Em resumo: a fotografia responde bem à pergunta “o que tem no prato” e mal à pergunta “quantas calorias tem isso”. A partir de uma imagem sozinha, os modelos mais fortes erram em média 20–36% das calorias do prato, e os aplicativos de loja deixam de contar em média 27–38%. A precisão sobe com sensor de profundidade, lista de ingredientes e correção manual. Fora o sensor, tudo isso é digitado por uma pessoa, justamente o trabalho que a foto ia poupar.
Abaixo: o que a foto vê, o que falta nela, 18 fontes com um número de erro em um gráfico, como a precisão sobe e os dados abertos para quem quiser conferir.
O que a foto vê#
O reconhecimento de alimentos funciona bem, e essa parte da promessa é honesta. Num estudo de 2025, o sistema nomeou corretamente 189 de 220 pratos Sahoo 2025. Numa comparação de quatro aplicativos, o MyFitnessPal reconheceu 97% dos componentes dos pratos. A partir de uma imagem, o modelo consegue dizer:
- que alimento é: arroz, salada, pão, frango, sopa
- quantas unidades: um ovo ou dois, um hambúrguer ou dois
- quanto do prato a comida ocupa, a cor e a superfície dela
- o prato, a tigela e os talheres ao lado
Isso já basta para reduzir uma busca de milhares de linhas a umas poucas opções. Para as calorias, é preciso mais.
O que falta na imagem#
A receita#
O mesmo curry é feito com tomate, leite de coco, creme de leite ou ghee. Uma sopa pode ser de caldo ou levar creme no final. A imagem mostra a superfície pronta, e não aquilo de que ela foi feita.
O teor de gordura e o corte#
Carne moída magra e carne moída gorda ficam iguais depois de cozidas. Cortes diferentes de porco ou de frango também, principalmente quando a gordura derretida ficou no prato. O guia de calorias escondidas traz um exemplo verificado do USDA: a carne bovina moída crua com 95% de teor magro e o produto cru 80/20 diferem em 111 kcal por 100 g.
O óleo#
O óleo cobre os legumes, fica na farinha de rosca, some no arroz e no molho. O brilho da superfície não diz quantos gramas entraram no preparo nem quanto ficou na panela. No teste do NIH, os quatro aplicativos deixaram de contar cerca de 30 g de gordura por refeição.
Os ingredientes de dentro e de baixo#
Açúcar na cobertura, manteiga no arroz, queijo dentro do hambúrguer, uma segunda camada debaixo do molho. Nada disso aparece na imagem.
A porção em gramas#
A imagem mostra quanto do prato a comida ocupa, não quanto ela pesa. O tamanho do prato, a distância da câmera, o ângulo e a altura do monte mudam a estimativa em várias vezes, e a comida ainda esconde a própria comida. No teste de Fridolfsson, quanto maior a porção, maior a subestimação.
A conta é simples: as calorias vêm do nome, da porção e da receita. A foto entrega com segurança só o primeiro. E o que escapa dela — óleo, teor de gordura, queijo — é sobretudo gordura e proteína, então a composição sai pior do que o total de calorias.
O que os testes de precisão apontaram#
Reunimos 164 registros sobre precisão de calorias por foto, de 2015 a setembro de 2026: artigos, preprints, testes de imprensa e testes pessoais, declarações de empresas. Dezoito deles trazem um número que cabe numa mesma escala; cada um conta o erro de um jeito, então isto não é um ranking. O resto está nos dados abertos, com o motivo.
Uma linha por fonte. Abra a linha para ver o que foi medido e onde isso foi publicado.
● Testes externos
NIH · 4 aplicativos · 2026102 refeições · resumo de congresso 27,5–37,6% →
Viés, pela subestimação média. Referência média de 918 kcal por refeição. Subestimação média: MyFitnessPal −327, Lose It! −333, Cal AI −345, Appediet −252 kcal. Dividido por 918, em média faltam 35,6%, 36,3%, 37,6% e 27,5% da refeição; pratos individuais se espalham em volta desses números nas duas direções, então o erro típico por prato é outro número.
Resumo de congresso, ainda sem artigo completo. Financiamento do NIH. A análise das 102 refeições é separada das demais refeições citadas na imprensa.
Tanabe · 6 modelos · 2025Fotos do Nutrition5k · 6 modelos 39,8–129,5%
Erro médio por prato. Seis modelos testados nas fotos do Nutrition5k, com e sem ajuste fino: 129,5; 92,8; 55,7; 46,7; 41,5 e 39,8% de erro médio por prato (MAPE).
Números citados de trabalhos anteriores não contam como testes novos. Os experimentos que injetam o volume seguem outro protocolo e ficaram de fora.
