¿Puede ChatGPT contar calorías? Esto encontraron 4 estudios (2026)

ChatGPT puede contar calorías. Le mandas una foto o describes lo que comiste y te devuelve un número. Si además le das los ingredientes y las cantidades, la estimación puede ser bastante útil.

Pero ¿cuánto puedes confiar en ese número si estás intentando perder grasa, ganar músculo o seguir un plan de nutrición de verdad?

Ahí están los detalles. En dos pruebas con fotos, el error calórico medio de ChatGPT quedó entre 30 y 36%. En una de ellas, añadir los ingredientes y sus cantidades lo bajó hasta alrededor del 14%. Es una mejora importante, pero todavía tienes que saber qué le estás pidiendo que calcule.

Vamos a ver qué hace bien, de dónde salen los errores y cómo hacer más fácil el registro diario.

¿Qué tan preciso es ChatGPT para contar calorías?

Si le dices exactamente qué comiste, con cantidades incluidas, ChatGPT tiene mucho menos que adivinar. Si solo mandas una foto de la cena, le estás pidiendo que identifique cada ingrediente Y que calcule cuánto hay de cada uno.

Es un trabajo mucho más difícil con platos mezclados, salsas o alimentos escondidos debajo de otros.

En una comparación directa, ChatGPT y Claude tuvieron un error calórico medio de 35.8%, mientras que Gemini llegó a 64.2%. Otra prueba encontró que el error de ChatGPT-5 bajó de 30.5% a 13.9% cuando recibió una lista completa de ingredientes y cantidades.

Así que sí, darle más información ayuda. Estos son los cuatro estudios:

Estudio	Qué se probó	Resultado
Prueba de fotos con tres modelos, 2025	ChatGPT, Claude y Gemini estimaron la nutrición de 52 fotos de alimentos pesados.	El error calórico medio fue de 35.8% para ChatGPT y Claude, frente a 64.2% para Gemini. Las porciones grandes tendieron a producir subestimaciones mayores.
Precisión de porciones, 2025	ChatGPT analizó 114 fotos de 38 comidas en tres tamaños de porción.	Identificó los alimentos con una precisión del 93%, pero subestimó el peso de la comida en el 76% de las fotos. Las porciones pequeñas fueron más fáciles que las medianas y grandes.
Conteo de carbohidratos con cuatro modelos, 2026	Cuatro modelos estimaron carbohidratos a partir de descripciones escritas de 124 comidas, comparadas con cálculos de profesionales clínicos.	ChatGPT tuvo el menor sesgo y fue el único que cumplió el criterio de equivalencia del 5% del estudio. Eso no significa que cada comida quedara dentro del 5%.
Prueba con más contexto, 2025	ChatGPT-5 estimó las calorías de 195 platos con cada vez más información junto a las imágenes.	El error calórico medio bajó de 30.5% con solo una foto a 13.9% con una lista completa de ingredientes y cantidades.

Las pruebas usaron comidas, versiones de modelos y métodos distintos. Fuentes revisadas en septiembre de 2026. Si hemos interpretado mal un resultado, dínoslo.

Son promedios de las comidas probadas. Tu almuerzo puede quedar mucho más cerca o mucho más lejos. No puedes quitarle 30% a cada respuesta, ni sumárselo después, y esperar que la cuenta quede arreglada.

¿ChatGPT puede contar calorías a partir de una foto?

Sí. Reconocer los alimentos es algo que hace bastante bien. En una prueba con 114 fotos de comidas, ChatGPT identificó los alimentos con una precisión del 93%, pero subestimó el peso de la comida en el 76% de las fotos.

Piensa en lo que significa al usarlo. Subes una foto de pollo con arroz, reconoce los dos y la respuesta parece correcta. Pero ¿acertó con las CANTIDADES? ¿Cuánto arroz hay debajo del pollo? ¿Contó el aceite con el que cocinaste?

Tú sabes parte de eso porque preparaste la comida. ChatGPT solo tiene lo que le das, y una foto puede dejar fuera bastante información.

Por eso no basta con revisar los nombres. También tienes que mirar las porciones. En esa prueba, las porciones pequeñas fueron más fáciles de estimar que las medianas y grandes.

Por qué importa si quieres perder grasa

Supón que tu cena tiene 700 calorías, pero la estimación llega 35% por debajo. Registras 455, aunque comiste 700.

Esas 245 calorías no aparecen en tu registro. Si decides qué comer después usando ese total, ya estás trabajando con un número equivocado.

Una comida así no decide si tu dieta funcionará. Pero si aceptas porciones más pequeñas de las que serviste, tu registro seguirá siendo inferior a lo que realmente comes. Es una forma muy frustrante de descubrir, después de varias semanas, por qué no avanzas.

Cómo hacer que ChatGPT cuente mejor las calorías

Lo más útil es describir lo que la foto no puede mostrar. No necesitas un prompt complicado. Necesitas los alimentos, las cantidades y los detalles que cambian la cuenta.

