Precisión
¿Puede ChatGPT contar calorías con fotos? Qué dicen los estudios
ChatGPT estima las calorías de una foto, pero en los estudios publicados se desvía cerca de un 36 % de media. Qué dicen, mejores prompts y qué aporta una app.
Por Equipo de Calorix, Invikta 6 min de lectura
Sí, de forma aproximada: ChatGPT puede estimar las calorías de una foto de comida, pero las pruebas publicadas encontraron errores grandes. En un estudio de 2025 con 52 fotos de comida, ChatGPT-4o y Claude 3.5 Sonnet se desviaron un 35,8 % de media en las calorías y se quedaron más cortos cuanto mayores eran las porciones; en otro estudio de 2025, indicarle a ChatGPT la grasa de cocinar y las cantidades de los ingredientes redujo su error medio del 31 % al 14 %. A diferencia de una app de calorías, ChatGPT no está pensado para llevar un registro diario con objetivos, buscar alimentos envasados por su código de barras ni sincronizarse con la app Salud (Apple Health).
Pregúntale a ChatGPT cuántas calorías tiene la foto de tu cena y te dará una cifra en segundos, a menudo con un desglose que suena muy seguro. Eso lo convierte en un contador de calorías gratis muy tentador. Los investigadores ya han puesto a prueba justo esto, y sus resultados te sirven tanto si usas ChatGPT como si usas otro modelo de IA o una app de calorías.
Qué encontraron los estudios
| Estudio | Modelo | Qué se evaluó | Error en las calorías |
|---|---|---|---|
| Fridolfsson et al., 2025 | ChatGPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro | 52 fotos de comida estandarizadas, con los alimentos pesados en báscula | 35,8 %, 35,8 % y 64,2 % de media |
| O’Hara et al., 2025 | ChatGPT-4 | 114 fotos: 38 comidas en 3 tamaños de porción | Identificó el 93 % de los alimentos; subestimó el peso de las comidas medianas y grandes |
| Rodríguez-Jiménez et al., 2025 | ChatGPT-5 | 195 platos, con y sin detalles adicionales | 30,5 % solo con la foto; 24,4 % con detalles sobre la grasa y el edulcorante; 13,9 % con las cantidades de los ingredientes |
| Cinar et al., 2026 (estudio piloto) | ChatGPT-4o | 9 platos sencillos y complejos | Hasta un 54,4 % en las calorías de los platos complejos |
Los modelos de IA generalistas fallan en torno a un tercio
La prueba más directa procede de un estudio de 2025 que dio a tres modelos de IA 52 fotos estandarizadas de alimentos sueltos y de comidas cuyo peso se conocía. ChatGPT-4o y Claude 3.5 Sonnet se desviaron un 35,8 % de media en las calorías, y Gemini 1.5 Pro, un 64,2 %. Los tres subestimaban más a medida que crecían las porciones: con las porciones pequeñas, los errores eran entre un 20 y un 30 % más bajos, aproximadamente, que con las grandes.
Buenos para reconocer alimentos, peores con las cantidades
Un estudio de 2025 con ChatGPT-4 y 114 fotos de comidas (38 comidas, cada una en tres tamaños de porción) encontró que identificaba bien los alimentos, con una precisión del 93 %. El problema eran las cantidades: las comidas grandes, que pesaban 798 g de media, se estimaron en 530 g, y las medianas también se subestimaron, mientras que las pequeñas se acercaron bastante. Sus estimaciones fueron significativamente distintas de los valores reales en 10 de los 16 nutrientes estudiados. Un matiz a favor de ChatGPT: en las calorías en concreto, su estimación mediana se acercó a la mediana real en ese estudio.
Los detalles marcan una gran diferencia
La evidencia más sólida de que puedes ayudarle procede de un estudio de 2025 con ChatGPT-5 y 195 platos. Solo con la foto, sus estimaciones de calorías se desviaron un 30,5 % de media (123 kcal). Cuando se le indicaron el tipo y la cantidad de grasa, el edulcorante, el contenido graso de los lácteos y el tipo de carne, el error bajó al 24,4 % (92 kcal). Con la lista de ingredientes y sus cantidades, bajó al 13,9 % (53 kcal). Un pequeño estudio piloto de 2026 con ChatGPT-4o y nueve platos apunta en la misma dirección: en los platos complejos con grasa oculta, los errores llegaron al 54,4 % en las calorías y al 76,5 % en la grasa, y añadir detalles hizo sus estimaciones mucho más estables. Con solo nueve platos, toma ese 54 % como el peor de los casos, no como una media.
