בקצרה: תמונה עונה היטב על השאלה מה יש בצלחת, ורע על השאלה כמה קלוריות יש בזה. מתמונה אחת מודלים חזקים טועים בממוצע ב־20–36% מהקלוריות של המנה, ואפליקציות מהחנות מחסירות בממוצע 27–38%. את הדיוק מעלים בעזרת חישת עומק, רשימת מרכיבים ותיקונים ידניים. חוץ מהחיישן, כל זה מוזן בידי אדם, וזו בדיוק העבודה שהצילום בא לחסוך.
בהמשך: מה התמונה רואה, מה חסר בה, 18 מקורות עם מספר שגיאה בגרף אחד, איך מעלים את הדיוק ונתונים פתוחים לכל מי שרוצה לבדוק בעצמו.
מה התמונה רואה#
זיהוי מזון עובד לא רע, וזה החלק האמיתי שבהבטחה. במחקר מ־2025 המערכת נקבה נכון בשם של 189 מתוך 220 מנות Sahoo 2025. בהשוואה של ארבע אפליקציות, MyFitnessPal זיהתה 97% ממרכיבי המנות. מתוך תמונה מודל יכול לומר:
- מה האוכל: אורז, סלט, לחם, עוף, מרק
- כמה יחידות: ביצה אחת או שתיים, קציצה אחת או שתיים
- איזה חלק מהצלחת האוכל תופס, מה צבעו ואיך נראים פני השטח
- מה נמצא לידו: צלחת, קערה, סכו״ם
זה מספיק כדי לצמצם חיפוש במאגר מאלפי רשומות לכמה בודדות. לקלוריות צריך יותר.
מה חסר בתמונה#
המתכון#
אותו קארי מבשלים על עגבניות, על חלב קוקוס, על שמנת או על גהי. מרק יכול להיות על בסיס ציר או להסתיים בשמנת. התמונה מראה את פני השטח המוכנים, לא את מה שהם עשויים ממנו.
אחוז השומן והנתח#
בשר טחון רזה ושמן נראים אותו דבר אחרי הבישול. כך גם נתחים שונים של חזיר או עוף, במיוחד כשהשומן שנמס נשאר במנה. במדריך לקלוריות נסתרות יש דוגמה מאומתת של USDA: בשר בקר טחון נא עם 95% בשר רזה ומוצר 80/20 נבדלים ב־111 קק״ל ל־100 גרם.
שמן#
שמן מצפה ירקות, יושב בציפוי, נספג באורז וברוטב. משטח מבריק אינו אומר כמה גרם נכנסו וכמה נשארו במחבת. בבדיקת NIH כל ארבע האפליקציות החסירו כ־30 גרם שומן לארוחה.
מרכיבים בפנים ומתחת#
סוכר בזיגוג, חמאה באורז, גבינה בתוך קציצה, שכבה שנייה מתחת לרוטב. שום דבר מזה אינו נמצא בתמונה.
המנה בגרמים#
התמונה מראה איזה חלק מהצלחת האוכל תופס, לא כמה הוא שוקל. גודל הצלחת, מרחק המצלמה, הזווית וגובה הערימה משנים את ההערכה פי כמה, והאוכל גם מסתיר את עצמו. בבדיקה של Fridolfsson הדיווח בחסר גדל יחד עם גודל המנה.
הסיכום פשוט: קלוריות מורכבות משם המנה, מגודל המנה ומהמתכון. התמונה נותנת באופן אמין רק את הראשון. ומה שהיא מחמיצה — שמן, אחוז שומן, גבינה — הוא בעיקר שומן וחלבון, ולכן ההרכב יוצא שגוי יותר מסך הקלוריות.
מה מצאו בדיקות הדיוק#
אספנו 164 רשומות על דיוק הקלוריות מתמונה מ־2015 ועד ספטמבר 2026: מאמרים, פרסומים מוקדמים, בדיקות עיתונאיות ואישיות וטענות של חברות. ל־18 מהן יש מספר שאפשר להעמיד על סרגל אחד; הן סופרות שגיאה בדרכים שונות, ולכן זה אינו דירוג. השאר נמצאות בנתונים הפתוחים, עם הסיבה.
