FKI evaluation – Switzerland, 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
- Spread
- 12%
- Unknown foci
- 29%
- Vine loss
- 99%
- Epidemic burden
- 2.6 points
- Without epidemic burden: 38%
With good practice, the FKI would be about 2.9 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 | 30(24–38) | 30(21–36) | 32(24–44) | 30.3 |
| E1a Confirmed exposure | 20(13–28) | 18(12–25) | 22(13–34) | 20 |
| I Infection density | 17.5(11.9–25) | 27(17.5–36.9) | 25(11.9–38.6) | 24.1 |
| T9 Introduction pressure | 78(65–88) | 78(68–88) | 75(65–85) | 77.5 |
| T1 Leafhopper distribution | 78(70–86) | 80(72–86) | 83(75–89) | 80.2 |
| T2 Leafhopper density | 62(40–80) | 55(35–70) | 62(39–82) | 60.8 |
| T3 Lack of control in commercial vineyards | 45(35–58) | 45(35–58) | 50(42–58) | 45.8 |
| T5a Lack of control in abandoned refuges | 55(40–70) | 42(30–55) | 45(28–65) | 46.2 |
| T5b Lack of control in home-garden vines | 40(26–55) | 32(20–45) | 43(25–64) | 39.2 |
| T4 Shortfall in control quality | 55(44–68) | 48(38–58) | 33(23–47) | 46.7 |
| T7 Lack of awareness about control | 38(25–52) | 22(14–32) | 29(15–48) | 29.3 |
| T10 Lack of source removal | 12(5–28) | 12(5–22) | 14(4–33) | 12.3 |
| T11 Lack of economic capacity for control | 58(45–70) | 52(40–64) | 58(41–75) | 57 |
| T6 Propagating-material pathway | 42(32–55) | 38(28–50) | 27(15–44) | 36.8 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 78(68–88) | 62(50–74) | 78(59–92) | 75.3 |
| G5a Unsurveyed share, home gardens | 88(75–97) | 78(62–90) | 65(42–85) | 77.5 |
| G5b Unsurveyed share, abandoned vineyards | 78(60–90) | 65(50–80) | 56(33–79) | 65.7 |
| G2 Survey unreliability | 32(22–45) | 22(14–32) | 24(13–39) | 25 |
| G4 Weakness of automated pre-screening | 96(88–99) | 98(92–100) | 96(80–100) | 96.3 |
| G3 Lack of lab confirmation | 45(25–70) | 18(10–30) | 43(23–68) | 39.2 |
| G6 Difficulty of notification | 27(18–38) | 24(15–35) | 27(14–43) | 26.5 |
| G8 Disincentives to notify | 62(50–74) | 58(48–68) | 77(59–90) | 63.8 |
| G11 Lack of economic interest in detection | 60(48–72) | 58(46–70) | 55(36–73) | 57.8 |
| Vine loss | ||||
| V1 Lack of a cure | 80(72–92) | 98(92–100) | 75(75–95) | 82.2 |
| V2 Lack of resistant varieties | 99(97–100) | 100(99–100) | 100 | 99.8 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 25(15–36) | 24(15–35) | 47(29–68) | 28.5 |
| V6 Lack of a market for development | 68(55–78) | 66(55–76) | 64(47–79) | 66 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 15.7(0–38.8) | 0(0–15.7) | 2.6 |
FD Finder Expert’s summary
Svájc 38%-os értéke (sáv: 35–46) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt szakértők becsülték: Claude, Gemini és ChatGPT. A T 11,8, a G 29,3, a J 2,6 pont, és J nélkül is 38% lenne; a T1 80,2, a T2 60,8, az E1 30,3 pont, a G1 pedig 75,3, ami a hat ország közül a legalacsonyabb. Valais 13 szabályozott községében 2025-ben 1 378 ha-on 7 316 FD-pozitív tőt találtak (CH-007), a kötelező védekezési kerület három év alatt 590-ről 1 321 ha-ra nőtt (CH-006), Vaudban 2025-ben 480 ha volt a kötelező védekezési körzet (CH-009), a kabóca pedig 2025-ben négy új kantonban jelent meg (CH-019). A laborigazolás hiányánál (G3) Gemini 18, ChatGPT 43, Claude 45 pontot adott, mert Gemini a rendszeres laborfeldolgozásra, a másik kettő a helyenként labor nélküli megállapításra és a mintázatlan gyanú ismeretlen arányára figyelt. A legnagyobb bizonytalanság a J számlálója, mert Ticino és Vaud tőszáma becsült: Claude 0,01%, ChatGPT 0,022%, Gemini 0,08% arányt adott, és a J 2,6 pontja egyedül Gemini becsléséből jön. A pontosabb értékhez ticinói és vaud-i kijelölt tőszám, valamint a szabályozott körzeteken kívül átvizsgált hektár kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 30.3 · central value: 30.3 (median: 30 · mean: 30.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 30 | (24–38) | B | Településalapon Valais 2 449 ha, Ticino ~1 100, Vaud és Genf ≥540: 4 100–4 700 / 14 432 ha; perimeteralapon ~21 %.Knowledge base: orszagcsomagok-2026-10.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md |
