FKI evaluation – Bulgaria, 2026 preliminary
Full transparency: here you can see how many points each expert model gave each sub-indicator, with what own estimate range, and what the final value is. The calculation follows version 5.2 of the measurement rules.
The other countries’ evaluations are made with the same procedure as the Hungarian one, but the experts also estimate the machine-calculated terms (E1, E1a, T1, T2). The values are preliminary.
Other countriesThe reasons, the footnote and FD Finder Expert’s written assessment are in Hungarian.
Result
With good practice, the FKI would be about 0.8 points lower.
The experts
Three expert models, from three different developers, do the scoring independently of each other, working from the verified evidence list and FD Finder’s professional knowledge base. Each gives an exact value and its own estimate range. The scores count with equal weight.
| Model | Version | Note |
|---|---|---|
| Anthropic Claude | Opus 5.5 | |
| Google Gemini | Gemini 4 Argon | |
| OpenAI ChatGPT | GPT-6 Astra, ChatGPT Work |
Every score in one table
The experts’ scores, with their own estimate range in brackets. The final value is the central value of the scores (the average of the median and the mean); only a reasoned decision can depart from it, between the lowest and the highest score.
| Sub-indicator | Anthropic Claude | Google Gemini | OpenAI ChatGPT | Final |
|---|---|---|---|---|
| Spread | ||||
| E1 Extent of infection | 2(1–6) | 1(0–2) | 1(0–4) | 1.2 |
| E1a Confirmed exposure | 1(0–3) | 1(0–2) | 1(0–2) | 1 |
| I Infection density | 46.1(7.5–80.1) | 100(95.2–100) | 34.4(0–80.1) | 53.1 |
| T9 Introduction pressure | 60(48–72) | 68(55–78) | 47(25–70) | 59.2 |
| T1 Leafhopper distribution | 50(25–75) | 30(15–50) | 35(12–67) | 36.7 |
| T2 Leafhopper density | 28(10–55) | 35(20–55) | 29(5–63) | 29.8 |
| T3 Lack of control in commercial vineyards | 78(62–88) | 62(50–75) | 50(41–67) | 62.7 |
| T5a Lack of control in abandoned refuges | 90(78–97) | 88(75–96) | 90(65–99) | 89.7 |
| T5b Lack of control in home-garden vines | 78(65–90) | 78(65–90) | 79(54–96) | 78.2 |
| T4 Shortfall in control quality | 42(32–55) | 42(32–52) | 48(32–68) | 43 |
| T7 Lack of awareness about control | 62(50–75) | 58(45–70) | 64(44–83) | 61.7 |
| T10 Lack of source removal | 28(8–55) | 30(15–50) | 36(5–79) | 30.7 |
| T11 Lack of economic capacity for control | 68(55–80) | 55(42–68) | 63(41–83) | 62.5 |
| T6 Propagating-material pathway | 52(40–66) | 48(35–62) | 49(30–72) | 49.3 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 97(90–99) | 88(78–95) | 90(62–98) | 90.8 |
| G5a Unsurveyed share, home gardens | 98(92–100) | 95(85–99) | 94(75–99) | 95.3 |
| G5b Unsurveyed share, abandoned vineyards | 99(94–100) | 96(88–99) | 95(76–99) | 96.3 |
| G2 Survey unreliability | 52(38–68) | 38(25–50) | 37(20–61) | 40.2 |
| G4 Weakness of automated pre-screening | 96(88–100) | 100(95–100) | 97(82–100) | 97.3 |
| G3 Lack of lab confirmation | 45(20–70) | 35(20–55) | 48(15–81) | 43.8 |
| G6 Difficulty of notification | 52(42–65) | 50(40–60) | 50(40–65) | 50.3 |
| G8 Disincentives to notify | 72(60–85) | 68(55–80) | 77(53–94) | 72.2 |
| G11 Lack of economic interest in detection | 65(50–78) | 68(55–80) | 62(39–82) | 65 |
| Vine loss | ||||
| V1 Lack of a cure | 80(76–88) | 95(90–98) | 75(75–95) | 81.7 |
| V2 Lack of resistant varieties | 100(97–100) | 100(99–100) | 100 | 100 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 70(58–80) | 62(50–75) | 74(53–91) | 69.3 |
| V6 Lack of a market for development | 72(60–82) | 72(60–82) | 69(47–86) | 71.5 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 15.7(0–53.7) | 0 | 2.6 |
FD Finder Expert’s summary
