ما مدى دقة ChatGPT في تقديرات السعرات الحرارية؟
قمنا باختبار تقديرات السعرات الحرارية من ChatGPT وGemini وClaude مقابل بيانات التغذية الموثوقة عبر أكثر من 50 نوعًا من الطعام. اكتشف نتائج الدقة والاتساق مقارنة بقاعدة بيانات موثوقة.
أصبح ChatGPT المستشار الغذائي الافتراضي لملايين الأشخاص — رغم أنه لا يمتلك قاعدة بيانات غذائية موثوقة. عندما تسأل ChatGPT عن عدد السعرات الحرارية في بوريتو الدجاج، فإنه لا يبحث عن الإجابة في قاعدة بيانات غذائية موثوقة. بل يقوم بإنشاء استجابة محتملة إحصائيًا بناءً على الأنماط الموجودة في بيانات تدريبه. الرقم الذي يقدمه قد يكون قريبًا، أو قد يختلف بنسبة 40%. وإذا سألت مرة أخرى غدًا، قد تحصل على رقم مختلف.
قمنا باختبار ثلاثة نماذج لغوية كبيرة — ChatGPT (GPT-4o)، Google Gemini، وAnthropic's Claude — مقابل بيانات موثوقة من USDA ومؤكدة من قبل أخصائيي التغذية عبر أكثر من 50 نوعًا من الطعام. كان الهدف هو الإجابة على ثلاثة أسئلة محددة: ما مدى دقة تقديرات السعرات الحرارية من نماذج اللغة الكبيرة؟ ما مدى اتساقها عبر الجلسات؟ وكيف تقارن بتطبيقات تتبع التغذية المصممة خصيصًا لذلك؟
كيف اختبرنا دقة السعرات الحرارية في نماذج اللغة الكبيرة؟
طرحنا على كل نموذج لغوي نفس السؤال لكل نوع من الطعام: "كم عدد السعرات الحرارية في [نوع الطعام مع كمية محددة]؟" أجرينا كل استفسار في جلسة جديدة (بدون تاريخ محادثة) لمحاكاة كيفية تفاعل معظم المستخدمين مع هذه الأدوات — أسئلة منفصلة بدون سياق.
تم اختبار كل نوع من الطعام خمس مرات عبر خمس جلسات منفصلة لقياس كل من الدقة (مقارنة بالبيانات الموثوقة) والاتساق (التباين بين الجلسات). جاءت القيم المرجعية الموثوقة من قاعدة بيانات USDA FoodData Central وتم التحقق منها مع إدخالات موثوقة من أخصائيي التغذية.
اختبرنا 54 نوعًا من الطعام عبر ست فئات: مكونات فردية، وجبات بسيطة، وجبات معقدة، أطعمة معلبة، عناصر من المطاعم، ومشروبات.
ما مدى دقة ChatGPT وGemini وClaude في تقديرات السعرات الحرارية؟
إليك نتائج الدقة العامة عبر جميع الـ 54 نوعًا من الطعام، مع مقارنة تقديرات كل نموذج لغوي بالقيم الموثوقة للسعرات الحرارية.
| المقياس | ChatGPT (GPT-4o) | Gemini | Claude | قاعدة البيانات الموثوقة (Nutrola) |
|---|---|---|---|---|
| متوسط الخطأ المطلق | ±18% | ±22% | ±16% | ±2–5% |
| متوسط الخطأ الوسيط | ±14% | ±17% | ±12% | ±2% |
| العناصر ضمن ±10% من الموثوق | 42% | 35% | 48% | 95%+ |
| العناصر ضمن ±20% من الموثوق | 68% | 58% | 72% | 99%+ |
| العناصر التي تختلف بأكثر من 30% | 15% | 22% | 11% | <1% |
| أسوأ تقدير خطأ فردي | 55% | 68% | 45% | 8% |
تظهر جميع النماذج الثلاثة أخطاء ملحوظة في تقديرات السعرات الحرارية، حيث يقع حوالي ثلث إلى نصف التقديرات خارج نطاق دقة ±10%. بالمقارنة، تعود قاعدة بيانات التغذية الموثوقة ببيانات ضمن ±5% لكل إدخال تقريبًا، لأن القيم مأخوذة من تحليلات مختبرية أو حقائق غذائية موثوقة من الشركات المصنعة بدلاً من أن يتم إنشاؤها بواسطة نموذج لغوي.
