函館 10R 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

10R 函館競馬場　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フミサウンド推奨	浜中	実15.8	B▲ A△勝率10% EV+63% 詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+58%の中穴候補（当競馬場24走で勝率50%と適性高）
前5走 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0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 14.0着 (不振) ◎ 当競馬場適性 24走で勝率 50% (得意) ▽ 前走実績前走 14着 (大敗) △ ローテーション 398日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +58% (市場が大幅過小評価) AI 予想勝率 10.1% (オッズ暗示: 6.3%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 10.3% / 期待値 +63% ※ 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	ストリンジェンド	斎藤	実78.6	B▽ A▽勝率9% EV+645% 詳細▼	大穴、AI予想勝率低く長期回収困難（441日ぶりの実戦）
前5走 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4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 5.0着 △ ローテーション 441日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +687% (市場が大幅過小評価) AI 予想勝率 10.0% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 9.5% / 期待値 +646% ※ 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	ムチャスグラシアス	吉田隼	実43.3	B△ A△勝率10% EV+347% 詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均12.7着と低調／98日ぶりの実戦）
前5走 12/27 5中山79R 13着/16頭+1.5秒 11/09 5東京28R 13着/16頭+2.8秒 09/06 2札幌510R 7着/16頭+0.6秒 08/30 2札幌312R 1着/15頭勝利 08/10 1札幌67R 8着/15頭+1.1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 12.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 98日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +335% (市場が大幅過小評価) AI 予想勝率 10.1% (オッズ暗示: 2.3%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 10.3% / 期待値 +348% ※ 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	マナボニート	丹内	実1.5	B× A×勝率10% EV-84% 詳細▼	人気馬、市場評価通りで上乗せなし（前走3着／70日ぶりの実戦）
前5走 01/18 1京都74R 5着/10頭+0.2秒 01/05 1京都23R 1着/14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 3.3着 ○ 前走実績前走 3着 (好走) × 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 9.8% (オッズ暗示: 66.7%) × Aモデルの評価 (参考) レース内 1位 / 勝率 10.3% / 期待値 -84% ※ 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	フードマン	鮫島駿	実9.0	B△ A▲勝率10% EV-6% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（112日ぶりの実戦）
前5走 02/01 1小倉410R 11着/15頭+0.5秒 01/10 1京都310R 5着/18頭+1.0秒 11/08 3福島110R 3着/16頭+0.1秒 10/26 3京都98R 3着/14頭+0.1秒 10/05 4東京29R 14着/17頭+0.8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 6.3着 △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 10.0% (オッズ暗示: 11.1%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.3% / 期待値 -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。
6	バシレウスシチー	小沢	実31.7	B▽ A▽勝率9% EV+200% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 02/01 1小倉410R 12着/15頭+0.7秒 11/08 3福島110R 16着/16頭+1.2秒 04/26 1福島511R 4着/15頭+0.4秒 02/16 1小倉89R 7着/18頭+0.4秒 02/02 1小倉410R 4着/18頭+0.5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 6.7着 🌟◎ 期待値 (オッズ vs AI勝率) +211% (市場が大幅過小評価) AI 予想勝率 9.8% (オッズ暗示: 3.2%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 9.5% / 期待値 +201% ※ 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	サンドロナイト推奨	北村友	実26.8	B△ A△勝率10% EV+177% 詳細▼	市場が大きく過小評価、AI予想勝率10% × オッズ26.8倍で期待値+169%の有力候補（市場想定よりAI評価が高く妙味）
前5走 07/20 2小倉812R 4着/18頭+0.6秒 05/31 2京都1112R 10着/13頭+1.1秒 02/09 1京都48R 6着/13頭+0.8秒 12/08 7京都412R 8着/11頭+0.5秒 07/13 3小倉512R 1着/11頭勝利
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) △ ローテーション 105日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +169% (市場が大幅過小評価) AI 予想勝率 10.1% (オッズ暗示: 3.7%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 10.3% / 期待値 +177% ※ 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	マジカルフェアリー	舟山	実8.6	B○ A▽勝率9% EV-18% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.0着と低調／76日ぶりの実戦）
前5走 08/16 1札幌710R 4着/13頭+0.1秒 07/19 1函館1112R 1着/16頭勝利 07/05 1函館712R 9着/13頭+1.6秒 04/13 2阪神69R 7着/8頭+1.3秒 03/29 2阪神19R 12着/14頭+1.2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 8.0着 (不振) ▽ 前走実績前走 14着 (大敗) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 10.1% (オッズ暗示: 11.6%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 9.5% / 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。
9	エクストラバック推奨	横山琉	実28.3	B▽ A▽勝率9% EV+168% 詳細▼	市場が大きく過小評価、AI予想勝率10% × オッズ28.3倍で期待値+183%の有力候補（市場想定よりAI評価が高く妙味）
前5走 01/17 1中山612R 6着/16頭+0.4秒 11/16 4京都48R 11着/15頭+0.3秒 10/25 4東京89R 10着/12頭+0.6秒 10/05 4東京29R 10着/17頭+0.6秒 08/03 3中京412R 1着/18頭勝利
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 8.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 140日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +183% (市場が大幅過小評価) AI 予想勝率 10.0% (オッズ暗示: 3.5%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 9.5% / 期待値 +168% ※ 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	アパッシメント	佐々木	実5.5	B◎ A○勝率10% EV-43% 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8.7着と低調／前走3着／118日ぶりの実戦）
前5走 09/28 4中山98R 15着/16頭+3.7秒 07/27 2新潟28R 8着/15頭+0.5秒 03/16 2中京210R 10着/12頭+1.3秒 02/08 1東京37R 1着/14頭勝利 12/28 5中山91R 1着/16頭勝利
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 8.7着 (不振) ○ 前走実績前走 3着 (好走) △ ローテーション 118日休養明け × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 10.1% (オッズ暗示: 18.2%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 10.3% / 期待値 -43% ※ 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 ○

