Cómo contar calorías con ChatGPT

Sí, ChatGPT puede estimar las calorías de los alimentos que describes, pero un chat no puede llevar por sí solo un registro diario confiable. Indícale cada alimento en gramos, di si está crudo o cocido, nombra cualquier aceite o salsa, y pide cifras por ítem más un total. Luego revisa una línea contra un valor de USDA FoodData Central. Los prompts de abajo también funcionan en Claude.

Puntos clave

• Un prompt útil tiene cinco partes: la tarea, cada alimento con gramos, crudo o cocido, la grasa de cocción y las salsas, y un formato de respuesta que liste las suposiciones.
• En el estudio NutriBench, GPT-4o y GPT-4o mini cometieron errores de carbohidratos más pequeños con descripciones métricas ("80 g de arroz") que con descripciones naturales ("una taza de arroz").
• Revisa una línea tú mismo: 140 g de pechuga de pollo asada x 165 kcal / 100 g = 231 kcal.
• Pide la misma comida tres veces en chats nuevos. En un estudio, las repeticiones variaron entre 4,74 % y 6,19 % en energía.
• Un chat puede fallar cuando suma muchas líneas. Suma tú mismo los números del día una vez.

Dónde encaja Remembite: Tu IA hace las cuentas, y Remembite lleva el registro. Guarda cada comida que envía tu asistente, dibuja tus tendencias y marca los números que se alejan mucho de la referencia antes de guardar nada. El conector de Claude ya está disponible, Remembite funciona en ChatGPT (beta, mediante el modo desarrollador) y el panel de ejemplo muestra cómo se ve. Mira qué guarda Remembite.

¿Cómo cuentas las calorías con ChatGPT?

Escribe la comida como la leería una báscula de cocina. "Pollo con arroz" deja que el chat adivine la cantidad, el método de cocción y el aceite. "140 g de pechuga de pollo asada, 150 g de arroz blanco cocido, 1 cucharadita de aceite de oliva" le deja muy poco que adivinar. El resultado sigue siendo una estimación. Un prompt elimina las adivinanzas; no convierte la estimación en medición.

¿Cómo es un buen prompt base?

Copia estas cinco líneas y reemplaza los corchetes. Cada línea corresponde a un número de la figura.

Prompt base:

Estima las calorías y los macros de esta comida.

Alimentos: [alimento, gramos, crudo o cocido]

Grasa de cocción y salsas: [tipo y cantidad, o ninguna]

Devuelve una fila por ítem con kcal, proteína g, carbohidratos g y grasa g, y luego una fila de total.

Lista cada suposición que hiciste. Pregúntame antes de adivinar cualquier dato que cambie mucho un número.

El prompt es texto plano. No lo hemos probado en ningún asistente, así que aquí no afirmamos ningún resultado para él. Las comprobaciones de abajo te dicen si una respuesta se sostiene.

Tarea: pide cifras

"¿Es buen almuerzo?" invita a comentarios. "Estima las calorías y los macros (macronutrientes)" pide una tabla que puedas revisar.

Alimento y gramos: una línea por alimento

Pésalo en una báscula de cocina y escribe los gramos junto a cada ítem. Si no puedes pesar algo, da tu propia estimación en gramos y márcala como estimación, para que el chat lleve esa duda a sus suposiciones.

Estado: crudo o cocido

USDA indica que el arroz blanco de grano largo crudo tiene 365 kcal por 100 g (FDC 168877) y el cocido 130 kcal por 100 g (FDC 168878). Así que 150 g crudos son 150 x 365 / 100 = 548 kcal, y 150 g cocidos son 150 x 130 / 100 = 195 kcal. La guía sobre crudo y cocido explica por qué cambian los pesos. La página de calorías del arroz blanco muestra ambas filas con medidas en taza, mililitro y 100 g.

Grasa de cocción y salsas: la parte oculta

USDA indica que el aceite de oliva tiene 884 kcal por 100 g, y una cucharada pesa 13,5 g (FDC 171413). Una cucharada es 13,5 x 884 / 100 = 119 kcal, lo mismo que unos 92 g de arroz blanco cocido (119 / 1,30).

Formato de respuesta: por ítem, con suposiciones

Una fila por ítem te permite revisar cada línea. "Pregúntame antes de adivinar" convierte una suposición silenciosa en una pregunta que puedes responder en cinco segundos.