أظهرت دراسة نُشرت في عام 2024 في Nutrients أن ChatGPT-4 حقق متوسط خطأ مطلق قدره 16.8% على 150 نوعًا شائعًا من الطعام، وهو ما يتماشى مع نتائجنا. وأشارت الدراسة إلى أن ChatGPT كان أداؤه أفضل مع الأطعمة البسيطة المعروفة وأسوأ مع الأطباق المختلطة والأطعمة الثقافية المحددة.
كيف تختلف دقة السعرات الحرارية في نماذج اللغة الكبيرة حسب نوع الطعام؟
نوع الطعام الذي يتم تقديره هو أقوى مؤشر على دقة نماذج اللغة الكبيرة. إليك النتائج مقسمة حسب الفئة.
| فئة الطعام | مثال | متوسط خطأ ChatGPT | متوسط خطأ Gemini | متوسط خطأ Claude |
|---|---|---|---|---|
| مكونات فردية (خام) | "100 جرام صدور دجاج خام" | ±8% | ±10% | ±7% |
| فواكه/خضروات شائعة | "موزة متوسطة واحدة" | ±6% | ±8% | ±5% |
| وجبات بسيطة مطبوخة في المنزل | "بيضتان مخفوقتان مع الزبدة" | ±15% | ±18% | ±12% |
| أطباق معقدة/مختلطة | "دجاج تيكا ماسالا مع نان" | ±25% | ±30% | ±22% |
| أطعمة معلبة ذات علامة تجارية | "شريط KIND داكن بالشوكولاتة" | ±12% | ±15% | ±10% |
| عناصر من المطاعم | "وعاء بوريتو دجاج من Chipotle" | ±20% | ±28% | ±18% |
| مشروبات (متخصصة) | "فرابوتشينو كراميل من ستاربكس بحجم جراندي" | ±10% | ±14% | ±8% |
تنتج المكونات الفردية والفواكه/الخضروات الشائعة أكثر التقديرات دقة لأن هذه الأطعمة لها قيم سعرات حرارية موحدة ومعروفة تظهر بشكل متكرر في بيانات التدريب. محتوى السعرات الحرارية لـ 100 جرام من صدور الدجاج الخام (165 سعرة حرارية) أو موزة متوسطة واحدة (105 سعرة حرارية) ثابت عبر جميع مصادر التغذية تقريبًا.
تنتج الأطباق المعقدة المختلطة أسوأ التقديرات لأن محتوى السعرات الحرارية يعتمد على طرق التحضير المحددة، ونسب المكونات، وأحجام الحصص التي يجب على النموذج استنتاجها بدلاً من البحث عنها. يمكن أن تتراوح السعرات الحرارية في دجاج تيكا ماسالا من 350 إلى 750 سعرة حرارية لكل حصة اعتمادًا على كميات الكريمة والزيت والزبدة والأرز — وليس لدى النموذج أي وسيلة لمعرفة أي نسخة تتناولها.
تقدم الأطعمة المعلبة ذات العلامة التجارية حالة مثيرة للاهتمام. يمكن أن تتذكر نماذج اللغة أحيانًا بيانات التغذية الدقيقة للمنتجات الشهيرة من بيانات تدريبها، لكن المعلومات قد تكون قديمة. تحدث تغييرات في تركيبات المنتجات بانتظام، وقد يستشهد نموذج تم تدريبه على بيانات من 2023 بأعداد السعرات الحرارية التي تم تحديثها في 2024 أو 2025.
ما مدى اتساق تقديرات السعرات الحرارية في نماذج اللغة الكبيرة عبر الجلسات؟
الاتساق — الحصول على نفس الإجابة عند طرح نفس السؤال عدة مرات — هو قضية منفصلة عن الدقة. يمكن أن يكون التقدير خاطئًا بشكل متسق أو صحيحًا بشكل غير متسق. قمنا بقياس الاتساق من خلال طرح نفس سؤال السعرات الحرارية على كل نموذج لغوي خمس مرات في جلسات منفصلة.