Bulgária 21%-os értéke (sáv: 20–31) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A terjedés (T) 4,5, az ismeretlen gócok (G) 5,4, a járványteher (J) 2,6 pont, J nélkül az érték 20% lenne, ami az igazolt FD-jű országok alsó határa. Az első lelet 2025 szeptemberében Svishtovnál volt, 20,66 ha fertőzött területtel és M54 genotípussal (BG-001), ezért az E1 csak 1,2, a vektor jelenléte pedig a fertőzött területen a közlés idején nem volt igazolt (BG-014), és a T1 36,7. A legnagyobb eltérés a kitett tőkék fertőzöttségénél (I) volt: ChatGPT 34, Claude 46, Gemini 100 pontot adott, mert Gemini a gócbeli mintegy 20% tünetes tőből indult ki, a másik kettő becsült tőszámot osztott el a kitett tőkékre; a J-re is csak Gemini adott pontot (15,7), Claude és ChatGPT nullát. A legnagyobb bizonytalanság, hogy az igazolt tőkék számát a közlés nem adja meg (BG-006), a nem hatósági 1700 ha-os állítás pedig ellenőrizetlen (BG-008), és az át nem vizsgált terület (G1) 90,8 pont. A pontosabb értékhez tőszám, a góc körüli 2026-os felmérés eredménye és átvizsgált hektár kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 1.2 · central value: 1.2 (median: 1 · mean: 1.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 2 | (1–6) | B | Egy góc (Balgarsko Slivovo); a falu szőlője nem nyilvános, becslés kb. 500–1500 ha a 31–36 ezer ha-ból; a pufferben is van pozitív minta.Knowledge base: orszagcsomag |
| Google Gemini | 1 | (0–2) | A | Egyetlen góc Svishtovban (Balgarsko Slivovo): 20,66 ha fertőzött ültetvény (~160 ha teljes karanténzóna) a 31 234 ha gazdasági szőlőterületből (0,07–0,5%)[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 1 | (0–4) | C · data gap | A megerősített góc térben korlátozott, de az 1 km-es körrel érintett települések teljes szőlőterülete ismeretlen. |
E1a — Confirmed exposure
MethodologyFinal value: 1 · central value: 1 (median: 1 · mean: 1) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 1 | (0–3) | B | Az 1 km-es körök becsült átfedése kb. 300–600 ha.Knowledge base: orszagcsomag |
| Google Gemini | 1 | (0–2) | A | A svishtovi góc 1 km-es körzete és a 160 ha-os karanténzóna az országos szőlőterület ~0,5%-át fedi le[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 1 | (0–2) | C · data gap | A 20,66 ha érintett ültetvény és a körülbelül 160 ha karanténterület nem adja az 1 km-es körök szőlőmetszetét. |
I — Infection density
MethodologyFinal value: 53.1 · central value: 53.1 (median: 46.1 · mean: 60.2) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 46.10.7% | (7.5–80.1) | C · data gap | Igazolt tőkeszám nincs; becslés kb. 10 ezer tő kb. 1,5 M kitett tőn, a kivágás és a góc mérete bizonytalan.Knowledge base: orszagcsomag |
| Google Gemini | 10018% | (95.2–100) | B | Az érintett svishtovi tömbben a tünetes tőkék aránya ~20% körül volt, és a pufferzónában vett 90 mintából 34 (38%) FD-pozitív lett[cite: 1, 2].Knowledge base: 28d_orszag_bg, 02_korokozo_biologia_genotipusok.md |
| OpenAI ChatGPT | 34.40.237% | (0–80.1) | C · data gap | Becslési forgatókönyv: 3000 érintett tő/1267315 kitett tő; reprezentatív tőszám és azonos időablakú szemlehektár nincs. |
T9 — Introduction pressure
MethodologyFinal value: 59.2 · central value: 59.2 (median: 60 · mean: 58.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (48–72) | B | Románia korlátozott, 2026-ban új leletek, Szerbia széles elterjedés; az M54 a szaporítóanyag-útra utal, MK és GR mentes.Knowledge base: orszagcsomag |
| Google Gemini | 68 | (55–78) | A | Nyugaton Szerbiában kiterjedt, északon Romániában bővülő fertőzés van (a svishtovi góc a Duna mentén fekszik), és az M54 genotípus nyugati szaporítóanyag-behurcolásra utal[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 47 | (25–70) | C · data gap | A román és szerb fertőzési háttér érdemi nyomást jelent, de a bolgár határtól mért távolságok hiányosak. |