Coburn · 8 modelos · 2025806 imagens · marcador de escala 23,3–86,3%
Erro médio por prato. Oito modelos em 806 fotos que trazem um marcador de escala: 23,3–86,3% de erro médio por prato (MAPE) no protocolo de base.
Preprint. O marcador de escala em toda foto ajuda no tamanho da porção. Prompts enriquecidos com metadados são uma condição à parte. São médias por modelo, não os extremos de cada prato.
Fridolfsson · 3 modelos · 202552 fotografias de comida 35,8–64,2%
Erro médio por prato. GPT-4o e Claude 3.5 Sonnet: 35,8% de erro médio por prato (MAPE) cada um; Gemini 1.5 Pro: 64,2%. Quanto maior a porção, maior a subestimação.
Publicado em 2025, testado em setembro de 2024. Fotos controladas, com talheres e porções pesadas.
Rodríguez · ChatGPT-5 · 2025195 pratos · foto / foto + ingredientes 6,9–35,0%
Erro médio por prato. Os mesmos 195 pratos, entradas diferentes. Só a foto: 20,1–35% em três conjuntos de imagens, 30,5% no geral. Foto mais uma lista detalhada de ingredientes: 6,9–18,6%, 13,9% no geral. Erro médio por prato (MAPE).
Um estudo, entradas diferentes. Os 6,9% valem para 25 pratos caseiros com lista detalhada de ingredientes. As rodadas só de texto ficaram de fora.
Li · 4 aplicativos · 20246 pratos compostos · 4 aplicativos 15,4–59,3%
Erro da soma dos seis pratos. Cálculo nosso a partir das linhas de pratos inteiros da tabela 10, os seis pratos que os quatro aplicativos deram conta: MyFitnessPal 59,3%, HealthifyMe 39,6%, Foodvisor 26,6%, Fastic 15,4% do total de calorias de referência (WAPE).
Amostra comum pequena; o chá com leite ficou de fora porque o Foodvisor não deu resultado. A referência são registros alimentares feitos por nutricionistas. Sem financiamento nem conflitos declarados.
Serra · SNAQ · 202330 mulheres · diário de sete dias ≥14,8%
Déficit do total, pela subestimação diária média. O diário do aplicativo deu em média 1905,5 kcal/dia contra um gasto medido de 2235,2 kcal/dia: o total do diário fica 14,8% abaixo. Os −12,8% do próprio artigo são a média dos percentuais individuais.
Financiamento acadêmico; a SNAQ foi paga para construir a versão de pesquisa. Usar o gasto como referência do consumo pressupõe peso estável; refeições não lançadas pesam contra o aplicativo.
Herzig · SNAQ · 202048 refeições · profundidade + lista 12,7%
Erro médio por refeição. 12,7% de erro médio por refeição (MAPE), 41,2 kcal em média. iPhone com sensor de profundidade, alimento escolhido de uma lista predefinida e segmentação que podia ser corrigida à mão.
Estudo acadêmico; os autores agradecem aos desenvolvedores da SNAQ e não declaram conflitos. Aqui o registro é assistido, e não uma foto pura.
Keenoa · 202072 participantes · registro diário 15,6–19,5% →
Déficit do total, pela subestimação diária média. Diário de referência com 2006,3 kcal/dia; os lançamentos do próprio aplicativo, 1615,3; depois da revisão de uma nutricionista, 1693. Os totais ficam 19,5% e 15,6% abaixo.
A referência é outro diário, ele mesmo imperfeito. O resultado inclui o jeito de registrar e a revisão humana, não só a estimativa pela imagem.
◆ Testes com o desenvolvedor, análises e declarações
Bayern 1 · 2026Uma semana · sem fórmula 6,0–>20,0%
Desvio semanal, sem fórmula. O Foodvisor foi apontado com cerca de 6% de desvio ao longo de uma semana; para os outros, foram relatados desvios acima de 20%. O topo da faixa é desconhecido.
Teste de redação com quatro aplicativos, sem registro de referência completo nem fórmula de erro. Um total semanal pode esconder erros opostos em refeições isoladas. Data na página: 3 de junho de 2026; nos metadados, 12 de junho.
Tom’s Guide · Gemini · 20263 refeições · limites calculados 5,3–27,2%
Erro da soma das três refeições, limites calculados. Referências de 175 / 295 / 328 kcal; o Gemini respondeu com faixas de 115–175 / 255–305 / 370–445. Pegando as pontas mais próxima e mais distante, dá 5,3–27,2% do total.
Foto mais uma descrição em texto. Registro pessoal como referência, três refeições. Os limites vêm das faixas das respostas, não de uma média medida.
FAQ da SnapCalorie · 2025Arquivado em 2025 · igual em 2026 ≈15,0%
Declaração da empresa, sem fórmula. O FAQ fala em cerca de 15% de erro calórico médio. A mesma frase está no arquivo de 21 de janeiro de 2025 e na página no ar em 5 de setembro de 2026.