| عنصر الطعام | نطاق ChatGPT (5 جلسات) | نطاق Gemini (5 جلسات) | نطاق Claude (5 جلسات) | القيمة الموثوقة |
|---|---|---|---|---|
| سلطة دجاج قيصر | 350–470 سعرة حرارية | 350–450 سعرة حرارية | 380–440 سعرة حرارية | 400–470 سعرة حرارية* |
| شطيرة زبدة الفول السوداني | 320–450 سعرة حرارية | 340–480 سعرة حرارية | 350–410 سعرة حرارية | 370–420 سعرة حرارية* |
| باد تاي (حصة واحدة) | 400–600 سعرة حرارية | 350–550 سعرة حرارية | 420–520 سعرة حرارية | 450–550 سعرة حرارية* |
| بطاطس مقلية كبيرة من ماكدونالدز | 480–510 سعرة حرارية | 450–520 سعرة حرارية | 490–510 سعرة حرارية | 490 سعرة حرارية |
| توست الأفوكادو (شريحة واحدة) | 250–380 سعرة حرارية | 200–350 سعرة حرارية | 280–340 سعرة حرارية | 280–350 سعرة حرارية* |
| بوريتو Chipotle | 800–1,100 سعرة حرارية | 750–1,200 سعرة حرارية | 850–1,050 سعرة حرارية | 900–1,100 سعرة حرارية* |
| زبادي يوناني مع جرانولا | 250–400 سعرة حرارية | 280–420 سعرة حرارية | 270–350 سعرة حرارية | 300–380 سعرة حرارية* |
*النطاق يعكس التباين حسب الوصفة/الحصة.
| مقياس الاتساق | ChatGPT | Gemini | Claude |
|---|---|---|---|
| متوسط التباين عبر 5 جلسات | ±22% من المتوسط | ±28% من المتوسط | ±15% من المتوسط |
| العناصر التي لديها تباين أكثر من 100 سعرة حرارية | 61% | 72% | 44% |
| العناصر التي لديها تباين أقل من 50 سعرة حرارية | 22% | 15% | 33% |
| أكثر أنواع الطعام عدم اتساقًا | الأطباق المعقدة | الأطباق المعقدة | الأطباق المعقدة |
| أكثر أنواع الطعام اتساقًا | الأطعمة المعلبة ذات العلامة التجارية | الأطعمة المعلبة ذات العلامة التجارية | الأطعمة المعلبة ذات العلامة التجارية |
عدم الاتساق ليس عيبًا — بل هو خاصية أساسية لكيفية عمل نماذج اللغة الكبيرة. فهي تولد الاستجابات بشكل احتمالي، ويمكن أن ينتج نفس الطلب مخرجات مختلفة اعتمادًا على معلمات العينة، وحالة نافذة السياق، ودرجة حرارة النموذج. بالمقابل، تعود قاعدة بيانات التغذية بنتائج متطابقة للاستفسارات المتطابقة في كل مرة لأنها عملية بحث حتمية، وليست عملية توليد.
بالنسبة لأغراض تتبع السعرات الحرارية، يعني هذا عدم الاتساق أنه إذا سألت ChatGPT عن نفس الغداء الذي تتناوله كل يوم، قد تحصل على عدد سعرات حرارية مختلف في كل مرة. على مدار أسبوع، يمكن أن تتراكم هذه التباينات العشوائية إلى مئات أو آلاف السعرات الحرارية من الضوضاء في تتبعك.
أين تخطئ نماذج اللغة الكبيرة في بيانات السعرات الحرارية؟
حددنا خمسة أنماط أخطاء منهجية ظهرت عبر جميع النماذج الثلاثة.
1. الافتراض بوجود حصص "متوسطة". عند السؤال عن "شريحة بيتزا"، عادةً ما تفترض نماذج اللغة شريحة متوسطة عامة. لكن شرائح البيتزا تختلف من 200 سعرة حرارية (عجينة رقيقة، جبنة خفيفة) إلى 400+ سعرة حرارية (عجينة سميكة، مكونات كثيرة). بدون تحديد النوع، والعجينة، والمكونات، قد يكون الافتراض بعيدًا عن ما تناولته بالفعل.
2. تجاهل الدهون المستخدمة في الطهي. عند السؤال عن "صدر دجاج مشوي"، عادةً ما تبلغ نماذج اللغة عن السعرات الحرارية لصدر الدجاج فقط (حوالي 165 سعرة حرارية لكل 100 جرام)، دون احتساب الزيت أو الزبدة المستخدمة أثناء الطهي. هذا يقلل باستمرار من السعرات الحرارية الفعلية بمقدار 50–150 سعرة حرارية لكل حصة.