שורה אחת לכל מקור. פתחו שורה כדי לראות מה נמדד ואיפה זה פורסם.
● בדיקות חיצוניות
NIH · 4 אפליקציות · 2026102 ארוחות · תקציר לכנס 27.5–37.6% →
הטיה, לפי הדיווח בחסר הממוצע. ארוחת ייחוס ממוצעת של 918 קק״ל. הדיווח בחסר הממוצע: MyFitnessPal −327, Lose It! −333, Cal AI −345, Appediet −252 קק״ל. חלוקה ב־918 נותנת חוסר ממוצע של 35.6%, 36.3%, 37.6% ו־27.5% מהארוחה; מנות בודדות מפוזרות סביב המספרים האלה לשני הכיוונים, ולכן הפספוס האופייני במנה בודדת הוא מספר אחר.
תקציר לכנס, עדיין לא מאמר מלא. מימון NIH. ניתוח 102 הארוחות נפרד מהארוחות הנוספות שהוזכרו בסיקור העיתונאי.
Tanabe · 6 מודלים · 2025תמונות Nutrition5k · 6 מודלים 39.8–129.5%
שגיאה ממוצעת למנה. שישה מודלים נבדקו על תמונות Nutrition5k, עם כוונון עדין ובלעדיו: 129.5, 92.8, 55.7, 46.7, 41.5 ו־39.8% שגיאה ממוצעת למנה (MAPE).
מספרים שצוטטו ממאמרים קודמים אינם נספרים כבדיקות חדשות. ניסויי הזנת נפח הם פרוטוקול אחר ואינם נכללים.
Coburn · 8 מודלים · 2025806 תמונות · סימני קנה מידה 23.3–86.3%
שגיאה ממוצעת למנה. שמונה מודלים על 806 תמונות שיש בהן סימן קנה מידה: 23.3–86.3% שגיאה ממוצעת למנה (MAPE) בפרוטוקול הבסיסי.
פרסום מוקדם. סימן קנה המידה בכל תמונה מסייע בהערכת גודל המנה. הנחיות שהועשרו במטא־נתונים הן תנאי נפרד. אלה ממוצעים לכל מודל, לא הפרש בין ארוחות בודדות.
Fridolfsson · 3 מודלים · 202552 תמונות של אוכל 35.8–64.2%
שגיאה ממוצעת למנה. GPT-4o ו־Claude 3.5 Sonnet — 35.8% שגיאה ממוצעת למנה (MAPE) כל אחד; Gemini 1.5 Pro — 64.2%. ככל שהמנה גדלה, כך גדל הדיווח בחסר.
פורסם ב־2025, נבדק בספטמבר 2024. תמונות מבוימות עם סכו״ם ועם מנות ששוקלו.
Rodríguez · ChatGPT-5 · 2025195 מנות · תמונה / תמונה ומרכיבים 6.9–35.0%
שגיאה ממוצעת למנה. אותן 195 מנות, קלט שונה. תמונה בלבד: 20.1–35% בשלושה מקבצי תמונות, 30.5% בסך הכול. תמונה עם רשימת מרכיבים מפורטת: 6.9–18.6%, 13.9% בסך הכול. שגיאה ממוצעת למנה (MAPE).
מחקר אחד, קלט שונה. ה־6.9% מתייחסים ל־25 מנות ביתיות עם רשימת מרכיבים מפורטת. הרצות טקסט בלבד אינן נכללות.
Li · 4 אפליקציות · 20246 מנות מורכבות · 4 אפליקציות 15.4–59.3%
שגיאה בסך שש המנות. החישוב שלנו לפי שורות המנה השלמה בטבלה 10, שש מנות שכל ארבע האפליקציות התמודדו איתן: MyFitnessPal 59.3%, HealthifyMe 39.6%, Foodvisor 26.6%, Fastic 15.4% מסך קלוריות הייחוס (WAPE).
