Aplicațiile AI de calorii sunt utile, dar nu precise. În cele mai bune teste independente publicate până acum, modelele AI generale care estimau caloriile dintr-o singură fotografie greșeau în medie cu aproximativ 36%, iar porțiile mari tindeau să fie subestimate. Recunosc bine ce este în farfurie, dar estimează mai slab cât de mult, așa că cele mai bune rezultate apar atunci când verifici și corectezi estimarea.

Poate suna dezamăgitor, dar asta pune înregistrarea prin poze cam la același nivel cu jurnalele alimentare clasice, folosite de zeci de ani. Iată ce a măsurat de fapt cercetarea, de unde vin erorile și cum să folosești bine aceste aplicații.

Cât de precise sunt aplicațiile AI de calorii, conform studiilor?

Nu există un singur „scor de precizie” pentru aplicațiile AI de calorii. Studiile folosesc alimente, modele și metode de referință diferite. Cel mai corect este să le privești pe mai multe împreună.

Studiu	Ce s-a testat	Rezultatul principal pentru calorii
Fridolfsson et al., Current Developments in Nutrition, 2025	3 modele AI, 52 de poze cu mâncare cântărită	Eroare medie de 35,8% (cele mai bune două modele) și 64,2% (al treilea model)
O’Hara et al., Nutrients, 2025	ChatGPT-4, 114 poze cu 38 de mese în 3 mărimi de porție	Alimente recunoscute bine; greutate subestimată în 76% din poze
Rodríguez-Jiménez et al., Nutrients, 2025	ChatGPT-5, 195 de preparate, cu mai multe sau mai puține informații	Eroare medie de 30,5% doar din poză, 13,9% cu ingrediente și cantități
Joubert et al., Diabetes Therapy, 2021	O aplicație cu recunoaștere foto vs. una cu introducere manuală, pentru carbohidrați	Aplicația foto a subestimat carbohidrații cu 7,2 g pe masă, în medie

Comparația a trei modele (2025)

Cercetători din Göteborg au fotografiat 52 de mese și alimente standardizate, au cântărit fiecare componentă și au calculat conținutul real de nutrienți cu o bază de date nutrițională. Apoi au cerut trei modele AI să estimeze nutrienții din fotografii.

Pentru calorii, eroarea procentuală absolută medie (MAPE) a fost de 35,8% atât pentru ChatGPT-4o, cât și pentru Claude 3.5 Sonnet, și de 64,2% pentru Gemini 1.5 Pro. La proteine, grăsimi și carbohidrați, erorile au fost mai mari, între aproximativ 42% și 110%, în funcție de model și nutrient. Toate cele trei modele subestimau cu atât mai mult cu cât porția era mai mare.

Autorii au concluzionat că cele două modele mai bune erau cam la fel de precise ca metodele clasice de raportare alimentară, fără efortul acestora, dar încă nu suficient de precise pentru situații care cer exactitate, cum ar fi nutriția clinică sau sportivă.

ChatGPT și mărimea porțiilor

O echipă din Irlanda a testat ChatGPT-4 pe 114 poze: 38 de mese dintr-un sondaj național de nutriție, fiecare în porție mică, medie și mare. Modelul recunoștea bine alimentele, cu o precizie de 93%, dar era mult mai slab la porții. Estimările de greutate erau bune pentru mesele mici, dar nu și pentru cele medii și mari, iar greutatea a fost subestimată în 87 din cele 114 poze (76%). Pentru 13 din cei 16 nutrienți studiați, estimările difereau de valorile reale cu peste 10%.

Mai multe informații, estimări mai bune

Un studiu din 2025 a testat ChatGPT-5 pe 195 de preparate, în mai multe scenarii. Doar din poză, eroarea medie la calorii a fost de 30,5%, adică aproximativ 123 kcal pe preparat. Adăugând detalii pe care camera nu le vede, cum ar fi tipul și cantitatea de grăsime și de îndulcitor, conținutul de grăsime al lactatelor și tipul de carne, a scăzut la 24,4%. Cu ingredientele și cantitățile lor, a coborât la 13,9%, circa 53 kcal pe preparat.

Lecția practică e simplă: cu cât îi spui aplicației mai multe, cu atât cifra e mai bună.

O privire din perspectiva diabetului

Pentru cei care numără carbohidrații, un studiu francez din 2021 a comparat o aplicație cu recunoaștere foto și una în care introduci singur carbohidrații. Aplicația foto a subestimat carbohidrații cu 7,2 g pe masă, în medie, iar la 30% din mese eroarea a depășit 20 g, față de 14% la aplicația manuală. Autorii au considerat totuși ambele aplicații mai precise decât erorile obișnuite ale persoanelor cu diabet de tip 1 în viața de zi cu zi, dar diferența contează când doza de insulină depinde de cifră.

Cum se compară AI cu alte metode de numărare

Erorile nu țin doar de AI. O metaanaliză din 2021, publicată în Advances in Nutrition, a reunit studii de validare ale aplicațiilor de jurnal alimentar în care oamenii notează manual. În medie, aceste aplicații subestimau aportul de energie cu aproximativ 202 kcal pe zi față de metodele de referință. Când aplicația și referința foloseau aceeași bază de date nutrițională, diferența scădea la circa 57 kcal pe zi, ceea ce arată cât de mult depinde de baza de date din spatele cifrelor.

Comparația cinstită nu este deci „AI contra perfecțiune”, ci „AI contra tine când tastezi și estimezi porțiile din ochi”, iar ambele variante au puncte oarbe. Partea manuală o explicăm în ghidul cum să numeri caloriile.

