El contador de calorías que casi no hace nada

Un contador común lleva un ejército entero al diario: búsquedas entre millones de filas, códigos de barras, fotos, voz, recetas, alimentos recientes y favoritos. Muchas apps hacen varias de esas cosas realmente bien.

En las otras apps usamos el tamaño de la base de búsqueda que declara cada empresa. Calk cuenta opciones de ingredientes preparados, incluidos los métodos de cocción. Verificado el 14 de julio de 2026.

En una lista de funciones, Calk pierde antes de empezar: no tiene lector de códigos de barras, IA con fotos, registro por voz ni millones de resultados de búsqueda. Dejamos fuera esos métodos de entrada a propósito.

Vamos a comparar cuatro formas conocidas de registrar comida: buscar en una base de datos, sacar una foto, escanear un código de barras y crear una receta. Después veremos qué usa Calk en su lugar.

1. Buscar en una base de datos: más no significa mejor

#

Una base con millones de entradas aumenta la posibilidad de encontrar un nombre conocido. No indica si la receta, la preparación y la porción coinciden con lo que tú comiste.

Una búsqueda de “curry de pollo” puede devolver todo esto a la vez:

No son cuatro versiones de la misma comida. La receta, el acompañamiento, la unidad y el tamaño de la porción cambian de una fila a otra; la persona decide cuál encaja. Millones de filas amplían la cobertura, pero no eliminan esa elección.

2. Una foto: otra puerta, la misma información faltante

#

Con una sola imagen, los modelos fuertes se equivocan en promedio entre el 20 y el 36% de las calorías del plato; en la prueba del NIH, cuatro apps de la tienda se quedaron cortas, en promedio, entre el 27 y el 38% de las calorías de una comida. Lo que hay detrás de esas cifras está en contar calorías por foto: qué tan preciso es: 18 pruebas de precisión en un gráfico y un conjunto abierto de 164 fuentes.

Un pepino es fácil de reconocer. La pasta no revela qué harina lleva ni cuánto aceite hay en la salsa. Una sopa cremosa no muestra la proporción entre crema y caldo. El shawarma no enseña lo que hay bajo la capa de arriba. Un modelo que etiqueta varios platos diferentes como simple “comida coreana” reconoció una cocina, no la comida.

Nombrar el plato es la mitad fácil, y ni siquiera esa sale gratis. En un ensayo aleatorizado con 42 adultos jóvenes en Taiwán que comían de un menú fijo de 17 platos, la versión con reconocimiento de imagen de una app de investigación registró correctamente 189 de 220 platos (86%); la versión con entrada por voz con la que se la comparó llegó a 136 de 200 (68%). Sobre la marcha, los participantes podían elegir una alternativa, agregar un plato omitido y corregir nombres, ingredientes, métodos de cocción y porciones. Aun así, uno de cada siete platos quedó mal registrado, con un menú cerrado y en un estudio que nunca midió calorías.¹ Una revisión sistemática sobre la evaluación de la dieta a partir de imágenes encontró un rango amplio de errores: los alimentos simples les salen mejor a los modelos que los platos compuestos.²

SnapCalorie explica con claridad que estima aceites, grasas de cocción y azúcares ocultos a partir de promedios, señales visuales e información del usuario.³ Es una estrategia de ingeniería razonable. Un promedio no se convierte en una observación solo porque lo propuso una cámara.

Y cuando la cámara se equivoca, no termina el trabajo. En muchas apps vuelves a una base de datos grande, eliges la pechuga de pollo o el queso correctos entre varias entradas, agregas la salsa que se le pasó y corriges la preparación y la cantidad. Incluso cuando una app arma una estimación sin elegir una fila guardada, las partes vuelven a ti para que las corrijas. La cámara no eliminó el trabajo anterior: propuso una primera versión.

No se puede saber de antemano cuánto trabajo quedará después de la foto. Un plato puede salir perfecto hoy; otro muy parecido puede exigir varias correcciones mañana. El costo de corregir es una lotería: cuesta desarrollar memoria muscular alrededor de un proceso que cambia con cada intento.

3. Un código de barras puede ganar y aun así no resolver el problema

#

Tomemos el mejor caso. Un yogur conocido del supermercado aparece al primer escaneo, el registro está actualizado y la etiqueta se transcribió bien. Para los valores impresos en ese envase, un escaneo que sale bien puede ser más rápido y más específico que Calk.

Pero el lector hace una búsqueda, no un análisis químico. Después de que la cámara ve el código, todavía tienen que coincidir cuatro cosas:

Las propias apps lo dicen: la base de MyFitnessPal mezcla entradas suyas con las que envían sus miembros, y Noom advierte que no todos los alimentos ni todos los códigos de barras están en el sistema.⁴

En un estudio de 2018 sobre siete apps y 100 productos de dos cadenas de supermercados neerlandesas, MyFitnessPal identificó correctamente 96 productos. Entre ellos, había datos de energía para el 98%, y el 89% de los valores de energía disponibles estaba a menos de un 5% de lo indicado en la etiqueta. Solo había datos de azúcar para el 50%, y el 54% de esos valores disponibles estaba a menos de un 5%.⁵ Por lo tanto, un escaneo puede recuperar un registro incompleto, mal transcrito o desactualizado.