Los cinco campos, uno al lado del otro

Campo	Por qué importa	Mal ejemplo	Buen ejemplo
Tarea	Mantiene la respuesta en cifras que puedes revisar	¿Está bien mi almuerzo?	Estima calorías y macros de esta comida
Alimento y gramos	La cantidad mueve el total más que cualquier otro campo	un cuenco de arroz	150 g de arroz blanco
Estado	El arroz crudo y el cocido difieren unas 2,8 veces	150 g de arroz	150 g de arroz cocido
Grasa y salsas	1 cucharada de aceite son 119 kcal	(omitido)	1 cucharadita de aceite de oliva
Formato de respuesta	Las filas por ítem se pueden revisar una a una	solo dame el total	una fila por ítem, lista las suposiciones

¿Los gramos superan a las tazas en ChatGPT?

Para los modelos GPT del estudio NutriBench, sí. Para los otros diez modelos, el propio texto y la figura del artículo apuntan en direcciones distintas, así que la lectura segura es más estrecha que "los gramos siempre ganan".

NutriBench (Hua et al., arXiv 2407.12843; la página de arXiv indica ICLR 2025) reúne 11.857 descripciones de comidas con etiquetas de carbohidratos, proteínas, grasas y calorías. Los autores compararon 5532 descripciones con porciones naturales, como "una taza de arroz", con las mismas 5532 comidas escritas en métrico, como "80 g de arroz", y puntuaron doce modelos en la estimación de carbohidratos. Su figura 4 muestra la diferencia de error medio absoluto (MAE, gramos de carbohidratos) de cada modelo. Leímos las barras del archivo de la figura publicada, así que trata los valores como lecturas.

• GPT-4o y GPT-4o mini son los únicos dos modelos dibujados en azul. El artículo dice que ambos "superaron en la categoría de porciones métricas" (traducción nuestra) y supone que los datos nutricionales ligados a porciones métricas estaban en los datos de entrenamiento de GPT.
• En los otros diez modelos el artículo se contradice. Un encabezado de sección y el pie de la figura dicen que la mayoría de los modelos prefiere porciones naturales. La frase del cuerpo bajo ese encabezado dice que la mayoría de los modelos tiene mayor error con porciones naturales. No nos apoyamos en ninguna de las dos lecturas.

Modelo	Brecha, g de carbohidratos	Color en la figura del artículo
GPT-4o	-2,0	Azul
GPT-4o mini	-1,3	Azul
Gemma2-27B	2,8	Naranja
Llama3.1-405B-FP8	5,5	Naranja
Llama3.1-70B	5,9	Naranja
Llama3-70B	6,7	Naranja
OpenBioLLM-70B	7,5	Naranja
Gemma2-9B	8,4	Naranja
Qwen2-72B	9,6	Naranja
Llama3-8B	19,4	Naranja
Llama3.1-8B	22,8	Naranja
Qwen2-7B	24,9	Naranja

Las barras a la izquierda de cero son los dos modelos GPT, que el artículo dice que lo hicieron mejor con descripciones métricas.

Esto dice menos sobre ChatGPT hoy de lo que parece, porque NutriBench informa error en carbohidratos, no en calorías. Su mejor resultado fue GPT-4o con razonamiento en cadena: 66,82 % de las respuestas dentro de 7,5 g del valor real de carbohidratos, con un MAE de 8,61 g (tabla 3 del artículo). Promediando los doce modelos, la proporción de respuestas dentro de ese umbral de 7,5 g fue 43,24 % con un prompt sencillo y 47,46 % con razonamiento en cadena (tabla 2 del artículo). Aquí, 7,5 g de carbohidratos son unas 30 kcal (7,5 x 4).

El consejo no cuesta nada, sea cual sea la inclinación de los otros modelos: indica gramos. Hoang et al. (JAMA Netw Open 2023) también escriben que ChatGPT no podía dar unidades caseras confiables. Si solo tienes una taza, conviértela primero con la guía de tazas a gramos. Nuestro prompt base no es el prompt de razonamiento en cadena de NutriBench, y no lo hemos medido.

¿Cómo se ven cinco prompts completos?

