FKI evaluation – Moldova, 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 1.3 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) | 4(1–12) | 3(1–12) | 3 |
| E1a Confirmed exposure | 1(0–3) | 2(1–6) | 1(0–5) | 1.2 |
| I Infection density | 42.5(7.5–80.1) | 69.9(42.5–95.2) | 25(0–65.1) | 44.1 |
| T9 Introduction pressure | 55(45–68) | 66(55–78) | 50(28–69) | 56 |
| T1 Leafhopper distribution | 88(65–96) | 85(65–95) | 60(25–94) | 81.3 |
| T2 Leafhopper density | 35(12–60) | 50(30–70) | 43(13–77) | 42.8 |
| T3 Lack of control in commercial vineyards | 80(65–92) | 58(45–72) | 52(42–71) | 60.7 |
| T5a Lack of control in abandoned refuges | 72(55–88) | 68(55–80) | 68(44–90) | 68.7 |
| T5b Lack of control in home-garden vines | 82(68–92) | 76(65–88) | 69(45–91) | 75.8 |
| T4 Shortfall in control quality | 55(40–72) | 56(45–68) | 58(37–79) | 56.2 |
| T7 Lack of awareness about control | 65(52–78) | 58(45–70) | 62(41–83) | 61.8 |
| T10 Lack of source removal | 22(5–55) | 25(10–45) | 25(1–66) | 24.5 |
| T11 Lack of economic capacity for control | 58(45–72) | 62(50–75) | 56(41–73) | 58.3 |
| T6 Propagating-material pathway | 62(50–75) | 55(42–68) | 57(36–78) | 57.5 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 96(88–99) | 94(88–98) | 94(70–99) | 94.3 |
| G5a Unsurveyed share, home gardens | 98(92–100) | 96(90–99) | 95(76–99) | 96.2 |
| G5b Unsurveyed share, abandoned vineyards | 97(88–100) | 92(82–98) | 94(72–99) | 94.2 |
| G2 Survey unreliability | 40(28–55) | 34(25–45) | 32(18–53) | 34.7 |
| G4 Weakness of automated pre-screening | 92(80–99) | 95(85–100) | 98(84–100) | 95 |
| G3 Lack of lab confirmation | 25(8–50) | 20(10–35) | 35(9–69) | 25.8 |
| G6 Difficulty of notification | 48(38–60) | 48(38–58) | 46(32–63) | 47.7 |
| G8 Disincentives to notify | 77(65–88) | 76(65–88) | 77(51–94) | 76.8 |
| G11 Lack of economic interest in detection | 60(45–75) | 66(55–78) | 55(37–75) | 60.2 |
| 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 | 72(60–82) | 66(55–78) | 73(52–91) | 71.2 |
| V6 Lack of a market for development | 72(60–82) | 72(60–82) | 69(51–85) | 71.5 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 0(0–53.7) | 0 | 0 |
FD Finder Expert’s summary
Moldova 22%-os értéke (sáv: 22–32) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A terjedés (T) 6,4, az ismeretlen gócok (G) 5,1, a járványteher (J) nulla pont, így az érték közel van a 20%-os alsó határhoz, amely az igazolt FD-jű országokra érvényes. Az FD-t 2026-ban jelentették először, anyatelepeken és termő ültetvényekben egyaránt (MD-008), három járásban (MD-012), de egy 2025-ös intézkedés említése miatt korábbi jelenlét nem zárható ki (MD-011); az E1 3,0, a T1 81,3, a G1 94,3 pont, Romániában pedig szintén jelen van a kórokozó (MD-017). A legnagyobb eltérés a kitett tőkék fertőzöttségénél (I) volt: ChatGPT 0,1%-ot (25 pont), Claude 0,5%-ot (42 pont), Gemini 2,5%-ot (70 pont) becsült, a T1-nél pedig ChatGPT 60, Gemini 85, Claude 88 pontot adott, mert a vektorállapot 2018-as adaton alapul (MD-018), és ChatGPT ezt kevésbé fogadta el friss jelenlétként. A legnagyobb bizonytalanság, hogy a fertőzött terület, a gócok és az érintett anyatelepek száma nem nyilvános (MD-016). A pontosabb értékhez góconkénti terület, pozitív és összes mintaszám, átvizsgált hektár és friss csapdaadat kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 3 · central value: 3 (median: 3 · mean: 3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 2 | (1–6) | B · data gap | Több góc három raionban, a terület nem nyilvános; becslés néhány község kb. 300–5000 ha-ja a 107,2 ezer ha-ból.Knowledge base: orszagcsomag |
| Google Gemini | 4 | (1–12) | B · data gap | 2026 augusztusában Criuleni, Hîncești és Călărași járásokban anyatelepeken és termő ültetvényekben is igazoltak gócokat a 107 200 ha szőlőterületből, de a pontos zónahektár nem nyilvános[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 3 | (1–12) | C · data gap | Több térségben igazolt esetek vannak, de az érintett települések teljes szőlőterülete és az 1 km-es körök térképe hiányzik. |
E1a — Confirmed exposure
MethodologyFinal value: 1.2 · central value: 1.2 (median: 1 · mean: 1.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 1 | (0–3) | C · data gap | Néhány 1 km-es kör, becslés kb. 500–1000 ha, pontos hely nincs.Knowledge base: orszagcsomag |
