Am Testat 4 Trackere AI pentru Calorii Pe Parcursul a 2 Săptămâni

Pe parcursul a două săptămâni, am înregistrat fiecare masă în patru trackere AI pentru calorii diferite simultan. Aceleași mese, aceleași fotografii, același moment. Nutrola, Cal AI, Foodvisor și SnapCalorie — funcționând în paralel, în fiecare zi, timp de 14 zile. Am cântărit fiecare masă gătită acasă pe o balanță de bucătărie și am calculat caloriile reale folosind valorile de referință din USDA FoodData Central ca bază de adevăr.

Scopul a fost simplu: să descoperim care aplicație produce cel mai fiabil jurnal alimentar pe o perioadă realistă de două săptămâni. Nu o demonstrație curată cu iluminare perfectă și alimente unice, ci viața reală — gătit acasă, mese la restaurant, snacks-uri ambalate, cafea și ocazionalele momente de „am uitat să fotografiez asta”.

Iată ce s-a întâmplat.

Configurare și Reguli de Bază

Dispozitive: iPhone 15 Pro (pentru LiDAR-ul SnapCalorie), cu toate cele patru aplicații instalate și conectate.

Protocol de cântărire: Toate alimentele preparate acasă cântărite pe o balanță de bucătărie cu precizie de 0.1g înainte de servire. Adevărul caloric calculat folosind valorile din USDA FoodData Central. Mesele de restaurant estimate folosind valorile USDA pentru preparate comparabile (o limitare inerentă — adevărul caloric pentru restaurante este întotdeauna aproximativ).

Fotografie: Aceeași fotografie trimisă la toate cele patru aplicații. O fotografie de sus per masă, realizată sub orice iluminare disponibilă (nu optimizată pentru nicio aplicație).

Protocol de corectare: Pentru fiecare aplicație, am petrecut până la 30 de secunde corectând erorile evidente folosind instrumentele disponibile în aplicație. Acest lucru simulează un utilizator real care observă o greșeală, dar nu dorește să petreacă minute întregi corectând-o.

Ce am urmărit: Timpul per înregistrare (cronometru), estimarea inițială a caloriilor de către AI, caloriile finale înregistrate (după corectare), totalul zilnic comparativ cu adevărul caloric, frustrarea notabilă și orice caracteristici care au făcut o diferență semnificativă.

Săptămâna 1: Zilele 1-7

Ziua 1 (Luni): Zi Normală de Gătit Acasă

Mic dejun: Ovăz peste noapte (80g ovăz, 200ml lapte integral, 1 banană, 1 lingură miere, 15g migdale). Adevărul caloric: 520 cal.

Aplicație	Estimare Inițială	După Corectare	Timp	Note
Cal AI	340 cal	340 cal	4 sec	A omis complet mierea și migdalele. Nu există opțiune de adăugare.
SnapCalorie	365 cal	365 cal	6 sec	Estimare mai bună a porției prin 3D, dar a ratat ingredientele ascunse.
Foodvisor	380 cal	420 cal	15 sec	A identificat ovăzul și banana. Am căutat manual mierea.
Nutrola	410 cal	505 cal	18 sec	AI a identificat ovăzul și banana. Am adăugat vocal „lingură de miere și 15 grame de migdale.” Baza de date a potrivit ambele.

Prânz: Salată grecească ambalată din supermarket (cod de bare disponibil). Adevărul caloric: 340 cal (conform etichetei).

Aplicație	Estimare Inițială	După Corectare	Timp	Note
Cal AI	280 cal	280 cal	5 sec	Fără opțiune de cod de bare. Estimarea foto a fost scăzută (a omis dressing-ul).
SnapCalorie	295 cal	295 cal	7 sec	Problema similară. Fără cod de bare.
Foodvisor	340 cal	340 cal	4 sec	Scanarea codului de bare s-a potrivit perfect.
Nutrola	340 cal	340 cal	3 sec	Scanare cod de bare. Potrivire exactă. Cea mai rapidă înregistrare a zilei.

Cină: Pui stir fry gătit acasă (200g pulpe de pui, 150g broccoli, 100g ardei gras, 200g orez, 1.5 linguri ulei de susan, 2 linguri sos de soia). Adevărul caloric: 785 cal.

