福島 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。

10R 福島競馬場発走 14:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エリム	原田和	実102.7	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.0着と低調）
前5走 11/24 3福島610R 14着/16頭+0.7秒 11/09 3福島29R 1着/16頭勝利 09/06 2札幌59R 6着/15頭+0.5秒 07/19 1函館119R 5着/14頭+1.1秒 07/13 1函館107R 11着/14頭+1.2秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 0.8% (オッズ暗示: 1.0%) ※ 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	リギーロ	菊沢	実44.8	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.0着と低調／113日ぶりの実戦）
前5走 12/28 5中山89R 10着/14頭+1.1秒 10/18 3京都610R 3着/9頭+0.6秒 09/15 4中山511R 7着/12頭+0.7秒 07/05 1函館77R 1着/12頭勝利 06/15 1函館24R 1着/10頭勝利
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.0着 (不振) △ ローテーション 113日休養明け × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.2%) ※ 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。
3	レーヴドロペラ	丸田	実12.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（99日ぶりの実戦）
前5走 11/16 3福島410R 3着/16頭+0.4秒 10/18 4新潟19R 1着/15頭勝利 05/25 2東京1011R 14着/18頭+1.4秒 03/22 2中山711R 7着/16頭+1.2秒 12/28 5中山911R 8着/18頭+1.2秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 3.7着 △ ローテーション 99日休養明け △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 7.9% (オッズ暗示: 7.9%) ※ 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。
4	ダノンピクチャー	小沢	実18.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 02/15 1小倉87R 3着/14頭+0.1秒 02/01 1小倉49R 2着/11頭+0.4秒 01/25 1小倉212R 9着/14頭+0.8秒 12/11 船橋9R 12着/14頭+3.9秒 08/17 2新潟811R 9着/11頭+2.3秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 4.7% (オッズ暗示: 5.5%) ※ 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。
5	タケルフォーカス	酒井	実3.2	◎詳細▼	AI予想勝率は最上位だが、オッズが買う範囲（10〜30倍）より低く見送り（直近3走で勝率33%と好調／前走勝利の勢い／77日ぶりの実戦）
前5走 02/15 2京都61R 7着/10頭+1.8秒 02/01 2京都23R 7着/10頭+2.3秒 12/14 5阪神41R 3着/11頭+1.0秒 09/27 4阪神85R 8着/11頭+1.9秒 ―
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) × 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 20.3% (オッズ暗示: 31.2%) ※ 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。
6	ジュンライデン	富田	実9.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／77日ぶりの実戦）
前5走 02/28 1小倉119R 9着/16頭+1.5秒 11/09 3福島28R 6着/16頭+0.5秒 10/12 3京都47R 4着/13頭+0.3秒 05/17 2東京76R 3着/8頭+0.9秒 04/05 3中山39R 5着/7頭+1.0秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 9.2% (オッズ暗示: 10.4%) ※ 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	バースライト	鮫島駿	実7.7	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（78日ぶりの実戦）
前5走 02/28 1小倉119R 1着/16頭勝利 12/20 5中京58R 5着/16頭+0.5秒 10/26 4新潟48R 10着/12頭+2.7秒 10/13 3京都58R 5着/13頭+1.0秒 06/28 2小倉19R 4着/8頭+0.7秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 5.0着 △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 11.2% (オッズ暗示: 13.0%) ※ 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	スズカミエール	斎藤	実17.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／127日ぶりの実戦）
前5走 02/21 1小倉910R 11着/16頭+0.9秒 01/24 1小倉17R 1着/15頭勝利 08/23 4中京19R 4着/6頭+0.4秒 08/02 3中京311R 4着/13頭+0.2秒 05/24 1新潟710R 8着/16頭+0.8秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ ローテーション 127日休養明け △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 4.8% (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。
9	ドッビアーコ	柴田裕	実30.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（78日ぶりの実戦）
前5走 02/28 1小倉1110R 12着/16頭+1.5秒 12/28 5阪神88R 10着/13頭+1.1秒 09/28 4中山98R 9着/16頭+1.6秒 08/30 2札幌310R 6着/14頭+1.9秒 05/10 2京都512R 7着/10頭+1.7秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.3着 (不振) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 1.9% (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。
10	オルトパラティウム	松本	実18.7	▽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／77日ぶりの実戦）
前5走 01/12 1京都59R 12着/12頭+2.5秒 12/14 5中京410R 8着/10頭+1.6秒 01/26 1小倉210R 3着/16頭+0.2秒 01/05 1中京19R 3着/11頭+0.9秒 12/01 4中京212R 1着/16頭勝利
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.0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 6.4% (オッズ暗示: 5.3%) ※ 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。
11	オオタチ	石川	実22.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 01/12 1中山59R 3着/16頭+0.4秒 11/15 3福島36R 1着/16頭勝利 10/19 4新潟28R 3着/15頭+1.3秒 08/17 1札幌82R 1着/12頭勝利 07/26 1札幌13R 3着/14頭+0.7秒
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 4.7% (オッズ暗示: 4.5%) ※ 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。
12	アスクデッドヒート	古川奈	実7.3	▲詳細▼	AI上位評価だが期待値不足、見送り
前5走 02/28 1小倉119R 2着/16頭+1.0秒 02/15 1小倉87R 2着/14頭+0.1秒 01/24 1小倉17R 2着/15頭+0.1秒 12/20 5中京58R 4着/16頭+0.5秒 12/06 5中京18R 12着/18頭+0.9秒
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 5.3着 ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 11.2% (オッズ暗示: 13.7%) ※ 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。
13	ヴァイザーバルコ	柴田大	実37.7	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均8.7着と低調／63日ぶりの実戦）
前5走 02/21 1小倉910R 12着/16頭+1.1秒 01/24 1小倉110R 7着/9頭+2.0秒 12/07 5中山27R 8着/11頭+1.7秒 11/16 3福島410R 4着/16頭+0.4秒 08/17 1札幌812R 2着/14頭+0.5秒
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.7着 (不振) ○ 当競馬場適性 6走で勝率 17% (相性良) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 2.7%) ※ 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。
14	ハイラント	江田照	実46.3	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（直近3走平均10.7着と低調／63日ぶりの実戦）
前5走 12/07 5中山27R 7着/11頭+1.7秒 11/16 3福島410R 9着/16頭+0.9秒 08/24 2札幌212R 13着/14頭+1.2秒 07/26 1札幌110R 7着/13頭+1.3秒 07/06 1函館810R 3着/10頭+0.1秒
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 10.7着 (不振) △ 当競馬場適性 7走で勝率 14% ▽ 前走実績前走 13着 (大敗) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.2%) ※ 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。
15	ブリヤディアマンテ	藤懸	実44.8	▽詳細▼	大穴（30倍超）は買う範囲の外で対象外（当競馬場3走で勝率67%と適性高／直近3走平均8.0着と低調）
前5走 02/07 2京都38R 8着/8頭+1.3秒 01/24 1小倉110R 8着/9頭+2.8秒 11/15 3福島38R 1着/16頭勝利 11/09 3福島28R 13着/16頭+1.0秒 08/31 2札幌49R 5着/14頭+1.2秒
AI 評価の内訳 — 馬番 15 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 8.0着 (不振) ◎ 当競馬場適性 3走で勝率 67% (得意) ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.2%) ※ 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。
16	ゲンジ	横山琉	実6.5	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／91日ぶりの実戦）
前5走 02/15 1小倉87R 8着/14頭+0.6秒 01/24 1小倉17R 3着/15頭+0.2秒 12/06 5中京18R 6着/18頭+0.6秒 11/08 3福島16R 6着/16頭+0.8秒 09/27 4中山87R 8着/16頭+1.1秒
AI 評価の内訳 — 馬番 16 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 11.2% (オッズ暗示: 15.4%) ※ 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。

