¿Es precisa la IA al contar calorías a partir de una foto?
La IA convierte la foto de tu comida en una estimación de calorías en segundos. Descubre cómo funciona, por qué puede fallar, qué dicen los estudios y cómo aprovechar los resultados.
Los contadores de calorías por foto, como PlateCalories, son prácticos, pero ¿cuánto se acercan a lo que realmente comiste? En pocas palabras: una foto da una estimación útil, no una medición. En tres estudios de 2025, los modelos de IA generales que solo veían la foto tuvieron errores medios de calorías de alrededor del 30 % a más del 70 %, según el modelo.
Cómo calcula la IA las calorías de una foto
Son tres tareas, que pueden hacer herramientas distintas o un único modelo de IA:
- Reconocer los alimentos: identificar cada alimento y bebida, por ejemplo arroz, pollo a la plancha y un vaso de leche.
- Estimar las porciones: calcular cuánto hay de cada cosa a partir de pistas visuales, como su tamaño en comparación con el plato o los cubiertos.
- Convertir en energía: pasar cada cantidad a calorías con valores típicos de ese alimento y sumar el total.
En cada paso puede colarse un error, y los errores se suman. PlateCalories encarga las tres tareas a la vez a un único modelo de IA general, que enumera cada alimento con su porción y sus calorías estimadas; después, PlateCalories suma esas calorías para darte el total. El modelo no pesa la comida ni consulta una base de datos nutricional: sus valores son típicos, no medidos.
Qué modelos de IA usa PlateCalories
PlateCalories se basa sobre todo en modelos abiertos, que sus creadores publican para que otros puedan descargarlos y ejecutarlos: Gemma 4, de Google; GPT-OSS, de OpenAI, y Llama 4 Scout, de Meta. El servicio que responde depende del país desde el que te conectas, que detecta Cloudflare. PlateCalories recurre primero a los niveles gratuitos de otros servicios de IA y deja Cloudflare Workers AI para el final. Cada solicitud va al primer servicio indicado abajo para tu región; si ese servicio está saturado o no responde, toma el relevo el siguiente:
- Europa (la Unión Europea y el resto del Espacio Económico Europeo, el Reino Unido, Suiza, Gibraltar, las islas del Canal, la isla de Man, los departamentos franceses de ultramar y los microestados europeos, además de cualquier visitante cuyo país no se pueda detectar y de los visitantes de Irán, Corea del Norte, Cuba y las regiones ucranianas de Crimea, Sebastopol, Donetsk, Lugansk, Zaporiyia y Jersón): la foto de la comida, con la descripción que añadas, se analiza en Cloudflare Workers AI con Gemma 4 o, como respaldo, con Llama 4 Scout. Las descripciones sin foto, escritas o habladas, van primero a GPT-OSS en Groq (EE. UU.) y después a Gemma 4 en Cloudflare Workers AI. Para estos análisis nunca se usan Google, Z.ai ni OpenRouter.
- Estados Unidos (incluidos Puerto Rico y los demás territorios de EE. UU.): la foto de la comida, con la descripción que añadas, va primero a Gemma 4 a través del nivel gratuito de la API de Gemini de Google, después a Gemma 4 a través de OpenRouter (en este caso, el modelo Gemma gratuito lo ejecuta Google AI Studio) y, por último, a Cloudflare Workers AI, que usa Gemma 4 y, como último respaldo, Llama 4 Scout. Las descripciones sin foto van primero a Gemma 4 a través de la API de Gemini de Google, luego a GPT-OSS en Groq y, por último, a Gemma 4 en Cloudflare Workers AI. Nunca se usa Z.ai.
- Resto del mundo (por ejemplo, Canadá, Australia, África, Asia y América Latina): el mismo orden que en Estados Unidos, con Z.ai (la plataforma internacional de Zhipu AI, con sede en Singapur) como respaldo adicional justo después de Google.
Cada modelo, e incluso un mismo modelo en un segundo intento, puede dar cifras algo distintas, así que una misma foto no siempre obtendrá exactamente el mismo resultado. PlateCalories no guarda tus fotos, grabaciones de voz, descripciones ni resultados, pero cada servicio de IA tiene sus propias normas. Por ejemplo, Google puede usar lo que se envía al nivel gratuito de su API de Gemini para mejorar sus productos, y es posible que lo lean revisores humanos; las solicitudes enviadas a través de OpenRouter a su modelo Gemma gratuito, que ejecuta Google AI Studio, pueden conservarse hasta 55 días. Nuestra política de privacidad da todos los detalles.
