150份新加坡食物的对照测试显示，专业工具NutriDish估算碳水的平均误差为5.9克，ChatGPT-5为8.7克；复合餐食的误差接近简单食物的两倍。

估算可以参考，但要会校验：优先看营养标签，其次用固定的参照物（如标准餐具），别用手边的硬币。误差接近20克时，可能明显影响餐后血糖。

AI帮你算碳水，但它也可能”看走眼”

用手机拍张照，AI就告诉你这碗饭有多少碳水——听起来很方便，对需要按碳水打胰岛素的糖尿病患者更是如此。但”方便”和”够准”是两回事。一项测试给出了冷静的数字：专业工具平均差5.9克，ChatGPT-5差8.7克。

误差十克还是二十克，差别不小

对多数人，碳水算错一点无伤大雅；但对需要精确给药的1型糖尿病患者，估算误差在10克以内通常影响不大，接近20克就可能明显影响餐后血糖。你用的工具，误差在哪个量级？如果是随手用聊天机器人估一下，这个误差可能容易被你忽略，长期累积却会体现在血糖上。

150份食物，一次正面比拼

专业工具，误差更小：研究在2025年7至8月采集新加坡小贩中心、食阁、餐厅、家庭、超市与便利店的150份食物，由营养师称重建立参考值。NutriDish的碳水估算平均误差（MAE）为5.9克，ChatGPT-5为8.7克，差异显著。两者都以营养师称重结果为参照，保证了同一把尺子。

复合餐食，误差接近两倍：简单食物的MAE为4.1克，复合餐食为8.6克——越是混在一起的一餐，AI越难看清。米饭、面条这类主食，反倒是它比较有把握的对象。估算落在参考值正负10克内的比例，NutriDish为80.7%，ChatGPT-5为69.3%。

参照物不同，准头差很多：以营养标签为参照时最准（MAE 2.7克），以硬币为参照时最差（MAE 9.3克，平均百分比误差MAPE达48.1%）。给AI一个可靠的”标尺”，比换个更贵的模型更重要。

别把AI当成营养师：在幼儿喂养建议上，生成式AI的作用仍待检验 [来源：Generative AI Engagement and Perceived Nutrition-Oriented Feeding Practices Among Urban Indonesian Mothers: Mixed Methods Study]；也有研究发现，大语言模型生成的餐单并不符合当地膳食推荐 [来源：Compliance of large language model generated meal plans with polish dietary recommendations: a real-world evaluation under average user conditions—3(LM)Diet study]。

工具准不准，还看你怎么喂：研究还比较了不同参照物对结果的影响：给AI一个明确的”标尺”，准确度会明显不同。这提示日常使用时，先找一个带包装标签的食物作参照，或用固定餐具作为分量基准，往往比反复更换工具更有效。

5.9克是NutriDish的总体误差，8.6克是复合餐食的误差，2.7克是引入营养标签参照后的误差——同一套算法，误差能差三倍，关键看场景。把这三档记住，比记住某一个”最准”的宣传更有用。

三条用AI算碳水的建议

1 有标签就先看标签，它是误差最小的参照。

2 用固定参照物，别用硬币这类不统一的”标尺”。

3 复合餐食留足余量，混合菜、汤面这类，误差往往更大，给药时更要留有余地、保守评估。

① 研究类型：工具准确性基准测试，不涉及患者血糖结局。
② 人群限定：食物样本来自新加坡，其他饮食环境未必相同。
③ 参照标准：以营养师称重估算为参考值，其本身也存在误差。
④ 未验证临床：能否改善长期血糖控制，仍需进一步研究。

参考资料：Lian X, Lian W, Phua H P, et al. Comparative accuracy of automated carbohydrate estimation using NutriDish and ChatGPT-5 against dietitian-derived reference values. Frontiers in Nutrition（2026）. https://doi.org/10.3389/fnut.2026.1927840