Otros resultados que conviene conocer
- Las personas siguen haciéndolo mejor. En una prueba de 2026 con 40 modelos de IA, los nutricionistas profesionales estimaron los nutrientes con más precisión que todos los modelos, y las fotos desde varios ángulos no ayudaron a los modelos.
- La IA puede inventarse cosas. Los investigadores que crearon una herramienta dietética basada en GPT-4o vieron que GPT-4o, sin adaptar, reconocía el 59 % de los alimentos solo a partir de las fotos, y advirtieron de «alucinaciones (elementos, unidades o cantidades inventados)» (AJCN, 2025).
- Los alimentos escritos son más fáciles que las fotos. Cuando se dio a los modelos de IA el nombre de los alimentos por escrito en lugar de fotos, sus estimaciones de energía coincidieron bien con las bases de datos de nutrientes; los platos combinados y los condimentos fueron los que más variaron (Journal of Nutrition, 2026).
Por qué ChatGPT falla con las fotos
Las mismas tres cosas hacen tropezar a ChatGPT y a las apps que cuentan calorías por foto:
- El tamaño de la porción. Una foto es plana, así que cuesta calcular la profundidad de un plato de pasta o de arroz, y por eso las porciones grandes se subestiman.
- La grasa oculta. El aceite que absorben las verduras o la mantequilla fundida en una salsa apenas se ven. Una cucharada de aceite de oliva tiene 119 kcal, según USDA FoodData Central, la base de datos de alimentos del Departamento de Agricultura de EE. UU.
- Los platos combinados. En un curry, un burrito o un guiso al horno, la IA tiene que adivinar la receta además de la cantidad.
Las apps especializadas no se libran: en una prueba preliminar de 2026 de los NIH (los Institutos Nacionales de Salud de EE. UU.), las funciones de foto de MyFitnessPal, Lose It!, Cal AI y Appediet subestimaron comidas de peso conocido en una media de 252 a 345 kcal, aproximadamente un tercio. Nuestra comparativa de apps para contar calorías con foto analiza ese estudio y lo que afirma cada app sobre su precisión.
ChatGPT o una app de calorías
| Tarea | ChatGPT | Una app para contar calorías |
|---|---|---|
| Estimar una comida a partir de una foto o una descripción | Sí | Sí |
| Un registro diario con objetivos de calorías y macros | No lo trae integrado | Sí |
| Alimentos envasados por código de barras | No consulta ninguna base de datos | Sí, desde una base de datos de alimentos |
| Corregir un ingrediente y que el total siga siendo correcto | Volviendo a preguntar | Editas la línea y el total se actualiza |
| Tendencias semanales, rachas, recordatorios | No | Sí |
| La app Salud, widgets | No | Sí, en la mayoría de las apps para iPhone |
| Ideal para | Preguntas puntuales, recetas, planificar | Registrar cada día |
La estimación en sí no es magia en ningún caso: muchas apps de calorías, Calorix incluida, usan grandes modelos de IA para leer las fotos. La diferencia está en lo que rodea a la estimación. En Calorix, una foto se convierte en una lista de ingredientes que puedes corregir, con sus gramos y un indicador de certeza; los códigos de barras y las etiquetas nutricionales cubren los alimentos envasados, y todo va a parar a un registro con tus objetivos.
Cómo conseguir mejores estimaciones de ChatGPT, o de cualquier IA
Según los estudios, lo que más mejora el resultado es contarle a la IA lo que la foto no muestra. Un prompt como este funciona mejor que una foto sola:
Estima las calorías, las proteínas, los carbohidratos y las grasas de esta foto. Son unos 180 g de arroz cocido, 150 g de muslo de pollo a la plancha y verduras al horno cocinadas con aproximadamente 1 cucharada de aceite de oliva. Enumera cada ingrediente con la cantidad y las calorías que has supuesto y, después, el total.
- Da pesos o tamaños cuando los sepas: los gramos de la báscula, «un plato lleno», «media taza».
- Indica la grasa de cocinar y cuánta: aceite, mantequilla, ghee, nata o crema.
- Menciona las salsas, los aliños o aderezos y las bebidas, que las fotos pasan por alto.
- Pide un desglose por ingrediente con sus suposiciones, para ver dónde ha adivinado.
- Toma la foto desde un ángulo de 45 grados y con el plato entero en el encuadre, en lugar de directamente desde arriba.
- Usa la etiqueta con los alimentos envasados. Los valores impresos ganan a cualquier estimación.