| Google Gemini | 30 | (21–36) | A | A 14 432 ha-os országos szőlőterületből Ticino (~1115 ha), Valais szabályozott községei (2449 ha, perimeter 1321 ha), Vaud (480–527 ha) és Genf (20–62 ha) adják a fertőzött zónákat (~21% perimeter-alapon, ~30% községi alapon).Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 32 | (24–44) | C · data gap | A fertőzött déli és nyugati települések jelentős szőlőterületet fednek, de az egységes 1 km-es metszet hiányzik.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
E1a — Confirmed exposure
MethodologyFinal value: 20 · central value: 20 (median: 20 · mean: 20) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 20 | (13–28) | C | Pontlista nincs; a perimeterek (VS 1 322, VD ~500) és a ticinói fertőzött zóna alapján ~2 900 ha.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 18 | (12–25) | A | Az aktív kitörések 1 km-es környezete (Ticino, a bővülő valais-i 1321 ha-os és a vaud-i 480 ha-os perimeterek) a svájci szőlőterület közel ötödét fedi le.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 22 | (13–34) | C · data gap | A kantoni perimeterekből csak bizonytalanul becsülhető az igazolt gócok 1 km-es köreivel érintett szőlő.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
I — Infection density
MethodologyFinal value: 24.1 · central value: 24.1 (median: 25 · mean: 23.2) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 17.50.05% | (11.9–25) | B | ~9 500 tő (VS 7 316, VD és TI becsült) / kitett ~2 900 ha × ~6 500 tő/ha ≈ 19 M; Valais-ban 1 378 ha átvizsgált.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 270.12% | (17.5–36.9) | A | Valais-ban 1378 ha átvizsgált területen 7316–7340 FD-pozitív tőkét találtak 2025-ben, ami hektáronként 8000 tővel számolva ~0,07–0,12%-os fertőzéssűrűség a kitett zónákban.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 250.1% | (11.9–38.6) | C · data gap | Becsült 15 875 kijelölt tő jut 15,875 millió kitett tőre; a valais-i 1378 hektáros 2025-ös szemle nem azonos időablakú országos minta.Knowledge base: C_magyar_helyzet_adatok(6).md |
T9 — Introduction pressure
MethodologyFinal value: 77.5 · central value: 77.5 (median: 78 · mean: 77) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (65–88) | A | Aosta, Lombardia, Ain–Savoie határ menti fertőzés, Baden új leletei; szinte az egész szőlőterület 50 km-es sávban van.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 78 | (68–88) | A | Délen Lombardia és Valle d'Aosta (22 fertőzött község), nyugaton Franciaország (Savoie, Ain), északon Dél-Baden közvetlenül a svájci határ menti szőlők mellett fertőzött.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 75 | (65–85) | C · data gap | Franciaország és Olaszország felől kiterjedt határközeli fertőzési nyomás áll fenn, teljes határsávos területösszesítés nélkül.Knowledge base: C_magyar_helyzet_adatok(6).md, J_termeloi_hang_kommunikacio_orszagok(6).md |
T1 — Leafhopper distribution
MethodologyFinal value: 80.2 · central value: 80.2 (median: 80 · mean: 80.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (70–86) | B | Kantonszinten ~83 %, kerületszinten ~75–80 %; 2025-ben négy új kanton, a keleti kantonok mentesek.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 80 | (72–86) | A | Ticino, Misox, Genf, Vaud és Valais mellett 2025-ben Basel-Landschaft, Basel-Stadt, Neuchâtel és Aargau kantonokban is megjelent a kabóca (~11 900 ha a 14 432 ha-ból).Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 83 | (75–89) | C · data gap | A 2025–2026-ban pozitív kantonok szőlőterületi súlya nagy, beleértve az új északnyugati és neuchâteli észleléseket.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
