我们在 400 张餐食照片上测试了 Soba 的碳水估算

测试结果

本节的数字是 Soba 仅凭照片给出的首次估算，此时还没有人修改重量或添加提示。49% 的估算与实际碳水相差不超过 5 克。相差不超过 10 克的比例，其 95% 置信区间为 64.0% 至 72.9%。

小份和中份餐食的估算最接近实际值。碳水低于 15 克的餐食中，89% 的估算相差不超过 10 克。

大份餐食通常被低估。在 42 份碳水达到 60 克或以上的餐食中，有 38 份的估算偏低。估算值的中位数为实际值的 64%。主要原因是份量重量：在这 38 份餐食中，有 30 份 Soba 估算的食物重量比实际轻至少 15%，而每 100 克的碳水估算通常接近实际值。

使用 Soba 时需要注意什么

• 如果一大盘餐食中有面包、米饭、意面、土豆或披萨，请尽量称一下主要的含碳水食物。估算值达到 40 克或以上时，偏高和偏低的情况都有：84 份餐食中，32 份偏高超过 10 克，23 份偏低超过 10 克。
• 单个小份食物，如一块饼干或一片披萨，有时会被估算得比实际更重。
• 溶解在饮料中的糖在照片中看不出来。测试中，一杯甜冰茶被识别为无糖冰茶。请添加简短提示，例如“甜茶”，或扫描条形码。
• 包装食品可通过条形码获取标签上的营养数值。

在应用中可以补充的信息

以上结果仅基于一张照片。在应用中，你可以用几个字描述这餐饭；在配备深度摄像头的 iPhone 上，Soba 还会测量到食物的距离。我们分别加入这两项，重复了测试。

文字提示

“甜茶”或“荞麦”这样的几个字，可以补充照片中看不出的信息。测试中，400 张照片都加上了提示，提示中写有数据集记录里主要食物的名称，不含用量，例如“Coffee, brewed; Coffee creamer, liquid, fat free”。相差不超过 10 克的比例从 68.5% 提高到 72.8%（提升幅度的 95% 区间：0.7 至 7.9 个百分点），误差中位数从 5.2 克降至 4.5 克。

照片可以有多种理解时，提示的作用最大。没有提示时，Soba 把那杯加了奶精的咖啡当成了焦糖酱，估算碳水为 162 克。有提示时，估算为 5.5 克，饮食记录中为 2.7 克。在 SNAPMe 中由参与者自己拍摄的餐食照片上，相差不超过 10 克的比例从 59.5% 提高到 67.5%。在食物清晰可见的食堂照片上，这一比例几乎没有变化：从 77.5% 到 78.0%。

提示写出了食物名称，但 Soba 仍根据照片判断用量。有提示时，42 份大份餐食中有 37 份被低估；没有提示时为 38 份。测试用的提示完全照搬数据集记录。大部分提升来自第一组 200 份餐食，为 8.0 个百分点；第二组仅为 0.5 个百分点。你自己输入的提示，带来的提升可能更小。

深度摄像头测得的距离

在配备 LiDAR 扫描仪或两颗及以上后置摄像头的 iPhone 上用 Soba 的相机拍照时，Soba 会测量到食物的距离，并告诉模型画面宽度是多少厘米。Nutrition5k 的每张照片都附有深度摄像头记录，因此我们加入这项测量，重复测试了其中的 200 份餐食。相差不超过 10 克的比例从 77.5% 提高到 82.0%（提升幅度的 95% 区间：1.0 至 8.3 个百分点），误差中位数从 3.9 克降至 3.1 克。大份餐食仍被低估，13 份中有 12 份。这些照片都是从固定高度垂直俯拍的。倾斜拍摄的照片我们还没有测试。

同时使用深度测量和提示时，结果为 78.5%。在这些食堂照片上，提示能补充的信息很少。与仅用深度相比，差值的 95% 区间为 −8.8 至 +1.5 个百分点，包含零。