מדגם משותף קטן; תה חלב הושמט מפני ש־Foodvisor לא נתנה תוצאה. הייחוס הוא רישומי מזון של דיאטניות. לא הוצהרו מימון או ניגודי עניינים.
Serra · SNAQ · 202330 נשים · יומן של שבוע ≥14.8%
חוסר בסכום, לפי הדיווח בחסר הממוצע ליום. יומן האפליקציה הראה בממוצע 1905.5 קק״ל ליום מול הוצאה אנרגטית מדודה של 2235.2 קק״ל ליום: סכום היומן נמוך ב־14.8%. ה־12.8% שהמאמר עצמו מדווח הם ממוצע האחוזים האישיים.
מימון אקדמי; SNAQ קיבלה תשלום על בניית גרסת המחקר. שימוש בהוצאה האנרגטית כייחוס לצריכה מניח משקל יציב; רשומות שנשכחו נזקפות לחובת האפליקציה.
Herzig · SNAQ · 202048 ארוחות · עומק ורשימה 12.7%
שגיאה ממוצעת לארוחה. 12.7% שגיאה ממוצעת לארוחה (MAPE), 41.2 קק״ל בממוצע. iPhone עם חישת עומק, המזון נבחר מרשימה מוגדרת מראש, ואת החלוקה בתמונה אפשר היה לתקן ביד.
מחקר אקדמי; המחברים מודים למפתחי SNAQ ואינם מצהירים על ניגוד עניינים. זהו תיעוד בעזרת הנחיות, לא תמונה חשופה.
Keenoa · 202072 משתתפים · יומן יומי 15.6–19.5% →
חוסר בסכום, לפי הדיווח בחסר הממוצע ליום. יומן הייחוס 2006.3 קק״ל ליום; הרשומות של האפליקציה עצמה 1615.3; אחרי בדיקה של דיאטנית 1693. הסכומים נמוכים ב־19.5% וב־15.6%.
הייחוס הוא יומן אחר, שגם בו יש שגיאות. התוצאה כוללת את הרגלי התיעוד ואת הבדיקה האנושית, לא רק את ההערכה מהתמונה.
◆ בדיקות בשיתוף המפתחים, סקירות וטענות
Bayern 1 · 2026שבוע · הנוסחה לא נחשפה 6.0–>20.0%
סטייה שבועית, הנוסחה לא נחשפה. על Foodvisor דווחה סטייה של כ־6% לאורך שבוע; אצל האחרות דווחו סטיות של יותר מ־20%. הקצה העליון אינו ידוע.
בדיקה עיתונאית של ארבע אפליקציות בלי יומן ייחוס מלא ובלי נוסחת שגיאה. סיכום שבועי יכול להסתיר שגיאות מנוגדות בארוחות בודדות. התאריך בעמוד 3 ביוני 2026; במטא־נתונים 12 ביוני.
Tom’s Guide · Gemini · 20263 ארוחות · גבולות מחושבים 5.3–27.2%
שגיאה בסך שלוש הארוחות, גבולות מחושבים. הייחוס 175 / 295 / 328 קק״ל; Gemini השיב בטווחים 115–175 / 255–305 / 370–445. הקצוות הקרובים והרחוקים נותנים 5.3–27.2% מהסך.
תמונה בתוספת תיאור מילולי. יומן אישי כייחוס, שלוש ארוחות. הגבולות חושבו מטווחי התשובות, ואינם ממוצע מדוד.
SnapCalorie · שאלות נפוצות · 2025ארכיון 2025 · ללא שינוי ב־2026 ≈15.0%
טענת החברה, הנוסחה לא נחשפה. בשאלות הנפוצות נכתב שגיאת קלוריות ממוצעת של כ־15%. אותו ניסוח בארכיון מ־21 בינואר 2025 ובעמוד החי ב־5 בספטמבר 2026.