T2 — Leafhopper density
MethodologyFinal value: 60.8 · central value: 60.8 (median: 62 · mean: 59.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (40–80) | C | Valais perimeteren kívül 17,3 egyed/csapda/hét (2024: 13,1), ~25/10 nap, 7–10 hely, tudásbázisból; Vaud északon nagyon alacsony; a perimeteren belüli 7,8 kezelés utáni, nem használtam.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 55 | (35–70) | C · data gap | A listában nincs sűrűségadat; a tudásbázis szerint Valais kezeletlen (perimeteren kívüli) helyein 17,3 egyed/csapda/hét (~25/10 nap, magas), míg az északi kantonokban alacsony a sűrűség.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 62 | (39–82) | C · data gap | Kezelés előtti országos lárvaadat nincs; a valais-i kezeletlen fogás 17,3/hét, azaz 24,7/10 nap, a kezelt 7,8/hét értéket kizártam.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 45.8 · central value: 45.8 (median: 45 · mean: 46.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (35–58) | A | A perimeterekben és a ticinói zónában kötelező, Valais ingyen adja a szert, Vaud fogáshoz köt; a vektoros terület többségén nincs kötelezettség.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 45 | (35–58) | A | A kezelés csak a kijelölt perimeterekben (és Ticinóban) kötelező; Vaud-ban a perimeter 56–70%-a küszöb alapján kezeletlen, Valais-ban viszont a kanton ingyen adja a szert a bővülő perimeterben.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 50 | (42–58) | A · data gap | A kötelező kezelés a kijelölt területekre koncentrálódik, a fogásalapú szabályos elhagyás nem végrehajtási hiány.Knowledge base: 10_vedekezes.md |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 46.2 · central value: 46.2 (median: 45 · mean: 47.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (40–70) | B | Valais szigorít (30 nap, 358 felszólítás), de az erdei elvadult szőlőre (Ticino: 7/11 fertőzött) nincs program, nevező nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 42 | (30–55) | B | Valais 30 napra rövidítette a nem metszett szőlő kivágási határidejét és 358 felszólítást adott ki, ugyanakkor Ticinóban az erdei elvadult szőlők (7/11 parcella FD+) nehezen felszámolhatók.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 45 | (28–65) | C · data gap | Szigorúbb zónás felszámolási határidők vannak, de a ténylegesen kezelt összes felhagyott terület aránya hiányzik.Knowledge base: E_vedekezes_labor(6).md |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 39.2 · central value: 39.2 (median: 40 · mean: 38.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (26–55) | B · data gap | Ticinóban a kis szőlőre és az egyedi tőre is kötelező községi tájékoztatással, Vaudban a kanton kezeli a lugasokat; ellenőrzési szám nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 32 | (20–45) | A | Ticinóban minden szőlőre és egyedi tőkére kötelező a 2 kezelés községi értesítéssel, Vaud perimetereiben pedig a kanton megbízottja kezeli a magánlugasokat.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 43 | (25–64) | C · data gap | A kantoni kötelezés és tájékoztatás a kis tartókra is kiterjedhet, de országos házikerti kezelési ellenőrzési adat nincs.Knowledge base: E_vedekezes_labor(6).md |
T4 — Shortfall in control quality