アパッシメント

騎手佐々木

単勝オッズ

5.5倍

AI期待値

-44%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:▽8マジカルフェアリー

8.6倍

EV -13%

▲A:△1フミサウンド

15.8倍

EV +58%

出走馬全10頭

◎A:○10

アパッシメント

佐々木

5.5倍

-44%

›

○A:▽8

マジカルフェアリー

舟山

8.6倍

-13%

›

▲A:△1

フミサウンド

浜中

15.8倍

+58%

›

△A:△7

サンドロナイト

北村友

26.8倍

+169%

›

△A:△3

ムチャスグラシアス

吉田隼

43.3倍

+335%

›

△A:▲5

フードマン

鮫島駿

9.0倍

-9%

›

▽A:▽9

エクストラバック

横山琉

28.3倍

+183%

›

▽A:▽2

ストリンジェンド

斎藤

78.6倍

+687%

›

×A:×4

マナボニート

丹内

1.5倍

-85%

›

▽A:▽6

バシレウスシチー

小沢

31.7倍

+211%

›

💡 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 (AI 期待値プラス判定)

A. 現行モデル (binary)

単勝 1 フミサウンド実15.8倍期待値 +63% 推奨 9.7〜30.0倍 200円

B. 新モデル (rank最適化 + leak-free + 確率校正)

単勝 9 エクストラバック実28.3倍期待値 +183% 推奨 10.0〜30.0倍 300円
単勝 7 サンドロナイト実26.8倍期待値 +169% 推奨 9.9〜30.0倍 300円
単勝 1 フミサウンド実15.8倍期待値 +58% 推奨 9.9〜30.0倍 200円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 函館競馬場　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フミサウンド推奨	浜中	実15.8	△詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+63%の中穴候補（当競馬場24走で勝率50%と適性高）
前5走 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0秒 06/15 1函館211R 14着/14頭+2.0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 14.0着 (不振) ◎ 当競馬場適性 24走で勝率 50% (得意) ▽ 前走実績前走 14着 (大敗) △ ローテーション 398日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 10.3% (オッズ暗示: 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。
2	ストリンジェンド	斎藤	実78.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（441日ぶりの実戦）
前5走 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4秒 05/03 2京都312R 5着/16頭+0.4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 5.0着 △ ローテーション 441日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +645% (市場が大幅過小評価) AI 予想勝率 9.5% (オッズ暗示: 1.3%) ※ 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	ムチャスグラシアス	吉田隼	実43.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均12.7着と低調／98日ぶりの実戦）
前5走 12/27 5中山79R 13着/16頭+1.5秒 11/09 5東京28R 13着/16頭+2.8秒 09/06 2札幌510R 7着/16頭+0.6秒 08/30 2札幌312R 1着/15頭勝利 08/10 1札幌67R 8着/15頭+1.1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 12.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 98日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +347% (市場が大幅過小評価) AI 予想勝率 10.3% (オッズ暗示: 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。
4	マナボニート	丹内	実1.5	×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（前走3着／70日ぶりの実戦）
前5走 01/18 1京都74R 5着/10頭+0.2秒 01/05 1京都23R 1着/14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 3.3着 ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 10.3% (オッズ暗示: 66.7%) ※ 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	フードマン	鮫島駿	実9.0	▲詳細▼	AI上位評価だが期待値不足、見送り（112日ぶりの実戦）
前5走 02/01 1小倉410R 11着/15頭+0.5秒 01/10 1京都310R 5着/18頭+1.0秒 11/08 3福島110R 3着/16頭+0.1秒 10/26 3京都98R 3着/14頭+0.1秒 10/05 4東京29R 14着/17頭+0.8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 6.3着 △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 10.3% (オッズ暗示: 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。
