Precisione
ChatGPT può contare le calorie da una foto? Cosa dicono gli studi
ChatGPT stima le calorie da una foto, ma negli studi pubblicati sbaglia in media del 30–36%. Cosa dice la ricerca, i prompt giusti e cosa aggiunge un’app.
Di Team Calorix, Invikta 6 min di lettura
Sì, a grandi linee: ChatGPT sa stimare le calorie di un piatto in foto, ma i test pubblicati hanno rilevato errori notevoli. In uno studio del 2025 su 52 foto di cibo, ChatGPT-4o e Claude 3.5 Sonnet hanno sbagliato le calorie in media del 35,8% e sottostimavano sempre di più man mano che le porzioni crescevano; in un altro studio del 2025, indicare a ChatGPT il grasso di cottura e le quantità degli ingredienti ha ridotto il suo errore medio dal 31% al 14%. A differenza di un’app conta calorie, ChatGPT non è fatto per tenere un diario quotidiano con obiettivi, cercare i cibi confezionati tramite codice a barre o sincronizzarsi con l’app Salute (Apple Health).
Chiedi a ChatGPT quante calorie ci sono nella foto della tua cena e ti darà un numero in pochi secondi, spesso con una scomposizione dall’aria molto sicura. Per questo viene la tentazione di usarlo come contacalorie gratuito. Ma ChatGPT sa davvero contare le calorie da una foto? Ora i ricercatori l’hanno messo alla prova, e i loro risultati sono utili che tu usi ChatGPT, un altro modello di IA o un’app conta calorie.
Cosa hanno scoperto gli studi
| Studio | Modello | Cosa è stato testato | Errore sulle calorie |
|---|---|---|---|
| Fridolfsson et al., 2025 | ChatGPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro | 52 foto di cibo standardizzate, con alimenti pesati | 35,8%, 35,8% e 64,2% in media |
| O’Hara et al., 2025 | ChatGPT-4 | 114 foto: 38 pasti in 3 porzioni diverse | Ha identificato il 93% degli alimenti; ha sottostimato il peso dei pasti medi e grandi |
| Rodríguez-Jiménez et al., 2025 | ChatGPT-5 | 195 piatti, con e senza dettagli aggiuntivi | 30,5% dalla sola foto; 24,4% con dettagli su grassi e dolcificanti; 13,9% con le quantità degli ingredienti |
| Cinar et al., 2026 (studio pilota) | ChatGPT-4o | 9 piatti semplici e complessi | Fino al 54,4% sulle calorie per i piatti complessi |
I modelli di IA generici sbagliano di circa un terzo
Il test più diretto viene da uno studio del 2025 che ha sottoposto a tre modelli di IA 52 foto standardizzate di singoli alimenti e pasti dal peso noto. ChatGPT-4o e Claude 3.5 Sonnet hanno sbagliato le calorie in media del 35,8%, Gemini 1.5 Pro del 64,2%. Tutti e tre sottostimavano di più man mano che le porzioni aumentavano: per le porzioni piccole gli errori erano più bassi di circa il 20–30% rispetto a quelle grandi.
Bravo a riconoscere i cibi, meno a stimare le quantità
Uno studio del 2025 su ChatGPT-4 con 114 foto di pasti, 38 pasti mostrati ciascuno in tre porzioni diverse, ha rilevato che riconosceva bene gli alimenti, con una precisione del 93%. Il problema erano le quantità: i pasti grandi, che pesavano in media 798 g, venivano stimati in 530 g, e anche i pasti medi venivano sottostimati, mentre per quelli piccoli le stime erano vicine al vero. Le sue stime si discostavano in modo significativo dai valori reali per 10 dei 16 nutrienti studiati. Una precisazione a favore di ChatGPT: proprio sulle calorie, in quello studio la sua stima mediana era vicina alla mediana reale.