| Google Gemini | 2 | (1–6) | B · data gap | Több góc van három járásban (korlátozott elterjedés), a pontos kitett hektárszámot az ANSA még nem tette közzé[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 1 | (0–5) | C · data gap | Az igazolt pontok körüli 1 km-es körök szőlőmetszete nem ismert, ezért kismértékű, széles sávú kitettséget becsültem. |
I — Infection density
MethodologyFinal value: 44.1 · central value: 44.1 (median: 42.5 · mean: 45.8) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 42.50.5% | (7.5–80.1) | C · data gap | Számláló és átvizsgált terület nem nyilvános; becslés kb. 11 ezer tő kb. 2,2 M kitett tőn.Knowledge base: orszagcsomag |
| Google Gemini | 69.92.5% | (42.5–95.2) | C · data gap | Az ONVV szerint egyes ültetvényekben jól láthatók a tünetek és több gócot lehatároltak, de a fertőzött tőkeszám nem nyilvános[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 250.1% | (0–65.1) | C · data gap | Becslési forgatókönyv: 3216 érintett tő/3216000 kitett tő; az azonos időablakban átvizsgált hektár ismeretlen. |
T9 — Introduction pressure
MethodologyFinal value: 56 · central value: 56 (median: 55 · mean: 57) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (45–68) | B | Románia határmenti megyéiben pozitív minták, Ukrajnából nincs FD-adat; egy szomszéd határközeli gócai, enyhén fölötte.Knowledge base: orszagcsomag |
| Google Gemini | 66 | (55–78) | A | A szomszédos Románia határ menti megyéiben (Iași 24, Botoșani 4, Vaslui 1 pozitív minta 2025-ben) kiterjedt és bővülő a fertőzés[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 50 | (28–69) | C · data gap | A román fertőzési háttér egy szomszéd felől jelent nyomást, az ukrán határsáv és a pontos góctávolságok bizonytalanok. |
T1 — Leafhopper distribution
MethodologyFinal value: 81.3 · central value: 81.3 (median: 85 · mean: 77.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (65–96) | B · data gap | Hatósági raionos térkép nincs; kutatási jelenlét a déli és központi fő területen, 2026-os csapdaeredmény nincs.Knowledge base: orszagcsomag |
| Google Gemini | 85 | (65–95) | B · data gap | A kabóca a központi és a déli fő borvidéki zónákban (a szőlőterület >90%-át adó régiókban) igazoltan jelen van, raionos hatósági térkép nincs[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 60 | (25–94) | C · data gap | A történeti vektorjelenlét ismert, de a 2025–2026-os észlelések területtel súlyozott országos táblája hiányzik. |
T2 — Leafhopper density
MethodologyFinal value: 42.8 · central value: 42.8 (median: 43 · mean: 42.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 35 | (12–60) | C · data gap | Kezelés előtti és kezeletlen hatósági adat nincs; régi kutatási fogások 6–985 egyed, nevező nélkül, kezeltség ismeretlen.Knowledge base: orszagcsomag |
| Google Gemini | 50 | (30–70) | C · data gap | 2026-ra nincs nyilvános hatósági csapdafogási adat; korábbi kutatások helyenként magas (2021: 985 egyed) kezeletlen fogást mértek[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 43 | (13–77) | C · data gap | Kezelés előtti lárvasűrűség és kezeletlen csapdafogás nincs, kezelés utáni adatot nem használtam. |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 60.7 · central value: 60.7 (median: 58 · mean: 63.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (65–92) | A | Csak a kis zónákban kötelező, máshol a terv nem is ajánl rutinkezelést, ezért az 50 és 75 fölött.Knowledge base: orszagcsomag |
| Google Gemini | 58 | (45–72) | A · data gap | Az ANSA 362/2026. számú akcióterve szerint a kabóca elleni kezelés csak a lehatárolt zónákban kötelező, FD-mentes területen a rutinkezelést nem is ajánlják[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 52 | (42–71) | A · data gap | A friss intézkedési terv zónás kötelezettséget hoz létre, országos végrehajtási és ellenőrzési arány nélkül. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 68.7 · central value: 68.7 (median: 68 · mean: 69.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (55–88) | C · data gap | Új éves nyilvántartási kötelezés, kényszerintézkedés csak zónában; felhagyott terület ismeretlen.Knowledge base: orszagcsomag |
