정확도
ChatGPT로 음식 사진 칼로리를 계산할 수 있을까? 연구 결과 정리
ChatGPT는 음식 사진으로 칼로리를 추정할 수 있지만, 발표된 연구에서 평균 오차는 약 36%였어요. 연구 결과, 더 정확해지는 질문법, 칼로리 앱이 더해 주는 것을 정리했어요.
작성: Calorix 팀, Invikta 읽는 시간 3분
대략은 가능해요. ChatGPT는 음식 사진의 칼로리를 추정할 수 있지만, 발표된 연구에서는 오차가 컸어요. 음식 사진 52장을 쓴 2025년 연구에서 ChatGPT-4o와 Claude 3.5 Sonnet은 칼로리를 평균 35.8% 틀렸고, 분량이 클수록 더 적게 추정했어요. 다른 2025년 연구에서는 조리용 기름과 재료의 양을 알려 주자 ChatGPT의 평균 오차가 31%에서 14%로 줄었어요. 칼로리 앱과 달리 ChatGPT는 목표가 있는 하루 기록을 유지하거나, 포장 식품을 바코드로 찾거나, 건강 앱과 동기화하도록 만들어지지 않았어요.
ChatGPT에게 저녁 식사 사진의 칼로리를 물어보면 몇 초 만에 숫자를, 그것도 자신 있게 나눈 내역과 함께 줘요. 그래서 무료 칼로리 계산기로 쓰고 싶어지죠. 연구자들이 바로 이 상황을 시험했고, 그 결과는 ChatGPT를 쓰든 다른 AI 모델이나 칼로리 앱을 쓰든 도움이 돼요.
연구에서 나온 결과
| 연구 | 모델 | 시험한 것 | 칼로리 오차 |
|---|---|---|---|
| Fridolfsson 외, 2025년 | ChatGPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro | 무게를 잰 음식의 표준화된 사진 52장 | 평균 35.8%, 35.8%, 64.2% |
| O’Hara 외, 2025년 | ChatGPT-4 | 사진 114장: 식사 38개를 3가지 분량으로 | 음식 93% 식별, 중간·큰 분량의 무게를 적게 추정 |
| Rodríguez-Jiménez 외, 2025년 | ChatGPT-5 | 요리 195개, 추가 정보 유무별 | 사진만 30.5%, 지방·감미료 정보 추가 시 24.4%, 재료 양 추가 시 13.9% |
| Cinar 외, 2026년(예비 연구) | ChatGPT-4o | 간단하거나 복잡한 요리 9개 | 복잡한 요리의 칼로리에서 최대 54.4% |
범용 AI 모델은 약 3분의 1을 틀려요
가장 직접적인 시험은 세 AI 모델에 무게를 아는 단일 음식과 식사의 표준화된 사진 52장을 준 2025년 연구예요. ChatGPT-4o와 Claude 3.5 Sonnet은 칼로리를 평균 35.8%, Gemini 1.5 Pro는 64.2% 틀렸어요. 세 모델 모두 분량이 커질수록 더 적게 추정했고, 오차는 작은 분량이 큰 분량보다 약 20~30% 낮았어요.
음식 이름은 잘 맞히지만, 양은 약해요
식사 38개를 각각 세 가지 분량으로 찍은 사진 114장으로 ChatGPT-4를 시험한 2025년 연구에서 ChatGPT는 음식을 정밀도 93%로 잘 알아봤어요. 문제는 양이었어요. 평균 798 g인 큰 식사를 530 g으로 추정했고, 중간 식사도 적게 추정했으며, 작은 식사만 가까웠어요. 연구한 영양소 16개 중 10개에서 추정치가 실제 값과 유의하게 달랐어요. ChatGPT에 유리한 점도 하나 있었어요. 칼로리만 보면, 이 연구에서 추정치의 중앙값은 실제 중앙값에 가까웠어요.
