FKI evaluation – Portugal, 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
- 8%
- Unknown foci
- 34%
- Vine loss
- 99%
- Epidemic burden
- 2.6 points
- Without epidemic burden: 35%
With good practice, the FKI would be about 3.4 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 | 24(19–30) | 38(28–48) | 27(15–41) | 28.3 |
| E1a Confirmed exposure | 12(5–22) | 16(10–25) | 15(6–28) | 14.7 |
| I Infection density | 36.9(11.9–65.1) | 40.1(25–54) | 36.9(11.9–58.8) | 37.4 |
| T9 Introduction pressure | 46(35–58) | 55(45–65) | 53(45–65) | 52.2 |
| T1 Leafhopper distribution | 50(40–58) | 55(45–65) | 55(38–72) | 54.2 |
| T2 Leafhopper density | 30(12–55) | 32(20–48) | 46(22–73) | 34 |
| T3 Lack of control in commercial vineyards | 48(32–65) | 42(30–55) | 53(42–68) | 47.8 |
| T5a Lack of control in abandoned refuges | 72(58–85) | 68(55–80) | 72(52–89) | 71.3 |
| T5b Lack of control in home-garden vines | 62(45–78) | 55(40–70) | 61(39–81) | 60.2 |
| T4 Shortfall in control quality | 38(28–50) | 30(20–42) | 38(24–54) | 36.7 |
| T7 Lack of awareness about control | 50(38–64) | 38(26–50) | 51(32–71) | 48.2 |
| T10 Lack of source removal | 58(35–80) | 52(38–66) | 32(13–57) | 49.7 |
| T11 Lack of economic capacity for control | 68(55–78) | 62(50–74) | 68(50–84) | 67 |
| T6 Propagating-material pathway | 42(32–55) | 34(22–48) | 37(22–57) | 37.3 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 92(80–98) | 84(72–92) | 87(66–97) | 87.3 |
| G5a Unsurveyed share, home gardens | 96(88–99) | 90(78–97) | 85(64–97) | 90.2 |
| G5b Unsurveyed share, abandoned vineyards | 92(78–98) | 82(68–92) | 78(55–94) | 83 |
| G2 Survey unreliability | 45(32–60) | 32(22–45) | 43(25–64) | 41.5 |
| G4 Weakness of automated pre-screening | 94(85–99) | 82(75–92) | 95(79–100) | 92.2 |
| G3 Lack of lab confirmation | 82(55–95) | 30(18–45) | 76(52–93) | 69.3 |
| G6 Difficulty of notification | 46(32–58) | 35(22–48) | 47(31–63) | 44.3 |
| G8 Disincentives to notify | 86(76–95) | 78(65–88) | 94(77–100) | 86 |
| G11 Lack of economic interest in detection | 66(52–78) | 64(52–75) | 65(44–83) | 65 |
| 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 | 48(38–60) | 42(30–55) | 66(44–84) | 50 |
| V6 Lack of a market for development | 66(55–78) | 52(40–64) | 64(45–81) | 62.3 |
| Epidemic burden | ||||
| J Epidemic burden | 0(0–53.7) | 15.7(0–53.7) | 0(0–53.7) | 2.6 |
FD Finder Expert’s summary
Portugália 35%-os értéke (sáv: 33–48) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt szakértők becsülték: Claude, Gemini és ChatGPT. A T 7,6, a G 34,2, a J 2,6 pont, és J nélkül is 35% lenne; az E1 28,3, az E1a 14,7, a T1 54,2 pont. A hatóság 2026 áprilisában fenntartotta az öt felszámolási zónát (PT-009) és frissítette a kabócás freguesiák listáját (PT-007), az Entre Douro e Minho-i körlevél szerint pedig a művelt és az elhagyott szőlők tartósan magas számú FD-s tője a térségi magas szint egyik, ha nem fő oka (PT-012). A laborigazolás hiányánál (G3) Gemini 30, ChatGPT 76, Claude 82 pontot adott, mert a fertőzött zónában labor nélkül kivágott tőkéket ChatGPT és Claude jóval nagyobb hiánynak számolta, az E1-nél pedig Claude 24, ChatGPT 27, Gemini 38 pontot adott, mert Gemini a zónákat a 169 663 ha (PT-010) 35–40%-ára, Claude 35–40 ezer ha-ra tette. A legnagyobb bizonytalanság, hogy sem országos tőszám, sem átvizsgált hektár nem nyilvános (G1 87,3), ezért a J alapja becslés (0,04–0,08%), és a sáv felfelé tág. A pontosabb értékhez a kijelölt és kivágott tőkék országos száma, a szemlék hektárja és a zónák szőlőterülete kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 28.3 · central value: 28.3 (median: 27 · mean: 29.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 24 | (19–30) | B | A 41+6 concelho a termelés 25,7 %-a, területben ~35–40 ezer ha a 169 663-ból; 2026-ban új zóna nincs.Knowledge base: orszagcsomagok-2026-10.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md |
| Google Gemini | 38 | (28–48) | A | Az északi visszaszorítási zóna (Vinhos Verdes, Douro egy része) és az 5 felszámolási zóna (Arouca, Chaves, Gondomar, Ponte da Barca, Santa Maria da Feira) a 169 663 ha-os szőlőterület ~35–40%-át fedi le.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 27 | (15–41) | C · data gap | Az északi góchálózat és új felszámolási zónák alapján jelentős települési kiterjedést becsültem, bortermelési arány helyettesítő használata nélkül.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