A data é a da captura pelo arquivo, não a de um teste. O Nutrition5k é citado; a fórmula, a versão do aplicativo e uma verificação independente, não.
Kakao & Karotte · Lifesum · 20257 refeições · teste pessoal 34,6%
Erro da soma das sete refeições. Sete refeições, todas superestimadas: 660 kcal a mais sobre 1905 kcal de referência, 34,6% do total (WAPE); 41,9% em média por refeição.
O total de 1406 kcal impresso no site não bate com as linhas dele mesmo, que somam 1905; usamos as linhas. A página tem links de afiliado.
Passio · app de pesquisa · 202526 participantes · registro diário ≥20,1%
Déficit do total, pela subestimação diária média. Subestimação média de 1814 kJ/dia contra um gasto medido de 9017 kJ/dia: o total fica 20,1% abaixo. Os 15% do artigo são a média das razões individuais.
Os autores acadêmicos montaram o aplicativo sobre o motor da Passio; o trabalho foi pago por verbas públicas e de uma entidade beneficente, e a Passio cedeu o algoritmo. É a validação do próprio fluxo pelos próprios autores.
FeastGood · 20241 refeição · total em 3 de 6 apps 0,7–11,8%
Erro em uma refeição. Uma refeição de 440 kcal; três aplicativos deram um total: 437, 470 e 388 kcal, ou seja, erros de 0,7%, 6,8% e 11,8%. Os outros três não chegaram a um total comparável.
No MyFitnessPal foram usadas as opções de porção padrão. Links de afiliado declarados. Uma refeição bem-sucedida diz pouco sobre a precisão habitual.
SnapCalorie · 2023Declaração · profundidade e revisão <20,0%
Declaração da empresa, sem fórmula. Um fundador citado pelo TechCrunch em 26 de junho de 2023: erro calórico médio abaixo de 20%. O serviço usava então sensor de profundidade e revisores humanos.
Sem fórmula e sem verificação independente para o número citado. Os 15% posteriores cabem dentro desse “abaixo de 20%” anterior.
CALO mama · 2022120 refeições · automático / corrigido 1,6–10,1% →
Viés, pela diferença média. Referência média de 562 kcal. A estimativa automática deu em média 505 kcal (−57); depois da correção manual, 571 kcal (+9). Isso é um desvio médio de 10,1% e 1,6%; o erro medido por refeição não foi publicado.
Pago pela desenvolvedora, a Link & Communication; dois autores eram funcionários dela e um terceiro tinha contrato de consultoria em pesquisa. Revisado por pares, mas não independente. O CALO mama japonês não é o Calorie Mama.
Nutrition5k · 2021Foto / profundidade / peso conhecido 9,5–26,1%
Erro médio por prato. Erro calórico médio por prato, normalizado: só a foto, 26,1%; com profundidade, 18,8%; com volume, 16,5%; com o peso real do prato informado, 9,5%.
Pesquisadores do Google avaliando os próprios modelos no próprio conjunto de dados. Os 9,5% dependem do peso real e não valem para a foto sozinha.
→ viés do total: quanto a soma de todas as estimativas ficou abaixo da soma real; os pratos individuais se espalham em volta dela nas duas direções. Na Bayern 1 o topo da faixa é desconhecido. ◇ declaração da empresa. Linha tracejada: limites calculados a partir das faixas de resposta.
A cor diz quem fez a medição, não o quanto o resultado é bom. As linhas contam o erro de formas diferentes (média por prato, erro de um total, viés a partir da subestimação média, uma declaração) e em refeições diferentes, então o eixo não é um ranking e as linhas não podem virar uma média de “precisão do mercado”.
O que o gráfico mostra.
Com uma foto sozinha, o erro se conta em dezenas por cento. Os modelos mais fortes — GPT-4o, Claude e ChatGPT-5 — erram em média 20–36% das calorias do prato. Os mais fracos erram 64–130%.
Os aplicativos de loja subestimam. No teste do NIH, com 102 refeições, MyFitnessPal, Lose It!, Cal AI e Appediet deixaram de contar, em média, 252–345 kcal de 918, ou seja, 27–38% da refeição. Essa é a diferença média; em pratos isolados o erro pode ser maior. Na comparação de Li, sobre os mesmos seis pratos, quatro aplicativos erraram 15–59% do total.
Os números pequenos vieram com ajuda. Os 12,7% de Herzig usaram sensor de profundidade e um alimento escolhido de uma lista fixa. Os 9,5% do Nutrition5k exigiram informar ao modelo o peso exato do prato. O 1,6% do CALO mama é o viés médio depois das correções manuais, num estudo pago pelo desenvolvedor; o erro médio por refeição não foi publicado.