你的修改

如果你知道份量的重量，请输入，所有数值都会重新计算。在本次测试中，份量重量是大误差的主要原因。

Soba 会在每项估算旁显示重量范围。在 200 份已称重的 Nutrition5k 餐盘中，有 97 份的实际重量落在这个范围内，约占一半。这个范围表示模型预计重量所在的区间。最可靠的方法是用厨房秤称一下。

按餐食大小分组的结果

总体结果取决于这一构成：测试餐食中有 42% 的碳水低于 15 克。如果你平时吃的份量更大，典型误差也会更大。

这些分组按实际碳水划分，而识别时应用并不知道实际碳水。如果按 Soba 自己的估算分组，有 84 份餐食的估算达到 40 克或以上，其中 55 份相差超过 10 克：32 份偏高，23 份偏低。因此，当估算达到 40 克时，应用会建议你称一下主要的含碳水食物。

测试中的四份餐食

两份估算接近，两份出错。Soba 给出的食物名称和重量取自它的回答。

照片：Nutrition5k 数据集，Google Research，CC BY 4.0。已为本页调整尺寸。

两个数据集，两类照片

Nutrition5k 的餐盘来自 Google 的食堂。每种食材都经过称重，每张照片都由固定相机垂直俯拍。拍摄条件很规整，Soba 在这组照片上的结果最好。

SNAPMe 是美国农业部和加州大学戴维斯分校的一项研究。美国的 95 名参与者在用餐前拍下自己的餐食，并用膳食评估工具 ASA24 记录饮食。这些照片与人们用 Soba 拍的照片相似。参考值来自参与者的饮食记录，这些记录本身也有误差。两个数据集之间的差距，一部分来自照片，一部分来自参考值。

与已发表研究的比较

Rodríguez-Jiménez 等人（Nutrients, 2025）仅用照片在 74 份 SNAPMe 餐食上测试了 ChatGPT-5。他们报告的碳水平均绝对误差为 12.99 克，中位数为 8.75 克。

该研究的作者选取餐食的方式不同，并手动修正了部分参考值，因此这两行只能粗略比较。两者的误差水平相近。在同一研究中，补充一句关于餐食中脂肪、糖和肉类的简短说明后，平均误差降至 11.29 克。在 Soba 中，写出食物名称的提示使 200 份 SNAPMe 餐食的平均误差从 12.2 克降至 10.2 克。

Soba 使用哪个模型

我们用 Soba 的指令，在第一组 200 份餐食上测试了八个模型。

每个模型通过 OpenRouter 运行一次，使用 Soba 在 2026 年 10 月之前的请求设置。通过 OpenRouter 选择的服务商，Claude Sonnet 5.5 在 200 张照片中有 41 张返回了空的食物项。在其余照片上，它的结果为 66.7%。GPT-6.1 Sol 平均高估碳水 10 克。

Gemini 3.7 Flash 在这 200 份餐食上排名第一。在八个模型的一次比较中胜出，往往会让模型看起来比实际更好，所以我们在第二组 200 份餐食上又做了检验。在第二组中，它与 Gemini 3.6 Flash 的结果相同，都是 70.5%，但价格更高。Soba 继续使用 Gemini 3.6 Flash。

我们还尝试给 Gemini 3.6 Flash 更多推理时间。在 400 份餐食上，相差不超过 10 克的比例提高了 4.1 个百分点，而相差不超过 5 克的比例和超过 30 克的误差数量保持不变。每次识别的时间增加一倍，从 3.5 秒增加到 6.6 秒。我们保留了速度更快的设置。

完整比较，包含 95% 区间、每餐数据和可重新计算每张表的脚本：用餐食照片比较 8 个 AI 模型（英文）。

测试方法

选取餐食

初始样本包括 Nutrition5k 官方俯拍照片测试集中的 505 份餐盘，以及 SNAPMe 中 1,457 张餐前拍摄的照片。在此之前，我们剔除了 22 条记录：数值无效的餐盘和餐食，以及无法与唯一一条饮食记录对应的 SNAPMe 照片。