I dettagli fanno una grande differenza
La prova più solida che puoi aiutarlo a fare meglio viene da uno studio del 2025 su ChatGPT-5 con 195 piatti. Dalla sola foto, le sue stime delle calorie si discostavano in media del 30,5% (123 kcal). Quando gli venivano indicati tipo e quantità di grassi, il dolcificante, il contenuto di grassi dei latticini e il tipo di carne, l’errore scendeva al 24,4% (92 kcal). Con l’elenco degli ingredienti e le relative quantità, scendeva al 13,9% (53 kcal). Un piccolo studio pilota del 2026 su ChatGPT-4o con nove piatti va nella stessa direzione: sui piatti complessi con grassi nascosti gli errori arrivavano al 54,4% per le calorie e al 76,5% per i grassi, e aggiungere dettagli rendeva le stime molto più coerenti. Con soli nove piatti, considera quel 54% come il caso peggiore, non come una media.
Altri risultati da conoscere
- Le persone fanno ancora meglio. In un test del 2026 su 40 modelli di IA, i nutrizionisti professionisti hanno stimato i nutrienti con più precisione di tutti i modelli, e le foto scattate da più angolazioni non hanno aiutato i modelli.
- L’IA può inventarsi le cose. I ricercatori che hanno sviluppato uno strumento di valutazione alimentare basato su GPT-4o hanno rilevato che GPT-4o, usato così com’è, riconosceva il 59% degli alimenti dalle sole foto, e hanno messo in guardia dalle «allucinazioni (alimenti, unità o quantità inventati)» (AJCN, 2025).
- Descrivere il cibo a parole funziona meglio delle foto. Quando ai modelli di IA venivano forniti i nomi degli alimenti come testo invece che come foto, le loro stime dell’energia concordavano bene con i database nutrizionali, con le differenze maggiori per i piatti misti e i condimenti (Journal of Nutrition, 2026).
Perché ChatGPT sbaglia con le foto
Sono le stesse tre cose a mettere in difficoltà ChatGPT e le app che contano le calorie dalle foto:
- Le dimensioni della porzione. Una foto è piatta, quindi è difficile capire quanto sia profonda una ciotola di pasta o di riso: ecco perché le porzioni grandi vengono sottostimate.
- I grassi nascosti. L’olio assorbito dalle verdure o il burro sciolto in una salsa si vedono a malapena. Un cucchiaio di olio d’oliva apporta 119 kcal, secondo USDA FoodData Central, il database nutrizionale del Dipartimento dell’Agricoltura degli Stati Uniti.
- I piatti misti. In un curry, un burrito o delle lasagne, l’IA deve indovinare la ricetta oltre alla quantità.
Nemmeno le app dedicate ne sono immuni: in un test preliminare dei NIH del 2026 (i National Institutes of Health, l’agenzia federale statunitense per la ricerca biomedica), le funzioni di stima da foto di MyFitnessPal, Lose It!, Cal AI e Appediet hanno sottostimato pasti pesati in media di 252–345 kcal, circa un terzo. La nostra panoramica delle app che contano le calorie da una foto approfondisce quello studio e ciò che ogni app dichiara sulla propria precisione.
ChatGPT o un’app conta calorie?
| Funzione | ChatGPT | Un’app conta calorie |
|---|---|---|
| Stimare un pasto da una foto o da una descrizione | Sì | Sì |
| Un diario quotidiano con obiettivi di calorie e macro | Non integrato | Sì |
| Cibi confezionati tramite codice a barre | Nessuna ricerca in un database | Sì, da un database di alimenti |
| Correggere un ingrediente mantenendo giusto il totale | Chiedendo di nuovo | Modifichi la riga e il totale si aggiorna |
| Andamento settimanale, serie, promemoria | No | Sì |
| App Salute, widget | No | Sì, nella maggior parte delle app per iPhone |
| Ideale per | Domande occasionali, ricette, pianificazione | Registrare i pasti ogni giorno |
In entrambi i casi la stima in sé non ha nulla di magico: molte app conta calorie, Calorix compreso, usano grandi modelli di IA per leggere le foto. La differenza sta in ciò che c’è intorno alla stima. In Calorix, una foto diventa un elenco di ingredienti, con i grammi e un indicatore di affidabilità, che puoi correggere; codici a barre ed etichette nutrizionali coprono i cibi confezionati, e tutto finisce in un diario con i tuoi obiettivi.
