福島 6R 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

6R 福島競馬場　発走 13:01

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テンオンスゴールド	江田照	実3.0	B× A×勝率7% EV-80% 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2着）
前5走 11/15 3福島31R 4着/15頭+1.1秒 08/16 2新潟71R 13着/13頭+3.9秒 08/03 2新潟44R 11着/13頭+1.9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 6.3着 ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 33.3%) × Aモデルの評価 (参考) レース内 1位 / 勝率 6.7% / 期待値 -80% ※ 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	スクイーズアウト推奨	原	実16.4	B▽ A△勝率7% EV+9% 詳細▼	期待値プラスでAIの推し馬（市場想定よりAI評価が高く妙味）
前5走 12/20 5中山53R 6着/16頭+1.1秒 10/26 4東京95R 7着/16頭+0.5秒 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.5着 △ ローテーション 210日休養明け △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 6.4% (オッズ暗示: 6.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 6.7% / 期待値 +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。
3	サンタピア	木幡巧	実90.3	B▽ A▽勝率7% EV+501% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調／63日ぶりの実戦）
前5走 01/24 1中山84R 12着/15頭+2.6秒 01/05 1中山23R 7着/12頭+2.5秒 12/13 5中山34R 12着/16頭+2.7秒 11/23 5東京54R 8着/15頭+1.7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 9.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +480% (市場が大幅過小評価) AI 予想勝率 6.4% (オッズ暗示: 1.1%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 6.7% / 期待値 +502% ※ 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	ティンバーライン	菊沢	実60.9	B▽ A▽勝率7% EV+306% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.5着と低調／273日ぶりの実戦）
前5走 10/18 4新潟12R 5着/14頭+1.7秒 09/27 4中山84R 12着/16頭+3.6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 8.5着 (不振) △ ローテーション 273日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +291% (市場が大幅過小評価) AI 予想勝率 6.4% (オッズ暗示: 1.6%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 6.7% / 期待値 +306% ※ 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	カシマライフウ	松岡	実9.0	B△ A△勝率7% EV-40% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 01/24 1中山84R 6着/15頭+0.9秒 01/04 1中山14R 3着/12頭+0.8秒 12/06 5中山14R 2着/16頭+0.3秒 11/09 5東京26R 4着/15頭+0.6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 × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 11.1%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 6.7% / 期待値 -40% ※ 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	エッジランナー	武藤	実122.3	B▽ A▽勝率7% EV+715% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／69日ぶりの実戦）
前5走 01/17 1中山63R 13着/16頭+3.3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 10.7着 (不振) ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +725% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 0.8%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 6.7% / 期待値 +715% ※ 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	コパノミラノ	柴田大	実39.1	B△ A▽勝率7% EV+160% 詳細▼	大穴、AI予想勝率低く長期回収困難（84日ぶりの実戦）
前5走 03/01 2中山22R 8着/16頭+1.7秒 01/04 1中山14R 9着/12頭+3.0秒 12/07 5中山23R 6着/13頭+2.2秒 ― ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.0着 🌟◎ 期待値 (オッズ vs AI勝率) +163% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.7% / 期待値 +161% ※ 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	サツキジュエル	菅原隆	実230.3	B▽ A▽勝率7% EV+999% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／69日ぶりの実戦）
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 8.7着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 0.4%) ▽ Aモデルの評価 (参考) レース内 15位 / 勝率 6.7% / 期待値 +1435% ※ 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	ナムラドガ	丸田	実40.9	B▽ A▽勝率7% EV+172% 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 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) 🌟◎ 期待値 (オッズ vs AI勝率) +176% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 2.4%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 6.7% / 期待値 +173% ※ 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	ベイツリー	横山典	実26.5	B△ A▽勝率7% EV+76% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／195日ぶりの実戦）
前5走 01/04 1中山16R 8着/17頭+0.7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 8.0着 (不振) △ ローテーション 195日休養明け 🌟◎ 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 6.8% (オッズ暗示: 3.8%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.7% / 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。
11	オーパパ	小林脩	実76.7	B▽ A▽勝率7% EV+411% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／63日ぶりの実戦）
前5走 02/08 1小倉61R 9着/16頭+2.1秒 01/04 1中山14R 11着/12頭+3.9秒 11/01 4東京101R 6着/16頭+0.9秒 10/18 4東京65R 7着/16頭+1.0秒 ―
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 8.7着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +417% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 1.3%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 6.7% / 期待値 +411% ※ 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	アデルフィー	三浦	実3.5	B○ A○勝率7% EV-76% 詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.7着と安定／前走2着／62日ぶりの実戦）
前5走 01/31 2京都13R 6着/13頭+1.5秒 01/12 1中山53R 9着/16頭+2.0秒 12/20 5中山57R 7着/16頭+2.0秒 12/07 5中京21R 3着/13頭+1.3秒 10/25 4東京81R 10着/15頭+2.0秒
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 2.7着 (安定) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 28.6%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 6.7% / 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。
13	オートカリテ	石橋脩	実8.4	B▲ A△勝率7% EV-43% 詳細▼	AI上位評価だが期待値不足、見送り（前走2着／76日ぶりの実戦）
前5走 12/20 5中山55R 7着/17頭+1.6秒 ― ― ― ―
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 ○ 前走実績前走 2着 (好走) × 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 6.8% (オッズ暗示: 11.9%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 6.7% / 期待値 -44% ※ 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。
14	カミノテイオー	野中	実201.4	B▽ A▽勝率7% EV+999% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調／70日ぶりの実戦）
前5走 02/22 1東京82R 8着/13頭+3.8秒 01/31 1東京13R 9着/15頭+1.7秒 12/13 5中山34R 11着/16頭+2.5秒 09/27 4中山84R 16着/16頭+4.3秒 ―
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 0.5%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 6.7% / 期待値 +1243% ※ 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。
15	アラビアンドリーム	坂井	実4.7	B× A▲勝率7% EV-68% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走3着／132日ぶりの実戦）
前5走 01/18 1中山73R 4着/13頭+1.0秒 01/04 1中山14R 6着/12頭+1.3秒 12/13 5中山36R 2着/15頭+0.3秒 ― ―
AI 評価の内訳 — 馬番 15 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 ○ 前走実績前走 3着 (好走) △ ローテーション 132日休養明け × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 6.4% (オッズ暗示: 21.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 6.7% / 期待値 -69% ※ 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 ×