脚本使用固定的随机种子，从每个数据集中各选取 100 份餐食：在碳水范围的每个四分位区间中各选 25 份。同一个十分钟内拍摄的食堂餐盘往往看起来相似，所以脚本限制了从同一个十分钟时段中选取的餐盘数量。随后，脚本用同样的方法选出第二组 200 份餐食，与第一组没有重复的照片或餐食。

两组餐食

我们只在第一组 200 份餐食上分析误差，并尝试修改 Soba 的指令。第二组 200 份用来检验结果是否成立。上文 Gemini 3.7 Flash 的结果就是这样发现的。

运行 Soba

每张照片都经过应用所用的同一套服务器代码：相同的指令、模型和设置。照片的长边缩小到 1,024 像素，与应用发送前的处理相同。主测试中没有文字提示、没有深度摄像头数据，事后也没有修改。带提示或深度数据的测试使用同一套代码，只改变这一项输入。应用语言设为俄语。

误差的计算

Soba 分别给出净碳水（不含膳食纤维）和膳食纤维。数据集给出的是总碳水，所以我们把 Soba 的净碳水加膳食纤维与总碳水进行比较。主要指标是差值不超过 10 克的餐食比例。识别失败会计为未达标，本次测试中没有出现。95% 区间来自 10,000 次重抽样的自助法（bootstrap），同一名 SNAPMe 参与者的餐食，或同一个十分钟食堂时段的餐食，在重抽样时放在一起。

本次测试的局限

• 所有餐食均来自美国。Nutrition5k 的餐盘都用同一套相机设置垂直俯拍。
• 参考值本身有误差。SNAPMe 的数值来自参与者自行填写的饮食记录。部分 Nutrition5k 餐盘的标注漏掉了照片中可见的食物。
• 我们测试的是照片识别。文字描述、条形码查询和手动输入不在测试范围内。
• 测试提示完全按数据集记录写出食物名称，而且提示带来的提升在两组餐食之间差别很大（见“文字提示”）。
• 深度测量的结果只涵盖 200 张 Nutrition5k 照片，全部为垂直俯拍。
• 我们测试的是碳水。蛋白质、脂肪和热量不在本页范围内。
• 模型服务商会更新模型。本页结果反映的是 2026 年 10 月的 Soba。

Soba 不属于医疗器械。它给出的数值均为估算。请对照餐盘中的食物和食品标签核对，并遵循你的糖尿病管理方案。

测试后的改动

• Soba 来自 OpenAI 的备用模型此前无法运行。OpenAI 的模型不接受其中一项请求设置（temperature），而请求只允许接受所有设置的服务商。我们删除了这项设置。主模型有这项设置时的结果为 68.9%，删除后为 68.5%，在重复运行的正常波动范围内。现在的备用模型是 Gemini 3.7 Flash 和 GPT-6 Luna。
• 在 3,614 次测试请求中，有 9 次（0.25%）Gemini 反复输出同一句话，识别耗时 35 至 87 秒。Soba 现在限制了回答的长度，能更早结束这种循环。

数据与参考资料

每餐结果（CSV，400 行，英文）：数据集 ID、参考碳水、Soba 仅凭照片的估算、提示文字，以及有提示和有深度数据时的估算。该文件遵循 SNAPMe 的许可协议 CC BY-SA 4.0。

• Thames Q, Karpur A, Norris W, et al. Nutrition5k: Towards Automatic Nutritional Understanding of Generic Food. CVPR 2021. arXiv:2103.03375. 数据集：github.com/google-research-datasets/Nutrition5k，CC BY 4.0。
• Larke JA, Chin EL, Bouzid YY, et al. Surveying Nutrient Assessment with Photographs of Meals (SNAPMe): A Benchmark Dataset of Food Photos for Dietary Assessment. Nutrients. 2023;15(23):4972. PMC10708545. 数据：USDA Ag Data Commons，CC BY-SA 4.0。
• Rodríguez-Jiménez et al. Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios. Nutrients. 2025;17(22):3613. PMC12655113.