6	バシレウスシチー	小沢	実31.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 02/01 1小倉410R 12着/15頭+0.7秒 11/08 3福島110R 16着/16頭+1.2秒 04/26 1福島511R 4着/15頭+0.4秒 02/16 1小倉89R 7着/18頭+0.4秒 02/02 1小倉410R 4着/18頭+0.5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 6.7着 🌟◎ 期待値 (オッズ vs AI勝率) +200% (市場が大幅過小評価) AI 予想勝率 9.5% (オッズ暗示: 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。
7	サンドロナイト推奨	北村友	実26.8	△詳細▼	市場が大きく過小評価、AI予想勝率10% × オッズ26.8倍で期待値+177%の有力候補（市場想定よりAI評価が高く妙味）
前5走 07/20 2小倉812R 4着/18頭+0.6秒 05/31 2京都1112R 10着/13頭+1.1秒 02/09 1京都48R 6着/13頭+0.8秒 12/08 7京都412R 8着/11頭+0.5秒 07/13 3小倉512R 1着/11頭勝利
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) △ ローテーション 105日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +177% (市場が大幅過小評価) AI 予想勝率 10.3% (オッズ暗示: 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。
8	マジカルフェアリー	舟山	実8.6	▽詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調／76日ぶりの実戦）
前5走 08/16 1札幌710R 4着/13頭+0.1秒 07/19 1函館1112R 1着/16頭勝利 07/05 1函館712R 9着/13頭+1.6秒 04/13 2阪神69R 7着/8頭+1.3秒 03/29 2阪神19R 12着/14頭+1.2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 8.0着 (不振) ▽ 前走実績前走 14着 (大敗) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 9.5% (オッズ暗示: 11.6%) ※ 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。
9	エクストラバック推奨	横山琉	実28.3	▽詳細▼	市場が大きく過小評価、AI予想勝率9% × オッズ28.3倍で期待値+168%の有力候補（市場想定よりAI評価が高く妙味）
前5走 01/17 1中山612R 6着/16頭+0.4秒 11/16 4京都48R 11着/15頭+0.3秒 10/25 4東京89R 10着/12頭+0.6秒 10/05 4東京29R 10着/17頭+0.6秒 08/03 3中京412R 1着/18頭勝利
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 8.0着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 140日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +168% (市場が大幅過小評価) AI 予想勝率 9.5% (オッズ暗示: 3.5%) ※ 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	アパッシメント	佐々木	実5.5	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.7着と低調／前走3着／118日ぶりの実戦）
前5走 09/28 4中山98R 15着/16頭+3.7秒 07/27 2新潟28R 8着/15頭+0.5秒 03/16 2中京210R 10着/12頭+1.3秒 02/08 1東京37R 1着/14頭勝利 12/28 5中山91R 1着/16頭勝利
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 8.7着 (不振) ○ 前走実績前走 3着 (好走) △ ローテーション 118日休養明け × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 10.3% (オッズ暗示: 18.2%) ※ 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。

🎯 AIの本命

AI評価1位

マナボニート

騎手丹内

単勝オッズ

1.5倍

AI期待値

-84%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○10アパッシメント

5.5倍

EV -43%

▲5フードマン

9.0倍

EV -6%

出走馬全10頭

×4

マナボニート

丹内

1.5倍

-84%

›

○10

アパッシメント

佐々木

5.5倍

-43%

›

▲5

フードマン

鮫島駿

9.0倍

-6%

›

△1

フミサウンド

浜中

15.8倍

+63%

›

△7

サンドロナイト

北村友

26.8倍

+177%

›

△3

ムチャスグラシアス

吉田隼

43.3倍

+347%

›

▽8

マジカルフェアリー

舟山

8.6倍

-18%

›

▽9

エクストラバック

横山琉

28.3倍

+168%

›

▽6

バシレウスシチー

小沢

31.7倍

+200%

›

▽2

ストリンジェンド

斎藤

78.6倍

+645%

›

💡 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 (AI 期待値プラス判定)

A. 現行モデル (binary)

単勝 1 フミサウンド実15.8倍期待値 +63% 推奨 9.7〜30.0倍 200円

B. 新モデル (rank最適化 + leak-free + 確率校正)

単勝 9 エクストラバック実28.3倍期待値 +183% 推奨 10.0〜30.0倍 300円
単勝 7 サンドロナイト実26.8倍期待値 +169% 推奨 9.9〜30.0倍 300円
単勝 1 フミサウンド実15.8倍期待値 +58% 推奨 9.9〜30.0倍 200円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

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。