークについては、その可能性を疑いたくなる結果でした。

2着ギャラボーグもAIは拾えなかった

2着は1番ギャラボーグ。

7番人気36.2倍。

こちらもAIトップ5外でした。

ギャラボーグは春の桜花賞2着馬。

阪神JFも2着。

クイーンCこそ9着でしたが、世代GIで何度も上位に入っている馬です。

今回は6カ月半ぶり。

そのため市場評価も7番人気まで落ちていました。

しかし結果は2着。

AIが人気薄を狙うなら、むしろこういう馬を拾いたかったところです。

テイエムアイランやガーネットフレアのような「条件戦からの上昇」を高く評価する一方で、

GIで既に能力を証明している馬の休み明けを低く評価しすぎていなかったか

という点も検証したいです。

競馬では休養期間が長い＝能力低下とは限りません。

特にGI級の馬なら、本番へ向けて仕上げてくるケースがあります。

このあたりは単純な「前走から何週」という特徴量では表現しにくい部分でしょう。

AIが外した一方、3着ドリームコアは順当に走った

3着は13番ドリームコア。

2番人気8.4倍でした。

こちらもAIトップ5には入っていません。

オークス2着。

クイーンC1着。

紫苑S3着。

クラシック路線を通して高い水準で走ってきた馬です。

モンローウォークほど抜けた存在ではありませんでしたが、実績通り馬券圏内。

結果として今回の1、3着は、

秋華賞以前に既に重賞・GI級の能力を示していた馬

でした。

ここはテイエムアイランやガーネットフレアのような上がり馬を高く評価したAIとの違いが鮮明です。

AI3位ガーネットフレアも11着｜条件戦連勝では壁を越えられず

AI3位ガーネットフレアは11着。

最終オッズ53.8倍の10番人気でした。

こちらも予想時には注目していました。

ダートでは結果が出なかったものの、芝へ戻してから、

1勝クラス1着
2勝クラス1着

と連勝。

前走は2000mで勝っていたため、テイエムアイランより距離面では信頼できると考えていました。

しかし今回は11着。

テイエムアイランと同じく、

条件戦での連勝がそのままGI能力につながらなかった

形です。

これは偶然として片付けるより、今回のAI指数の性格として覚えておいた方がよさそうです。

モデルが「今伸びている馬」を高く評価するのは、穴馬探索では魅力があります。

一方で、GIではクラスの壁を無視できません。

上昇度と絶対能力。

この2つをどう配分するかが重要です。

タイセイボーグ10着｜過去実績の残しすぎにも注意

AI4位タイセイボーグは10着。

12番人気86.2倍でした。

この馬については逆方向の問題があります。

テイエムアイランやガーネットフレアは近走上昇型。

一方、タイセイボーグは、

チューリップ賞1着
阪神JF3着

という過去実績がありました。

しかし前走ローズSは12着。

結果的に秋華賞も10着でした。

つまり今回は、

最近の上昇馬を評価しすぎただけではなく、過去の好走実績も残しすぎた可能性がある

ということになります。

これは少し厄介です。

「近走を重視しすぎた」という一言だけでは今回の外れを説明できません。

モデル全体として、GIにおける「現在の絶対能力」の推定精度が足りなかったと見る方が自然かもしれません。

フェスティバルヒル7着はAI上位では唯一少し見せ場

AI5位フェスティバルヒルは7着。

15番人気191.1倍でした。

トップ5では最先着です。

馬券には遠かったものの、191倍の馬が7着ですから、市場評価に対して完全に的外れだったとも言い切れません。

ファンタジーS勝ちという過去実績をAIが残していた馬でした。

近2走は、

桜花賞17着
クイーンS14着

と大敗。

そこから今回は7着まで戻しました。

この馬については、

「勝率6.88％」は高すぎたが、市場の191倍ほど弱い馬でもなかった

という評価が妥当かもしれません。

AI予想を検証するとき、勝ったか負けたかだけでなくこうした順位改善も残しておきたいところです。