E1a — Confirmed exposure
MethodologyFinal value: 14.7 · central value: 14.7 (median: 15 · mean: 14.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 12 | (5–22) | C · data gap | Az igazolt pontok listája nem nyilvános, a fertőzött zónában hatósági felderítés sem kötelező.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 16 | (10–25) | B | Az Entre Douro e Minho és a Douro aktív gócai, valamint az 5 eradikációs zóna 1 km-es körzete az országos szőlőterület becsült hatodát érinti.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 15 | (6–28) | C · data gap | A teljes concelhók kijelölésénél kisebb, gócpontokhoz kötött kitettséget becsültem, országos 1 km-es szőlőmetszet nélkül.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
I — Infection density
MethodologyFinal value: 37.4 · central value: 37.4 (median: 36.9 · mean: 38) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 36.90.3% | (11.9–65.1) | C · data gap | Országos tőszám nincs; a hatósági körlevél tartósan magas fertőzött tőszámról ír; kitett ~20 ezer ha × ~3 500 tő/ha; átvizsgált terület ismeretlen.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 40.10.4% | (25–54) | C | Pontos tőkeszám nincs, de a 13/2026-os EDM-körlevél szerint a művelt és elhagyott szőlőkben egyaránt tartósan magas számú FD-s tőke van jelen a régióban.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 36.90.3% | (11.9–58.8) | C · data gap | Becsült 305 393 kijelölt tő jut 101,798 millió kitett tőre, azonos időablakú országos szemlehektár és tőkeszámláló nélkül.Knowledge base: C_magyar_helyzet_adatok(6).md |
T9 — Introduction pressure
MethodologyFinal value: 52.2 · central value: 52.2 (median: 53 · mean: 51.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 46 | (35–58) | A | Egyetlen szomszéd, Galícia bővülő határ menti fertőzése; a többi határszakasz mentes, a fő irány inkább Portugáliából kifelé mutat.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 55 | (45–65) | A | Az egyetlen szárazföldi szomszédban (Spanyolország, Galícia: Pontevedra és Ourense) közvetlenül a határ mentén bővülnek a fertőzött zónák, és a DGAV a francia/olasz szaporítóanyag-kockázatra is figyelmeztet.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 53 | (45–65) | B · data gap | Az egyetlen szárazföldi szomszéd, Spanyolország galíciai határsávjában bővülő gócok vannak.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
T1 — Leafhopper distribution
MethodologyFinal value: 54.2 · central value: 54.2 (median: 55 · mean: 53.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 50 | (40–58) | A | Borrégiós helyettesítő ~53 %, a Douro és Trás-os-Montes nem minden freguesiája kabócás; Alentejótól délre nem jelentett.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 55 | (45–65) | A | A DGAV 69/G/2026-os határozata freguesia-szinten rögzíti a Scaphoideus titanus elterjedését, amely Észak- és Közép-Portugália borvidékeinek többségét lefedi.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 55 | (38–72) | C · data gap | A pozitív freguesiákból a megyei megfelelőként használt distritók szőlőarányát becsültem, teljes területsúlyozott észlelési tábla nélkül.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
T2 — Leafhopper density
MethodologyFinal value: 34 · central value: 34 (median: 32 · mean: 36) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 30 | (12–55) | C · data gap | 2026-ra nincs fogásszám; a douroi és EDM-sor kötelezően kezelt freguesiákból jön, kezeletlen vagy kezelés előtti adat nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 32 | (20–48) | C · data gap | A listában nincs 2026-os fogásszám (a VineShield-DT 15 okoscsapdája még pilot); a tudásbázisban a 2025-ös csapdafogások (Douro 40 egyed/12 hely, EDM 181 egyed/24 hely) kezelési bontás nélküliek.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 46 | (22–73) | C · data gap | Kezelés előtti lárvaadat és elkülönített kezeletlen fogás nincs; a douroi és EDM kezelés utáni szezonösszegeket kizártam.Knowledge base: E_vedekezes_labor(6).md, J_termeloi_hang_kommunikacio_orszagok(6).md |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 47.8 · central value: 47.8 (median: 48 · mean: 47.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (32–65) | A | A kabócás freguesiákban mindenkinek kötelező, de a dokumentált ellenőrzés hiányzik (2019–20: nulla), a douroi válság elhanyagolás felé tol.