Os autores apresentam o OmniFood-Bench, um benchmark abrangente construído a partir do conjunto de dados MM-Food-100K para avaliar Vision-Language Models (VLM) em raciocínio nutricional e aconselhamento de saúde personalizado. Diferentemente de benchmarks anteriores focados em classificação de granulação grossa, este trabalho avalia três capacidades progressivas: percepção básica de ingredientes e métodos de cozimento, raciocínio quantitativo para tamanho da porção e perfil nutricional, e aconselhamento crítico para segurança em recomendações específicas de doenças.
- O benchmark avalia seis VLMs state-of-the-art, incluindo gpt-5.1, gemini-3-flash e qwen3-vl-8B.
- Os experimentos revelam uma "Lacuna Semântico-Física" onde os modelos alcançam precisão próxima à humana ao nomear pratos, mas falham catastróficamente na estimativa de massa.
- Modelos frequentemente alucinam conselhos benignos para perfis diabéticos de alto risco, destacando problemas significativos de confiabilidade em aplicações de saúde pública.
Este trabalho estabelece um padrão rigoroso para a confiabilidade de agentes autônomos implantados para saúde pública, expondo essas falhas críticas de raciocínio.