T1 — Leafhopper distribution
MethodologyFinal value: 36.7 · central value: 36.7 (median: 35 · mean: 38.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 50 | (25–75) | B · data gap | Korlátozott elterjedés, észak és délnyugati jelzések, megyei idősor nincs; a gócban a vektor a közléskor nem igazolt.Knowledge base: orszagcsomag |
| Google Gemini | 30 | (15–50) | A · data gap | A kabóca jelenléte korlátozott (Észak-Bulgária, Várna, Vratsa, Blagoevgrad), a svishtovi gócban 2026 elejéig nem igazolták; pontos megyei lefedettségi arány nincs[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 35 | (12–67) | C · data gap | A vektor országos jelenléte ismert, de a friss gócbeli negatív észlelés és a régi elterjedési adatok nem adnak kétszezonos területarányt. |
T2 — Leafhopper density
MethodologyFinal value: 29.8 · central value: 29.8 (median: 29 · mean: 30.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 28 | (10–55) | C · data gap | Kezelés előtti, kezeletlen és kezelés utáni fogásadat sincs nyilvánosan.Knowledge base: orszagcsomag |
| Google Gemini | 35 | (20–55) | B · data gap | A svishtovi gócban a vektor jelenlétét a közlésig nem erősítették meg, és az országos csapdafogási számokat a BABH nem teszi közzé[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 29 | (5–63) | C · data gap | Kezelés előtti lárvasűrűség és kezeletlen csapdafogás nincs, kezelés utáni adatot nem használtam; a gócbeli nemészlelés nem országos sűrűség. |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 62.7 · central value: 62.7 (median: 62 · mean: 63.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (62–88) | B | Csak zónában kötelező; a támogatott terület kb. 14 % (86 felső becslés, ebből 8 pont levonás támogatás nélkül kezelőkért).Knowledge base: orszagcsomag |
| Google Gemini | 62 | (50–75) | B | Kötelező kezelés csak a svishtovi zónában van; országosan 100%-os szertámogatási program fut (2,556 M EUR keret), de 2025-ben csak 455 termelő (~14% terület) vette igénybe[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 50 | (41–67) | B · data gap | A zónákban előírt kezelések az 50-es szintnek felelnek meg, a támogatás igénybevétele nem igazolt végrehajtási arány. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 89.7 · central value: 89.7 (median: 90 · mean: 89.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 90 | (78–97) | C · data gap | Becsült 15–29 ezer ha nem művelt szőlő, felszámolási program és kötelezés nincs.Knowledge base: orszagcsomag |
| Google Gemini | 88 | (75–96) | C · data gap | A nyilvántartott (60 ezer ha) és a művelt (31 ezer ha) terület között hatalmas, 15–29 ezer ha-os felhagyott állomány van, amelyre nincs felszámolási program[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 90 | (65–99) | C · data gap | A felhagyott szőlők országos kezeléséről és felszámolásáról nincs számszerű bizonyíték. |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 78.2 · central value: 78.2 (median: 78 · mean: 78.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (65–90) | C | Általános ajánlás, hobbiszer van, lakossági kampány csak Szvisztovnál; ellenőrzés nincs.Knowledge base: orszagcsomag |
| Google Gemini | 78 | (65–90) | C · data gap | A házikertekben (lugasokon) a zónán kívül nincs kötelezettség, és csak Svishtov környékén volt lakossági tájékoztatás[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 79 | (54–96) | C · data gap | Helyi tájékoztatás van, de a házikerti kezelési kötelezettség végrehajtása és az országos részvétel ismeretlen. |