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 42 | (30–55) | A | A kabócás freguesiákban kockázattól függően 1–3 kezelés kötelező, azonban az IGAMAOT-audit és a Casa do Douro szerint a terepi ellenőrző kapacitás szűkös.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 53 | (42–68) | C · data gap | A vektoros freguesiákban kötelező kezelési rend van, de a koordinációs panaszok és hiányzó ellenőrzési arány bizonytalan teljesítést jeleznek.Knowledge base: 10_vedekezes.md |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 71.3 · central value: 71.3 (median: 72 · mean: 70.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (58–85) | A · data gap | Külön felhagyott-intézkedés nincs, a körlevél az elhagyott szőlő fertőzött tőit is főokként nevezi; a douroi többlet növeli az elhagyást.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 68 | (55–80) | A | Az EDM hatósági körlevele szerint az elhagyott szőlőkben tartósan magas számú FD-s tőke marad fenn, ami a magas fertőzöttség fő oka.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 72 | (52–89) | C · data gap | A kezeletlen, tünetes elhagyott szőlők fennmaradásáról van közlés, az országos felszámolási arány azonban hiányzik.Knowledge base: E_vedekezes_labor(6).md |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 60.2 · central value: 60.2 (median: 61 · mean: 59.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (45–78) | C · data gap | Jogilag minden Vitis-tő kötelezett, a minhói lugasok tömegesek; ellenőrzési és kampányadat nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 55 | (40–70) | C · data gap | Az Edital 1/2026 kötelezettségei a zónákban minden szőlőre vonatkoznak, de a házikerti lugasok ellenőrzéséről és kezeléséről nincs adat.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 61 | (39–81) | C · data gap | A kötelezettség minden érintett Vitis-tőre kiterjed, de házikerti szerhozzáférési és végrehajtási adatok nincsenek.Knowledge base: E_vedekezes_labor(6).md |
T4 — Shortfall in control quality
MethodologyFinal value: 36.7 · central value: 36.7 (median: 38 · mean: 35.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (28–50) | A | Állomásonkénti naptár és szerlista, de piretroid-túlsúly, ökológiában egy hatóanyag, a termelők késői körleveleket kifogásolnak.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 30 | (20–42) | A | Az előrejelző állomások freguesia-szinten adnak ki kezelési ablakokat és szerlistákat, de a Casa do Douro szerint a figyelmeztetések néha késnek, és kérik a más károsítókkal való jobb összehangolást.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 38 | (24–54) | C · data gap | Helyi időzítési közlemények és engedélyezett szerek vannak, de a koordináció és a hatásmódokról adott tájékoztatás hiányosnak jelzett.Knowledge base: 10_vedekezes.md |
T7 — Lack of awareness about control
MethodologyFinal value: 48.2 · central value: 48.2 (median: 50 · mean: 46.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 50 | (38–64) | B | Körlevelek és egyesületek főleg a szervezett termelőkhöz; a testület hiányosságként nevezi a tájékoztatást.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 38 | (26–50) | B | Az SNAA-körlevelek és a DGAV-editalok nyilvánosak, ám a termelői szervezet (Casa do Douro) hiányolta az éves helyzetképet és a figyelmeztetések időbeni kiküldését.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 51 | (32–71) | C · data gap | A szakmai körlevelek működnek, de a korábbi és egységesebb tájékoztatást kérő termelők, valamint az ismeretlen házikerti elérés hiányt jeleznek.Knowledge base: E_vedekezes_labor(6).md |
T10 — Lack of source removal
MethodologyFinal value: 49.7 · central value: 49.7 (median: 52 · mean: 47.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (35–80) | B · data gap | Végrehajtási adat 2017 óta nincs; a körlevél tartósan bent maradó fertőzött tőkét, a csonkolás rossz gyakorlatát írja; labor nélküli kivágást kevesen ellenőrzik.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 52 | (38–66) | A | Bár a szabály azonnali kivágást (20% felett teljes parcellát március 31-ig) ír elő és tiltja a csonkolást (decepada), a 13/2026-os körlevél szerint a művelt szőlőkben is tartósan sok FD-s tőkét hagynak bent.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 32 | (13–57) | C · data gap | Sok tünetes tő fennmaradását jelzik, de a már lejárt egyedi határidőkhöz tartozó országos igazolt számláló és nevező hiányzik.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