MethodologyFinal value: 46.7 · central value: 46.7 (median: 48 · mean: 45.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (44–68) | A | Jó kantoni időzítés, de rendes engedéllyel csak piretrin; a spirotetramát évente szükségengedéllyel, 2026-ban csak jún. 11-én.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 48 | (38–58) | A | Rendes engedéllyel csak a piretrin érhető el, az egyetlen szintetikus szer (spirotetramát) évente megújított sürgősségi engedélyt kap, amelyet 2026-ban csak június 11-én adtak ki.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 33 | (23–47) | A | Kantoni időzítés és engedélyezett védekezés működik, de a piretrinre támaszkodó rend hatásmódbeli választéka szűk.Knowledge base: 10_vedekezes.md |
T7 — Lack of awareness about control
MethodologyFinal value: 29.3 · central value: 29.3 (median: 29 · mean: 29.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (25–52) | B | Valais közvetlen levél 375 üzemnek és 3 900 tulajdonosnak, Ticino és Genf bulletin; a perimeteren kívüli kistartókról nincs adat.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 22 | (14–32) | A | A kantoni szolgálatok és községek (pl. Brissago, Chalais, Genf) közvetlen értesítőket és leveleket küldenek a parcellatulajdonosoknak (Valais: 3900 tulajdonos).Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 29 | (15–48) | C · data gap | Kantoni és termelői hálózatok célzottan tájékoztatnak, de a házikerteseket is tartalmazó tényleges elérési arány ismeretlen.Knowledge base: E_vedekezes_labor(6).md |
T10 — Lack of source removal
MethodologyFinal value: 12.3 · central value: 12.3 (median: 12 · mean: 12.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 12 | (5–28) | B | Valais-ban rövid határidő, a nem megfelelő kivágás ~1,4 % (értelmezése bizonytalan); Ticino, Vaud, Genf számai nem ismertek.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 12 | (5–22) | A | Szigorú és gyors kivágás: Valais 2026-ra 5%-ra csökkentette a táblakivágási küszöböt és 30 napra (ill. március 31-ig) a tőkekivágási határidőt, gyökérrel együtt.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 14 | (4–33) | C · data gap | A határidők szigorítása végrehajtási kockázatot jelez, de a lejárt határozatok országos teljesítési számlálója hiányzik.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
T11 — Lack of economic capacity for control
MethodologyFinal value: 57 · central value: 57 (median: 58 · mean: 56) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (45–70) | A | VS bruttó hozam −28 % a tízéves átlaghoz, ár −12,6 %, fogyasztás csökken, kivágási támogatás; a szert részben az állam fizeti; a gyártó csak szükségengedélyt tart fenn.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 52 | (40–64) | A | A borágazat bevételei csökkennek és szövetségi kivágási program indult, a kis svájci piac miatt a Movento csak szükségengedéllyel érhető el, ám Valais-ban a kanton állja a szerköltséget.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 58 | (41–75) | C · data gap | A termelési és kilépési nyomás rontja a teherbírást, de az országos önköltségfedezet és a szerfejlesztési piac nem számszerűsített.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md |
T6 — Propagating-material pathway
MethodologyFinal value: 36.8 · central value: 36.8 (median: 38 · mean: 35.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 42 | (32–55) | A · data gap | Az alany tanúsítása kötelező, a nemesé csak ajánlott; a nyugat-svájci járvány fertőzött anyagból indulhatott; a nem kereskedelmi útról nincs adat.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 38 | (28–50) | A · data gap | Az Agroscope SNP-elemzése (4212 minta) igazolta, hogy a nyugat-svájci járványt fertőzött szaporítóanyag behurcolása indította; az alany tanúsítása kötelező, a nemesé csak ajánlott, a nem kereskedelmi forgalom adathiányos.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 27 | (15–44) | C · data gap | Szervezett növényegészségügyi ellenőrzés mellett a szaporítóanyag-eredetű behurcolás lehetséges, az informális forgalom és hőkezelési lefedettség ismeretlen.Knowledge base: 10_vedekezes.md |