Aplicație	Estimare Inițială	După Corectare	Timp	Note
Cal AI	490 cal	490 cal	5 sec	A omis complet uleiul de gătit. 295 cal subestimare.
SnapCalorie	520 cal	520 cal	8 sec	3D a ajutat cu volumul de orez, dar uleiul a fost în continuare invizibil.
Foodvisor	530 cal	580 cal	20 sec	A identificat stir fry-ul. Am adăugat manual uleiul, dar am găsit doar „ulei vegetal”, nu ulei de susan.
Nutrola	560 cal	755 cal	22 sec	AI a identificat stir fry-ul de pui și orezul. Am adăugat vocal „o lingură și jumătate de ulei de susan.” Baza de date avea intrarea exactă. Aproape de adevărul caloric.

Total Ziua 1:

Aplicație	Total Înregistrat	Adevărul Caloric	Eroare	% Eroare
Cal AI	1,576 cal	2,105 cal	-529 cal	-25.1%
SnapCalorie	1,648 cal	2,105 cal	-457 cal	-21.7%
Foodvisor	1,808 cal	2,105 cal	-297 cal	-14.1%
Nutrola	2,058 cal	2,105 cal	-47 cal	-2.2%

Ziua 1 a stabilit un model care s-a repetat pe parcursul testului. Găsirea uleiului de gătit a contat pentru cea mai mare parte a erorii în aplicațiile bazate doar pe fotografie.

Ziua 3 (Miercuri): Zi de Prânz la Restaurant

Masa de restaurant a fost cel mai revelator test. Am avut pui tikka masala cu naan și orez la un restaurant indian. Nu am putut cântări această masă, dar am estimat adevărul caloric la aproximativ 950 de calorii pe baza valorilor USDA pentru porții comparabile de restaurant.

Aplicație	Estimare	Note
Cal AI	620 cal	Subestimat semnificativ. A tratat-o ca pe o porție mai mică decât cea servită.
SnapCalorie	680 cal	Estimare mai bună a porției, dar tot scăzut. A omis smântâna/untul din sos.
Foodvisor	740 cal	Mai aproape. A identificat „tikka masala”, ceea ce a adus date mai bune.
Nutrola	890 cal	AI a identificat tikka masala. Intrarea din baza de date pentru tikka masala de restaurant a inclus conținutul tipic de smântână/unt. Am confirmat porția ca fiind „mare.”

Ziua 5 (Vineri): Provocarea Smoothie și Cafea

Smoothie de dimineață (banană, lapte de migdale, unt de arahide, proteină din zer, spanac — într-o sticlă opacă). Adevărul caloric: 450 cal. Latte de după-amiază (lapte de ovăz, mare, 2 pompe de vanilie). Adevărul caloric: aproximativ 290 cal.

Rezultatele smoothie-ului:

Aplicație	Estimare	Note
Cal AI	180 cal	A văzut o sticlă întunecată. Practic a ghicit.
SnapCalorie	210 cal	3D a măsurat volumul sticlei, dar nu a putut identifica conținutul.
Foodvisor	195 cal	Aceeași limitare. A văzut recipientul, nu conținutul.
Nutrola	435 cal	Am înregistrat vocal rețeta. Baza de date a potrivit fiecare ingredient. Fotografia a fost inutilă (am sărit peste ea).

Rezultatele latte-ului:

Aplicație	Estimare	Note
Cal AI	130 cal	Identificat generic ca „cafea”.
SnapCalorie	150 cal	A măsurat volumul ceștii, a ghicit „latte”.
Foodvisor	160 cal	Identificat ca „latte”, dar a folosit presupunerea de lapte obișnuit.
Nutrola	275 cal	Am înregistrat vocal „latte mare de lapte de ovăz cu două pompe de vanilie.” Baza de date avea intrarea pentru latte de ovăz de tip Starbucks.

Această zi a evidențiat de ce înregistrarea vocală este importantă. Trackerele bazate pe fotografie erau practic orbe la băuturi și recipiente opace.

Rezumat Săptămâna 1

Metric	Cal AI	SnapCalorie	Foodvisor	Nutrola
Calorii medii înregistrate pe zi	1,640 cal	1,720 cal	1,870 cal	2,145 cal
Calorii medii adevărate pe zi	2,180 cal	2,180 cal	2,180 cal	2,180 cal
Eroare medie pe zi	-540 cal	-460 cal	-310 cal	-35 cal
% Eroare medie pe zi	-24.8%	-21.1%	-14.2%	-1.6%
Timp mediu per masă	5.2 sec	7.1 sec	16.4 sec	17.8 sec
Mese unde codul de bare era disponibil	8	8	8	8
Mese unde codul de bare a fost folosit	0	0	8	8
Momente de frustrare	12	9	5	2

Observații Săptămâna 1:

Cal AI a fost constant cel mai rapid, dar și constant cel mai puțin precis. Viteza a fost plăcută în momentul respectiv, dar totalurile zilnice erau semnificativ greșite — o subestimare de 540 de calorii pe zi ar elimina complet un deficit tipic de pierdere în greutate.