テンオンスゴールド

騎手江田照

単勝オッズ

3.0倍

AI期待値

-79%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○12アデルフィー

3.5倍

EV -76%

▲A:△13オートカリテ

8.4倍

EV -43%

出走馬全15頭

×A:×1

テンオンスゴールド

江田照

3.0倍

-79%

›

○A:○12

アデルフィー

三浦

3.5倍

-76%

›

▲A:△13

オートカリテ

石橋脩

8.4倍

-43%

›

△A:△5

カシマライフウ

松岡

9.0倍

-39%

›

△A:▽10

ベイツリー

横山典

26.5倍

+78%

›

△A:▽7

コパノミラノ

柴田大

39.1倍

+163%

›

▽A:▽9

ナムラドガ

丸田

40.9倍

+176%

›

▽A:▽11

オーパパ

小林脩

76.7倍

+417%

›

▽A:▽6

エッジランナー

武藤

122.3倍

+725%

›

▽A:▽14

カミノテイオー

野中

201.4倍

+999%

›

▽A:▽8

サツキジュエル

菅原隆

230.3倍

+999%

›

×A:▲15

アラビアンドリーム

坂井

4.7倍

-69%

›

▽A:△2

スクイーズアウト

原

16.4倍

+5%

›

▽A:▽4

ティンバーライン

菊沢

60.9倍

+291%

›

▽A:▽3

サンタピア

木幡巧

90.3倍

+480%

›

💡 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 2 スクイーズアウト実16.4倍期待値 +9% 推奨 15.0〜30.0倍 100円