| Google Gemini | 68 | (55–80) | A · data gap | A 2026-os akcióterv előírja a felhagyott ültetvények éves nyilvántartását, de kényszerintézkedés csak a zónákban van, miközben 10 ezer ha-ral csökkent az ültetvényterület[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 68 | (44–90) | C · data gap | A felszámolási keret javult, de a felhagyott szőlők tényleges kezelési vagy megszüntetési aránya ismeretlen. |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 75.8 · central value: 75.8 (median: 76 · mean: 75.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 82 | (68–92) | C | A háztartási szőlő 54,4 ezer ha, 51 %; csak általános ajánlás és góc körüli intézkedés.Knowledge base: orszagcsomag |
| Google Gemini | 76 | (65–88) | B · data gap | A háztartási szőlők az országos terület 51%-át (54,4 ezer ha) adják, ahol a kis zónákon kívül csak általános ajánlás van, ellenőrzés nélkül[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 69 | (45–91) | C · data gap | A hivatalos kötelezettség és tájékoztatás nem bizonyítja a kiterjedt házikerti szegmens tényleges kezelését. |
T4 — Shortfall in control quality
MethodologyFinal value: 56.2 · central value: 56.2 (median: 56 · mean: 56.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (40–72) | C · data gap | Csapdás időzítés a tervben, nyilvános lárva-előrejelzés nincs; a vektorra engedélyezett szerek listája nem ismert.Knowledge base: orszagcsomag |
| Google Gemini | 56 | (45–68) | B · data gap | Az akcióterv sárga lapos időzítést ír elő, de az ONVV havi közlönyei csak gombabetegség-modelleket közölnek, lárvastádium-előrejelzést nem[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 58 | (37–79) | C · data gap | Általános védekezési keret van, de a regionális fenológiai időzítés és az ökológiai szerválaszték nem kellően dokumentált. |
T7 — Lack of awareness about control
MethodologyFinal value: 61.8 · central value: 61.8 (median: 62 · mean: 61.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (52–78) | B | Közlemény, szakportál, borközlöny; a háztartások célzott elérése nem igazolt.Knowledge base: orszagcsomag |
| Google Gemini | 58 | (45–70) | A | Az ANSA közleményei, a szaksajtó és az ONVV közlönye tájékoztatja az árutermőket, de a terület felét adó háztartási szőlőkhöz célzott értesítés nem jut el[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 62 | (41–83) | C · data gap | Az ANSA-közlések és képzések javítják a tájékoztatást, de az összes szőlőtartó tényleges elérése ismeretlen. |
T10 — Lack of source removal
MethodologyFinal value: 24.5 · central value: 24.5 (median: 25 · mean: 24) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 22 | (5–55) | B · data gap | Eltávolítás elrendelve, a határidő a következő vegetáció kezdete, még nem járt le; végrehajtási adat nincs.Knowledge base: orszagcsomag |
| Google Gemini | 25 | (10–45) | A · data gap | Az ANSA elrendelte a fertőzött tőkék megsemmisítését (20% felett teljes parcella) és a fertőzött anyatelepeket törölte a regiszterből, a végrehajtási arány még nem ismert[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 25 | (1–66) | C · data gap | Eltávolítás és anyatelepi kizárás előírt, de határidőn túli, tőszámmal igazolt végrehajtási mérleg nincs. |
T11 — Lack of economic capacity for control
MethodologyFinal value: 58.3 · central value: 58.3 (median: 58 · mean: 58.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (45–72) | B | Irányár 6,8–8,2 lei/kg, önköltség kb. 5,8–10 lei/kg: nullszaldó körül; gyártói döntésről nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 62 | (50–75) | B | A 2026-os borszőlő-irányár (6,8–8,2 MDL/kg) és a 8–9 t/ha termés éppen csak fedezi az 52–80 ezer MDL/ha fenntartási önköltséget[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 56 | (41–73) | B · data gap | Az 52–80 ezer lejes hektárköltség és a közölt hozam-ár tartomány nullszaldó körüli, részben veszteséges termelést valószínűsít. |
T6 — Propagating-material pathway
MethodologyFinal value: 57.5 · central value: 57.5 (median: 57 · mean: 58) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (50–75) | A | FD anyatelepeken is, törlés és mozgáskorlátozás; tanúsítás van, a háztartási szaporításról nincs adat, valószínűleg jelentős.Knowledge base: orszagcsomag |
| Google Gemini | 55 | (42–68) | A | Az FD-t szaporítóanyag-előállító anyatelepeken is kimutatták (ezeket törölték és korlátozták a mozgást), a hatalmas háztartási szegmensben pedig elterjedt a saját szaporítás[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 57 | (36–78) | C · data gap | Anyatelepi fertőzés mellett a korlátozásokat szigorították, de a teljes forgalom és a magáncsere ellenőrzése nem számszerű. |