SnapCalorie, cu scanarea sa 3D, a ajutat la dimensiunile porțiilor pentru mesele servite, dar nu a abordat problema fundamentală a ingredientelor invizibile (uleiuri, componente ascunse, băuturi).

Scanarea codului de bare de către Foodvisor a fost un avantaj semnificativ față de Cal AI și SnapCalorie pentru alimentele ambalate. Caracteristica dieteticianului exista, dar nu am folosit-o în timp real deoarece întârzierea feedback-ului era impracticabilă pentru deciziile zilnice.

Combinația de înregistrare vocală și scanare cod de bare a Nutrola a acoperit cele două cele mai mari lacune de acuratețe: ingrediente invizibile și alimente ambalate. Cele 12 secunde suplimentare per masă comparativ cu Cal AI erau barely perceptibile în practică.

Săptămâna 2: Zilele 8-14

Ziua 8 (Luni): Zi de Preparare a Mesei

Am gătit în lot cinci zile de prânzuri: piept de pui, cartofi dulci și fasole verde. Aceeași masă, aceleași porții, înregistrate zilnic.

Aceasta a fost testul de consistență. Aceeași masă înregistrată de cinci ori ar trebui să producă același număr de calorii de cinci ori.

Aplicație	Ziua 8	Ziua 9	Ziua 10	Ziua 11	Ziua 12	Interval
Cal AI	445	410	465	425	455	55 cal variație
SnapCalorie	430	440	420	445	435	25 cal variație
Foodvisor	480	480	485	480	480	5 cal variație
Nutrola	495	495	495	495	495	0 cal variație

Adevărul caloric (cântărit și calculat): 490 cal.

Intervalul de 55 de calorii al Cal AI pentru mese identice este un rezultat direct al arhitecturii bazate pe AI — fotografiile diferite au dus la estimări diferite. Scanarea 3D a SnapCalorie a redus variația. Sprijinul bazei de date al Foodvisor a menținut-o aproape constantă. Nutrola a fost perfect consistentă deoarece am înregistrat aceeași intrare din baza de date (salvată ca șablon de masă după Ziua 8) de fiecare dată.

Ziua 11 (Joi): Cină Socială

Cină la casa unui prieten. Multe feluri de mâncare, servire comună, fără posibilitatea de a cântări alimentele. Acesta este cel mai greu scenariu din viața reală pentru orice tracker de calorii.

Felurile de mâncare au inclus paste carbonara, salată Caesar, pâine cu usturoi și tiramisu. Am estimat porțiile vizual și am calculat grosier adevărul caloric la aproximativ 1,200 de calorii pentru masă.

Aplicație	Estimare	Note
Cal AI	680 cal	Am fotografiat farfuria o singură dată. AI a tratat-o ca pe o masă moderată de paste. A omis desertul (l-am mâncat înainte de a-mi aminti să fotografiez).
SnapCalorie	720 cal	Aceeași fotografie a farfuriei. 3D a ajutat cu volumul de paste. De asemenea, a omis desertul.
Foodvisor	810 cal	Am fotografiat farfuria, apoi mi-am amintit să adaug manual tiramisul din baza de date.
Nutrola	1,080 cal	Am fotografiat farfuria. AI a identificat carbonara și salata. Am adăugat vocal „două felii de pâine cu usturoi cu unt” și „o felie de tiramisu, aproximativ 150 grame.” Toate din baza de date.

Cina socială a expus fragilitatea fluxurilor de lucru bazate pe fotografie. Uitând să fotografiez un curs (desertul) a creat un interval de 200-400 de calorii pe care aplicațiile bazate pe fotografie nu au putut să-l recupereze. Înregistrarea vocală a Nutrola a permis adăugarea cursului omis după fapt.

Ziua 14 (Duminică): Zi de Brunch și Gustări

O zi cu un brunch copios (ouă benedict cu somon afumat, cartofi prăjiți, salată de fructe, suc de portocale și un cappuccino) și multiple gustări mici pe parcursul după-amiezii.