En resumen
ChatGPT puede contar las calorías de una foto lo bastante bien como para hacerte una idea aproximada, y mucho mejor si le das las cantidades y la grasa de cocinar. Para llevar el registro día tras día, una app de calorías añade lo que ChatGPT no está pensado para hacer: un registro con objetivos, códigos de barras, correcciones rápidas y tendencias. Uses lo que uses, toma cualquier estimación por foto como un primer borrador. Si quieres un objetivo diario como referencia para tu registro, empieza por nuestra calculadora de TDEE.
Preguntas frecuentes
¿Puede ChatGPT contar calorías con una foto?
Puede darte una estimación. En las pruebas publicadas, ChatGPT reconoció la mayoría de los alimentos de las fotos de comidas, pero sus estimaciones de calorías se desviaron de media entre un 30 y un 36 %, aproximadamente, y tendía a quedarse corto con las porciones grandes. Añadir detalles como la grasa de cocinar y el peso de los ingredientes acerca mucho sus estimaciones a la realidad.
¿Qué precisión tiene ChatGPT al contar calorías?
En un estudio de 2025 con 52 fotos de comida estandarizadas, las estimaciones de calorías de ChatGPT-4o se desviaron un 35,8 % de media, igual que las de Claude 3.5 Sonnet, mientras que las de Gemini 1.5 Pro se desviaron un 64,2 %. Un estudio de 2025 con ChatGPT-5 y 195 platos encontró un 30,5 % de error solo con la foto, que bajó al 13,9 % cuando se le dieron las cantidades de los ingredientes.
¿Es ChatGPT mejor que una app para contar calorías?
Sirven para cosas distintas. ChatGPT es flexible para preguntas puntuales. Una app de calorías lleva un registro diario con tus objetivos, lee códigos de barras y etiquetas de alimentos envasados, te deja corregir cada ingrediente y muestra tus tendencias semana a semana. Las estimaciones por foto de las apps también se quedan cortas: en una prueba preliminar de 2026 de los NIH, cuatro apps subestimaron comidas de peso conocido en aproximadamente un tercio.
¿Qué prompt funciona bien para contar calorías con ChatGPT?
Dale lo que una foto no muestra: el peso o el tamaño de cada porción, cómo se cocinó la comida y con cuánto aceite o mantequilla, las salsas y las bebidas, y pídele un desglose por ingrediente con las suposiciones que ha hecho. Después, revisa por tu cuenta los elementos que más pesan en el total.
¿Puede ChatGPT llevar el control de mis calorías cada día?
Puedes mantener una conversación abierta, pero ChatGPT no está pensado como registro de comidas: no guarda objetivos ni totales diarios, no busca alimentos envasados por su código de barras, no se sincroniza con la app Salud y no muestra tendencias semanales. Para eso está una app para contar calorías.
¿Es Cal AI más preciso que ChatGPT?
Ningún estudio los ha comparado directamente, así que no podemos decirlo. En la prueba de los NIH presentada en julio de 2026, la función de foto de Cal AI subestimó comidas de peso conocido en una media de 345 kcal; ChatGPT no formó parte de esa prueba, y los estudios sobre ChatGPT usaron comidas y métodos distintos.
Fuentes
- 1 Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images. Current Developments in Nutrition, 2025.
- 2 O’Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients, 2025.
- 3 Rodríguez-Jiménez M, Martín-del-Campo-Becerra GD, Sumalla-Cano S, et al. Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios. Nutrients, 2025.
- 4 Cinar EN, Özler E, Arslan S, Yilmaz S. Image-based nutritional assessment: Evaluating the performance of ChatGPT-4o on simple and complex meals. Journal of Food Composition and Analysis, 2026.
- 5 Vedovelli L, Pugnaloni S, Lanera C, et al. Model architecture dominates nutritional estimation accuracy in vision-language systems. Scientific Reports, 2026.
- 6 Chen YJ, Chang CC, Hoang YN, et al. Customized multimodal Diabot-GPT-4o enhances accuracy of image-based dietary assessments in dietetic trainees in Taiwan: validation against weighed food records. American Journal of Clinical Nutrition, 2025.
- 7 Lawabni R, Solano OR, Kampen LL, et al. Evaluation of Energy and Nutrient Estimates from Large Language Models Using Text-Based Queries. Journal of Nutrition, 2026.
- 8 Charles O, Flacke EU, Turner S, et al. Photograph-Based AI Features in Calorie-Tracking Apps Underestimate Energy Content of Meals (NUTRITION 2026 abstract). Current Developments in Nutrition, 2026.
- 9 Oil, olive, salad or cooking. USDA FoodData Central (SR Legacy), 2019.