ただし、今回の指数5位という評価を正当化できるほどではありません。

スウィートハピネスは競走中止のため評価保留

AI2位だった9番スウィートハピネスは競走中止となりました。

そのためこの馬だけは、今回の結果からAI評価の良し悪しを判断できません。

予想ではオークス5着・勝ち馬と0.1秒差という実績を理由に、市場から過小評価されている可能性を考えていました。

この仮説については今回検証不能です。

こういったケースを「外れ」に一括してしまうとモデル分析を歪めるため、

スウィートハピネスについては評価対象外

として扱うのがよさそうです。

レース展開から見えたテイエムアイランの限界

今回の通過順位を見ると、さらに分かりやすくなります。

1コーナー付近では、

2、10、（1、11）、8……

という並び。

テイエムアイランは序盤から先頭へ。

モンローウォークはその後ろの好位置にいました。

そして4コーナーでも、

2－1、10、（11、8）……

と、テイエムアイランが先頭。

AI1位馬と1番人気馬が前方でレースを進めながら、

最後はモンローウォーク1着、テイエムアイラン14着。

かなり象徴的です。

同じ先行競馬でも、

最後まで脚を残せる馬と残せない馬の能力差

がはっきり出ました。

テイエムアイランにとっては展開が完全に向かなかった、とは言いづらい結果でしょう。

予想時の仮説そのものが間違っていたと認めるべきだと思います。

57秒8でも押し切ったモンローウォークは素直に強い

モンローウォークの評価については、変に理由を探す必要もないでしょう。

強かったです。

1000m57秒8。

勝ち時計1分56秒1。

前が完全に止まらない超スローペースでもありません。

後ろからギャラボーグ、ドリームコアなどが伸びてくる中で、最後まで押し切りました。

これで5戦5勝。

ローズSの圧勝がフロックではなかったことも証明しました。

予想前には、

「1.3倍ほど抜けているのか？」

という疑問を持ちましたが、今回については市場が正しく能力差を認識していたと言えます。

人気しているから割高とは限らない。

AI指数を使っていると、これは忘れやすいポイントです。

穴馬を探しすぎると「普通に強い馬」が見えなくなる

今回の失敗から最も強く感じるのはこれです。

AIを使う目的の一つは、人間が見落としている馬を探すこと。

人気馬と同じ馬を選ぶだけなら、AIを使う意味が薄く感じるかもしれません。

そのため、

「13番人気をAIが1位！」

「市場との乖離が大きい！」

という結果は非常に魅力的に見えます。

しかし、穴馬を見つけることと、人気馬を不当に下げることは別です。

今回なら、

テイエムアイランを穴候補として高く評価する

こと自体と、

モンローウォークをトップ5外にする

ことは分けて考える必要がありました。

穴馬を拾いながら、本当に強い人気馬も正しく評価する。

モデルとしてはこちらの方が重要でしょう。

p_winの校正についても確認したい

今回のAI1位テイエムアイランはp_win=0.1348でした。

単純に逆数を取ればフェアオッズ約7.4倍。

最終単勝は129.5倍。

結果14着。

一戦だけで「p_winが間違っている」と判断することはできません。

13.48％の馬でも約86.5％は負けます。

確率予測は単発結果では評価できないからです。

ただし今回問題なのは、テイエムアイランだけではありません。

上位5頭全体が低調でした。

今後は、

p_win10％以上
p_win5～10％
p_win5％未満

などに分け、

実際の勝率がどの程度になっているのかを調べる必要があります。

例えばp_win10％と出た馬が100頭いれば、本当に10頭前後勝っているのか。

そこまで確認して初めて、

p_winをそのまま期待値計算に利用してよいのか

が判断できます。

これは今後かなり重要な検証テーマになりそうです。

「指数順位」と「期待値」は分けた方がいいかもしれない

今回の結果から、運用面でも考えたいことがあります。