T11 — Lack of economic capacity for control
MethodologyFinal value: 67 · central value: 67 (median: 68 · mean: 66) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68 | (55–78) | A | Douro: ~20 % szőlőtöbblet, válságlepárlás és 12 M EUR a le nem szüretelt szőlőre; a Vinho Verde kedvezőbb; új kabócaszer csak kutatásban.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 62 | (50–74) | A | A Douro régióban értékesítési válság és rendkívüli krízislepárlás (Portaria 267/2026/1) zajlik, miközben a 2025/2026-os országos termés 14%-kal esett vissza.Knowledge base: 28b_orszag_pt.md |
| OpenAI ChatGPT | 68 | (50–84) | C · data gap | A válságintézkedések és termelői finanszírozási panaszok gyenge teherbírást jeleznek, országos önköltségi és inszekticid-fejlesztési mérleg nélkül.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md |
T6 — Propagating-material pathway
MethodologyFinal value: 37.3 · central value: 37.3 (median: 37 · mean: 37.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 42 | (32–55) | A · data gap | Kötelező monitoring és forróvíz jó szabály, de 2020-ban az anyatelepek 38 %-át vizsgálták (tudásbázis); a vesszőcseréről nincs friss adat.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 34 | (22–48) | A · data gap | A DGAV 2026. júniusi tájékoztatója (NI2) kötelező vektormonitoringot ír elő a szaporítóanyag-előállítóknál és figyelmeztet a kezeletlen importra, de a nem kereskedelmi szaporításról nincs adat.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 37 | (22–57) | C · data gap | Tanúsítás és kockázati faiskolai monitoring létezik, de a kezeletlen importanyag és az informális forgalom aránya nem ismert.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 | A | Őszi futás lezárt szezonban, így a T8 értéke a szabály szerint 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: 87.3 · central value: 87.3 (median: 87 · mean: 87.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (80–98) | C · data gap | Kockázatalapú felderítés, a fertőzött zónában nem kötelező; hektár és szemleszám minden forrásnál ismeretlen.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 84 | (72–92) | B · data gap | Az ADVID és a DGAV végez felderítést, de átvizsgált hektárszámot nem közölnek, és az IGAMAOT-audit is jelentős inspektorhiányt tárt fel.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 87 | (66–97) | C · data gap | Kockázatalapú felderítés működik, de a megfelelő időablakban országosan átvizsgált tüneti szemlehektár nem nyilvános.Knowledge base: 12_felderites_monitoring_mi.md, J_termeloi_hang_kommunikacio_orszagok(6).md |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 90.2 · central value: 90.2 (median: 90 · mean: 90.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 96 | (88–99) | C · data gap | Hatósági kiskerti szemléről nincs adat.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 90 | (78–97) | C · data gap | A házikerti szőlők tünetszemléjéről nincs hatósági adat.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 85 | (64–97) | C · data gap | A házikerti szőlők teljes állománya és célzott átvizsgáltsága nincs számszerűsítve, ezért nagy lefedetlenséget becsültem.Knowledge base: D_jog_bejelentes_kartalanitas(6).md, J_termeloi_hang_kommunikacio_orszagok(6).md |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 83 · central value: 83 (median: 82 · mean: 84) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (78–98) | C · data gap | Csak a Vinho Verde alkalmazásában jelenthető, felderítési adat nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 82 | (68–92) | B | A VineShield-DT alkalmazással jelenthető lesz a felhagyott szőlő, de jelenleg az elhagyott ültetvények döntő többsége átvizsgálatlan.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 78 | (55–94) | C · data gap | Az elhagyott tünetes állomány fennmaradása és a szemleterületi nyilvántartás hiánya jelentős felderítési rést valószínűsít.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
G2 — Survey unreliability