T4 — Shortfall in control quality
MethodologyFinal value: 43 · central value: 43 (median: 42 · mean: 44) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 42 | (32–55) | B | Több hatásmód és ökológiai lehetőség, de naptári időzítés; hőösszeges útmutató csak civil szervezettől.Knowledge base: orszagcsomag |
| Google Gemini | 42 | (32–52) | B | A nemzeti programban bő a szerválaszték (hagyományos és ökológiai szerek is), de az időzítés naptári jellegű, hőösszeg-alapú útmutatót csak szakmai szervezet adott ki[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 48 | (32–68) | B · data gap | Többszöri kezelésre és időzítésre van útmutatás, de a helyi fenológiai lefedettség és az ökológiai szerválaszték hiányosan dokumentált. |
T7 — Lack of awareness about control
MethodologyFinal value: 61.7 · central value: 61.7 (median: 62 · mean: 61.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (50–75) | B | Nyilvános felhívás és helyi fórum, célzott értesítés nincs; 455 támogatott termelő kis rész.Knowledge base: orszagcsomag |
| Google Gemini | 58 | (45–70) | B | Svishtovban helyi hatósági fórumokat tartottak és a szaksajtó is aktív, de országos, célzott riasztási rendszer nincs[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 64 | (44–83) | C · data gap | A góctérségi fórumok javítják az elérést, de az összes szőlőtartóra, különösen a kiskertekre nincs elérési adat. |
T10 — Lack of source removal
MethodologyFinal value: 30.7 · central value: 30.7 (median: 30 · mean: 31.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 28 | (8–55) | B · data gap | Felszámolás elrendelve, a miniszter kiirtott szőlőkről beszél; tő- és határidőadat nincs, kártalanítás nélkül késés valószínű.Knowledge base: orszagcsomag |
| Google Gemini | 30 | (15–50) | B · data gap | A svishtovi gócban felszámolási intézkedéseket és karantént rendeltek el, de a kivágás végrehajtásának pontos arányáról nincs nyilvános adat[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 36 | (5–79) | C · data gap | Karanténintézkedés ismert, de az igazolt tőkék határidőre végrehajtott eltávolításának számlálója és nevezője hiányzik. |
T11 — Lack of economic capacity for control
MethodologyFinal value: 62.5 · central value: 62.5 (median: 63 · mean: 62) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68 | (55–80) | B | Támogatás nélkül működési veszteség; a szerköltség első két kezelésre 100 %-ig térül, ez a megfigyelést nem fedezi.Knowledge base: orszagcsomag |
| Google Gemini | 55 | (42–68) | B | A borszőlőtermelés támogatás nélkül veszteséges (akár 250 EUR/dekár mínusz), ugyanakkor az állam 100%-ban (306 EUR/ha-ig) megtéríti a rovarölő szerek árát[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 63 | (41–83) | C · data gap | A költségnyomást rovarölőszer-támogatás mérsékli, de a veszteségadat egyetlen, országosan nem reprezentatív közlésből ered. |
T6 — Propagating-material pathway
MethodologyFinal value: 49.3 · central value: 49.3 (median: 49 · mean: 49.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (40–66) | B · data gap | Uniós tanúsítás, visszakövetés folyik, ellenőrzési mérték nem nyilvános; a nem kereskedelmi útról nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 48 | (35–62) | B · data gap | EU-s növényútlevél-rendszer működik, de a svishtovi M54-es góc szaporítóanyag-behurcolásra utal, és a nem kereskedelmi szaporítóanyag-forgalomról nincs adat[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 49 | (30–72) | C · data gap | A szaporítóanyag-útvonal jelentős, de a tanúsított és nem kereskedelmi forgalom tényleges ellenőrzési aránya hiányzik. |
T8 — Weather
MethodologyFinal value: 50 · Evidence: class A
Value calculated from official data with a fixed script.