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: 28e_orszag_md |
| OpenAI ChatGPT | – | not given | C | A feladat őszi rögzített értéke 50. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 94.3 · central value: 94.3 (median: 94 · mean: 94.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 96 | (88–99) | C · data gap | Hatósági: 120 ellenőrzés, 40 minta (2025), hektár ismeretlen; 2026-os felmérés hektárja nem nyilvános; drón és egyéb nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 94 | (88–98) | A · data gap | A 107 ezer ha szőlőterület mellett az éves hatósági ellenőrzések és minták száma (2025: 120 ellenőrzés, 40 minta; 2026: 3 járási góc) csak néhány százalékos lefedettséget ad[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 94 | (70–99) | C · data gap | 2026. VII.20–IX.30.: hatósági, szemlecsoportos, drónos és egyéb hektár, pontos szemledátum és átfedés ismeretlen; a tervek nem teljesítések. |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 96.2 · central value: 96.2 (median: 96 · mean: 96.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 98 | (92–100) | C · data gap | Kertet csak góc körül néznek, a szegmens igen nagy.Knowledge base: orszagcsomag |
| Google Gemini | 96 | (90–99) | C · data gap | Az 54,4 ezer ha háztartási szőlőt csak a kijelölt gócok közvetlen környezetében vizsgálják[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 95 | (76–99) | C · data gap | A háztartási szőlők tényleges tünetszezoni szemlearánya nincs megadva, a következő évekre tervezett program nem jelenlegi lefedettség. |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 94.2 · central value: 94.2 (median: 94 · mean: 94.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (88–100) | C · data gap | A nyilvántartás 2026-tól indul, a szemle még nem mérhető.Knowledge base: orszagcsomag |
| Google Gemini | 92 | (82–98) | C · data gap | A felhagyott ültetvények éves összeírását 2026-ban írták elő, tényleges átvizsgálási arányuk még minimális[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 94 | (72–99) | C · data gap | A felhagyott szőlők országos területe és az átvizsgált rész aránya nem ismert. |
G2 — Survey unreliability
MethodologyFinal value: 34.7 · central value: 34.7 (median: 34 · mean: 35.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (28–55) | B | Egységes protokoll és felügyelői gyakorlat, de első szezon, ellenőrképzés részben még terv.Knowledge base: orszagcsomag |
| Google Gemini | 34 | (25–45) | A | Új akcióterv (Ordin 362/2026) lépett életbe, és az ANSA felügyelői a cseh ÚKZÚZ szakértőivel gyakorolták a terepi szemlét és mintavételt[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 32 | (18–53) | B · data gap | Egységes intézkedési keret és gyakorlati szakhatósági képzés van, de a teljes szemlézői kör felkészültsége nem ismert. |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 95 · central value: 95 (median: 95 · mean: 95) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (80–99) | C | Korábbi drónos próbák, FD-re igazolt gépi előszűrés nincs.Knowledge base: orszagcsomag |
| Google Gemini | 95 | (85–100) | C | Nincs igazolt találati arányú, működő gépi FD-előszűrés Moldovában[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 98 | (84–100) | C · data gap | Validált, jelentős területre kiterjedő FD-gépi előszűrésre nincs bizonyíték. |
G3 — Lack of lab confirmation
MethodologyFinal value: 25.8 · central value: 25.8 (median: 25 · mean: 26.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 25 | (8–50) | B · data gap | Kijelölt labor és minden gyanús tő mintázása a tervben, átfutás nem nyilvános; a közlési késés nem laboridő.Knowledge base: orszagcsomag |
| Google Gemini | 20 | (10–35) | B · data gap | A kijelölt referencialabor (CNSAPSA) cseh szakmai támogatással vizsgálja a gyanús mintákat, de a 30 napos átfutási arányról nincs tételes adat[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 35 | (9–69) | C · data gap | Laborigazolások történtek, de a 30 napos eredményarány és a mintavétel nélkül maradt gyanúk aránya ismeretlen. |
G6 — Difficulty of notification