정보를 더하면 크게 달라져요
직접 도울 수 있다는 가장 강한 근거는 요리 195개로 ChatGPT-5를 시험한 2025년 연구에서 나왔어요. 사진만으로는 칼로리 추정이 평균 30.5%(123 kcal) 틀렸어요. 지방의 종류와 양, 감미료, 유제품의 지방 함량, 고기의 종류를 알려 주자 오차가 24.4%(92 kcal)로 줄었고, 양까지 적힌 재료 목록을 주자 13.9%(53 kcal)로 줄었어요. 요리 9개로 ChatGPT-4o를 시험한 2026년의 작은 예비 연구도 같은 방향이에요. 지방이 숨어 있는 복잡한 요리에서 오차는 칼로리 54.4%, 지방 76.5%까지 올랐고, 정보를 더하자 추정이 훨씬 일관돼졌어요. 요리가 9개뿐이라 54%는 평균이 아니라 최악의 경우로 보세요.
그 밖에 알아 둘 결과
- 사람이 아직 더 잘해요. AI 모델 40개를 시험한 2026년 연구에서 전문 영양사들은 모든 모델보다 영양소를 더 정확히 추정했고, 여러 각도에서 찍은 사진도 모델에게 도움이 되지 않았어요.
- AI는 없는 것을 지어낼 수 있어요. GPT-4o로 식사 평가 도구를 만든 연구자들은 일반 GPT-4o가 사진만으로 음식의 59%를 알아봤다고 밝히며 “환각(지어낸 항목, 단위, 양)”을 경고했어요(AJCN, 2025).
- 글로 쓴 음식이 사진보다 쉬워요. AI 모델에 사진 대신 음식 이름을 글로 주자 에너지 추정이 영양 데이터베이스와 잘 맞았고, 섞인 요리와 양념류가 가장 많이 달랐어요(Journal of Nutrition, 2026).
ChatGPT가 사진에서 틀리는 이유
ChatGPT와 사진 칼로리 앱이 걸려 넘어지는 지점은 같은 세 가지예요.
- 분량. 사진은 평평해서 면이나 밥 한 그릇의 깊이를 판단하기 어렵고, 그래서 큰 분량이 적게 잡혀요.
- 숨은 지방. 채소에 스며든 기름이나 소스에 녹은 버터는 거의 보이지 않아요. USDA FoodData Central에 따르면 올리브유 한 큰술은 119 kcal예요.
- 섞인 요리. 찌개, 비빔밥, 볶음밥 같은 요리에서는 양뿐 아니라 레시피까지 짐작해야 해요.
전용 앱도 예외가 아니에요. 2026년 미국 NIH의 예비 검증에서 MyFitnessPal, Lose It!, Cal AI, Appediet의 사진 기능은 무게를 잰 식사를 평균 252~345 kcal, 약 3분의 1 적게 추정했어요. 이 연구와 각 앱의 정확도 주장은 사진으로 칼로리 계산하는 앱에 정리했어요.
ChatGPT와 칼로리 앱 비교
| 할 일 | ChatGPT | 칼로리 기록 앱 |
|---|---|---|
| 사진이나 설명으로 식사 추정 | 가능 | 가능 |
| 칼로리·탄단지 목표가 있는 하루 기록 | 기본 기능 아님 | 가능 |
| 바코드로 포장 식품 찾기 | 데이터베이스 조회 없음 | 음식 데이터베이스에서 가능 |
| 재료 하나를 고치고 합계 맞추기 | 다시 물어봐야 함 | 그 줄만 고치면 합계가 바뀜 |
| 주간 추세, 연속 기록, 알림 | 없음 | 가능 |
| 건강 앱, 위젯 | 없음 | 대부분의 iPhone 앱에서 가능 |
| 잘 맞는 용도 | 한 번의 질문, 레시피, 계획 | 매일 기록 |
추정 자체가 마법인 건 어느 쪽도 아니에요. Calorix를 포함해 많은 칼로리 앱이 사진을 읽는 데 큰 AI 모델을 써요. 차이는 그 추정을 둘러싼 것에 있어요. Calorix에서는 사진이 그램과 신뢰도 배지가 붙은 재료 목록으로 돌아와서 고칠 수 있고, 포장 식품은 바코드와 영양 성분표로 기록하며, 모든 것이 목표와 함께 하루 기록에 쌓여요.
ChatGPT나 다른 AI의 추정을 더 정확하게 하는 법
연구에 따르면 가장 큰 효과는 사진이 보여 주지 못하는 것을 AI에게 알려 줄 때 나와요. 사진만 주는 것보다 이런 질문이 더 잘 통해요.