As empresas não publicam um número de erro. Nos materiais que verificamos, Foodvisor, MyFitnessPal, Lose It!, YAZIO, Lifesum, Calorie Mama e BiteSnap nunca declararam um erro de calorias, só uma taxa de reconhecimento ou o tamanho da base. A Cal AI escreveu “90% de precisão”, depois “80%”, sem dizer o que isso mede. A SnapCalorie dizia “abaixo de 20%” em 2023 e diz “cerca de 15%” desde 2025, sem revelar o conjunto de pratos nem a fórmula.
Como a precisão sobe#
Todo bom resultado do gráfico veio de uma destas quatro coisas.
- Sensor de profundidade ou um segundo ângulo. No Nutrition5k o erro cai de 26% com uma foto para 19% com profundidade, e para 9,5% quando o modelo recebe o peso do prato. Herzig chegou a 12,7% num iPhone com sensor de profundidade.
- Lista de ingredientes. ChatGPT-5 nos mesmos 195 pratos: 30,5% só pela foto, 13,9% com uma descrição detalhada dos ingredientes.
- Cardápio fixo. No estudo de Herzig o usuário escolhia o alimento numa lista e o modelo só estimava o volume. Hospitais e refeitórios funcionam do mesmo jeito.
- Correções manuais. No CALO mama o viés médio caiu de 10% para 1,6% depois de o usuário corrigir o registro. No Keenoa, a revisão de uma nutricionista reduziu a diferença de 19,5% para 15,6%.
Cada um desses recursos acrescenta informação que não estava nos pixels. Nenhum deles torna a foto em si mais precisa.
O preço da precisão#
As ajudas funcionam, e, fora o sensor de profundidade, todas elas são digitadas por uma pessoa. O estudo de Sahoo mostra a distância: o sistema reconheceu 86% dos pratos, e 68% foram relatados corretamente depois das correções Sahoo 2025. Para levar o resultado da foto até a verdade, quem decide ainda é você:
- se o prato é aquele mesmo
- o que falta e o que sobra
- como foi preparado
- se óleo, molho e açúcar entraram na conta
- quanto foi comido
É a mesma digitação de sempre, só que depois de descobrir o que o modelo chutou. Um fator de correção único não resolve isso: numa foto o sistema inventou um molho, na seguinte não viu o óleo absorvido, na terceira acertou a porção e errou a receita. “Minha câmera costuma ficar 15% abaixo” não funciona, porque a informação que falta é outra a cada vez.
A foto encurta a busca pelo prato; conferir a receita e a porção ainda fica com você. Essa conferência é o trabalho de verdade, e é mais fácil fazer isso uma vez, no modelo de uma refeição conhecida, do que depois de cada imagem. Uma revisão sistemática de 52 estudos chegou ao mesmo lugar: os métodos são diferentes demais para um único número de precisão, e as ferramentas ainda não estão prontas para andar sozinhas Shonkoff 2023.
Como o Calk funciona#
O Calk começa pelo prato, não pela imagem dele. O modelo de refeição já guarda o que a foto não vê e o que costuma mudar:
- proteína ou ingrediente principal
- método de preparo
- óleo, molho, açúcar, sal e acréscimos
- porção
Salve a refeição nos favoritos com o botão ♥. Na próxima vez, abra na aba de comida e toque em “Comer”: dois toques. Se um detalhe mudou, mude só ele e o prato é recalculado. A receita inteira fica à vista e pode ser editada, as mesmas escolhas dão sempre o mesmo número e o ingrediente que mudou aparece pelo nome. Não há nada para decifrar antes de editar.
Veja como funcionam os modelos de refeição e a comparação dos métodos de contagem de calorias.
O Calk já está disponível para iPhone, iPad e Android.
Dados para jornalistas e pesquisadores#
Tudo em que este artigo se apoia está aberto: CSV e JSON, 164 registros, revisados em 5 de setembro de 2026.
- 18 registros no gráfico, declarações de desenvolvedores e testes pessoais incluídos, cada um com o número como saiu na fonte, nossa fórmula de recálculo, as condições do teste e os vínculos declarados com desenvolvedores.
- 71 registros verificados sem ponto no gráfico e o motivo: só reconhecimento, sem método de referência, kcal sem uma refeição média, reprodução de outro estudo, tabelas que se contradizem.
- 75 candidatos rejeitados com o motivo, incluindo uma rede de 11 sites que apresenta um “estudo” inventado, de DOI inexistente, como validação independente.
Para cada registro: quem mediu, quem publicou, as datas de publicação e do teste, a versão do produto, a amostra, o método de referência, a métrica original, a citação ou a tabela de onde ela saiu e a cadeia de republicações. Os dados podem ser reutilizados e citados com crédito ao Calk e link para este artigo. Se você conhece um teste que falta aqui, ou achou um erro numa linha, escreva para support@calk.me com “press” no assunto; vamos verificar e atualizar os dados quando for preciso.