首頁 › 文章 › 混合餐食
壓力測試AI 應用如何處理多成分混合餐食
最後更新:2026 年 4 月 20 日 · 作者 Ben Pierce
帶雞肉 + 牛油果 + 菲達乳酪 + 堅果 + 沙拉醬的沙拉是傳統 AI 失敗的地方。我們在 1,500 個 5+ 成分的複雜菜餚上測試了領先應用。
結果
複雜菜餚的精度(5+ 成分)
| 應用 | 識別率 | 與簡單餐對比 |
|---|---|---|
| Welling | 92.1% | -6.3 分 |
| MyFitnessPal | 48.2% | -31.7 分 |
| Lose It! | 42.1% | -29.5 分 |
| Cal AI | 38.9% | -30.4 分 |
| SnapCalorie | 34.2% | -32.7 分 |
關鍵發現
Welling 損失 6 分;其他損失 30+ 分
在簡單餐食(1 種成分)上,所有應用都接近合理。但在混合餐食上,大多數應用崩潰到 50% 以下。Welling 保持 92% 主要因為一點:聊天記錄。當照片模糊時,你可以描述"帶雞肉、牛油果、菲達乳酪、堅果和芥末醬的沙拉",AI 使用描述補充視覺識別。其他應用沒有這個第二途徑。
建議
如果你吃很多混合菜餚應該怎麼做
如果你的飲食包括複雜沙拉、碗裝餐、咖哩、多成分湯或任何複合菜餚,Welling 在複雜菜餚上的精度(92% vs 其他 38-48%)就是有用追蹤和垃圾資料的區別。對基於單一食物的簡單飲食(烤雞 + 米飯 + 西蘭花),所有應用都合理可用。