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 | A prompt szerint ősszel 50.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | – | not given | B | Őszi futás a lezárt szezonban, ezért a szabály szerint a T8 értéke 50.Knowledge base: 45_kabocaterjedes_es_vedekezes_helyzetkep.md |
| OpenAI ChatGPT | – | not given | C | A feladat őszre rögzített semleges értéke. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 75.3 · central value: 75.3 (median: 78 · mean: 72.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (68–88) | A | VS 1 378 ha (2025), VD ~430 ha (a perimeter >90 %-a), GE 62 ha, TI ismeretlen (legfeljebb ~1 100 ha), kerületi kontrollhely ismeretlen; az okt. 15-i chalais-i szemle ablakon kívül; ~17–25 % fedett.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 62 | (50–74) | A | Valais-ban a Vitival 1378 ha-t (a kantoni szőlő 30%-át) vizsgált át 2025-ben, Chalais-ban 11 ha-t (2026. okt. 15.), Vaud perimetereiben >90%-os a szemle, de a perimetereken kívüli országos területen csak szúrópróba folyik.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 78 | (59–92) | C · data gap | A kantoni és korábbi szemleadatok mellett a 2026-os megfelelő időablak országos, átfedésmentes hektárszáma nem ismert.Knowledge base: 12_felderites_monitoring_mi.md |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 77.5 · central value: 77.5 (median: 78 · mean: 77) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (75–97) | C · data gap | Online űrlapok vannak, kiskertszám és beküldésszám nem ismert.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 78 | (62–90) | C · data gap | A szabályozott zónákban a kiskertek is szemlekötelesek, de a ténylegesen átvizsgált kiskertek országos arányáról nincs számadat.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 65 | (42–85) | C · data gap | Lakossági jelzés és kantoni bevonás létezik, de a házikerti szemlék számlálója és nevezője hiányzik.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 65.7 · central value: 65.7 (median: 65 · mean: 66.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (60–90) | C · data gap | Ticinóban kutatási mintázás, Valais-ban felszólítások; hatósági felhagyott-szemleprogram nincs leírva.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 65 | (50–80) | B | A perimeterek részletes községi prospekciója (pl. Chalais) és a ticinói kutatási mintázás érinti a felhagyott és elvadult szőlőket, országos arány azonban nem ismert.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 56 | (33–79) | C · data gap | A felhagyott szőlőket célzó szabályok mellett az átvizsgált menedékterület országos aránya ismeretlen.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
G2 — Survey unreliability
MethodologyFinal value: 25 · central value: 25 (median: 24 · mean: 26) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 32 | (22–45) | B | Valais-ban 2026-tól tanfolyam és hatósági jelenlét, Vaud képzett gazdák; a bois noir széles körű, a saját szemle kevéssé dokumentált.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 22 | (14–32) | A | A szemléket a tünetablakban (július vége – október) képzett kantoni és községi csoportok végzik egységes protokollal.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 24 | (13–39) | C · data gap | Képzett kantoni és termelői szemlézőhálózat működik, de minden szemle időzítéséről és teljes tőkés protokolljáról nincs országos audit.Knowledge base: 03_tunettan_reszletes.md, 12_felderites_monitoring_mi.md |
G4 — Weakness of automated pre-screening
