# Hvor nøyaktig er en AI-kaloriteller? Dette viser studiene > AI-kaloritellere som bruker bilde, kjenner godt igjen maten, men bommer ofte på porsjoner, kalorier og fett. Her er hva seks studier på PubMed fant, hva appene selv sier om anslagene sine, hvorfor feilene oppstår og hvordan du logger mer pålitelig. *Author: Trainera Team | Published: 2026-10-17 | Reading time: 9 min* ## Hvor nøyaktige er AI-kaloritellere som bruker bilde? En AI-kaloriteller som bruker bilde, er flink til å se hva som ligger på tallerkenen, men mye svakere til å anslå hvor mye det er. Derfor kan kaloritallet være godt utenfor, særlig på store, blandede eller fete måltider. Appene og AI-modellene i de seks studiene under som ble testet på gjenkjenning, navnga de fleste matvarene riktig. Samtidig bommet anslagene for kalorier eller næringsstoffer med mer enn 10 % i to av studiene, porsjonsanslagene var dårlige for mellomstore og store måltider i én, og fettet ble overvurdert i en annen. Se på et bildeanslag som et første utkast du sjekker, ikke som en måling. Under finner du forskningen, hva appene selv sier, hvorfor feilene oppstår og hvordan du logger bedre. Leter du etter en app og ikke etter forskningen, sammenligner vi dem i oversikten over [de beste kalorietellerne med AI og matbilde](/blogs/beste-kaloriteller-app-ai-matbilde). Alle kildene her er sjekket oktober 2026. ## Dette fant forskerne Gjenkjenningen er god, porsjons- og kalorianslagene er det ikke, og bommene blir større jo større måltidet er. Alle de seks sammendragene ligger på PubMed. De tester ulike ting, så les hvert resultat for seg, ikke som én samlet nøyaktighetsscore for "AI". | Studie | Hva som ble testet | Hovedfunn (fra sammendraget) | | ------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [Li m.fl., Nutrients 2024](https://pubmed.ncbi.nlm.nih.gov/39125452/) | Sju apper med AI-gjenkjenning av matbilder, pluss apper for manuell logging | MyFitnessPal og Fastic kjente igjen maten best (97 % og 92 %), men de automatiske energianslagene fra bildegjenkjenningen var unøyaktige ("inaccurate") | | [O'Hara m.fl., Nutrients 2025](https://pubmed.ncbi.nlm.nih.gov/40004936/) | ChatGPT på 114 bilder av måltider | 93,0 % presisjon på å identifisere matvarer; "poor agreement" om vekten for mellomstore og store måltider; mer enn 10 % feil for 13 næringsstoffer | | [Isobe m.fl., Nutrients 2026](https://pubmed.ncbi.nlm.nih.gov/41901141/) | 10 AI-modeller mot 10 autoriserte kliniske ernæringsfysiologer på 15 standardiserte sykehusmåltider | De beste modellene lå ofte innenfor 10 % for energi og karbohydrater; alle modellene overvurderte fett, med en gjennomsnittlig skjevhet på over +20 % | | [Rodríguez-Jiménez m.fl., Nutrients 2025](https://pubmed.ncbi.nlm.nih.gov/41305663/) | ChatGPT-5 på 195 retter med mer eller mindre kontekst | Nøyaktigheten ble bedre når en beskrivelse og deretter mengden av ingrediensene ble lagt til bildet, og dårligere helt uten bilde | | [Lozano m.fl., Current Developments in Nutrition 2023](https://pubmed.ncbi.nlm.nih.gov/38026571/) | En AI-app (Openfit) på måltider som ble veid i det skjulte, 24 voksne | Energifeil på 43 % (automatisk) og 33 % (halvautomatisk) med drikke inkludert; større feil på måltider med mye energi ("larger error for higher energy meals") | | [Serra m.fl., Frontiers in Nutrition 2023](https://pubmed.ncbi.nlm.nih.gov/37810925/) | En app for matgjenkjenning (SNAQ) mot dobbeltmerket vann hos 30 kvinner | Gjennomsnittlig skjevhet på -329,6 kcal per dag, nærmere enn et 24-timers kostintervju (-543,0), men ingen sammenheng mellom anslagene for den enkelte og referansen | ### Å kjenne igjen maten er ikke det samme som å telle kaloriene De høye prosenttallene du ser sitert, er som regel gjenkjenningstall. I Li-studien beskriver 97 % og 92 % hvor ofte appene navnga maten riktig, ikke hvor nær kaloriene var. ChatGPT-studien forteller det samme: 93,0 % på å identifisere matvarer, men modellen "performed poorly for estimating weights of medium and large portion sizes", altså var den svak på å anslå vekten av mellomstore og store porsjoner. Den undervurderte også 11 av næringsstoffene den ble sjekket på. Å få "kylling, ris, brokkoli" riktig er den enkle delen. Kaloriene avhenger av hvor