3. معلومات العلامات التجارية القديمة. تتغير تركيبات المنتجات. قد يكون شريط Clif الذي كان يحتوي على 250 سعرة حرارية في 2022 يحتوي على 260 سعرة حرارية في 2025 بعد إعادة صياغة الوصفة. قد تستشهد نماذج اللغة التي تم تدريبها على بيانات قديمة بقيم قديمة.
4. التقريب والانهيار في النطاق. غالبًا ما تقرب نماذج اللغة إلى أقرب 50 أو 100 سعرة حرارية، مما يفقد الدقة التي تهم على نطاق واسع. "حوالي 300 سعرة حرارية" قد تعني 275 أو 325 — نطاق 50 سعرة حرارية يتراكم عبر الوجبات اليومية.
5. اختلاف الطعام الثقافي والإقليمي. تعني "حصة من الأرز المقلي" أشياء مختلفة تمامًا من حيث السعرات الحرارية في مطبخ منزلي، ومطعم صيني أمريكي، وركن طعام في بانكوك. عادةً ما تفترض نماذج اللغة الافتراضات الغربية بشأن الحصص بغض النظر عن سياق المستخدم.
كيف تقارن تقديرات السعرات الحرارية في نماذج اللغة الكبيرة بقاعدة بيانات Nutrola الموثوقة؟
الفرق الأساسي بين نموذج لغوي وتطبيق تتبع التغذية هو مصدر البيانات. تولد نماذج اللغة تقديرات من بيانات التدريب. بينما تبحث Nutrola عن القيم من قاعدة بيانات موثوقة من أخصائيي التغذية.
| عامل المقارنة | نماذج اللغة (ChatGPT، Gemini، Claude) | قاعدة بيانات Nutrola الموثوقة |
|---|---|---|
| مصدر البيانات | بيانات التدريب (نصوص الويب، كتب) | قاعدة بيانات غذائية موثوقة من أخصائيي التغذية |
| الدقة (متوسط الخطأ) | ±16–22% | ±2–5% |
| الاتساق | يتفاوت بين الجلسات (±15–28%) | نتائج متطابقة لكل استفسار |
| بيانات العلامة التجارية المحددة | متاحة أحيانًا، قد تكون قديمة | بيانات حالية موثوقة من الشركات المصنعة |
| التعامل مع الحصص | الافتراض بوجود "متوسط" ما لم يتم تحديده | حصص قابلة للتعديل بدقة مستوى الجرام |
| تعديل طريقة الطهي | غير متسق | إدخالات منفصلة للخام، المطبوخ، المقلي، إلخ. |
| دعم باركود/UPC | غير قابل للتطبيق | بحث فوري عن الأطعمة المعلبة |
| تحليل الماكرو | غالبًا ما يتم توفيره ولكن بنفس هوامش الخطأ | بيانات موثوقة عن البروتين، الدهون، الكربوهيدرات، والميكرو مغذيات |
| تتبع يومي | لا ذاكرة بين الجلسات* | دفتر يوميات غذائية دائم مع المجموعات |
*تقدم ChatGPT وGemini ميزات ذاكرة، لكن هذه مصممة لتفضيلات عامة، وليست لتسجيل التغذية المنظم.
أظهرت دراسة مقارنة نُشرت في عام 2025 في British Journal of Nutrition اختبار روبوتات الدردشة الذكية مقابل ثلاثة تطبيقات تجارية لتتبع التغذية من حيث دقة تسجيل النظام الغذائي لمدة 7 أيام. حققت تطبيقات التتبع متوسط خطأ يومي في السعرات الحرارية يتراوح بين 5–8%، بينما حققت روبوتات الدردشة الذكية متوسط خطأ يومي يتراوح بين 18–25%. خلصت الدراسة إلى أن "روبوتات الدردشة الذكية العامة ليست بدائل مناسبة لأدوات تقييم النظام الغذائي المصممة خصيصًا لذلك."
متى تكون نماذج اللغة الكبيرة مفيدة لمعلومات السعرات الحرارية؟
لا تعتبر نماذج اللغة الكبيرة عديمة الفائدة تمامًا لمعلومات التغذية. فهي تخدم حالات استخدام معينة بشكل جيد.