התאריך הוא מועד שמירת הטענה בארכיון, לא מועד בדיקה. Nutrition5k מוזכרת, אבל לא הנוסחה, לא גרסת האפליקציה ולא בדיקה עצמאית.
Kakao & Karotte · Lifesum · 20257 ארוחות · בדיקה אישית 34.6%
שגיאה בסך שבע הארוחות. שבע ארוחות, בכולן ההערכה גבוהה מדי: 660 קק״ל עודפות מתוך 1905 של הייחוס, 34.6% מהסך (WAPE); 41.9% בממוצע לארוחה.
הסך המודפס באתר, 1406 קק״ל, אינו מסתדר עם השורות שלו עצמו, שמסתכמות ב־1905; אנחנו לוקחים את השורות. בעמוד יש קישורי שותפים.
אפליקציית מחקר · Passio · 202526 משתתפים · יומן יומי ≥20.1%
חוסר בסכום, לפי הדיווח בחסר הממוצע ליום. דיווח בחסר ממוצע של 1814 קילו־ג׳אול ליום מול הוצאה אנרגטית מדודה של 9017 קילו־ג׳אול ליום: הסכום נמוך ב־20.1%. ה־15% שהמאמר מדווח הם ממוצע היחסים האישיים.
המחברים האקדמיים בנו את האפליקציה על המנוע של Passio; מענקים ציבוריים ופילנתרופיים מימנו אותה, ו־Passio תרמה את האלגוריתם. זו בדיקה של המחברים לתהליך שלהם עצמם.
FeastGood · 2024ארוחה אחת · סך ב־3 מתוך 6 0.7–11.8%
שגיאה בארוחה אחת. ארוחה אחת של 440 קק״ל; שלוש אפליקציות נתנו סך: 437, 470 ו־388 קק״ל, כלומר שגיאה של 0.7%, 6.8% ו־11.8%. שלוש האחרות לא נתנו סך בר־השוואה.
ל־MyFitnessPal נבחרו אפשרויות המנה שבברירת המחדל. קישורי השותפים גולו. ארוחה מוצלחת אחת אומרת מעט על הדיוק הרגיל.
SnapCalorie · 2023הצהרת מפתח · עומק ובדיקה <20.0%
טענת החברה, הנוסחה לא נחשפה. מייסד שצוטט ב־TechCrunch ב־26 ביוני 2023: שגיאת קלוריות ממוצעת של פחות מ־20%. השירות השתמש אז בחישת עומק ובבודקים אנושיים.
אין נוסחה ואין בדיקה עצמאית למספר שצוטט. ה־15% המאוחרים יותר נכנסים בתוך אותו ״פחות מ־20%״.
CALO mama · 2022120 ארוחות · אוטומטי / מתוקן 1.6–10.1% →
הטיה, לפי ההפרש הממוצע. ייחוס ממוצע של 562 קק״ל. ההערכה האוטומטית נתנה בממוצע 505 קק״ל (−57), ואחרי תיקון ידני 571 קק״ל (+9). זה פספוס ממוצע של 10.1% ו־1.6%; השגיאה המדודה לכל ארוחה לא פורסמה.
המחקר מומן בידי המפתחת, Link & Communication; שניים מהמחברים היו עובדיה, ולשלישי היה חוזה ייעוץ מחקרי. עבר שיפוט עמיתים, אך אינו עצמאי. CALO mama היפנית אינה Calorie Mama.
Nutrition5k · 2021תמונה / עומק / משקל ידוע 9.5–26.1%
שגיאה ממוצעת למנה. שגיאת הקלוריות הממוצעת למנה, מנורמלת: תמונה בלבד 26.1%; עם עומק 18.8%; עם נפח 16.5%; עם משקל המנה האמיתי 9.5%.
חוקרי Google מעריכים את המודלים שלהם על מערך הנתונים שלהם. ה־9.5% דורשים את המשקל האמיתי ואינם מתמונה בלבד.