이 사진의 칼로리, 단백질, 탄수화물, 지방을 추정해 줘. 밥 약 180 g, 구운 닭다리살 150 g, 올리브유 약 1큰술로 구운 채소야. 재료마다 가정한 양과 칼로리를 적고, 마지막에 합계를 알려 줘.
- 무게나 크기를 알려 주세요. 저울로 잰 그램, “밥 한 공기”, “반 컵”처럼요.
- 조리용 기름과 양을 말하세요. 식용유, 버터, 참기름, 크림 등이요.
- 소스, 드레싱, 음료를 적으세요. 사진에서 놓치기 쉬워요.
- 가정한 내용과 함께 재료별로 나눠 달라고 하세요. 어디를 짐작했는지 보여요.
- 바로 위보다는 45도 각도로, 접시 전체가 나오게 찍으세요.
- 포장 식품은 영양 성분표를 쓰세요. 인쇄된 값이 어떤 추정보다 나아요.
정리
ChatGPT는 사진으로 대략적인 칼로리를 알려 줄 수 있고, 양과 조리용 기름을 알려 주면 훨씬 정확해져요. 매일 기록하려면 칼로리 앱이 ChatGPT가 하도록 만들어지지 않은 부분, 즉 목표가 있는 기록, 바코드, 빠른 수정, 추세를 더해 줘요. 어느 쪽을 쓰든 사진 추정은 첫 초안으로 다루세요. 기록할 목표가 필요하다면 하루 권장 칼로리 계산기부터 시작해 보세요.
자주 묻는 질문
ChatGPT로 사진 칼로리를 계산할 수 있나요?
추정치는 줄 수 있어요. 발표된 연구에서 ChatGPT는 식사 사진 속 음식 대부분을 알아봤지만, 칼로리 추정은 평균 약 30~36% 틀렸고 큰 분량을 적게 추정하는 경향이 있었어요. 조리용 기름이나 재료 무게 같은 정보를 더하면 훨씬 가까워져요.
ChatGPT의 칼로리 계산은 얼마나 정확한가요?
표준화된 음식 사진 52장을 쓴 2025년 연구에서 ChatGPT-4o의 칼로리 추정은 평균 35.8% 틀렸어요. Claude 3.5 Sonnet도 같았고, Gemini 1.5 Pro는 64.2%였어요. 요리 195개로 ChatGPT-5를 시험한 2025년 연구에서는 사진만으로 30.5%, 재료의 양을 알려 주자 13.9%로 오차가 줄었어요.
ChatGPT가 칼로리 앱보다 나은가요?
하는 일이 달라요. ChatGPT는 그때그때 묻는 질문에 유연해요. 칼로리 앱은 목표에 맞춰 하루 기록을 유지하고, 포장 식품의 바코드와 영양 성분표를 읽고, 재료 하나하나를 고치게 해 주고, 몇 주에 걸친 추세를 보여 줘요. 앱의 사진 추정도 적게 나와요. 2026년 미국 NIH의 예비 검증에서 앱 4개는 무게를 잰 식사를 약 3분의 1 적게 추정했어요.
칼로리를 계산할 때 좋은 ChatGPT 질문법은?
사진이 보여 주지 못하는 것을 알려 주세요. 각 분량의 무게나 크기, 어떻게 조리했고 기름이나 버터를 얼마나 썼는지, 소스와 음료를 적고, 가정한 내용과 함께 재료별로 나눠 달라고 하세요. 그다음 가장 큰 항목은 직접 확인하세요.
ChatGPT로 매일 칼로리를 기록할 수 있나요?
대화를 이어 가며 기록할 수는 있지만, ChatGPT는 식단 기록용으로 만들어지지 않았어요. 하루 목표와 합계를 유지하거나, 포장 식품을 바코드로 찾거나, 건강 앱과 동기화하거나, 주간 추세를 보여 주지 않아요. 그게 칼로리 기록 앱이 하는 일이에요.
Cal AI가 ChatGPT보다 정확한가요?
둘을 직접 비교한 연구가 없어서 말할 수 없어요. 2026년 7월에 발표된 NIH 검증에서 Cal AI의 사진 기능은 무게를 잰 식사를 평균 345 kcal 적게 추정했어요. ChatGPT는 그 검증에 포함되지 않았고, ChatGPT 연구들은 다른 식사와 방법을 썼어요.
출처
- 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.