التعليم الغذائي العام. طرح سؤال مثل "ما هو المكون الغذائي الأكثر أهمية لبناء العضلات؟" أو "كيف يعمل العجز في السعرات الحرارية؟" ينتج عنه إجابات موثوقة لأن هذه المعلومات مثبتة ومعروفة عبر المصادر.
تقديرات تقريبية. إذا كنت بحاجة إلى معرفة ما إذا كانت وجبة تحتوي على حوالي 300 أو 800 سعرة حرارية — نطاق 2x — فإن نماذج اللغة عادةً ما تكون صحيحة. لكنها أقل فائدة عندما تحتاج إلى معرفة ما إذا كانت وجبة تحتوي على 450 أو 550 سعرة حرارية.
تخطيط الوجبات. يمكن أن يؤدي سؤال نموذج لغوي "اقترح خمس وجبات إفطار غنية بالبروتين تحت 400 سعرة حرارية" إلى نقاط انطلاق مفيدة، على الرغم من أنه يجب التحقق من تقديرات السعرات الحرارية لكل اقتراح مقابل قاعدة بيانات.
مقارنة فئات الطعام. يمكن أن تخبرك نماذج اللغة بشكل موثوق أن المكسرات أكثر كثافة في السعرات الحرارية من الفواكه، أو أن الدجاج المشوي يحتوي على سعرات حرارية أقل من الدجاج المقلي. تكون المقارنات النسبية أكثر دقة من الأرقام المطلقة.
متى يجب ألا تستخدم نماذج اللغة الكبيرة لتتبع السعرات الحرارية؟
استنادًا إلى بيانات الدقة والاتساق، يجب عدم استخدام نماذج اللغة الكبيرة كأدوات رئيسية لتتبع السعرات الحرارية في عدة سيناريوهات.
مراحل فقدان أو زيادة الوزن النشطة. عندما يكون هدف السعرات الحرارية اليومية لديك له هامش ±200 سعرة حرارية، يمكن أن يضعك خطأ ±18% من نموذج لغوي بعيدًا عن الهدف بمقدار 300–500 سعرة حرارية يوميًا. على مدار أسبوع، يمكن أن يلغي ذلك تمامًا العجز المخطط له.
تتبع الأطباق المعقدة أو المختلطة. معدل الخطأ للأطباق المعقدة (±22–30%) مرتفع جدًا لتتبع ذي مغزى. تقدير عشاء يحتوي على 700 سعرة حرارية والذي هو في الواقع 900 سعرة حرارية يعني خطأ يومي قدره 200 سعرة حرارية من وجبة واحدة.
التتبع اليومي المتسق. يعني عدم الاتساق بين الجلسات أن نفس الوجبة المسجلة في أيام مختلفة تنتج قيم سعرات حرارية مختلفة، مما يخلق ضوضاء في بيانات تتبعك تجعل من المستحيل تحديد الاتجاهات.
إدارة التغذية الطبية أو السريرية. بالنسبة للأفراد الذين يديرون مرض السكري، أو مرض الكلى، أو حالات أخرى تتطلب تحكمًا دقيقًا في التغذية، فإن تقديرات السعرات الحرارية من نماذج اللغة الكبيرة لا تلبي العتبة المطلوبة للدقة اللازمة لإدارة النظام الغذائي بشكل آمن.
النقاط الرئيسية: دقة السعرات الحرارية في نماذج اللغة الكبيرة مقابل قاعدة البيانات الموثوقة
| النتيجة | البيانات |
|---|---|
| متوسط خطأ السعرات الحرارية في ChatGPT | ±18% عبر أنواع الطعام |
| متوسط خطأ السعرات الحرارية في Gemini | ±22% عبر أنواع الطعام |
| متوسط خطأ السعرات الحرارية في Claude | ±16% عبر أنواع الطعام |
| متوسط خطأ قاعدة البيانات الموثوقة | ±2–5% |
| اتساق نماذج اللغة الكبيرة (تباين الجلسة) | ±15–28% من القيمة المتوسطة |
| اتساق قاعدة البيانات | 0% تباين (بحث حتمي) |
| أكثر نوع طعام دقة في نماذج اللغة الكبيرة | مكونات فردية، فواكه شائعة (±5–10%) |
| أقل نوع طعام دقة في نماذج اللغة الكبيرة | أطباق مختلطة معقدة (±22–30%) |
| تقديرات نماذج اللغة الكبيرة ضمن ±10% من الموثوق | 35–48% من العناصر |
| إدخالات قاعدة البيانات ضمن ±5% من الموثوق | 95%+ من العناصر |
تعد نماذج اللغة الكبيرة أدوات مثيرة للإعجاب يمكنها مناقشة مفاهيم التغذية بطلاقة. لكنها ليست قواعد بيانات غذائية. الفرق مهم لأن تتبع السعرات الحرارية هو مهمة كمية — تحتاج إلى أرقام محددة، متسقة، موثوقة، وليس تقديرات تبدو معقولة تتغير في كل مرة تسأل فيها. بالنسبة للتعليم الغذائي والإرشادات التقريبية، تعمل نماذج اللغة. لكن من أجل تتبع السعرات الحرارية اليومية الذي يحقق نتائج حقيقية، فإن الأداة المصممة خصيصًا مع قاعدة بيانات موثوقة هي الخيار المناسب.