Las respuestas de ejemplo las escribimos nosotros para mostrar el formato. Ninguna es una respuesta real de un modelo. Los valores de USDA vienen de la versión SR Legacy de FoodData Central (abril de 2018, la última versión de ese tipo de datos), leída de la descarga de USDA el 16 oct 2026.

1. Una comida casera con pesos

Prompt para pegar:

Estima las calorías y los macros de esta comida. Alimentos: pechuga de pollo sin piel, 140 g, asada. Arroz blanco de grano largo, 150 g, cocido. Grasa de cocción: 1 cucharadita de aceite de oliva (4,5 g). Devuelve una fila por ítem con kcal, proteína g, carbohidratos g y grasa g, y luego una fila de total. Lista cada suposición. Pregúntame antes de adivinar cualquier dato que cambie mucho un número.

Respuesta de ejemplo, escrita por nosotros para mostrar el formato, no es una respuesta real de un modelo: pollo 231 kcal, arroz 195 kcal, aceite de oliva 40 kcal. Total 466 kcal, 47,5 g de proteína, 42,3 g de carbohidratos, 9,9 g de grasa. Suposiciones: piel retirada, arroz hervido sencillo, sin salsa.

Ejemplo resuelto: comprobación de la comida casera con USDA FoodData Central.

1. Pollo (FDC 171477, 165 kcal / 100 g): 140 g x 165 / 100 = 231 kcal
2. Arroz (FDC 168878, 130 kcal / 100 g): 150 g x 130 / 100 = 195 kcal
3. Aceite de oliva (FDC 171413, 884 kcal / 100 g): 4,5 g x 884 / 100 = 39,8 kcal
4. Total: 231 + 195 + 39,8 = 465,8 kcal

La respuesta de 466 kcal coincide. La página de calorías de la pechuga de pollo muestra la fila de 165 kcal asada y la fila de 120 kcal cruda de los mismos registros de USDA. La proteína también cuadra: 140 g x 31,02 / 100 = 43,4 g del pollo más 150 g x 2,69 / 100 = 4,0 g del arroz.

2. Un plato de restaurante sin pesos

No puedes pesar un plato de restaurante, así que pide un rango y lo que lo determina.

Prompt para pegar:

No puedo pesar esta comida. Restaurante con servicio en mesa, porciones de EE. UU.: pechuga de pollo a la plancha, una guarnición de arroz blanco y una salsa de sartén. Dame kcal bajas, probables y altas para cada ítem y para el total. Lista qué causa la diferencia entre lo bajo y lo alto. Hazme una pregunta si una sola respuesta reduciría mucho el rango.

Respuesta de ejemplo, escrita por nosotros para mostrar el formato, no es una respuesta real de un modelo: pollo 198 / 248 / 297 kcal, arroz 260 / 325 / 390, salsa de sartén y grasa 119 / 179 / 239. Total 577 / 752 / 926 kcal. El factor principal es la grasa de la salsa, y luego la porción de arroz.

Ejemplo resuelto: de dónde sale el rango de ejemplo.

1. Pollo con 120, 150 y 180 g: 120 x 165 / 100 = 198, 248, 297 kcal
2. Arroz con 200, 250 y 300 g: 200 x 130 / 100 = 260, 325, 390 kcal
3. Grasa con 1, 1,5 y 2 cucharadas, con aceite de oliva como sustituto: 13,5 x 884 / 100 = 119, 179, 239 kcal
4. Ancho del rango: (926 - 577) / 752 = 46 %

Un 46 % de diferencia es amplia, y honesta para un plato que nadie pesó.

¿El número del propio restaurante es más seguro? No de forma confiable. Urban et al. (JAMA 2011;306(3):287-293) midieron 269 platos de 42 restaurantes con calorimetría de bomba. La energía declarada y la medida difirieron en promedio 10 kcal (IC del 95 %, de -15 a 34), pero en 50 de los 269 platos (19 %) la energía medida fue al menos 100 kcal superior al valor declarado. Un promedio puede verse bien mientras platos individuales se equivocan por mucho, así que conserva el rango.

3. Un alimento envasado con etiqueta

Copia la etiqueta en el prompt y deja que el chat multiplique. El tamaño de porción de la etiqueta lo fija lo que la gente suele comer de una vez (21 CFR 101.9(b)), que rara vez coincide con lo que tú sirves.