Come ottenere stime migliori da ChatGPT o da qualsiasi IA
Secondo la ricerca, i miglioramenti più grandi arrivano dal dire all’IA ciò che la foto non può mostrare. Un prompt come questo funziona meglio della sola foto:
Stima calorie, proteine, carboidrati e grassi del piatto in questa foto. Sono circa 180 g di riso cotto, 150 g di sovracoscia di pollo alla griglia e verdure al forno con circa 1 cucchiaio di olio d’oliva. Elenca ogni ingrediente con la quantità e le calorie che hai ipotizzato, poi il totale.
- Indica pesi o dimensioni quando li conosci: i grammi letti sulla bilancia, «un piatto pieno», «mezza tazza».
- Specifica il grasso di cottura e quanto ne hai usato: olio, burro, ghee, panna.
- Cita salse, condimenti e bevande, che nelle foto sfuggono.
- Chiedi una scomposizione per ingrediente con le ipotesi fatte, così vedi dove ha tirato a indovinare.
- Scatta con un’angolazione di 45 gradi, con tutto il piatto nell’inquadratura, invece che dall’alto.
- Per i cibi confezionati usa l’etichetta. I valori stampati battono qualsiasi stima.
In sintesi
ChatGPT sa contare le calorie da una foto abbastanza bene da darti un’idea approssimativa, e molto meglio se gli fornisci le quantità e il grasso di cottura. Per tenere traccia giorno dopo giorno, un’app conta calorie aggiunge ciò per cui ChatGPT non è pensato: un diario con obiettivi, codici a barre, correzioni rapide e andamento nel tempo. Qualunque strumento usi, considera una stima da foto come una prima bozza. Se vuoi un obiettivo con cui confrontare ciò che registri, parti dal nostro calcolatore del fabbisogno calorico (TDEE).
Domande frequenti
ChatGPT può contare le calorie da una foto?
Può darti una stima. Nei test pubblicati, ChatGPT ha riconosciuto la maggior parte degli alimenti nelle foto dei pasti, ma le sue stime delle calorie si discostavano in media del 30–36% circa e tendevano a sottostimare le porzioni grandi. Aggiungere dettagli come il grasso di cottura e il peso degli ingredienti avvicina molto le stime al valore reale.
Quanto è preciso ChatGPT nel contare le calorie?
In uno studio del 2025 su 52 foto di cibo standardizzate, le stime delle calorie di ChatGPT-4o si discostavano in media del 35,8%, come quelle di Claude 3.5 Sonnet, mentre Gemini 1.5 Pro sbagliava del 64,2%. Uno studio del 2025 su ChatGPT-5 con 195 piatti ha rilevato un errore del 30,5% partendo dalla sola foto, sceso al 13,9% quando gli venivano fornite le quantità degli ingredienti.
ChatGPT è meglio di un’app conta calorie?
Servono a cose diverse. ChatGPT è flessibile, comodo per domande occasionali. Un’app conta calorie tiene un diario quotidiano con i tuoi obiettivi, legge codici a barre ed etichette dei cibi confezionati, ti permette di correggere ogni ingrediente e mostra il tuo andamento nel corso delle settimane. Anche le stime da foto delle app tendono al ribasso: in un test preliminare dei NIH del 2026, quattro app hanno sottostimato pasti pesati di circa un terzo.
Qual è un buon prompt per contare le calorie con ChatGPT?
Dagli le informazioni che una foto non può mostrare: il peso o la dimensione di ogni porzione, come è stato cucinato il cibo e con quanto olio o burro, salse e bevande, e chiedi una scomposizione ingrediente per ingrediente con le ipotesi che ha fatto. Poi controlla di persona le voci più consistenti.
ChatGPT può tenere traccia delle mie calorie ogni giorno?
Puoi portare avanti una conversazione continua, ma ChatGPT non è pensato come diario alimentare: non tiene obiettivi e totali giornalieri, non cerca i cibi confezionati tramite codice a barre, non si sincronizza con l’app Salute (Apple Health) e non mostra l’andamento settimanale. È a questo che serve un’app conta calorie.
Cal AI è più preciso di ChatGPT?
Nessuno studio li ha confrontati direttamente, quindi non possiamo dirlo. Nel test dei NIH presentato a luglio 2026, la funzione di stima da foto di Cal AI ha sottostimato pasti pesati in media di 345 kcal; ChatGPT non faceva parte di quel test, e gli studi su ChatGPT hanno usato pasti e metodi diversi.
Fonti
- 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.