MethodologyFinal value: 47.7 · central value: 47.7 (median: 48 · mean: 47.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (38–60) | A | Területi egységnél, fotóval; online űrlap nincs, a helyszíni ellenőrzés terv szerint gyors.Knowledge base: orszagcsomag |
| Google Gemini | 48 | (38–58) | A | A gyanút az ANSA területi egységeinek kell jelenteni (település + fotó megadásával), a terv azonnali kiszállást ír elő, de dedikált app nincs[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 46 | (32–63) | B · data gap | Az ANSA területi értesítési útja ismert, de az egyetlen lépéses fotós ügyintézés és a visszajelzési határidő nem igazolt. |
G8 — Disincentives to notify
MethodologyFinal value: 76.8 · central value: 76.8 (median: 77 · mean: 76.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 77 | (65–88) | C · data gap | FD-kártalanítás nem ismert, 20 % fölött egész parcella; a 15 000 lei/ha csak bejegyzett szőlőre, kifizetési adat nincs.Knowledge base: orszagcsomag |
| Google Gemini | 76 | (65–88) | A | FD-specifikus kártalanítás nincs (csak általános 15 000 MDL/ha kivágási támogatás regisztrált ültetvényre), miközben 20% felett a teljes parcellát kivágatják és az anyatelepet törlik[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 77 | (51–94) | C · data gap | A megsemmisítési és forgalmi veszteség biztos, az ültetvényértékhez mért kártalanítás és átlagos kifizetési idő viszont nem ismert. |
G11 — Lack of economic interest in detection
MethodologyFinal value: 60.2 · central value: 60.2 (median: 60 · mean: 60.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (45–75) | B | Nullszaldó, a terület 2021–2025 között 117,5-ről 107,2 ezer ha-ra csökkent; elhallgatásra nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 66 | (55–78) | B | A nullszaldó körüli jövedelmezőség, a folyamatos területcsökkenés (117,5 → 107,2 ezer ha) és a kártalanítás hiánya visszafogja az önkéntes keresést[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 55 | (37–75) | C · data gap | A szűk vagy negatív jövedelmi mozgástér gyengíti a saját keresés finanszírozását, de elterjedt küszöbkivárás 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 a fajtaszerkezetben.Knowledge base: orszagcsomag, 47 |
| Google Gemini | 100 | (99–100) | C | Igazoltan ellenálló szőlőfajta nincs termesztésben[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 100 | not given | C | Igazoltan FD-ellenálló fajtával beültetett terület nem ismert; a tolerancia nem valódi ellenállás. |
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: 71.2 · central value: 71.2 (median: 72 · mean: 70.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (60–82) | B | Külföldi kapacitásprojektek, FD-re elkülönített hazai keret nem ismert.Knowledge base: orszagcsomag |
| Google Gemini | 66 | (55–78) | A | Nemzetközi (cseh ÚKZÚZ, GIZ) projektek segítik a hatósági és laboratóriumi kapacitásépítést, de elkülönített hazai kutatási és fajtaváltási alap nincs[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 73 | (52–91) | C · data gap | A nemzetközi kapacitásfejlesztés nem elkülönített gyógymód-, fajtakutatási vagy közösségi újratelepítési keret. |
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 | Zsugorodó terület, gyenge fizetőképesség, bizonytalan uniós szaporítóanyag-piac.Knowledge base: orszagcsomag |
| Google Gemini | 72 | (60–82) | B | Zsugorodó szőlőterület (−10,3 ezer ha 4 év alatt), alacsony felvásárlási árak, és az anyatelepi FD-leletek veszélyeztetik az uniós szaporítóanyag-piacra lépést[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 69 | (51–85) | B · data gap | A szőlőterület csökkenése, a szűk jövedelem és az exportkorlátok gyengítik a jövőbeli fizetőképes keresletet. |
J — Epidemic burden
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00.003% | not given | C · data gap | Tőszám nem nyilvános; becslés kb. 11 ezer tő kb. 320 M tőből (107,2 ezer ha × kb. 3000), az I-vel összhangban.Knowledge base: orszagcsomag |
| Google Gemini | 00.05% | (0–53.7) | C · data gap | Három járásban anyatelepi és árutermő gócok megsemmisítését rendelték el, de a kijelölt tőkeszámot az ANSA nem hozta nyilvánosságra[cite: 1].Knowledge base: 28e_orszag_md |
| OpenAI ChatGPT | 00.001% | not given | C · data gap | Becslési forgatókönyv: 3216 érintett tő/321600000 országos tő; a kijelölt pozitív és tünetes tőkék tényleges összege hiányzik. |
Expert estimate, not official data.