Precisión real, publicada
Aquí están los números reales del escáner de Renzy contra un dataset abierto. Sin marketing — solo MAE, MAPE y RMSE actualizados cada semana.
MAPE en kcal
97.8%
Error porcentual medio sobre el total calórico.
MAE en kcal
136
Error absoluto medio. Cuanto más bajo, mejor.
MAPE en gramos
3.9%
La estimación de porción es el cuello de botella.
Cómo se calcula
Cada entrada del dataset es una foto de un plato real con su peso medido en balanza y sus calorías reconstruidas a partir del USDA. Pasamos el pipeline de producción exactamente igual que cuando un usuario escanea — sin atajos, sin contexto adicional, sin caché.
- Dataset público: cada foto + ground-truth está documentada en /api/admin/accuracy-dataset.
- Pipeline idéntico al de producción: vision → garnish filter → sauce + brand override → scale anchor → critique → USDA → confirm drink.
- Métricas estándar: MAPE, MAE, RMSE. Sin filtrar outliers — los peores casos también aparecen en esta página.
- Re-ejecutado cada semana automáticamente. Si una iteración del modelo empeora, lo verás aquí antes de que lo veamos nosotros.
Distribución de errores
De los platos del dataset, esta es la distribución del error porcentual en kcal. Cuanto más concentradas las barras a la izquierda, mejor.
Los 5 peores casos
Lo que peor hicimos en este batch. Publicarlos nos obliga a mejorarlos en la siguiente iteración.
Coca-Cola lata 330ml
Real: 139 kcal · Predicho: 275 kcal
Error: 97.8%
Última ejecución: 11/5/2026, 6:33:37
Muestra: 1 platos
Modelo: anthropic/claude-sonnet-4.6
Batch: cron-2026-05-11-mp0tokls
¿Quieres replicar el benchmark con tu propio dataset? Escríbenos a hola@renzy.app.