Prompt para pegar (valores de etiqueta inventados para esta guía):

Información nutricional: tamaño de porción 1 taza (55 g), calorías 210, grasa total 3 g, carbohidratos totales 43 g, proteína 5 g. Comí 80 g. Calcula las calorías y los macros de 80 g y muestra la multiplicación. Dime si los macros de la etiqueta encajan con 4 kcal por gramo de proteína y de carbohidratos, y 9 por gramo de grasa, dentro del redondeo.

Ejemplo resuelto: la aritmética que el chat debería mostrar.

1. Calorías: 210 x 80 / 55 = 305 kcal
2. Proteína: 5 x 80 / 55 = 7,3 g. Carbohidratos: 43 x 80 / 55 = 62,5 g. Grasa: 3 x 80 / 55 = 4,4 g
3. Ajuste de la etiqueta: 4 x 5 + 4 x 43 + 9 x 3 = 219 kcal frente a 210 declaradas, 9 kcal o 4,3 % por encima

Una diferencia pequeña es normal, porque las etiquetas redondean sus números.

Según 21 CFR 101.9(g)(5), un alimento se considera mal etiquetado si las calorías de una muestra compuesta de laboratorio superan en más de 20 % el valor declarado (leído en Cornell LII el 16 oct 2026). Una etiqueta es un buen dato de entrada, pero no mide la caja que tienes en la mano.

4. Una receta dividida en porciones

"Rinde 6 porciones" es el punto débil de las cuentas de recetas, porque una porción es lo que tú sirves. Usa el peso de la olla terminada: pesa la olla vacía, cocina, pesa de nuevo y resta.

Prompt para pegar:

Receta, pesos crudos: 300 g de lentejas secas, 30 g de aceite de oliva, 200 g de cebolla, 250 g de zanahorias, agua. La sopa terminada pesa 2600 g sin la olla. Comí 650 g. Dame las kcal de toda la olla, las kcal por 100 g de sopa y las kcal de mis 650 g. Muestra la fórmula. No dividas entre un número de porciones.

Ejemplo resuelto: valores de USDA, pesos crudos.

1. Lentejas (FDC 172420, 352 kcal / 100 g): 300 x 352 / 100 = 1056 kcal
2. Aceite de oliva (FDC 171413, 884): 30 x 884 / 100 = 265,2 kcal
3. Cebolla (FDC 170000, 40): 200 x 40 / 100 = 80 kcal. Zanahorias (FDC 170393, 41): 250 x 41 / 100 = 102,5 kcal
4. Olla: 1056 + 265,2 + 80 + 102,5 = 1503,7 kcal, así que 1503,7 / 2600 x 100 = 57,8 kcal por 100 g
5. Tu plato: 650 x 57,8 / 100 = 376 kcal

Dividir la olla entre 6 "porciones" da 1503,7 / 6 = 251 kcal. Faltan 125 kcal, un subregistro de 33 %, porque 650 g equivalen a 1,5 de las porciones de 433 g (2600 / 6) que supone la división.

El peso terminado es el único número que solo tú puedes aportar. Un chat no puede saber cuánta agua se evaporó.

5. Sobras y cocina por lotes

Pesa la cantidad seca una vez, pesa el lote terminado y porciona por gramos para todos los días que dure.

Prompt para pegar:

Cociné 400 g de arroz blanco de grano largo seco. Olla vacía 850 g. Olla con el arroz cocido 1970 g. Calcula el peso cocido, las kcal por 100 g de arroz cocido y las kcal de una porción de 180 g. Compara las kcal por 100 g con el valor de USDA para el arroz blanco cocido.

Ejemplo resuelto: la aritmética del lote.

1. Peso cocido: 1970 - 850 = 1120 g
2. Calorías del lote (FDC 168877, 365 kcal / 100 g crudo): 400 x 365 / 100 = 1460 kcal
3. Por 100 g cocidos: 1460 / 1120 x 100 = 130,4 kcal. USDA indica 130 para el arroz cocido (FDC 168878).
4. Una porción de 180 g: 1460 x 180 / 1120 = 235 kcal

El método de la olla y el valor de USDA coinciden dentro del 0,3 %. Las sobras funcionan igual: cada porción tiene la densidad del lote.

¿Cómo haces una prueba de consistencia de tres ejecuciones?