→ הטיה של הסכום: בכמה סכום כל ההערכות נפל מהסכום האמיתי; מנות בודדות מפוזרות סביבו לשני הכיוונים. אצל Bayern 1 הקצה העליון אינו ידוע. ◇ טענת החברה. קו מקווקו: גבולות שחושבו מטווחי התשובות.
הצבע אומר מי מדד, לא כמה טובה התוצאה. השורות סופרות שגיאה בדרכים שונות (ממוצע למנה, שגיאה של הסך הכול, הטיה מתוך דיווח בחסר ממוצע, טענה) ועל מנות שונות, ולכן הציר אינו דירוג ואי אפשר למצע את השורות ל״דיוק שוק״ אחד.
מה רואים בגרף.
מתמונה אחת השגיאה מגיעה לעשרות אחוזים. מודלים חזקים — GPT-4o, Claude ו־ChatGPT-5 — טועים בממוצע ב־20–36% מהקלוריות של המנה. חלשים — ב־64–130%.
אפליקציות מהחנות מדווחות בחסר. בבדיקת NIH על 102 ארוחות, MyFitnessPal, Lose It!, Cal AI ו־Appediet החסירו בממוצע 252–345 קק״ל מתוך 918, כלומר 27–38% מהארוחה. זה הפער הממוצע; במנה בודדת השגיאה יכולה להיות גדולה יותר. בהשוואה של Li על אותן שש מנות, ארבע אפליקציות טעו ב־15–59% מהסך.
המספרים הקטנים התקבלו בעזרה. ה־12.7% של Herzig הושגו עם חישת עומק ועם בחירת המזון מרשימה סגורה. ה־9.5% של Nutrition5k דרשו למסור למודל את המשקל המדויק של המנה. ה־1.6% של CALO mama הם ההטיה הממוצעת אחרי תיקונים ידניים, במחקר שהמפתחת מימנה; את השגיאה הממוצעת לארוחה לא פרסמו שם.
חברות אינן מפרסמות מספר שגיאה. בחומרים שבדקנו, Foodvisor, MyFitnessPal, Lose It!, YAZIO, Lifesum, Calorie Mama ו־BiteSnap לא נקבו בשגיאת קלוריות אף פעם, רק באחוז זיהוי או בגודל המאגר. Cal AI כתבה ״90% דיוק״, אחר כך ״80%״, בלי לומר מה נמדד. SnapCalorie: ״פחות מ־20%״ ב־2023, ״בערך 15%״ מ־2025, ורשימת המנות והנוסחה לא נחשפו.
איך מעלים את הדיוק#
כל תוצאה טובה בגרף הגיעה מאחד מארבעה דברים.
- חיישן עומק או זווית שנייה. ב־Nutrition5k השגיאה יורדת מ־26% בתמונה אחת ל־19% עם עומק, ול־9.5% כשמוסרים למודל את משקל המנה. Herzig הגיע ל־12.7% ב־iPhone עם חישת עומק.
- רשימת מרכיבים. ChatGPT-5 על אותן 195 מנות: 30.5% מהתמונה בלבד, 13.9% עם תיאור מפורט של המרכיבים.
- תפריט סגור. במחקר של Herzig המשתמש בחר את המזון מרשימה, והמודל רק העריך נפח. מערכות בבתי חולים ובקפיטריות עובדות באותו אופן.
- תיקונים ידניים. ב־CALO mama ההטיה הממוצעת ירדה מ־10% ל־1.6% אחרי שהמשתמש תיקן את הרשומה. ב־Keenoa בדיקה של דיאטנית צמצמה את החסר מ־19.5% ל־15.6%.
כל אחת מהדרכים מוסיפה מידע שלא היה בפיקסלים. אף אחת מהן אינה הופכת את התמונה עצמה למדויקת יותר.