Gustările au fost deosebit de revelatoare. Am avut o mână de mix de nuci (estimare 180 cal), o bară proteică (cod de bare: 210 cal), un măr (95 cal) și puțin ciocolată neagră (150 cal). Aceste gustări rapide sunt ușor de omis sau de estimat greșit.

Aplicație	Estimare Brunch	Total Gustări	Total Zi	Adevărul Caloric	Eroare
Cal AI	580 cal	320 cal	1,890 cal	2,450 cal	-560 cal
SnapCalorie	620 cal	340 cal	1,960 cal	2,450 cal	-490 cal
Foodvisor	710 cal	485 cal	2,185 cal	2,450 cal	-265 cal
Nutrola	820 cal	615 cal	2,380 cal	2,450 cal	-70 cal

Sosul hollandaise de la brunch a fost marele diferențiator — Cal AI și SnapCalorie au contabilizat foarte puțin. Scanarea codului de bare a barei proteice a oferit lui Foodvisor și Nutrola date exacte. Mixul de nuci a necesitat o descriere vocală („o mână de mix de nuci, aproximativ 40 grame”) pentru orice acuratețe.

Rezumat Săptămâna 2

Metric	Cal AI	SnapCalorie	Foodvisor	Nutrola
Calorii medii înregistrate pe zi	1,580 cal	1,680 cal	1,910 cal	2,190 cal
Calorii medii adevărate pe zi	2,220 cal	2,220 cal	2,220 cal	2,220 cal
Eroare medie pe zi	-640 cal	-540 cal	-310 cal	-30 cal
% Eroare medie pe zi	-28.8%	-24.3%	-14.0%	-1.4%
Timp mediu per masă	5.0 sec	6.8 sec	15.8 sec	16.2 sec

Erorile din Săptămâna 2 au fost ușor mai mari decât în Săptămâna 1 pentru aplicațiile bazate pe AI, deoarece au apărut mese mai complexe (restaurant, cină socială, brunch). Acuratețea Nutrola a crescut de fapt în Săptămâna 2, pe măsură ce am devenit mai experimentat cu înregistrarea vocală și am construit o bibliotecă de mese salvate.

Rezultate Complete pe 14 Zile

Metric	Cal AI	SnapCalorie	Foodvisor	Nutrola
Total calorii înregistrate (14 zile)	22,540	23,800	26,460	30,345
Total calorii adevărate	30,800	30,800	30,800	30,800
Total eroare calorică	-8,260	-7,000	-4,340	-455
% Eroare medie pe zi	-26.8%	-22.7%	-14.1%	-1.5%
Direcția erorii	Constant subestimat	Constant subestimat	Constant subestimat	Aleator (unele peste, unele sub)
Cea mai mare eroare într-o zi	-780 cal	-650 cal	-420 cal	-95 cal
Cea mai bună eroare într-o zi	-320 cal	-280 cal	-140 cal	+15 cal
Timp mediu per masă	5.1 sec	7.0 sec	16.1 sec	17.0 sec
Timp total de urmărire zilnică	~25 sec	~35 sec	~80 sec	~85 sec
Scanări cod de bare folosite	0	0	16	16
Înregistrări vocale folosite	0	0	0	38
Mese uitate să fie fotografiate	4	4	4	0 (înregistrate vocal după fapt)

Constatări Cheie

1. Biasul de Subestimare Este Real și Consistent

Toate cele patru aplicații au subestimat totalul caloriilor consumate, dar magnitudinea a variat enorm. Subestimarea de 8,260 de calorii a Cal AI pe parcursul a 14 zile este echivalentă cu 2.4 kilograme de grăsime corporală — un utilizator care se bazează pe Cal AI pentru un deficit de greutate ar crede că a pierdut cu 2.4 kilograme mai mult decât a făcut-o efectiv după doar două săptămâni.

Subestimarea este sistematică, nu aleatorie, deoarece cele mai frecvente eșecuri ale AI (uleiuri de gătit invizibile, ingrediente ascunse, subestimarea sosurilor) cauzează subestimări în loc de supraestimări.

2. Înregistrarea Vocală Este Cea Mai Subestimată Caracteristică în Urmărirea Caloriilor

Înregistrarea vocală a reprezentat 38 de intrări pe parcursul a 14 zile — în principal uleiuri de gătit, smoothie-uri, băuturi de cafea și mese omise la fotografie. Aceste 38 de înregistrări vocale au reprezentat aproximativ 5,200 de calorii care ar fi fost omise sau grav subestimate într-o aplicație bazată doar pe fotografie.

