距離区分別・芝ダート別 騎手成績ランキング【最新版・直近1年】

6つの区分のうち、4つはルメール騎手が1位でした。
芝の短距離〜マイル、芝中距離、芝長距離、それにダート長距離。「迷えばルメール」の馬券論が成立する手応えは、いまも数字で残っています。

ただし、ダートの短距離〜マイルとダートの中距離。この2区分だけは様相が違いました。1位は岩田望来騎手と松山弘平騎手。関西を主戦場にする2人が、芝の支配者を抑えて先頭に立っています。

AI生成

この画像・動画は、AIによって生成された架空のイメージであり、実在の人物・馬・団体等を描写したものではありません。
また、肖像権・パブリシティ権に配慮し、特定の人物に類似させるための学習データ使用やプロンプト調整等はおこなっておりません。

[使用ツール・モデル]
・DALL·E 3
・Firefly
・StableDiffusion
・Juggernaut XL(KandooAI)

以下は、直近1年のJRA中央平地レースを芝3区分・ダート3区分に分けて、1着の数で並べたランキングです。
どこで顔ぶれが揃い、どこで看板が動くのか。順に追っていきます。

対象は2025年4月22日〜2026年4月22日のJRA中央平地レース。障害戦は除外。
着別度数は「1着-2着-3着-着外/出走数」。出走数からは取消・除外を引き、競走中止は出走に含めています。
勝率・連対率・複勝率は、それぞれ1着・2着以内・3着以内の回数を出走数で割った百分率です。
※本記事のデータは編集部集計（直近1年のJRA中央平地レース）。集計時点：2026年4月22日。

芝の1,600メートル以下から。

ルメール騎手、174騎乗で54勝。勝率31.0%。
3騎乗に1回は1着。連対率49.4%、複勝率61.5%。3騎乗のうち2回近くは3着内に届く計算です。馬券で軸を組むときに「頭固定」が普通に成立する水準で、ひと世代前のリーディング騎手でも、ここまでの数字はそう簡単に出していません。

川田将雅騎手の数字も妙でした。
騎乗数134はTOP5最少。それで30勝、勝率22.4%、連対率44.8%。

騎乗数と勝率はだいたい反比例の関係になります。たくさん乗っている騎手ほど勝率は薄まり、騎乗数が絞られている騎手ほど高い勝率に出てきやすい。川田騎手のラインは、関係者から「狙って勝てる馬」を集中的に回されている結果でしょう。岩田望来騎手・横山武史騎手が同じ33勝でも、勝率では岩田18.3%／横山15.9%と差が開きます。180騎乗と207騎乗の差。量で押し上げているのか、効率で取りに行っているのか。芝マイル以下の見方は、この区別から入るのが現実的です。

芝の1,601〜2,000メートル。大阪杯、天皇賞（秋）、札幌記念。古馬主要G1・G2の主戦場です。

AI生成

この画像・動画は、AIによって生成された架空のイメージであり、実在の人物・馬・団体等を描写したものではありません。
また、肖像権・パブリシティ権に配慮し、特定の人物に類似させるための学習データ使用やプロンプト調整等はおこなっておりません。

[使用ツール・モデル]
・DALL·E 3
・Firefly
・StableDiffusion
・Juggernaut XL(KandooAI)

ルメール騎手の複勝率70.4%。
これは芝マイル以下の61.5%より高い数字です。距離が400m伸びて追走の難易度は上がっているはずなのに、3着内率がむしろ伸びている。

152騎乗で44勝、連対率52.6%、3着内率70.4%。3騎乗あれば2回は馬券に絡む水準です。

芝中距離は、序盤のポジション取りとコーナーへの進入角度で決着の大部分が決まる距離帯です。1分47秒〜2分ほどで走り切る間に、騎手が判断する局面の数が短距離戦よりずっと多い。1着54勝の芝マイル以下より3着内率が伸びているのは、そこに対応できる技術がそのまま数字に出ているからでしょう。

4位の川田将雅騎手は、117騎乗・28勝、勝率23.9%・連対率48.7%。「乗ったうちの半分弱は2着以内」というラインを芝マイル以下から距離を変えても保っています。距離区分を跨いで効率が下がらないのが、川田騎手の数字のいちばん厄介なところです。

戸崎圭太騎手は33勝・騎乗数201で、勝率は1位から12.5ポイント差。関東主戦らしく量で取りに行く戦い方が、勝率の数字に率直に出ています。
3位松山騎手は170騎乗で勝率17.1%、5位津村騎手は164騎乗で14.6%。1位の28.9%から見ると物足りなさはあるものの、ヒモ候補としては十分に厚みがあります。馬券では、ルメール騎手と川田騎手の少数高効率を軸に据え、戸崎騎手・松山騎手で馬連・3連複のヒモを埋める。これが芝中距離の基本路線です。

芝の2,001メートル以上。レース数がもともと少ない区分で、TOP5の出走数は25〜61で、芝・ダートの短距離〜マイルと中距離の区分（117〜213）と比べると、多くても半分ほどです。