B. 新モデル (rank最適化 + leak-free + 確率校正)

このモデルは本レース見送り判定（期待値プラスなし）

※ 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

6R 福島競馬場　発走 13:01

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テンオンスゴールド	江田照	実3.0	×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2着）
前5走 11/15 3福島31R 4着/15頭+1.1秒 08/16 2新潟71R 13着/13頭+3.9秒 08/03 2新潟44R 11着/13頭+1.9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 6.3着 ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 6.7% (オッズ暗示: 33.3%) ※ 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	スクイーズアウト推奨	原	実16.4	△詳細▼	期待値プラスでAIの推し馬（市場想定よりAI評価が高く妙味）
前5走 12/20 5中山53R 6着/16頭+1.1秒 10/26 4東京95R 7着/16頭+0.5秒 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.5着 △ ローテーション 210日休養明け △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 6.7% (オッズ暗示: 6.1%) ※ 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。
3	サンタピア	木幡巧	実90.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調／63日ぶりの実戦）
前5走 01/24 1中山84R 12着/15頭+2.6秒 01/05 1中山23R 7着/12頭+2.5秒 12/13 5中山34R 12着/16頭+2.7秒 11/23 5東京54R 8着/15頭+1.7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 9.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +501% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 1.1%) ※ 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。
4	ティンバーライン	菊沢	実60.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.5着と低調／273日ぶりの実戦）
前5走 10/18 4新潟12R 5着/14頭+1.7秒 09/27 4中山84R 12着/16頭+3.6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 8.5着 (不振) △ ローテーション 273日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +306% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 1.6%) ※ 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。
5	カシマライフウ	松岡	実9.0	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 01/24 1中山84R 6着/15頭+0.9秒 01/04 1中山14R 3着/12頭+0.8秒 12/06 5中山14R 2着/16頭+0.3秒 11/09 5東京26R 4着/15頭+0.6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 × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 6.7% (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	エッジランナー	武藤	実122.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調／69日ぶりの実戦）
前5走 01/17 1中山63R 13着/16頭+3.3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 10.7着 (不振) ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +715% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 0.8%) ※ 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。
7	コパノミラノ	柴田大	実39.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（84日ぶりの実戦）
前5走 03/01 2中山22R 8着/16頭+1.7秒 01/04 1中山14R 9着/12頭+3.0秒 12/07 5中山23R 6着/13頭+2.2秒 ― ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.0着 🌟◎ 期待値 (オッズ vs AI勝率) +160% (市場が大幅過小評価) AI 予想勝率 6.7% (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。
8	サツキジュエル	菅原隆	実230.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／69日ぶりの実戦）
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 8.7着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 0.4%) ※ 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。
9	ナムラドガ	丸田	実40.9	▽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 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) 🌟◎ 期待値 (オッズ vs AI勝率) +172% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 2.4%) ※ 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。
10	ベイツリー	横山典	実26.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調／195日ぶりの実戦）
前5走 01/04 1中山16R 8着/17頭+0.7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 8.0着 (不振) △ ローテーション 195日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +76% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 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。
11	オーパパ	小林脩	実76.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／63日ぶりの実戦）
前5走 02/08 1小倉61R 9着/16頭+2.1秒 01/04 1中山14R 11着/12頭+3.9秒 11/01 4東京101R 6着/16頭+0.9秒 10/18 4東京65R 7着/16頭+1.0秒 ―
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 8.7着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +411% (市場が大幅過小評価) AI 予想勝率 6.7% (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。
12	アデルフィー	三浦	実3.5	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.7着と安定／前走2着／62日ぶりの実戦）
前5走 01/31 2京都13R 6着/13頭+1.5秒 01/12 1中山53R 9着/16頭+2.0秒 12/20 5中山57R 7着/16頭+2.0秒 12/07 5中京21R 3着/13頭+1.3秒 10/25 4東京81R 10着/15頭+2.0秒
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 2.7着 (安定) ○ 前走実績前走 2着 (好走) × 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 6.7% (オッズ暗示: 28.6%) ※ 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。
13	オートカリテ	石橋脩	実8.4	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／76日ぶりの実戦）
前5走 12/20 5中山55R 7着/17頭+1.6秒 ― ― ― ―
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 6.7% (オッズ暗示: 11.9%) ※ 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。
14	カミノテイオー	野中	実201.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調／70日ぶりの実戦）
前5走 02/22 1東京82R 8着/13頭+3.8秒 01/31 1東京13R 9着/15頭+1.7秒 12/13 5中山34R 11着/16頭+2.5秒 09/27 4中山84R 16着/16頭+4.3秒 ―
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 0.5%) ※ 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。
15	アラビアンドリーム	坂井	実4.7	▲詳細▼	AI上位評価だが期待値不足、見送り（前走3着／132日ぶりの実戦）
前5走 01/18 1中山73R 4着/13頭+1.0秒 01/04 1中山14R 6着/12頭+1.3秒 12/13 5中山36R 2着/15頭+0.3秒 ― ―
AI 評価の内訳 — 馬番 15 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 ○ 前走実績前走 3着 (好走) △ ローテーション 132日休養明け × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 6.7% (オッズ暗示: 21.3%) ※ 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。

🎯 AIの本命

AI評価1位

テンオンスゴールド

騎手江田照

単勝オッズ

3.0倍

AI期待値

-80%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○12アデルフィー

3.5倍

EV -76%

▲15アラビアンドリーム

4.7倍

EV -68%

出走馬全15頭

×1

テンオンスゴールド

江田照

3.0倍

-80%

›

○12

アデルフィー

三浦

3.5倍

-76%

›

▲15

アラビアンドリーム

坂井

4.7倍

-68%

›

△13

オートカリテ

石橋脩

8.4倍

-43%

›

△5

カシマライフウ

松岡

9.0倍

-40%

›

△2

スクイーズアウト

原

16.4倍

+9%

›

▽10

ベイツリー

横山典

26.5倍

+76%

›

▽7

コパノミラノ

柴田大

39.1倍

+160%

›

▽9

ナムラドガ

丸田

40.9倍

+172%

›

▽4

ティンバーライン

菊沢

60.9倍

+306%

›

▽11

オーパパ

小林脩

76.7倍

+411%

›

▽3

サンタピア

木幡巧

90.3倍

+501%

›

▽6

エッジランナー

武藤

122.3倍

+715%

›

▽14

カミノテイオー

野中

201.4倍

+999%

›

▽8

サツキジュエル

菅原隆

230.3倍

+999%

›

💡 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 2 スクイーズアウト実16.4倍期待値 +9% 推奨 15.0〜30.0倍 100円

B. 新モデル (rank最適化 + leak-free + 確率校正)

このモデルは本レース見送り判定（期待値プラスなし）

※ 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。