الأسئلة الشائعة
ما مدى دقة ChatGPT في عد السعرات الحرارية؟
يمتلك ChatGPT (GPT-4o) متوسط خطأ مطلق في السعرات الحرارية يبلغ حوالي 18% عبر أنواع الطعام. يوفر تقديرات ضمن 10% من القيم الموثوقة فقط لـ 42% من الأطعمة المختبرة. الدقة تكون أفضل مع المكونات الفردية البسيطة مثل صدور الدجاج الخام (خطأ 8%) وأسوأ مع الأطباق المختلطة المعقدة مثل دجاج تيكا ماسالا (خطأ 25%).
هل يمكنني استخدام ChatGPT بدلاً من تطبيق تتبع السعرات الحرارية؟
لا يُعتبر ChatGPT بديلاً موثوقًا لتتبع السعرات الحرارية المصمم خصيصًا لذلك. وجدت دراسة في عام 2025 في British Journal of Nutrition أن روبوتات الدردشة الذكية حققت متوسط خطأ يومي في السعرات الحرارية يتراوح بين 18-25% مقابل 5-8% لتطبيقات التتبع المخصصة. كما أن ChatGPT يقدم إجابات غير متسقة عبر الجلسات، حيث يمكن أن ينتج عن نفس استفسار الطعام تقديرات سعرات حرارية تختلف بنسبة 15-28%.
لماذا يعطي ChatGPT أعداد سعرات حرارية مختلفة في كل مرة أسأل فيها؟
تولد نماذج اللغة الاستجابات بشكل احتمالي بدلاً من البحث عن القيم في قاعدة بيانات ثابتة. يمكن أن ينتج نفس الطلب مخرجات مختلفة اعتمادًا على معلمات العينة وحالة النموذج. في الاختبارات، تراوحت تقديرات ChatGPT لنفس الطعام بمتوسط قدره 22% عبر خمس جلسات منفصلة، مما يجعل تتبع السعرات الحرارية اليومية بشكل موثوق غير ممكن.
ما هو أكثر ما يكون ChatGPT دقة في التغذية؟
يؤدي ChatGPT بشكل أفضل مع المكونات الفردية الخام (خطأ 8%) والفواكه والخضروات الشائعة (خطأ 6%)، حيث تكون قيم السعرات الحرارية مثبتة ومعروفة. كما أنه مفيد في التعليم الغذائي العام، وتقديرات تقريبية، ومقارنات نسبية للطعام بدلاً من العد الدقيق للسعرات الحرارية.
كيف تقارن قاعدة بيانات الغذاء الموثوقة بـ ChatGPT من حيث السعرات الحرارية؟
تعود قاعدة بيانات التغذية الموثوقة مثل تلك الموجودة في تطبيقات التتبع المخصصة بنتائج ضمن 2-5% من القيم الفعلية مع عدم وجود تباين بين الاستفسارات. بينما يحقق ChatGPT متوسط خطأ قدره 18% مع عدم اتساق يتراوح بين 15-28% بين الجلسات. توفر قاعدة البيانات بيانات دقيقة محددة للعلامات التجارية، وحصص قابلة للتعديل، ونتائج متسقة في كل مرة.
مستعد لتحويل تتبع تغذيتك؟
انضم إلى الآلاف الذين حولوا رحلتهم الصحية مع Nutrola!