1. Dale los ingredientes y las cantidades

Si pesaste el pollo y el arroz, escribe esos pesos. Di si los pesaste crudos o cocidos. Si usaste una receta, incluye los ingredientes y qué cantidad de la comida terminada comiste.

La prueba que llevó el error de ChatGPT-5 a cerca del 14% incluía una lista completa con cantidades. No era solo una foto acompañada de "por favor, sé más preciso".

Claro que esto requiere trabajo. Pero si ya conoces las cantidades, no tiene mucho sentido volver a hacer que el modelo las adivine.

2. Incluye cómo cocinaste la comida

Aceite en la sartén, mantequilla en las verduras, aderezo mezclado en la ensalada... quizá nada de eso se vea en la foto.

Dile a ChatGPT qué añadiste y cuánto. De lo contrario, puede acertar con los ingredientes principales y aun así dejar parte de la comida fuera.

3. Revisa lo que contó antes de usar el total

Pídele los ingredientes y las porciones por separado. Después léelos. Si la respuesta muestra una porción pequeña y sabes que comiste una grande, corrígela antes de sumarla al día.

Esa parte todavía la tienes que hacer tú. Una respuesta detallada puede parecer convincente, pero tú sabes más sobre lo que comiste que la foto.

Y si ya estás revisando ingredientes, escribiendo pesos y repitiendo esto comida tras comida, una app de registro empieza a tener mucho sentido. Puedes guardar la comida y volver a usarla. Explicamos esa diferencia en ChatGPT frente a una app de fitness.

¿Claude puede contar calorías?

Sí, igual que ChatGPT. Si ya usas Claude, puedes describir tus comidas o mandarle fotos y pedirle una estimación.

Pero ¿cambiarte a Claude por precisión? La comparación de fotos no da muchos motivos. Los dos modelos tuvieron un error calórico medio de 35.8%, y sus errores de peso fueron parecidos: 37.3% para Claude y 36.3% para ChatGPT.

Claude también rindió peor en la prueba separada de descripciones escritas de carbohidratos. Necesita la misma ayuda con los ingredientes y las cantidades.

ChatGPT vs Claude vs Gemini para contar calorías

ChatGPT y Claude quedaron prácticamente iguales en fotos. Gemini tuvo errores mayores. En la prueba escrita de carbohidratos, ChatGPT rindió mejor.

Medida	ChatGPT	Claude	Gemini
Error calórico medio en fotos	35.8% de error medio.	35.8% de error medio.	64.2% de error medio.
Error medio del peso de la porción	36.3% de error medio.	37.3% de error medio.	Alrededor de 65% de error medio.
Porciones grandes	Las subestimaciones crecieron con el tamaño.	Las subestimaciones crecieron con el tamaño.	Las subestimaciones crecieron con el tamaño.
Coincidencia con profesionales en carbohidratos escritos	Cumplió el criterio de equivalencia del 5%.	No cumplió el criterio del 5% ni el del 10%.	Cumplió el criterio del 10%, pero no el del 5%.

Los resultados de fotos vienen de la comparación de 2025. Los de carbohidratos vienen de una prueba distinta de 2026 que también incluyó DeepSeek. Son resultados de las versiones probadas, no una clasificación de los modelos actuales.

Con 124 descripciones escritas de comidas, ChatGPT tuvo el menor sesgo frente a los cálculos clínicos y fue el único que pasó la prueba de equivalencia del 5%. Gemini y DeepSeek pasaron con un margen del 10%. Claude no pasó ninguno.

Ese 5% es el resultado del conjunto de la prueba, no una promesa para cada comida. Aun así, muestra lo que ChatGPT puede hacer cuando la comida está bien descrita.

La comparación de fotos usó versiones de 2024, y la prueba posterior de ChatGPT-5 usó otras comidas. Estos resultados no son una clasificación de todos los modelos disponibles hoy. Sí muestran que la información de entrada importa, especialmente cuando el modelo tiene que adivinar las porciones desde una imagen.

¿Un prompt mejor arregla el problema?

Puede ayudar. Si tu primer mensaje es solo "¿cuántas calorías?" con una foto, puedes añadir bastante para que la respuesta sea más útil.

Pero piensa qué estás mejorando. Darle la receta, los pesos o el método de cocción aporta información que antes no tenía. Pedirle que sea más cuidadoso deja la misma foto sobre la mesa.

Para registrar a diario también importa saber de dónde salen los valores. ¿Qué alimento eligió? ¿Coincide con lo que comiste? ¿Puedes compararlo con la etiqueta o una base de datos?

Si solo tienes el número final, no puedes ver qué parte debes corregir. Por eso conviene pedir el desglose, incluso cuando solo buscas una estimación rápida.

Cómo APEX facilita el registro diario

Con APEX Lifting and Diet Coach puedes revisar los alimentos y las cantidades, guardar la comida y verla contra tus objetivos diarios. Como tus entrenamientos están en la misma app, puedes llevar nutrición y entrenamiento juntos.