No existe una “etiqueta completa” universal detrás del código

#

Un lector no puede inventar nutrientes que no estaban en la etiqueta o en la base de datos. Además, el contenido mínimo obligatorio de una etiqueta nutricional depende del país.

Una etiqueta japonesa puede cumplir con un mínimo obligatorio de cinco campos; una base de códigos de barras puede contener más. El mínimo europeo es más amplio, y el estadounidense, todavía más. El punto no es que las etiquetas necesariamente mientan. El mínimo obligatorio cambia según el país.

También hay errores dentro de sistemas regulados. En un estudio de laboratorio canadiense con muestras de la CFIA recolectadas entre 2006 y 2010, 169 de 1,010 productos (16,7%) obtuvieron una calificación “insatisfactoria”: el valor de laboratorio de al menos un nutriente analizado superaba en más de un 20% lo indicado en la etiqueta. Las tasas por nutriente fueron del 18,4% para el sodio (49/266), del 14,2% para las calorías (31/219) y del 15,8% para las grasas saturadas (60/380).⁶

Por eso, millones de códigos resuelven “encontrar el paquete”, pero no garantizan datos de composición con el mismo nivel de detalle. MacroFactor publica las dos cifras una al lado de la otra: alrededor de 1,36 millones de alimentos verificados disponibles en la búsqueda y unos 26,500 alimentos comunes con un panel completo de micronutrientes.⁷

4. Una receta calcula la olla. Tú comiste un plato.

#

Si conoces el peso de los ingredientes, el rendimiento final y la parte que comiste, una receta pesada permite controlar el cálculo con precisión. Para llegar al gramo, necesitas saber:

Lo que se suele aconsejar es pesar el plato ya cocinado, porque la olla pierde agua en el fuego y los pesos en crudo dejan de cuadrar. Buen consejo, si quieres y puedes sostener ese proceso cada vez que cocinas.

Entonces tu pareja come casi toda la carne. Un niño deja el acompañamiento. Queda salsa en el recipiente compartido. El aceite se queda en la sartén, o tal vez no. Las “cuatro porciones” de ayer terminan siendo tres platos grandes y un recipiente pequeño.

En lugar de un quinto método de entrada: una plantilla de comida

#

La búsqueda, los códigos de barras, las fotos y las recetas tienen fortalezas distintas. Pero cada camino crea primero una entrada y después le pide a la persona que explique en qué se diferencia la comida de hoy. Calk cambia el punto de partida, no el método de entrada: en lugar de abrir un diario vacío, abre un modelo editable de una comida conocida.

Tiene sentido porque la alimentación se repite más de lo que parece. En un análisis de 21,006 adultos que registraron alimentos y bebidas durante 10 a 14 días, para la mitad de los usuarios nueve elementos representaron la mitad de todo lo registrado y 35 representaron el 90%.⁸

Calk también usa una base de datos. Pero en lugar de millones de candidatos de búsqueda, contiene más de 2,100 opciones de ingredientes preparados, incluidos distintos métodos de cocción. El salmón crudo, al horno y frito aparecen por separado porque la cocción cambia el cálculo. En cambio, para el salmón al horno hay una sola opción de referencia: no se mezclan datos de salmón con pesto, especies con un perfil de grasa distinto ni trucha. Calk hace esa selección antes de que el alimento llegue a la persona.

Para los alimentos básicos, los números provienen de tablas nacionales de composición y artículos científicos. Una fuente puede aportar macros sólidos; otra, yodo, K2 o ácidos grasos. Calk solo combina campos que describen el mismo alimento y la misma preparación. Las etiquetas se usan por separado para validar productos envasados, donde la sal, el azúcar, las grasas saturadas y la fortificación pertenecen al producto específico. Los principales grupos de fuentes aparecen más abajo.

Una plantilla lista para ajustar los detalles de una comida

#

Tomemos un Bowl:

Tú eliges el aceite, la salsa, la preparación y la porción; en los platos que lo permiten, también puedes indicar sal, azúcar y fibra. Todas las opciones se ven en pantalla. Cambia un detalle y se recalcula el plato completo, mientras las demás opciones se mantienen.

Las plantillas viven en tres pantallas personalizables. Puedes ordenarlas para que tus comidas conocidas estén siempre en el mismo lugar. Así se ve en la aplicación.

Un Bowl, dos situaciones

1

2

Hoy es distintoSalmón en lugar de pollo

Las demás opciones no cambiaron.

+1

Calk no puede reconstruir a posteriori cómo se repartió una olla compartida. Pero si tu plato llevaba menos carne, el acompañamiento habitual y un poco de salsa, puedes cambiar cada parte por separado y recalcular el plato.

