Какая нейросеть лучше всех распознаёт еду по фото: исследования 2026 года и дневники питания

Короткий ответ

На сентябрь 2026 года лучше всех состав блюда по фото распознаёт Gemini 3.1 Flash-Lite от Google. Это показало независимое исследование Нью-Йоркского университета (NYU): 10 систем проверили на 3 229 фотографиях еды с точно известным составом.

Лидер зависит от задачи:

• Состав блюда (какие ингредиенты на тарелке): Gemini 3.1 Flash-Lite — первое место из 10.
• Калории: Gemini 3.0 Flash — первое место; Gemini 3.1 Flash-Lite почти вровень (0,754 против 0,767 по согласию с эталоном).
• Вес порции в граммах: точно не определяет ни одна нейросеть. Среди флагманов лучшая — Gemini 3.5 Flash, но её ошибка — около 35% на каждый продукт.

На Gemini 3.1 Flash-Lite работает распознавание фото в дневнике питания Зоя от Зожника.

Исследование NYU 2026: 10 нейросетей на 3 229 фото еды

Gemini 3.1 Flash-Lite точнее всех определила ингредиенты и почти не уступила лидеру по калориям, при этом стоит вдвое дешевле Gemini 3.0 Flash. Препринт опубликован на bioRxiv в июле 2026 года, авторы — исследователи медицинской школы NYU и Гарвардской школы общественного здравоохранения ¹.

Нейросетям давали одну фотографию блюда сверху и просили вернуть список продуктов, их вес и калорийность. Ответы сравнивали с датасетом Google Nutrition5k, где каждое блюдо взвешено. Состав оценивали индексом Жаккара (1 — полное совпадение списка ингредиентов), калории и вес — коэффициентом согласия Лина (1 — идеальное совпадение).

Прочерк — значение не приведено в тексте исследования (полные цифры есть в его таблице 2). Тройка лидеров по калориям и весу в таблице полная, остальные модели показали результат ниже. GPT-5 Mini не смогла вернуть корректный ответ на 6,6% фото.

Три вывода исследования, важные для пользователя дневника питания:

• Нейросети видят еду внимательнее людей. Четыре проверяющих вслепую сверили 440 фото. Нейросеть (в этой проверке — Gemini 2.0 Flash) назвала 83% реально видимых продуктов, авторы исходной разметки — 55%.
• Калории и вес остаются слабым местом. Средняя ошибка в калориях у разных моделей — от 40 до 120%, в весе — от 54 до 98 г на блюдо.
• Формулировка запроса влияет на точность. Просьба оценивать именно видимую порцию, а не «стандартную», повысила точность калорий на 7,4%.

Ограничение: в Nutrition5k — блюда американских кафетериев, снятые строго сверху. На домашней и региональной еде результаты могут отличаться.

Какая нейросеть точнее определяет вес порции

Среди флагманских моделей вес порции точнее всех оценивает Gemini 3.5 Flash, но и она ошибается в среднем на 24 г (35%) на каждый продукт. Это показало исследование 2026 года: пять флагманов в июле 2026 года проверили на 100 сложных блюдах из нескольких продуктов ².

Продукты на тарелке все пять моделей находят примерно одинаково, а в граммах расходятся: у Gemini и GPT ошибка 24–27 г, у Claude — около 36 г. Более мощные «рассуждающие» модели проблему не решают.

Причина — в самой задаче. Одна фотография показывает площадь, но не высоту: горка гречки и тонкий слой выглядят сверху похоже. Масло, сахар и соусы внутри блюда на фото вообще не видны. Даже обученные нутрициологи, по данным авторов Nutrition5k, ошибаются в оценке порции по фото в среднем на 41% ³.

Практический вывод: нейросеть хорошо узнаёт, что вы едите, а сколько — надёжнее уточнить вручную. Поэтому хороший дневник питания должен позволять быстро править граммы после распознавания.

Какие дневники питания работают на этих нейросетях

На Gemini 3.1 Flash-Lite — лидере исследования NYU по распознаванию состава — работает русскоязычный дневник питания Зоя. Большинство приложений не раскрывают, какую модель используют, а модели часто меняют. Ниже — что известно из открытых источников.

Как устроено распознавание в Зое

Зоя использует нейросеть для того, в чём она сильнее всего, — для определения состава. Дальше работает база данных:

• Раскладка на ингредиенты. Сложное блюдо — борщ, плов, салат — делится на продукты, включая масло и соусы.
• Состав из справочников, а не «на глаз». Каждый ингредиент ищется в базе с полным составом витаминов и минералов: таблицы Скурихина, USDA, Open Food Facts.
• Клетчатка учитывается по всем продуктам. Из таблиц, а где данных нет — оценкой нейросети.
• Граммы правятся в одно касание. Можно изменить вес любого ингредиента или всего блюда, всё мгновенно пересчитывается. Это закрывает главное слабое место нейросетей — оценку порции.

Как выбрать дневник питания с распознаванием по фото

Выбирайте не по громкому «ИИ считает калории за секунду», а по тому, как приложение справляется со слабыми местами нейросетей. Пять вопросов для проверки:

1. Какая модель внутри и раскрывает ли её разработчик? Разница между моделями большая: в тесте NYU точность определения состава колебалась от 0,39 до 0,66. Если разработчик молчит, сравнить нельзя.
2. Разбирает ли приложение блюдо на ингредиенты? Одна цифра калорий на всю тарелку не покажет белок, клетчатку и витамины.
3. Откуда берутся нутриенты — из справочника или из «памяти» нейросети? Справочные таблицы надёжнее, чем цифры, которые модель выдаёт сама.
4. Можно ли быстро поправить граммы? Вес по фото ошибается на 35–50% даже у флагманских нейросетей, поэтому ручная правка — обязательная функция, а не недостаток.
5. Знает ли приложение вашу кухню? Бенчмарки собраны в основном на западной еде. Сфотографируйте гречку, сырники или оливье и посмотрите на результат.