El modelo identifica el alimento y estima la cantidad. Subes una foto y separa la comida en ingredientes, con un peso para cada uno.
La app calcula las calorías y los macros. Busca esos alimentos en su catálogo y hace las cuentas en código. Los mismos ingredientes y gramos producen el mismo total calculado.
Revisas todo antes de guardar. Si faltó un ingrediente o se equivocó con el arroz, lo cambias. Después la comida queda en tus totales y en tu historial.

El catálogo tiene 1429 alimentos. De ellos, 853 se pueden rastrear hasta registros identificables de composición de alimentos, incluidos 733 de la USDA y 120 de tablas nacionales de otros países. También hay etiquetas de marcas y estimaciones.

Esto no significa que APEX pueda pesar la cena con la cámara. El modelo todavía puede equivocarse con un alimento o una porción, y los estudios de arriba no probaron APEX. La diferencia es que puedes revisar el cálculo y guardar la comida corregida para volver a usarla.

Si solo necesitas un objetivo inicial, prueba nuestra calculadora de calorías. Usa ecuaciones publicadas y separa los objetivos de días de entrenamiento y descanso.

Si quieres registrar comidas, conservar tu historial y ver tu nutrición junto a tus entrenamientos, para eso existe APEX. Si ya usas otra app, mira nuestra comparación con MyFitnessPal.

¿Quieres probarlo con tus comidas? Descarga APEX y prueba la experiencia completa gratis durante un mes.

El registro manual y de comidas guardadas es gratis para siempre, y tienes 10 análisis de IA gratis para probar el registro por foto. Ya está en el App Store y Google Play.

Preguntas frecuentes sobre contar calorías con ChatGPT

¿Por qué ChatGPT subestima el tamaño de las porciones?

Porque saber qué hay en el plato no le dice cuánto serviste. Piensa en un cuenco hondo de arroz, una salsa debajo del pollo o el aceite que usaste al cocinar. La foto deja muchas cosas fuera. En una prueba, ChatGPT subestimó el peso de la comida en el 76% de las fotos, y las porciones grandes dieron más problemas.

¿Claude es más preciso que ChatGPT para contar calorías?

No en la comparación de fotos. Claude y ChatGPT tuvieron el mismo error calórico medio, 35.8%, y sus estimaciones de peso fueron muy parecidas. Claude también rindió peor en la prueba separada de carbohidratos escritos.

¿Qué IA cuenta calorías con más precisión?

ChatGPT rindió mejor en la prueba escrita de carbohidratos y más o menos igual que Claude en fotos. Gemini tuvo errores mayores en fotos. Son resultados de versiones concretas, así que no dicen cuál acertará tu próxima comida. Darle mejor información sigue siendo lo más útil, uses el modelo que uses.

¿ChatGPT puede contar carbohidratos?

Sí, sobre todo si describes bien los alimentos y las cantidades. ChatGPT fue el único modelo que pasó la prueba de equivalencia del 5% frente a los cálculos clínicos. Eso no garantiza que cada comida quede dentro del 5%. Si cuentas carbohidratos para controlar la diabetes, úsalo como apoyo y no como sustituto de la educación y supervisión médica.

¿ChatGPT es suficientemente preciso para hacer una definición?

No usaríamos fotos sin revisar como único registro. Supón que una cena de 700 calorías se cuenta 35% por debajo. Faltarían 245 calorías en tu registro, aunque te las hayas comido. Puedes usar ChatGPT, pero revisa los ingredientes y las porciones antes de aceptar el total.

¿Una app de calorías es más precisa que ChatGPT?

Una base de datos hace que los valores y las cuentas sean más fáciles de revisar. Aun así necesitas elegir el alimento y la cantidad correctos. APEX te muestra ambos antes de guardar, así que puedes corregir el arroz si la foto calculó menos del que serviste. Los estudios de esta página no probaron la precisión de APEX.

Fuentes

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. https://pmc.ncbi.nlm.nih.gov/articles/PMC12513282/
O'Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients, 2025. https://pmc.ncbi.nlm.nih.gov/articles/PMC11858203/
Zagaroli L, Caione N, Zara S, Guerra F, Zugaro A, Baroni MG, Iezzi ML, Delvecchio M. Accuracy of ChatGPT, Gemini, Claude and DeepSeek in Carbohydrate Counting. Diabetes, Obesity and Metabolism, 2026. https://pmc.ncbi.nlm.nih.gov/articles/PMC13243987/
Rodríguez-Jiménez M, Martín-del-Campo-Becerra GD, Sumalla-Cano S, Crespo-Álvarez J, Elio I. Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios. Nutrients, 2025. https://pmc.ncbi.nlm.nih.gov/articles/PMC12655113/

APEX no tiene relación con OpenAI, Anthropic ni Google. Los hallazgos dependen de las comidas, prompts y versiones de modelo usadas en cada artículo.