Cuando medir resulta incómodo desde el principio

#

Un restaurante, un banquete, una fiesta de oficina, el desayuno de un hotel, un bar, la playa o un avión no son platos. Son situaciones en las que la comida llega por tandas, se mezcla, se comparte y después se recuerda mal.

Calk tiene plantillas específicas para muchas de esas situaciones. Estos son algunos ejemplos de las comidas que permiten armar con rapidez:

La plantilla Banquete arma su estimación con las partes y las porciones que eliges de verdad, así que puedes registrar la noche mientras aún recuerdas, a grandes rasgos, qué había en el plato.

Lo que las plantillas de comida hacen posible después de un mes

#

Una plantilla no solo sirve para registrar más rápido. Conserva más que el nombre de una comida y sus calorías: los ingredientes, la preparación y la porción elegida permanecen en el diario. Las observaciones sobre tu alimentación empiezan a leer tus registros recientes de inmediato; el Informe nutricional mensual reúne los últimos 30 días y hace tres cosas:

Abrir en tamaño completo ↗

Abrir en tamaño completo ↗

Abrir en tamaño completo ↗

Abrir en tamaño completo ↗

Si una comida entró al diario como una sola línea con un nombre y un total de calorías, ningún informe puede reconstruir sus ingredientes después. La estructura que acelera el registro es la que mantiene el mes legible.

Lee el informe y elige qué cambiar en dos o tres platos que repites a menudo. Sigue registrando mientras pruebas las nuevas versiones. Cuando cada cambio se vuelve un hábito, el diario termina; sigues pesándote para observar la tendencia. Vuelve cuando la tendencia se desvíe de verdad, no porque se haya roto una racha, un día aparezca en rojo o llegue una notificación. Una semana de registros llena de nuevo la pantalla de variedad.

De dónde salen los números de Calk

#

Un catálogo pequeño solo se gana su lugar si detrás de cada entrada hay trabajo de verdad.

Una comparación contrasta una versión de una plantilla de Calk con el aceite usado en una receta publicada; otra compara su proteína y su grasa con las de un plato parecido en una base de datos de alimentos. El método está documentado aquí.

La lista actual reúne más de 40 bases oficiales de composición de alimentos y publicaciones científicas con referencias comprobables. Para cada ingrediente, Calk toma los campos que realmente fueron medidos o publicados por fuentes que corresponden a ese alimento. Una fuente puede aportar proteína y grasa; otra, yodo; y un artículo, vitamina K2 o espermidina. Las discrepancias se revisan, las coincidencias demasiado específicas o incorrectas se descartan y la app recibe una única opción clara.

Las bases de datos que realmente usamos

#

No es simplemente “USDA y listo”. Las tablas nacionales se complementan con etiquetas de fabricantes cuando importan la fortificación y el azúcar añadido, y con publicaciones identificables para nutrientes que rara vez se miden. Entre los artículos representativos hay trabajos sobre poliaminas en alimentos, formas de vitamina K en lácteos, luteína y zeaxantina y composición de aminoácidos.

Qué guarda la capa de nutrientes

#

Tu diario permanece en tu dispositivo

#

Calk funciona así de forma predeterminada: el catálogo de alimentos, los cálculos y el diario permanecen en tu dispositivo. Puedes desactivar las estadísticas limitadas de uso del producto desde Configuración. Lee más sobre tus datos y la privacidad.

Cuándo Calk no es la herramienta adecuada

#

Si tu tarea principal es igualar exactamente la etiqueta de un paquete o controlar una receta al gramo, Calk no es la herramienta adecuada.

Para todos los demás vale la pena decir el trato en voz alta: una estimación de treinta segundos que sigues haciendo le gana a un diario exacto al gramo que abandonas en la tercera semana. Calk está hecho para lo primero. Si te cansa elegir entre veinte filas, corregir lo que propone la cámara y mantener distintas versiones de tus recetas caseras:

No más métodos para registrar comida. Una sola plantilla clara, fácil de repetir y cambiar.

Calk ya está disponible para iPhone, iPad y Android.

Preguntas frecuentes

#

Fuentes y método de comparación

#

Las funciones de los competidores y sus afirmaciones sobre el tamaño de sus bases de datos se verificaron en las páginas oficiales de producto y soporte entre el 12 y el 14 de julio de 2026, y se revisaron de nuevo el 5 de septiembre de 2026. Pueden variar según el país, la plataforma y el plan.

También revisamos Lose It!, FatSecret, Lifesum, YAZIO, MyNetDiary, Carb Manager, Fitia, Fitatu, MacrosFirst, Nutritionix Track, FoodNoms, My Macros+, WeightWatchers, HealthifyMe, Fooducate, Foodvisor, Bitesnap, Calorie Mama, Ate, ParrotPal, Carbon Diet Coach, RP Diet Coach, Garmin Connect+ Nutrition y Zepp. El visual de arriba incluye solamente las afirmaciones respaldadas por las fuentes citadas aquí.