Las principales fuentes de error
Tamaño de la porción y profundidad
Una foto es plana: muestra la superficie de la comida, pero no su altura ni lo que hay debajo, así que un trozo grueso de lasaña o un tazón hondo de sopa pueden parecer más pequeños de lo que son. En un estudio de 2025, algunos de los mayores errores se dieron en platos servidos en tazones, quizá porque la profundidad es difícil de percibir. En el proyecto de investigación Nutrition5k, los datos de un sensor de profundidad redujeron el error medio de calorías de un modelo del 26 % aproximadamente a un 17–19 %. PlateCalories usa una foto normal, así que conviene mencionar un tazón hondo o una porción grande.
Grasas y azúcares ocultos
El aceite, la mantequilla, el azúcar y las salsas cremosas suelen ser invisibles o estar mezclados con la comida, pero aportan mucha energía. Según USDA FoodData Central, el aceite de oliva tiene 884 kcal por 100 g, unas 119 kcal por cucharada (13,5 g): dos cucharadas en un salteado suman unas 240 kcal que la cámara puede pasar por alto. Nuestra guía sobre calorías ocultas da más ejemplos.
Platos mixtos
En guisos, platos al curry, sándwiches y burritos, los ingredientes van en capas o mezclados, así que la IA debe adivinar qué hay dentro y en qué cantidad. En otro estudio de 2025, ChatGPT-4o calculó 255 g para una porción grande de curry de lentejas que en realidad pesaba 480 g.
Luz, ángulo y encuadre
La poca luz, las sombras marcadas, los filtros, los ángulos extremos o un plato cortado en el borde de la imagen dificultan reconocer los alimentos y calcular las porciones. Nuestros consejos para fotografiar la comida explican soluciones sencillas.
Platos poco comunes o regionales
La IA aprende de ejemplos, y algunas cocinas y recetas familiares pueden estar poco representadas en sus datos de entrenamiento. En un estudio de 2024 sobre apps de registro de comidas, el reconocimiento de imágenes con IA no logró distinguir los ingredientes del pho de carne (una sopa vietnamita de fideos) ni los del té con leche y perlas de tapioca. Las apps sobrestimaron la energía del pho hasta en un 49 % y subestimaron la del té hasta en un 76 %. Los autores piden entrenar la IA con más platos mixtos y alimentos de culturas diversas.
Qué dice la investigación
- Cerca de las estimaciones humanas: una revisión sistemática de 52 estudios (2010–2023) encontró errores medios de calorías de entre el 0,1 % y el 38,3 % en los métodos de IA que analizan imágenes de comida, con errores menores en alimentos simples y aislados. Los autores lo consideraron acorde con las estimaciones humanas, pero señalaron que estas herramientas aún debían mejorar antes de usarse por sí solas.
- Identificar es más fácil que medir: con 114 fotos de comidas, ChatGPT-4 identificó bien los alimentos (el 93 % de los que nombró estaban realmente en la foto), pero subestimó el peso de la comida en el 76 % de las fotos, sobre todo en comidas medianas y grandes (O'Hara et al., 2025).
- A mayor porción, mayor error: con 52 fotos de alimentos, ChatGPT-4o y Claude 3.5 Sonnet tuvieron un error medio de energía de alrededor del 36 %, y Gemini 1.5 Pro, de un 64 %; los tres subestimaron más cuanto mayor era la porción. Según los autores, los dos primeros son comparables a los métodos tradicionales de autorregistro, como los diarios de alimentación, pero aún no son lo bastante precisos para la nutrición clínica o deportiva (Fridolfsson et al., 2025).
- El modelo importa: en una evaluación de 2025 con siete modelos de IA generales y 505 fotos de platos de comedor, sin datos de peso, los errores medios de calorías fueron de alrededor del 33 % al 73 %. Llama 4 Scout, que PlateCalories reserva como último respaldo para las fotos de comidas, tuvo el error más alto. Gemma 3 27B, un modelo Gemma de Google de una generación anterior, tuvo el segundo error más alto, de alrededor del 55 % (Mu et al., 2025).
- Los detalles ayudan: con ChatGPT-5 y 195 platos, el error medio fue de unas 123 kcal por plato (31 %) solo con la foto, de 92 kcal (24 %) con detalles como el tipo y la cantidad de grasa y de endulzante, y de 53 kcal (14 %) con la lista completa de ingredientes y cantidades. La misma lista sin la foto dio un error mayor, de unas 67 kcal, es decir, un 18 % (Rodríguez-Jiménez et al., 2025).