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 | 96 | (88–99) | C | Gépi tünetfelismerés hatósági használatban nincs, a drón a kezeléshez kell.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 98 | (92–100) | C | Svájcban nincs hatósági gépi előszűrés az FD-tünetekre.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 96 | (80–100) | C · data gap | Országosan alkalmazott, validált FD-tüneti gépi előszűrés nincs dokumentálva, kisebb helyi használat azonban nem zárható ki.Knowledge base: F_felderites_mi_gepi_eloszures(6).md |
G3 — Lack of lab confirmation
MethodologyFinal value: 39.2 · central value: 39.2 (median: 43 · mean: 35.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (25–70) | C · data gap | Átfutási idő nem nyilvános; hektáronként legalább 3 gyanús tőnél minta, sok labordiagnózis, de Fullyban labor nélküli megállapítás; a mintázatlan gyanú aránya ismeretlen.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 18 | (10–30) | B · data gap | Az Agroscope és a kantoni laborok rendszeresen feldolgozzák a gyanúmintákat (Fullyban labor nélkül is FD-nek számít a tünetes tőke), de a 30 napon belüli átfutás arányáról nincs adat.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 43 | (23–68) | C · data gap | A fejlett diagnosztika mellett helyenként labor nélküli tünetalapú eltávolítás történik, országos 30 napos teljesítési adat nélkül.Knowledge base: 11_labordiagnosztika.md |
G6 — Difficulty of notification
MethodologyFinal value: 26.5 · central value: 26.5 (median: 27 · mean: 26) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 27 | (18–38) | B | Online űrlap Valais-ban és Ticinóban, PDF Vaudban, visszajelzési idő nem közölt.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 24 | (15–35) | A | Kantonális online űrlapok (Valais, Ticino) és bejelentőlapok (Vaud) állnak rendelkezésre, nyilvános visszajelzési határidő nélkül.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 27 | (14–43) | C · data gap | Kantoni online bejelentő felületek léteznek, de egységes hét napon belüli visszajelzés nem igazolt.Knowledge base: 09_bejelentes_es_teendok.md, J_termeloi_hang_kommunikacio_orszagok(6).md |
G8 — Disincentives to notify
MethodologyFinal value: 63.8 · central value: 63.8 (median: 62 · mean: 65.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (50–74) | B | Valais 10-ről 3 CHF/m²-re csökkentett, csak parcellakivágásnál és a tünetmentes területre, feltételekkel; egyes tőre nincs; kifizetési idő nem ismert.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 58 | (48–68) | A | Egyedi tőkére nincs kártalanítás, Valais-ban pedig 2026-ra 10-ről 3 CHF/m²-re csökkentették a parcellakivágási térítést (csak a tünetmentes részre, 500 CHF felett).Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 77 | (59–90) | C · data gap | A valais-i térítés csökkent és az egyedi tőkék vesztesége nem teljesen fedezett, miközben az országos értékarány és kifizetési idő ismeretlen.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md |
G11 — Lack of economic interest in detection
MethodologyFinal value: 57.8 · central value: 57.8 (median: 58 · mean: 57.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (48–72) | A | Önkéntes szövetségi kivágás és gócfelszámolás, −28 % hozam, erős kilépési érdek, a parlament a 10 M CHF-et elutasította; küszöbkivárás tényként nem igazolt.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 58 | (46–70) | A | A borpiaci válság miatt 2026–2027-re szövetségi és kantoni végleges kivágási támogatás indult (0,75–1,65 CHF/m², 10 év tilalommal), így a veszteséges termelők egy része a kilépésben érdekelt.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 55 | (36–73) | C · data gap | Az ágazati válság és kilépési programok gyengítik a keresési érdeket, de széles körű tudatos eltitkolás nem bizonyított.Knowledge base: 20_termeloi_tapasztalatok_es_velemenyek.md |
V1 — Lack of a cure