Un chat da respuestas ligeramente distintas a la misma pregunta. La prueba muestra cuánto.

1. Escribe el prompt completo para una comida.
2. Pégalo en tres chats nuevos, para que las respuestas anteriores no influyan en las siguientes.
3. Anota los tres totales.
4. Calcula la dispersión: (máx - mín) / media

Comida	Ejecución 1	Ejecución 2	Ejecución 3	Dispersión
A: comida casera pesada	462	470	481	4,0 %
B: plato de restaurante	640	780	905	34,2 %

Cifras ilustrativas, no medidas, en kcal. Comida A: promedio (462 + 470 + 481) / 3 = 471, dispersión (481 - 462) / 471 = 4,0 %. Comida B: promedio (640 + 780 + 905) / 3 = 775, dispersión (905 - 640) / 775 = 34,2 %.

Como referencia real, Hoang et al. (JAMA Netw Open 2023;6(12):e2350367) preguntaron a ChatGPT-3.5 y ChatGPT-4 por 8 menús con 222 alimentos, cinco veces cada uno. El coeficiente de variación medio (CV, desviación estándar dividida entre la media) para la energía fue de 4,74 % a 6,19 %. Los macronutrientes variaron más, hasta 13,02 % en la grasa en una de las configuraciones. Esos modelos son más antiguos que los de hoy, así que léelo como el tamaño del ruido entre ejecuciones, no como una cifra actual.

Un CV y una dispersión de tres ejecuciones son medidas distintas. Para tres valores, el rango esperado es de unas 1,693 desviaciones estándar (nuestro cálculo inverso con la tabla de factores del manual del NIST). Así, un CV de 4,74 % a 6,19 % coincide con una dispersión típica de 8,0 % a 10,5 % (4,74 x 1,693 y 6,19 x 1,693).

Nuestra regla práctica, no un umbral publicado ni un nivel seguro: si la dispersión supera cerca de 10 % de la media, agrega detalle y vuelve a ejecutar. Incluye gramos, crudo o cocido, el aceite y lo que sepas de la salsa.

La prueba tiene un límite. Las respuestas consistentes pueden estar consistentemente equivocadas, como cuando un chat siempre lee el arroz como seco. En el estudio de Hoang, solo entre 39,2 % y 46,8 % de los valores de energía cayeron dentro del 10 % de los valores de los nutricionistas. Usa la prueba de tres ejecuciones para el ruido y la comprobación con USDA para el sesgo. La comparación del estudio está en la guía sobre si ChatGPT o Claude pueden llevar un registro de calorías, y las comprobaciones están en la guía sobre cómo revisar una estimación de calorías de IA.

¿Dónde falla un total acumulado en el chat?

No encontramos ninguna medición publicada de cuán a menudo los asistentes de chat se equivocan al sumar un total acumulado, así que esta lista nombra modos de fallo que conviene buscar. No da tasas.

Los sospechosos habituales: muchas líneas sumadas en una sola respuesta, un ítem temprano que se pierde en un chat largo, dos días mezclados en un mismo hilo, el mismo alimento leído como crudo por la mañana y como cocido por la noche, y un total viejo que se queda después de que corriges una línea.

No cuentes con que otro chat conozca tu día. La página de ayuda de Anthropic sobre Claude Projects dice que el contexto no se comparte entre chats de un proyecto salvo que se añada al conocimiento del proyecto (leído el 16 oct 2026). Pega los números cada vez, con este prompt.

Prompt de cierre del día:

Este es mi registro de comidas del [fecha]. Vuelve a armarlo como tabla con una fila por ítem, copiando mis números exactamente. Suma las columnas de kcal, proteína, carbohidratos y grasa, y muestra cada suma. No cambies ningún número que te di. Si una línea no tiene gramos o no tiene estado crudo o cocido, anótala bajo "faltan datos" en vez de adivinar.

Pega el registro con este formato. Las tres filas de ejemplo son la comida casera de arriba.

Comida e ítem	Gramos, estado	kcal	P / C / G (g)
Almuerzo, pechuga de pollo	140 g, asada	231	43,4 / 0 / 5,0
Almuerzo, arroz blanco	150 g, cocido	195	4,0 / 42,3 / 0,4
Almuerzo, aceite de oliva	4,5 g, n/a	40	0 / 0 / 4,5
Total del día	(resto del día)	(suma)	(suma)

Luego suma tú mismo la columna de kcal una vez, en una calculadora. Si tu suma y la del chat difieren, pregunta qué línea cambió. Ese minuto es la comprobación más barata de todo el flujo.