3. Scanarea Codului de Bare Este Cea Mai Ușoară Câștigare de Acuratețe

Șaisprezece scanări de coduri de bare pe parcursul a 14 zile. Fiecare a durat 2-3 secunde și a produs date cu o acuratețe de 99%+. Cal AI și SnapCalorie au forțat estimarea foto pentru fiecare dintre aceste produse ambalate — folosind o metodă cu o acuratețe de 85-92% când o metodă cu o acuratețe de 99%+ era disponibilă.

4. Diferențele de Viteză Sunt Neglijabile în Practică

Diferența dintre Cal AI (25 de secunde pe zi) și Nutrola (85 de secunde pe zi) este de 60 de secunde — un minut de efort zilnic suplimentar pentru o îmbunătățire de 25 de puncte procentuale în acuratețe. Cu alte cuvinte: un minut suplimentar pe zi a eliminat 8,000 de calorii de eroare pe parcursul a două săptămâni.

5. Consistența Contează pentru Analiza Tendințelor

Intrările ancorate în baza de date ale Nutrola au produs o tendință de calorii lină și fiabilă pe parcursul a 14 zile. Estimările variabile ale Cal AI au creat o tendință zgomotoasă, unde fluctuațiile zilnice erau dominate de varianta estimării AI, nu de schimbările reale în obiceiurile alimentare. Dacă încerci să identifici dacă obiceiurile tale alimentare din weekend diferă de cele din timpul săptămânii, ai nevoie de baze consistente în timpul săptămânii — iar trackerele bazate doar pe AI nu pot oferi acest lucru.

Verdictul

Cal AI este într-adevăr rapid și impresionant de simplu. Pentru cineva care dorește zero fricțiune și nu are nevoie de numere precise, funcționează ca un instrument de conștientizare. Dar o eroare medie de 26.8% pe zi îl face nepotrivit pentru orice obiectiv care necesită date precise. Experiența rapidă și curată este subminată de faptul că numerele din jurnalul tău sunt semnificativ greșite.

SnapCalorie este cea mai interesantă aplicație tehnologică testată. Scanarea 3D nu este o gimmick — a îmbunătățit semnificativ estimarea porțiilor pentru alimentele servite vizibil. Dar îmbunătățirea a fost modestă (eroare de 22.7% față de 26.8% la Cal AI) deoarece cele mai mari erori provin din ingrediente invizibile, nu din calculul greșit al porțiilor. Prețul premium ($9-15/lună) pentru o aplicație bazată doar pe fotografie este greu de justificat.

Foodvisor ocupă un teren de mijloc rezonabil. Scanarea codului de bare și sprijinul parțial din baza de date reduc semnificativ eroarea comparativ cu aplicațiile bazate doar pe AI. Performanța sa este cea mai bună cu alimentele europene și are o senzație profesională. Caracteristica dieteticianului este o ofertă unică, dar întârzierea o face impracticabilă pentru urmărirea în timp real.

Nutrola a produs cel mai precis jurnal alimentar cu o marjă largă — 1.5% eroare medie față de 14-27% pentru concurenți. Acuratețea nu provine dintr-un AI dramatic mai bun, ci din baza de date verificată care prinde ceea ce AI-ul ratează, înregistrarea vocală care acoperă ceea ce fotografiile nu pot captura și scanarea codului de bare care oferă date exacte pentru produsele ambalate. La €2.50 pe lună după o perioadă de probă gratuită fără reclame, costă mai puțin decât fiecare aplicație pe care a depășit-o.

Un minut suplimentar pe zi este adevărata compensație. Nutrola nu este cea mai rapidă aplicație. Necesită câteva secunde suplimentare per masă și un utilizator ușor mai activ (confirmând intrările din baza de date, înregistrând vocal ingredientele ascunse). Dar rezultatul este un jurnal alimentar care reflectă ceea ce ai mâncat efectiv — ceea ce este întregul scop al urmăririi caloriilor.

După 14 zile de testare paralelă, concluzia este simplă: cel mai fiabil tracker AI pentru calorii nu este cel cu cel mai impresionant AI. Este cel care știe când AI-ul nu este suficient și are o bază de date verificată, înregistrare vocală și scanare cod de bare pregătite să umple golurile. Acea aplicație, în acest test, a fost Nutrola.