Cada estudio probó modelos concretos en condiciones concretas. Ninguno evaluó Gemma 4, el modelo que PlateCalories prueba primero con las fotos de comidas, y PlateCalories en sí no ha sido evaluado en ningún estudio publicado, así que su precisión puede ser mejor o peor.
Cómo usar con criterio las estimaciones de calorías con IA
- Toma cada resultado como aproximado. Una sola cifra puede desviarse bastante, sobre todo en comidas abundantes y platos mixtos.
- Fíjate en las tendencias de días y semanas. En muchas comidas, las desviaciones al azar se compensan en parte, así que los patrones dicen más que un resultado aislado. Un sesgo constante, en cambio, no se compensa.
- Ten en cuenta las porciones grandes. Dos de los estudios citados observaron que la IA subestimaba las porciones abundantes, así que, si sueles servirte mucho, tus totales pueden quedarse cortos.
- Comprueba lo que comes a menudo. Pesa una vez tu desayuno habitual, consulta la etiqueta o una base de datos y compáralo con la estimación de la IA. ¿No tienes báscula? Consulta nuestra guía de porciones sin báscula.
Cómo añadir detalles en PlateCalories
En el contador de calorías de PlateCalories puedes añadir detalles a la foto escribiendo una descripción (hasta 500 caracteres) o hablando hasta 60 segundos. Si tu navegador ofrece dictado por voz, su propio servicio de reconocimiento de voz convierte tus palabras en texto (el de Google en Chrome, el de Microsoft en Edge y el de Apple en Safari, salvo que el navegador lo haga en tu propio dispositivo), y a PlateCalories solo le llega ese texto. Si no lo ofrece (por ejemplo, en el navegador integrado de las apps de WhatsApp, Instagram o Facebook) o si el idioma principal de tu navegador no es el inglés, el español ni el francés, se graba tu voz, para que se pueda reconocer el idioma en el que hablas. La grabación, igual que cualquier archivo de audio que elijas, se envía una sola vez para que la transcriba Whisper, un modelo abierto de reconocimiento de voz de OpenAI, en Groq (EE. UU.) o, como respaldo, en Cloudflare Workers AI. Después, la IA usa tus palabras para corregir nombres de alimentos, cantidades e ingredientes ocultos. Por ejemplo:
- grasa de cocción: «frito con unas 2 cucharadas de aceite de oliva»;
- cantidades conocidas: «200 g de arroz cocido»;
- bebidas y extras: «café con 2 cucharaditas de azúcar», «refresco de cola normal, con azúcar»;
- rellenos: «burrito con frijoles, queso y crema agria».
Comprueba lo que se ha entendido: las palabras dictadas aparecen en el cuadro de descripción, donde puedes corregirlas, y la transcripción de una grabación se muestra junto al resultado. El resultado muestra cada alimento con su porción y sus calorías estimadas. Si falta algo o no cuadra, añade una corrección y vuelve a analizar (se aplican límites de uso diarios). También puedes describir una comida con la voz o por escrito, sin foto. En ese caso, la estimación se basa solo en tus palabras, así que indica las cantidades si las conoces.
Cuándo importa la precisión
En el día a día, una estimación aproximada suele bastar. Algunas situaciones requieren más precisión y apoyo profesional:
- diabetes, sobre todo si cuentas carbohidratos para ajustar la insulina (PlateCalories solo estima calorías, no carbohidratos);
- enfermedad renal, otras afecciones o una dieta indicada por un médico;
- embarazo o lactancia;
- un trastorno de la conducta alimentaria, actual o pasado.
En estos casos, pregunta a un médico o a un nutricionista titulado qué método te conviene, como pesar los alimentos. Nunca uses una estimación de IA para decidir la dosis de un medicamento, como la insulina. Si contar calorías te genera ansiedad o te lleva a comer muy poco, tómate un descanso y habla con un profesional de la salud. PlateCalories está dirigido a adultos (18 años o más) y no constituye asesoramiento médico.
Fuentes
Estas fuentes están en inglés.
- Shonkoff et al., Annals of Medicine (2023): revisión sistemática
- O'Hara et al., Nutrients (2025)
- Fridolfsson et al., Current Developments in Nutrition (2025)
- Rodríguez-Jiménez et al., Nutrients (2025)
- Mu et al., ACM BCB (2025)
- Li et al., Nutrients (2024)
- Thames et al., CVPR (2021): Nutrition5k
- USDA FoodData Central: aceite de oliva (FDC ID 171413)