¿Qué prompt da un promedio semanal?

La trampa es un día faltante. Si divides entre 7 con solo 6 días registrados, el promedio sale bajo. Dilo en el prompt.

Prompt del resumen semanal:

Estos son mis totales diarios de los últimos 7 días. Los días marcados como "no registrado" no tienen datos. Calcula el promedio de kcal por día registrado: suma los días registrados y divide entre el número de días registrados. Muestra también la suma dividida entre 7 y explica por qué difiere. No completes los días que faltan.

Con 6 días registrados que suman 12.850 kcal, el promedio por día registrado es 12.850 / 6 = 2142 kcal. Dividiendo entre 7 da 1836 kcal, una semana con un día vacío. El razonamiento está en la guía sobre el promedio semanal de calorías.

¿Dónde encaja Remembite?

Tu IA hace las cuentas. Remembite lleva el registro. Buscar el total del martes pasado en un chat significa leer hacia atrás por un desplazamiento largo. Remembite guarda cada comida que envía tu IA y dibuja tus tendencias.

Para un alimento que puede hacer coincidir con seguridad con una referencia basada en USDA, Remembite compara el número de tu IA con esa referencia. Si el número cae lejos de ella, Remembite no lo guarda. Envía una pregunta de vuelta a tu IA, que te pide confirmar o corregirlo. Remembite no calcula los números, y puedes usar todos los prompts de esta guía sin él.

El conector de Claude está disponible ahora: en Claude, abre "Customize" (Personalizar), luego "Connectors" (Conectores), y añade https://remembite.com/mcp. Remembite funciona en ChatGPT (beta, mediante el modo desarrollador): conecta Remembite con ChatGPT. La página de conexión tiene los pasos para Claude, y el panel de ejemplo muestra datos de ejemplo sin necesidad de cuenta. Empieza gratis. Cualquier plan de pago se anunciará aquí antes de empezar. Remembite no está afiliado a OpenAI ni a Anthropic.

Preguntas frecuentes

¿Funciona igual en Claude?

Los prompts son texto plano, así que puedes pegarlos en Claude tal como están. No los hemos probado en ningún asistente, así que no afirmamos ningún resultado. Claude Projects puede guardar un prompt como instrucciones del proyecto (ayuda de Anthropic, leído el 16 oct 2026).

¿Necesito un plan de pago?

Los prompts solo necesitan un cuadro de chat. La página de ayuda de Anthropic dice que los Projects están disponibles para todos los usuarios, incluidas las cuentas gratuitas (leído el 16 oct 2026). No pudimos abrir las páginas de ayuda de OpenAI ese día, así que no podemos confirmar las funciones de los planes de ChatGPT. Revisa los límites en ChatGPT.

¿Puede leer una foto de mi comida?

Puede intentarlo. En un estudio de 2025 con ChatGPT-5 sobre 195 platos (Rodriguez-Jimenez et al., Nutrients 2025;17(22):3613), el error porcentual absoluto medio para la energía fue 30,51 % solo con la imagen y 13,92 % con la imagen más una lista de ingredientes. El detalle escrito ayudó. Más en la guía sobre ChatGPT y Claude.

¿Cómo guardo mi plantilla?

En Claude, un proyecto guarda instrucciones, y la página de ayuda de Anthropic dice que se aplican a cada chat del proyecto (leído el 16 oct 2026). No pudimos abrir las páginas de ayuda de OpenAI, así que no describimos las opciones de ChatGPT. Un archivo de notas sencillo con el prompt base funciona con cualquier asistente.

¿Por qué difieren los totales entre ejecuciones?

Hoang et al. encontraron CV de energía de 4,74 % a 6,19 % en cinco repeticiones, y no explican todas las causas. Las suposiciones sobre la porción, el estado crudo o cocido y la grasa de cocción son las que puedes eliminar escribiéndolas. Mira la prueba de consistencia.

Para tener en un solo lugar los números que te da tu IA, crea una cuenta gratis o mira primero el panel de ejemplo.

Estimaciones, no consejo médico. Cómo funcionan los números.