De ce sunt fotografiile dificile pentru AI

Mărimea porției. O poză nu are o scară. Aceasta este cea mai mare sursă de erori, iar porțiile mari sunt cel mai des subestimate.
Grăsimi și zahăr ascunse. Uleiul din tigaie, untul de pe legume, dressingurile și sosurile pot adăuga sute de calorii și de multe ori nu se văd.
Preparate amestecate sau în straturi. Orezul de sub tocană, umplutura dintr-o lipie, brânza din sandviș, smântâna din ciorbă.
Alimente care arată la fel. Iaurt integral sau degresat, lapte integral sau degresat, suc normal sau fără zahăr, pâine albă sau integrală.
Calitatea fotografiei. Pozele întunecate, mișcate sau făcute foarte de aproape îi oferă modelului mai puține informații.
Condițiile de testare. Studiul cu trei modele a folosit poze standardizate, făcute din unghiuri fixe, iar autorii subliniază că mesele reale sunt mai complexe. În viața de zi cu zi, precizia poate fi mai slabă decât în laborator.

Un exemplu cu cifre

Să zicem că porția ta de paste are de fapt 700 kcal. O eroare medie de aproximativ 36% înseamnă cam 250 kcal (700 × 0,36 = 252). O singură estimare ar putea ajunge, deci, oriunde între aproximativ 450 și 950 kcal.

Pe parcursul zilei, erorile întâmplătoare se compensează parțial: o masă e supraestimată, alta subestimată. Problema o reprezintă erorile sistematice. Dacă fiecare cină mare este subestimată cu 200 kcal, nimic nu se compensează: într-o săptămână se adună aproximativ 1.400 kcal. De aceea contează mai mult să corectezi porția la mesele mari decât să îți faci griji pentru o gustare mică.

Ce înseamnă asta pentru PixNutri

Studiile de mai sus au testat modele AI generale, nu PixNutri, deci nu spun cât de precisă este PixNutri. Nu am publicat încă propria noastră evaluare și nu afișăm niciun procent de precizie. Pe pagina despre precizie (în engleză) explicăm ce știm și ce testăm în continuare.

PixNutri este construită în jurul limitelor descrise de cercetare. Fiecare estimare din poză arată calorii, proteine, carbohidrați, grăsimi, fibre și zahăr, iar tu poți verifica și modifica fiecare valoare. Butoanele de porție (½, ¾, 1½, 2×) corectează cea mai frecventă eroare dintr-o atingere. Pentru alimentele ambalate, scanerul de coduri de bare folosește valorile nutriționale înregistrate în Open Food Facts, ajustate la cantitatea pe care o introduci. Poți descrie o masă și în scris sau vocal, oferind aplicației informații pe care o poză nu le arată.

Cum obții rezultate mai precise din orice aplicație AI de calorii

Fotografiază de sus, în lumină bună, cu toată farfuria în cadru.
Verifică porția. Dacă farfuria e mai plină decât de obicei, pornește de la ideea că estimarea e prea mică și ajusteaz-o.
Adaugă ce nu vede camera: ulei, unt, sosuri, zahăr din băuturi.
Pentru alimentele ambalate, scanează codul de bare în loc să faci poză.
Fotografiază preparatele amestecate înainte să le amesteci sau descrie ingredientele principale.
Cântărește o dată câteva dintre alimentele tale obișnuite, ca să înveți cum arată porțiile tale normale. Vezi calorii fără cântar de bucătărie.
Judecă progresul după tendința săptămânală, nu după o singură masă.

Când ai nevoie de mai mult decât o estimare

Dacă numeri carbohidrații ca să îți dozezi insulina, ai o boală de rinichi, ești însărcinată sau ai avut o tulburare de alimentație, lucrează cu un medic sau cu un nutriționist-dietetician și nu te baza doar pe estimările din poze. Pentru astfel de situații, studiile arată clar că modelele AI nu sunt încă suficient de precise.

Întrebări frecvente

Cât de precise sunt aplicațiile AI de numărat calorii?

În testele publicate, cele mai bune modele AI generale greșeau în medie cu aproximativ 36% la calorii dintr-o singură poză, subestimând de obicei porțiile mari. Precizia crește dacă adaugi detalii precum ingredientele și cantitățile.

E mai precisă o aplicație AI decât notarea manuală?

Nu neapărat. Un studiu din 2025 a găsit cele mai bune modele cam la fel de precise ca metodele clasice de raportare. Și aplicațiile cu introducere manuală subestimează, în medie cu aproximativ 200 kcal pe zi, potrivit unei metaanalize din 2021.

Pot să slăbesc folosind o aplicație AI de calorii?

Da, dacă folosești cifrele ca estimări, corectezi greșelile evidente și urmărești tendința greutății pe mai multe săptămâni. Cum se transformă cifrele în kilograme afli din articolul despre deficitul caloric.

De ce îmi subestimează aplicația mesele mari?

O poză nu are scară, așa că AI tinde să presupună o porție care arată normal. Studiile arată constant că estimările scad pe măsură ce porția crește. La farfuriile mari, folosește butoanele de porție sau modifică valorile.

Scanarea codului de bare e mai precisă decât o poză?

De obicei da, pentru că folosește valorile nutriționale înregistrate pentru acel produs, nu o estimare vizuală. Precizia depinde de înregistrarea din baza de date și de cantitatea pe care o introduci.

Cât de precise sunt aplicațiile AI de calorii? Ce arată studiile