mange gram det er av hver. ### Større måltider, større bom To studier peker samme vei. Openfit-piloten fant større feil på måltider med mye energi, og ChatGPT-studien fant dårlig samsvar i vekt for mellomstore og store måltider. I praksis koster det deg lite at et mellommåltid er litt feil. En stor middagstallerken som bommer med samme andel, kan derimot snu hele dagen. ### Fett er det svake punktet Sykehusstudien brukte standardiserte måltider, den mest kontrollerte situasjonen på denne listen. Selv der var nøyaktigheten for protein og fett "significantly lower", altså klart lavere enn for energi og karbohydrater, og hver eneste AI-modell overvurderte fett med mer enn 20 % i snitt. Teller du makroer, er det fettlinjen i bildeloggen du bør stole minst på. ### Et godt gjennomsnitt kan skjule dårlige enkeltdager Dobbeltmerket vann er en laboratoriemetode som måler hvor mye energi en person forbrenner over flere dager, og forskere bruker den som referanse for inntaket. Mot denne metoden gjorde SNAQ-appen det bedre i snitt enn et 24-timers kostintervju. Det samme sammendraget viser likevel ingen sammenheng mellom appens anslag og referansen for den enkelte deltaker, og nevner at appselskapet laget studieversjonen mot betaling. Et gruppesnitt som ser nært ut, sier ikke at dine egne tall er like nære. ### Mer kontekst hjelper ChatGPT-5-studien er den mest nyttige for vanlig logging i hverdagen. Av de tre oppsettene med bilde var bare bilde minst nøyaktig, bilde pluss beskrivelse var bedre, og bilde pluss mengde av ingrediensene var best. Det lønner seg å skrive "stekt i olivenolje, cirka 150 g ris" ved siden av bildet. ## Hva appene selv sier om anslagene sine Ingen av leverandørene vi sjekket, kaller et bildeanslag endelig, og de fleste ber deg gå gjennom det før du lagrer. | App | Hva leverandøren sier (ordrett, med kort forklaring) | Kilde | | ------------ | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------- | | Cal AI | "CalAI is about 80% accurate. No food tracking app is perfect, and calories and nutrition values can vary." (omtrent 80 % nøyaktig, ingen app er perfekt) | [Cal AI FAQ](https://www.calai.app/faq) | | MyFitnessPal | "Meal Scan gives you a starting point, not a final answer, so you always have the last word on what goes in your diary." (et utgangspunkt, ikke et endelig svar) | [MyFitnessPal hjelp](https://support.myfitnesspal.com/hc/en-us/articles/360045761612-How-to-use-the-Meal-Scanner) | | Yazio | "The AI recognition only provides a rough estimate and cannot guarantee 100% accurate results." (bare et grovt anslag) | [Yazio hjelp](https://help.yazio.com/hc/en-us/articles/39137901903889-What-is-the-AI-Calorie-Tracking-Feature-and-how-does-it-work) | | Cronometer | "Always check if your foods have been matched correctly before adding to your diary for the most accurate logging." (sjekk alltid treffene før du lagrer) | [Cronometer support](https://support.cronometer.com/hc/en-us/articles/39013533811092-Mobile-Photo-Logging) | | MacroFactor | "AI is not perfect and can make mistakes, and we give users the control to edit and modify its results." (AI kan ta feil, du kan redigere) | [MacroFactors sammenligningsside](https://macrofactor.com/macrofactor-vs-cal-ai/) | | Lose It! | "We'll do our best to suggest the best match for the food(s) in your photo, but you can always make adjustments." (du kan alltid justere) | [Lose It! hjelp](https://help.loseit.com/hc/en-us/articles/47771695186580-How-to-Use-Snap-It) | To av disse trenger en kommentar. Cal AI oppgir ingen metode bak "about 80%", så du kan ikke vite om tallet gjelder gjenkjenning av mat, kalorier per måltid eller noe annet. MacroFactor sier at appen kom nærmere enn Cal AI i sin egen test side om side med veid mat, men det er en test gjort av leverandøren uten data på siden, ikke en uavhengig studie. Hjelpesiden til MyFitnessPal har et praktisk tips som er verdt å bruke i alle apper: "If your meal has several items, scanning one dish at a time usually gives you more accurate suggestions." Har måltidet flere deler, gir det som regel bedre forslag å skanne én rett om gangen. ## Hvorfor bildeanslag slår feil Et bilde viser overflaten av et måltid, mens kaloriene avhenger av vekten og av ingredienser kameraet ikke ser. * **Skjult fett.