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

見送りAI の 1 位の馬

タケルフォーカス

騎手酒井

3.2倍

AI の勝率20%損益の分かれ目31%

オッズが買う範囲（10〜30倍）より低く見送り。

買う条件: オッズ 10〜30 倍・期待値 +20% 以上・勝率 8% 以上・1 レース 3 頭まで

出走馬全16頭

◎5

タケルフォーカス

酒井

3.2倍

勝率 20%

›

○16

ゲンジ

横山琉

6.5倍

勝率 11%

›

▲12

アスクデッドヒート

古川奈

7.3倍

勝率 11%

›

△7

バースライト

鮫島駿

7.7倍

勝率 11%

›

△6

ジュンライデン

富田

9.6倍

勝率 9%

›

△3

レーヴドロペラ

丸田

12.6倍

勝率 8%

›

▽10

オルトパラティウム

松本

18.7倍

勝率 6%

›

▽8

スズカミエール

斎藤

17.1倍

勝率 5%

›

▽4

ダノンピクチャー

小沢

18.2倍

勝率 5%

›

▽11

オオタチ

石川

22.4倍

勝率 5%

›

▽9

ドッビアーコ

柴田裕

30.0倍

勝率 2%

›

▽13

ヴァイザーバルコ

柴田大

37.7倍

対象外勝率 2%

›

▽2

リギーロ

菊沢

44.8倍

対象外勝率 2%

›

▽15

ブリヤディアマンテ

藤懸

44.8倍

対象外勝率 2%

›

▽14

ハイラント

江田照

46.3倍

対象外勝率 2%

›

▽1

エリム

原田和

102.7倍

対象外勝率 1%

›

各馬をタップでAI評価の根拠を表示。買う条件: オッズ 10〜30 倍・期待値 +20% 以上・勝率 8% 以上・1 レース 3 頭まで。

▶ 展開シミュレーション

このレースの推奨馬券

見送り

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）

予想は参考情報です。馬券購入は自己責任で。20歳未満は購入できません。免責事項