המחיר של הדיוק#
התוספות האלה עובדות, וחוץ מחיישן העומק כל אחת מהן מוזנת בידי אדם. המחקר של Sahoo מראה את הפער: המערכת זיהתה 86% מהמנות, ו־68% דווחו נכון אחרי התיקונים Sahoo 2025. כדי להביא תוצאה מתמונה אל האמת, המשתמש עדיין מחליט:
- אם זו המנה הנכונה
- מה חסר ומה מיותר
- איך היא הוכנה
- אם נספרו שמן, רוטב וסוכר
- כמה נאכל
זו אותה הזנה כמו הקלדה ידנית, רק אחרי שמפענחים מה המודל ניחש. מקדם תיקון אחד אינו פותר את זה: בתמונה אחת המערכת הוסיפה רוטב, בשנייה החמיצה שמן שנספג, בשלישית קלעה לגודל המנה והחטיאה את המתכון. ״המצלמה שלי בדרך כלל נמוכה ב־15%״ נכשל מפני שבכל פעם חסרים נתונים אחרים.
התמונה מקצרת את החיפוש אחר המנה, ובדיקת המתכון וגודל המנה נשארת עליכם. הבדיקה הזאת היא ההזנה האמיתית, וקל יותר לעשות אותה פעם אחת, בתבנית של מנה מוכרת, מאשר אחרי כל צילום. סקירה שיטתית של 52 עבודות הגיעה לאותו מקום: השיטות שונות מכדי לתת מספר דיוק אחד, והכלים אינם בשלים לשימוש עצמאי Shonkoff 2023.
איך Calk עובד#
Calk מתחיל מהמנה, לא מתמונה שלה. תבנית ארוחה כבר מחזיקה את הדברים שהתמונה אינה רואה ושבדרך כלל משתנים:
- חלבון או מרכיב עיקרי
- שיטת הכנה
- שמן, רוטב, סוכר, מלח ותוספות
- גודל מנה
שמרו את הארוחה במועדפים בעזרת הכפתור ♥ והוסיפו אותה ללשונית האוכל. בפעם הבאה פתחו אותה ולחצו על ״לאכול״, שתי פעולות. אם פרט אחד השתנה, שנו רק אותו והמנה תחושב מחדש. ההרכב גלוי כולו וניתן לעריכה, אותן בחירות תמיד נותנות אותו מספר, והמרכיב שהשתנה מופיע בשמו. אין ניחוש של מודל שצריך לפענח לפני שעורכים.
ראו איך תבניות ארוחה פועלות ואת ההשוואה בין שיטות ספירת הקלוריות.
Calk זמין ל‑iPhone, ל‑iPad ול‑Android.
נתונים לעיתונאים ולחוקרים#
כל מה שהמאמר הזה נשען עליו פתוח: CSV ו־JSON, 164 רשומות, נבדק ב־5 בספטמבר 2026.
- 18 רשומות בגרף, ובהן טענות של חברות ובדיקות אישיות, כל אחת עם המספר כפי שהודפס במקור, נוסחת החישוב שלנו, תנאי הבדיקה והקשרים שנחשפו עם המפתח.
- 71 רשומות מאומתות בלי נקודה בגרף והסיבה: רק זיהוי, אין מדד ייחוס, קק״ל בלי ארוחה ממוצעת, הדפסה חוזרת של מחקר אחר, טבלאות סותרות.
- 75 מועמדות שנדחו עם הסיבה, ובהן רשת של 11 אתרים שמציגים ״מחקר״ מומצא עם DOI שאינו קיים כאילו היה אימות עצמאי.
לכל רשומה: מי מדד, מי פרסם, תאריכי הפרסום והבדיקה, גרסת המוצר, המדגם, מדד הייחוס, המדד המקורי, הציטוט או הטבלה שממנה נלקח, ושרשרת ההדפסות החוזרות. אפשר להשתמש בנתונים ולצטט אותם עם קישור ל־Calk ולמאמר הזה. אם אתם מכירים בדיקה שחסרה כאן, או מצאתם טעות בשורה, כתבו ל־support@calk.me עם המילה press בנושא; נבדוק ונעדכן את הנתונים במקום שצריך.