** Olje som har trukket inn i ris eller grønnsaker, smør som er smeltet inn i en saus, og dressing i bunnen av en bolle ser ut som ingenting på bildet. Fett er den mest energitette delen av maten, så en liten bom her flytter totalen mye. * **Porsjonsdybde.** Et bilde er flatt. En grunn tallerken med pasta og en dyp bolle med pasta kan se like ut ovenfra. Noen apper prøver å måle volum (Cal AI sier at telefonens "depth sensor calculates food volume", altså at dybdesensoren regner ut volumet), men studiene over fant likevel at porsjonsstørrelsen var den største svakheten. * **Blandede retter.** Gryteretter, karri, ovnsretter, burritos og smørbrød skjuler ingrediensene sine. Modellen må gjette oppskriften i tillegg til mengden. * **Ting som ser like ut.** Helmelk og skummet melk i kaffen, vanlig og lett majones, sukkerholdig brus og sukkerfri brus ser helt like ut på et bilde. * **Drikke.** I Openfit-studien endret feilen seg merkbart etter om drikke ble regnet med eller ikke, så glasset ved siden av tallerkenen teller. * **Lokale oppskrifter.** Samme navn på en rett kan bety svært ulike oppskrifter fra ett land eller ett kjøkken til et annet. Fårikål, lapskaus og taco på fredag blir laget på mange måter, og ingen app vet hvordan akkurat du lager dem. | Type måltid | Vanlig problem for et bilde | Hva du gjør | | ---------------------------------------- | ----------------------------------------------- | ----------------------------------------------------------------------------------- | | Ferdigpakket mat | Bildet gjetter det etiketten allerede sier | Bruk etiketten eller strekkoden i stedet for et bilde | | Enkel tallerken (kjøtt, ris, grønnsaker) | Porsjonen av ris eller pasta, stekeolje | Rett grammene for karbohydratkilden og legg til oljen | | Salat med dressing | Dressing og ost er skjult eller undervurdert | Logg dressingen for seg | | Gryterett, karri, ovnsrett | Ukjent oppskrift og fettinnhold | Beskriv hovedingrediensene, eller logg din egen oppskrift én gang og bruk den igjen | | Restaurantmåltid | Oppskrift, stekefett og porsjon er alle ukjente | Sjekk næringsinnholdet restauranten publiserer hvis det finnes, ellers rund opp | | Kaffe og drikke | Type melk, sukker, sirup | Legg dem til som egne elementer | ## Slik får du bedre tall fra en hvilken som helst bildeapp Bruk bildet til å navngi maten, og bruk så noen sekunder på å rette porsjonene og legge til det kameraet ikke ser. 1. **Sjekk hvert element før du lagrer.** Slett matvarer som ikke er der, gi nytt navn til dem som er feil, og bytt tilberedningsmåte hvis appen gjettet stekt i stedet for grillet. 2. **Rett porsjonen på det største elementet.** På de fleste tallerkener er det karbohydratkilden eller proteinet. Har du laget maten selv, vet du ofte mengden fra pakken. 3. **Vei energitett mat innimellom.** Olje, smør, peanøttsmør, nøtter, ost, granola og tørr ris eller pasta er der små feil hoper seg opp. Når du veier dem av og til, trener du øyet, og rettelsene dine blir bedre. 4. **Legg til det skjulte.** Stekeolje, sauser, dressing, sukker i kaffen. 5. **Skann én rett om gangen** når tallerkenen har flere separate matvarer. 6. **Bruk ord.** Tar appen imot en beskrivelse, skriver du inn stekefettet og omtrentlige mengder. 7. **Bruk etiketter på ferdigpakket mat.** En strekkode eller en etikett slår ethvert bildeanslag. 8. **Se på trenden.** Ett enkelt måltid kan være feil. Sammenlign snittet du har logget med vekttrenden over noen uker, og juster derfra. Går vekten ikke dit du vil, er det snittet over tid du justerer, ikke ett måltid. En vanlig feil er den motsatte: du bruker ti minutter på å perfeksjonere en liten salat ved siden av, mens oljen i stekepannen aldri blir logget. Bruk innsatsen der kaloriene er. ## Hvor nøyaktig må loggingen din være? Det avhenger av målet: grovt holder for å bli bevisst på hva du spiser, og jo nærmere et strengt mål du er, jo mer bør du veie. Lærer du hvordan en vanlig porsjon ser ut, eller prøver du å spise litt mer protein, er en rettet bildelogg mer enn nok. Er du i en stram periode med fettreduksjon eller sikter mot presise makromål, veier du den energitette maten og bruker bildet til resten. Noen situasjoner