MethodologyFinal value: 82.2 · central value: 82.2 (median: 80 · mean: 84.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (72–92) | B | A hatóság szerint nincs gyógyító kezelés; nemzetközileg legfeljebb labor/üvegházi szint.Knowledge base: orszagcsomagok-2026-10.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| Google Gemini | 98 | (92–100) | A | Az Agroscope és a BLW közleményei szerint gyógyító kezelés nem ismert, csak megelőző és vektorgyérítő módszerek léteznek.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| OpenAI ChatGPT | 75 | (75–95) | C | A nemzetközi kutatás laboratóriumi jelöltekig jutott, engedélyezett vagy igazolt szabadföldi FD-gyógymód nincs.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md |
V2 — Lack of resistant varieties
MethodologyFinal value: 99.8 · central value: 99.8 (median: 100 · mean: 99.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 99 | (97–100) | C | A Chasselas kisebb fertőzöttsége nem ellenállás; ellenálló fajta nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 100 | (99–100) | C | Nincs igazoltan ellenálló szőlőfajta köztermesztésben (a Chasselas alacsonyabb terepi fertőzöttsége a vektorhoz kötött, nem valódi rezisztencia).Knowledge base: 02_korokozo_biologia_genotipusok.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 100 | not given | C | A Chasselas kisebb fogékonysága sem igazolt kórokozó-rezisztencia, ezért rezisztens telepített terület nincs.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md |
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: 28.5 · central value: 28.5 (median: 25 · mean: 32) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 25 | (15–36) | A | Szövetségi és Agroscope-kutatás (FLAVID), szövetségi 50/75 % a kantoni költséghez, kantoni szer és szemletérítés; összegek szűkösek.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 24 | (15–35) | A | Szövetségi (BLW, Agroscope) kutatási programok és kantoni pénzügyi csomagok (Valais 1,6 millió CHF sürgősségi hitel és társfinanszírozás) támogatják a védekezést és a szerkezetátalakítást.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 47 | (29–68) | C · data gap | Tartós közösségi költségmegosztás és kutatóintézeti háttér van, de elkülönített gyógymód- és FD-fajtakutatási keret nem igazolt.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md |
V6 — Lack of a market for development
MethodologyFinal value: 66 · central value: 66 (median: 66 · mean: 66) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68 | (55–78) | A | Zsugorodó kis hazai piac, magas készlet és kivágási támogatás; a megoldás piaca nemzetközi, ez mérsékel.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 66 | (55–76) | A | Zsugorodó belföldi borpiac, csökkenő termőterület, 10 éves szőlőmentességet előíró kivágási támogatások és kisebb 2026-os termés korlátozza a fejlesztési piacot.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 64 | (47–79) | C · data gap | A kisméretű, nyomás alatt álló piac gyengíti az önálló fejlesztési keresletet, de a nemzetközi piac és a közfinanszírozás fennmarad.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md |
J — Epidemic burden
MethodologyFinal value: 2.6 · central value: 2.6 (median: 0 · mean: 5.2) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00.01% | not given | B | ~9 500 tő / ~94 M tő (14 432 ha × ~6 500); a számláló zöme Valais 7 316, Ticino és Vaud becsült.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 15.70.08% | (0–38.8) | A | Valais-ban 7316–7340 FD-pozitív tőkét jelöltek ki (2020-ban még csak 40 volt), ami Vaud és Ticino eseteivel együtt ~9–12 ezer tőke a ~100–115 milliós országos tőkeállományból.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 00.022% | (0–15.7) | C · data gap | A 12 havi kijelölt számláló becsült 15 875 tő, a nevező 14 432 ha × feltételezett 5000 tő/ha, azaz 72 160 000 tő.Knowledge base: C_magyar_helyzet_adatok(6).md |
Expert estimate, not official data.