Rule applied: gépi számítás (0. lépés)
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | A | Őszi futásban a feladat szerint 50. |
| Google Gemini | – | not given | A | Őszi futásnál a szabály szerint a T8 értéke 50[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | – | not given | C | A feladat őszi rögzített értéke 50. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 90.8 · central value: 90.8 (median: 90 · mean: 91.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (90–99) | C · data gap | Hatósági: kb. 190–240 minta/év, hektár ismeretlen, góc körüli teljes felmérés 2026; szemlecsoport és drón nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 88 | (78–95) | A · data gap | 2022–2024-ben évi ~220 mintát vettek országosan, 2026-ban pedig intenzív felmérés folyik a svishtovi 160 ha-os zónában, de az országos árutermő terület nagy része átvizsgálatlan[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 90 | (62–98) | C · data gap | 2026. VII.20–IX.30.: hatósági, szemlecsoportos, drónos és egyéb hektár, pontos szemledátum és átfedés ismeretlen. |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 95.3 · central value: 95.3 (median: 95 · mean: 95.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 98 | (92–100) | C · data gap | A felmérés termő ültetvényre, anyatelepre és szaporítóanyagra terjed ki.Knowledge base: orszagcsomag |
| Google Gemini | 95 | (85–99) | C · data gap | A házikerti szőlők hatósági szemléjéről nincs adat, a monitoring az árutermő és szaporító területekre fókuszál[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 94 | (75–99) | C · data gap | Nincs országos házikerti szemleszám és a kertek teljes számához viszonyítható lefedettség. |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 96.3 · central value: 96.3 (median: 96 · mean: 96.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 99 | (94–100) | C · data gap | Nagy nem művelt terület, felmérés nyoma nincs.Knowledge base: orszagcsomag |
| Google Gemini | 96 | (88–99) | C · data gap | A nagy kiterjedésű felhagyott ültetvényekben nem végeznek rendszeres hatósági FD-felderítést[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 95 | (76–99) | C · data gap | A felhagyott ültetvények szemlézett területaránya nem dokumentált. |
G2 — Survey unreliability
MethodologyFinal value: 40.2 · central value: 40.2 (median: 38 · mean: 42.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (38–68) | C | Képzett felügyelők, nyilvános protokoll nincs; az első gócot a tulajdonos és a kutatóintézet jelezte.Knowledge base: orszagcsomag |
| Google Gemini | 38 | (25–50) | B | A központi labor képzi a felügyelőket és kutatóintézetek is részt vesznek a felderítésben, de a gyakori bois noir nehezíti a tüneti felismerést[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 37 | (20–61) | C · data gap | Szakhatósági tájékoztatás és diagnosztikai háttér van, de a szemlézők képzettségének országos megoszlása hiányzik. |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 97.3 · central value: 97.3 (median: 97 · mean: 97.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 96 | (88–100) | C | Ismert gépi FD-előszűrés nincs.Knowledge base: orszagcsomag |
| Google Gemini | 100 | (95–100) | C | Bulgáriában nincs ismert gépi FD-előszűrés[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 97 | (82–100) | C · data gap | Validált és érdemi területet lefedő gépi FD-előszűrés nem dokumentált. |
G3 — Lack of lab confirmation
MethodologyFinal value: 43.8 · central value: 43.8 (median: 45 · mean: 42.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (20–70) | B · data gap | Egy eset: tünet szeptember, PCR december, a mintavétel napja ismeretlen; 2026-ban a pufferminták gyorsabbak; mintázatlan gyanúk aránya ismeretlen.Knowledge base: orszagcsomag |
| Google Gemini | 35 | (20–55) | A · data gap | A központi karanténlabor (CLKR) végzi a PCR-vizsgálatokat, de az első svishtovi leletnél a szeptemberi tünetészleléstől decemberig (~3 hónap) tartott a laborigazolás[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 48 | (15–81) | C · data gap | A tünetészlelés és a közlés közötti idő nem PCR-átfutás; a mintázatlan gyanúk és a 30 napos teljesítés aránya ismeretlen. |
G6 — Difficulty of notification
MethodologyFinal value: 50.3 · central value: 50.3 (median: 50 · mean: 50.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (42–65) | B | Értesítés a területi igazgatóságnak, FD-űrlap vagy alkalmazás nincs.Knowledge base: orszagcsomag |
| Google Gemini | 50 | (40–60) | B | A gyanút a területi élelmiszerbiztonsági igazgatóságoknak (ODBH) kell jelenteni telefonon vagy személyesen, dedikált fotós app nincs[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 50 | (40–65) | B · data gap | A területi élelmiszer-biztonsági hatóság értesítése ismert út, dokumentált elektronikus követés és válaszidő nélkül. |