krever mer enn en app. Teller du karbohydrater på grunn av medisiner, har du en sykdom, er du gravid eller bruker du GLP-1-medisiner, bør du snakke med legen din før du stoler på bildeanslag. Gjør matlogging deg engstelig, eller har du hatt en spiseforstyrrelse, så snakk med legen din først, og vit at det også er et helt greit valg å la være å logge. ## Hvor matbildeskanningen i Trainera passer inn Matbildeskanningen i Trainera gir deg et AI-anslag som du kan redigere før du logger, og den er en del av Premium-planen til $6.99 i måneden. I Norge vises Trainera-prisene i amerikanske dollar, se [trainera.fit/nb/priser](/nb/priser). Når du tar et bilde, gjenkjenner en AI-modell for bildeanalyse matvarene og anslår gram, kalorier og makroer for hvert element. Du kan rette hvert element før det havner i loggen, og det er akkurat den vanen studiene over taler for. Premium gir opptil 20 skanninger per dag. Det er et anslag, som alle verktøyene på denne siden, og det erstatter ikke det å veie maten når du trenger presisjon. Det Trainera legger til, er treningsdelen i samme app. Premium har også 10 AI-treningsplaner, 10 AI-kostholdsplaner og 10 AI-økter i måneden, AI Nutrition Chat og TRAI, assistenten i appen, med 90 forespørsler i måneden. Gratisplanen, uten kort, har kostholdsloggen med kalorier og makroer, matsøk og muligheten til å skrive inn et strekkodenummer. Klienter som følges opp av en trener på Pro, Business eller Enterprise, får skanningen gjennom treneren sin. Appen kan brukes på norsk. Er bildelogging det eneste du vil ha, kan en egen kaloriapp passe deg bedre. Sammenligningen vår av [Cal AI og MyFitnessPal](/blogs/cal-ai-eller-myfitnesspal) og listen over [alternativer til Cal AI](/blogs/cal-ai-alternativer-apper-som-cal-ai) tar for seg de appene. Matbilder er også personopplysninger, så det er lurt å lese [hvordan treningsapper behandler dataene dine](/blogs/ai-treningsapp-personvern) før du velger. ## Sjekklisten din for mer pålitelige bildelogger * Stol mer på navnene på maten enn på grammene. * Rett det største elementet og legg til stekefettet på hvert måltid. * Vær mest skeptisk til fettallet. * Skann én rett om gangen og legg til en kort beskrivelse. * Vei energitett mat av og til for å kalibrere øyet på nytt. * Vurder inntaket ut fra den ukentlige trenden, ikke ut fra ett måltid. _Vil du ha et AI-anslag av tallerkenen ved siden av en AI-treningsplan? [Se hvordan AI-treningscoachen i Trainera fungerer](/nb/ai-treningscoach) eller [start gratis](/auth/register?role=client)._ ## FAQ ### Er AI-kaloritellere nøyaktige? De er flinke til å kjenne igjen maten, men mindre pålitelige når de skal anslå porsjoner og kalorier. Studier på PubMed fant høy gjenkjenning av matvarer, mens anslagene for kalorier eller næringsstoffer bommet med mer enn 10 % i to av dem, og fett ble overvurdert i en annen. Sjekk porsjonene og legg til skjult olje før du lagrer en bildelogg. ### Er Cal AI virkelig 80 % nøyaktig? Cal AI skriver i FAQ-en sin at appen er "about 80% accurate", men oppgir verken metode eller definisjon, så du kan ikke vite hva de 80 % måler. Se på alle bildeanslag, fra hvilken som helst app, som et utgangspunkt du retter. ### Er det bedre å veie maten eller ta bilde? Veiing er mer nøyaktig, særlig for energitett mat som olje, nøtter, ost og tørr ris eller pasta. En praktisk mellomvei er å logge de fleste måltidene med bilde, rette porsjonene og veie den energitette maten innimellom, så anslagene dine holder seg ærlige. ### Overvurderer eller undervurderer AI-matskannere kaloriene? Begge deler skjer. I en studie fra 2026 overvurderte alle AI-modellene fett med mer enn 20 % i snitt, mens en ChatGPT-studie fra 2025 fant at 11 næringsstoffer ble undervurdert og at porsjonsanslagene var dårlige på mellomstore og store måltider. Feilene blir gjerne større jo større måltidet er. ### Kan ChatGPT telle kalorier fra et bilde? Den kjenner godt igjen maten, men studier fant svake anslag for porsjoner og næringsstoffer ut fra bare et bilde. Nøyaktigheten ble bedre når en beskrivelse og mengden av ingrediensene ble lagt til, så skriv inn det bildet ikke viser, som stekeolje og omtrentlige gram. --- Source: https://trainera.fit/blogs/hvor-noyaktig-er-ai-kaloriteller