母数が小さい以上、振れ幅が出やすい数字であることは断っておきます。
そのうえで目を引くのは、上位5人の勝率がほぼ20〜30%帯にまとまっている事実です。母数が少ないからこそ「強い騎手が乗ったとき」の結果がそのまま数字を引き上げる。

「長距離は騎手で買え」の経験則を、25〜61という小さなサンプルでも裏切らない。これがこの区分の特徴と言えます。

ここからダート3区分です。1,600メートル以下から。

看板が動きました。1位岩田望来騎手の37勝、2位松山弘平騎手の35勝。3位にルメール騎手が後退しています。

岩田・松山両騎手の騎乗数は195・208。ルメール騎手の117を大きく上回ります。関西のダート短距離・マイル戦で、誰が一番多く乗っているのか。それがそのまま勝ち数の差に出ました。

ルメール騎手の3位は、3位というより「騎乗数を絞られたうえでの3位」と読みます。117騎乗で勝率25.6%・連対率49.6%。乗ったときの信頼度ではTOP5中いちばん高い水準で、岩田・松山の量に押されただけ。
戸崎圭太騎手の連対率34.0%・複勝率45.5%は、2着付け・3着付けで顔を出す典型例。馬連・3連複で買うときの厚みになりそうです。

ダートの1,601〜2,000メートル。

AI生成

この画像・動画は、AIによって生成された架空のイメージであり、実在の人物・馬・団体等を描写したものではありません。
また、肖像権・パブリシティ権に配慮し、特定の人物に類似させるための学習データ使用やプロンプト調整等はおこなっておりません。

[使用ツール・モデル]
・DALL·E 3
・Firefly
・StableDiffusion
・Juggernaut XL(KandooAI)

6区分のうち、TOP5にルメール騎手の名前が無いのはここだけです。

ダート1,800m・1,900m前後の関西所属馬には、日常的に松山弘平騎手と坂井瑠星騎手が乗っています。ルメール騎手の関西遠征は週末の重賞中心。乗っている数の絶対量が違うため、ダート中距離は関西主戦が数字をまるごと取りに行ける区分になっています。

松山弘平騎手が42勝で頂点に立ちました。勝率21.9%、連対率38.5%、複勝率47.9%。
6区分の1位を勝ち数で並べると、芝マイル以下（54勝）・芝中距離（44勝）のルメール騎手に次いで、ダート中距離の松山騎手の42勝が3番目という構図です。芝中距離での3位（29勝・勝率17.1%）と比較すると、松山騎手はダート中距離になると一段ギアが上がる。これは個性として明確で、馬券では覚えておくと差が出ます。

4位の武豊騎手にも触れておきます。24勝、勝率16.9%、複勝率44.4%。
デビューから40年を数えるレジェンドが、20代の坂井瑠星騎手・西村淳也騎手と肩を並べてTOP5に入っています。複勝率は1位松山騎手の47.9%とほぼ同水準で、馬券で外しにくい騎手の位置をいまも保っています。
ダート中距離は関西主戦・芝ダート横断・ベテランの3層が交錯する激戦区。芝の感覚で「迷えばルメール」と決め打ちすると、軸の選び方を一段間違えます。

ダートの2,001メートル以上。6区分の中でもっとも年間レース数が少ない区分です。

出走数は6〜24と極端に絞られていて、数字の振れ幅には注意が要ります。
ルメール騎手17騎乗で7勝（勝率41.2%）、戸崎圭太騎手24騎乗で7勝（勝率29.2%）。馬券では「強い騎手が乗れば信頼度が一段上がる」程度の参考値に留めるのが現実的です。

同じ騎手リーディングでも、芝とダートで境を一本またぐと看板がここまで動くものか、というのが6区分を眺めて最初に出てきた感想です。

AI生成

この画像・動画は、AIによって生成された架空のイメージであり、実在の人物・馬・団体等を描写したものではありません。
また、肖像権・パブリシティ権に配慮し、特定の人物に類似させるための学習データ使用やプロンプト調整等はおこなっておりません。

[使用ツール・モデル]
・DALL·E 3
・Firefly
・StableDiffusion
・Juggernaut XL(KandooAI)

「迷えばルメール」は、ダート短中距離の前で一度止まる。岩田望来・松山弘平。芝で覚えた感覚をそのまま持ち込むと、軸候補から外してしまう騎手です。
一方で、ダート中距離で武豊騎手が4位に食い込んでいる事実が、いまの主戦級と並走するレジェンドの現役感を裏付けています。
1年後に同じ表を並べ替えたとき、ダート中距離の松山一強が続いているのか、芝マイル以下に新顔が割って入っているのか。そのときの答えを、頭の片隅に置いておきます。

距離別・コース別の騎手データから見えてくる傾向。
こうしたデータ分析を活かしたAI予想に興味がある方は、当編集部が実際に試した検証記事をどうぞ。