G8 — Disincentives to notify
MethodologyFinal value: 72.2 · central value: 72.2 (median: 72 · mean: 72.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (60–85) | B | Hatályos kivágási kártalanítás nincs, a tervezet legalább 30 % veszteséghez köt, legfeljebb 1896 EUR/ha; kifizetési idő nem igazolt.Knowledge base: orszagcsomag |
| Google Gemini | 68 | (55–80) | B | Egyedi tőkére nincs kártalanítás; 2026 októberében válságtámogatási rendelettervezet készült (max. 1896 EUR/ha, ≥30% termésveszteségnél), kifizetést év végére ígértek[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 77 | (53–94) | C · data gap | A kártalanítás még bejelentett terv; az ültetvényértékhez viszonyított tényleges térítés és átlagos kifizetési idő nem ismert. |
G11 — Lack of economic interest in detection
MethodologyFinal value: 65 · central value: 65 (median: 65 · mean: 65) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (50–78) | B | Támogatás nélküli veszteség és a 30 %-os válságküszöb kivárásra ösztönözhet; elhallgatásra nincs igazolt adat.Knowledge base: orszagcsomag |
| Google Gemini | 68 | (55–80) | B | A működési veszteség, az egyedi tőkére járó kártalanítás hiánya és a 30%-os válságküszöb nem ösztönzi a korai egyedi bejelentést[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 62 | (39–82) | C · data gap | A veszteségjelzések gyengülő felderítési érdekeltségre utalnak, de a küszöbkivárás vagy elhallgatás elterjedtsége nem igazolt. |
V1 — Lack of a cure
MethodologyFinal value: 81.7 · central value: 81.7 (median: 80 · mean: 83.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (76–88) | C | Laborban van jelzés, szabadföldön nincs igazolt hatás, engedély nincs.Knowledge base: 47 |
| Google Gemini | 95 | (90–98) | C | Nincs engedélyezett, hatásos gyógymód az FD ellen[cite: 1, 2].Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| OpenAI ChatGPT | 75 | (75–95) | C | Laboratóriumi és üvegházi FD-ellenes hatás ismert, igazolt szabadföldi gyógymód nincs. |
V2 — Lack of resistant varieties
MethodologyFinal value: 100 · central value: 100 (median: 100 · mean: 100) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 100 | (97–100) | C | Igazoltan ellenálló fajta nincs; az FD a helyi Gamzán is kimutatott.Knowledge base: orszagcsomag, 47 |
| Google Gemini | 100 | (99–100) | C | Nincs igazoltan ellenálló fajta a termesztésben, a helyi Gamza is fogékony[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 100 | not given | C | Igazoltan FD-ellenálló fajtával beültetett terület nem ismert; a toleráns fajták nem csökkentik a pontot. |
V3 — Lack of recovery
MethodologyFinal value: 100
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
V4 — General plant-health condition
MethodologyFinal value: 50
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 69.3 · central value: 69.3 (median: 70 · mean: 68.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 70 | (58–80) | B | Szertámogatás és válságtervezet van, FD-kutatási és fajtaváltási keret nincs.Knowledge base: orszagcsomag |
| Google Gemini | 62 | (50–75) | B | A vektor elleni védekezésre 2,556 M EUR állami keret van, de elkülönített hazai FD-kutatási vagy fajtaváltási alap nem ismert[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 74 | (53–91) | C · data gap | A rovarölőszer-támogatás nem gyógymód- vagy fajtakutatási keret, elkülönített közösségi kezelési finanszírozás nem igazolt. |
V6 — Lack of a market for development
MethodologyFinal value: 71.5 · central value: 71.5 (median: 72 · mean: 71) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (60–82) | B | Betakarított terület 34,1-ről 26,2 ezer ha-ra, veszteséges termelés, emelkedő ár mellett is zsugorodó piac.Knowledge base: orszagcsomag |
| Google Gemini | 72 | (60–82) | B | A betakarított szőlőterület 26,2 ezer ha-ra zsugorodott, a termelők jelentős része veszteséges, a belső fejlesztési piac gyenge[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 69 | (47–86) | C · data gap | A gyenge fizetőképesség és a szűkülő ágazati háttér korlátozza a fejlesztési keresletet, konkrét fejlesztői kivonulás nélkül. |
J — Epidemic burden
MethodologyFinal value: 2.6 · central value: 2.6 (median: 0 · mean: 5.2) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00.008% | not given | C · data gap | Tőszám nincs közölve; becslés kb. 10 ezer tő kb. 120 M tőből (36 209 ha × kb. 3300), az I-vel összhangban.Knowledge base: orszagcsomag |
| Google Gemini | 15.70.08% | (0–53.7) | B | Az egyetlen 20,66 ha-os svishtovi góc (~20% tünetes tőkével) és a pufferzónában talált 34 pozitív minta az országos állomány ~0,05–0,1%-át érinti[cite: 1].Knowledge base: 28d_orszag_bg |
| OpenAI ChatGPT | 00.002% | not given | C · data gap | Becslési forgatókönyv: 3000 érintett tő/126731500 országos tő; a teljes karanténterületet nem tekintettem fertőzöttnek. |
Expert estimate, not official data.