Auf der Suche nach einer Alternative zu FatSecret?
Der Preis erledigt in diesem Vergleich fast die ganze Arbeit. Sei dir klar darüber, was du kaufst: ein gemeinsames Nachschlagewerk, in dem du selbst suchst, oder eine Schätzung, die für dich erstellt wird, mit ihrer Fehlerspanne direkt daneben.
Was Sabzy ist, vollständig
- Veröffentlichte Genauigkeit: 81 kcal mittlerer absoluter Fehler und ein Median von 41 kcal, gemessen an 62 Gerichten aus Nutrition5k, bei denen jede Zutat auf einer Waage gewogen wurde. Jeder Scan zeigt außerdem seine eigene Konfidenzspanne.
- Preis: $14.99 im Jahr, rund $1.25 im Monat, oder $2.49 monatlich. Die 3-tägige kostenlose Testphase gehört zum Jahresabo. Die ganze Liste steht auf der Website und nicht hinter einem Onboarding-Quiz.
- Kostenlos: 3 vollständige KI-Scans — die gesamte Testphase, nicht 3 pro Tag. Barcode-Scan, manuelle Eingabe, Makros, Wasser, Wiegungen und Apple Health bleiben kostenlos und unbegrenzt. Ohne Karte.
- Sprachen: 15, vollständig übersetzt — jeder Bildschirm, nicht nur die Knöpfe. Die App erkennt über 70 Küchen beim Namen und nicht nur westliches Essen.
- Datenschutz: keine Werbung, keine Werbe-ID, nichts wird verkauft, und ein Konto ist nicht nötig — die Anmeldung ist freiwillig und dient dem Synchronisieren und den Gruppen. Nutzungs- und Absturzberichte gehen an Firebase und tragen nichts von dem, was du fotografiert, getippt oder gegessen hast. Dein Tagebuch liegt auf deinem iPhone und in deiner eigenen iCloud, die wir nicht lesen können.
Wenn der Preis entscheidet
FatSecret ist auf eine Weise kostenlos, wie es die anderen nicht sind, und sein Katalog wird von der Gemeinschaft getragen: Einträge werden von denselben Leuten ergänzt, korrigiert und ausgefochten, die sie benutzen, daneben steht eine fachliche Seite, die in Praxen und in der Arbeit von Ernährungsberatungen auftaucht. Wenn dein Budget dafür null ist oder deine Ernährungsberatung ohnehin darin arbeitet und in dein Tagebuch schauen will, ist die Sache entschieden. Ein offener Katalog und ein bezahltes Erkennungsmodell treten nicht einmal auf derselben Achse gegeneinander an.