AI1位＝最も買いたい馬

とは限りません。

指数順位はあくまでモデルが考えた勝率順位。

そこに、

距離実績
クラス実績
休養明け
枠順
展開
オッズ

などを重ねて初めて、馬券として買えるかを判断する方がよさそうです。

例えばテイエムアイランなら、

AI1位
＋3連勝
＋内枠
－初2000m
－初重賞がGI
－条件戦から一気の相手強化

です。

ここまで並べれば、「AI1位だから強く買う」より、

指数は面白いが、かなりリスクの高い穴馬

という位置付けにできました。

これはAI指数の否定ではありません。

むしろ指数をそのまま結論にせず、判断材料の一つとして使うということです。

今回のAI指数から得られた改善仮説

今回の秋華賞から、モデル側で確認したい項目はかなり見えてきました。

• 条件戦→GIという急激なクラス上昇を十分に補正できているか
• 連勝中の馬を過大評価していないか
• 無敗馬の潜在能力を過小評価していないか
• GI・GII実績の価値が十分に反映されているか
• 初距離、とくに1600m→2000mを適切に扱えているか
• 過去の好走を長期間残しすぎていないか
• p_winそのものが実際の勝率と校正されているか

特に重要なのは、

「上昇度」と「絶対能力」のバランス

だと思います。

条件戦を連勝する馬は確かに強くなっています。

しかし、GIで必要なのは「以前より強くなったこと」だけではありません。

その強さがGI水準に達している必要があります。

今回のAIは前者をうまく検出した一方、後者の判定に失敗した可能性があります。

市場との乖離は「正解」ではなく「検証対象」

予想記事では、AIと市場の大きな乖離を面白いポイントとして取り上げました。

これは今後も続けたいと思います。

ただし、

AIと市場が違う＝市場が間違っている

ではありません。

今回がその典型でした。

モンローウォーク1.3倍。

テイエムアイラン129.5倍。

市場は約100倍の差をつけました。

そして結果は1着と14着。

今回は市場が圧勝です。

一方、長期的には市場が過小評価する馬をAIが発見するレースもあるでしょう。

だからこそ一戦ごとの的中自慢ではなく、

「AIと市場が大きく乖離したケースを蓄積し、その後どちらが正しかったか」

を記録する価値があります。

100レース、500レースと蓄積したとき、

AI上位×人気薄

という条件が本当に回収率につながっているのか。

そこまで分かれば、今回のような大敗も意味のあるデータになります。

まとめ

2026年の秋華賞は、1番人気モンローウォークが優勝。

2着ギャラボーグ、3着ドリームコアとなりました。

AI指数は明確に敗れました。

AI1位テイエムアイランは14着。

AI2位スウィートハピネスは競走中止。

AI3位ガーネットフレア11着。

AI4位タイセイボーグ10着。

AI5位フェスティバルヒル7着。

そしてAIトップ5外だったモンローウォークが1着でした。

今回の結果から考えられるのは、AIが条件戦での上昇度や過去の好走実績を評価する一方、GIにおける絶対能力やクラス差を十分に捉えられていなかった可能性です。

特にテイエムアイランは、内枠から先頭へ行くという予想時に期待した競馬をしながら14着。

初2000m、初重賞、GIへの大幅な相手強化というリスクを、指数上もっと重く見る必要があったのかもしれません。

逆にモンローウォークは、無敗でローズSを圧勝してきた能力をそのままGIでも証明しました。

AIで穴馬を探すことは面白い。

ただし、

「穴を見つけること」と「強い人気馬を軽視すること」は違う。

今回の秋華賞は、そのことをかなり分かりやすく教えてくれたレースでした。

AI指数が市場と大きく違ったとき、その乖離を「妙味」と決めつけるのではなく、本当にモデル側が正しいのかを疑う。

的中したレースだけでなく、今回のように派手に外したレースも残しながら、モデルがどんな条件で市場より強く、どんな条件で弱いのかを探っていきたいと思います。