MethodologyFinal value: 41.5 · central value: 41.5 (median: 43 · mean: 40) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (32–60) | B | Írott DGAV-protokoll és tünetkritérium van, képzés nem dokumentált, a labor nélküli kivágás a termelő felismerésén múlik.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 32 | (22–45) | A | A hatósági és tanácsadói körlevelek világos tüneti és mintavételi protokollt adnak (minden tünet együttes megléte), de az állami ellenőri létszám hiányos.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 43 | (25–64) | C · data gap | Szakmai tüneti útmutatás létezik, de a szemlézők képzettsége és az országos protokollkövetés nem ellenőrizhető.Knowledge base: 03_tunettan_reszletes.md, 12_felderites_monitoring_mi.md |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 92.2 · central value: 92.2 (median: 94 · mean: 90.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 94 | (85–99) | B | A VineShield-DT 15 okoscsapdája a vektort figyeli, nem a tünetet; üzemi gépi tünetszűrés nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 82 | (75–92) | B | A VineShield-DT projekt csak kísérleti fázisban jár (15 okoscsapda működik), függetlenül igazolt tőkeszintű előszűrési találati arány nincs.Knowledge base: 24_taverzekeles_kepfelismeres_mi.md |
| OpenAI ChatGPT | 95 | (79–100) | C · data gap | Növényi FD-tünetek validált üzemi gépi előszűrése nem igazolt; a rovarokat figyelő okoscsapdák nem számítanak ide.Knowledge base: F_felderites_mi_gepi_eloszures(6).md |
G3 — Lack of lab confirmation
MethodologyFinal value: 69.3 · central value: 69.3 (median: 76 · mean: 62.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 82 | (55–95) | C · data gap | A fertőzött zónában a hasonló tünetű tő minta nélkül kivágandó, mintaszám és átfutás nem nyilvános; a mintázatlan gyanú aránya magas, de nem ismert.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 30 | (18–45) | A · data gap | A fertőzött zónákban a tünetes tőkéket azonnal ki kell vágni, a laborvizsgálatok 30 napon belüli átfutási arányáról azonban nincs nyilvános adat.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 76 | (52–93) | C · data gap | A fertőzött zónák tünetes tőkéinek labor nélküli eltávolítása nagy PCR-hiányt eredményez, országos 30 napos adat nélkül.Knowledge base: 11_labordiagnosztika.md |
G6 — Difficulty of notification
MethodologyFinal value: 44.3 · central value: 44.3 (median: 46 · mean: 42.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 46 | (32–58) | B | Helyi szolgálat vagy egyesület, online űrlap nincs; a Vinho Verde alkalmazása javít.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 35 | (22–48) | B | A bejelentés a regionális szolgálatoknál történik, a Vinhos Verdes régióban pedig bevezetés alatt áll a VineShield-DT bejelentő alkalmazás.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 47 | (31–63) | C · data gap | Hatósági és szaktanácsadói kapcsolattartás elérhető, de egységes fényképes bejelentés és nyomon követett gyors válasz nem igazolt.Knowledge base: 09_bejelentes_es_teendok.md |
G8 — Disincentives to notify
MethodologyFinal value: 86 · central value: 86 (median: 86 · mean: 86) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 86 | (76–95) | C | Nincs FD-kártalanítás, a kivágás kötelező és térítés nélküli (térítés/ültetvényérték = 0, kifizetés nincs).Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 78 | (65–88) | C · data gap | Portugáliában nincs közvetlen állami FD-kártalanítás az eltávolított tőkére, és a VITIS szerkezetátalakítási programban sem prioritás az FD.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 94 | (77–100) | C · data gap | FD-specifikus veszteségtérítés nem azonosítható, az általános újratelepítési támogatás pedig nem biztosít teljes és gyors kártalanítást.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md, J_termeloi_hang_kommunikacio_orszagok(6).md |
G11 — Lack of economic interest in detection
MethodologyFinal value: 65 · central value: 65 (median: 65 · mean: 65) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 66 | (52–78) | A | Eladhatatlan douroi szőlő és 5 000 ha önkéntes kivágási cél, bejelentésnek pénzügyi haszna nincs; a Vinho Verde kevésbé érintett.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 64 | (52–75) | A | A douroi túltermelési és értékesítési válság (krízislepárlás) és a kártalanítás hiánya miatt sok termelő vonakodik kivágni a még termő, de FD-tünetes tőkéket (PT-012).Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 65 | (44–83) | C · data gap | A válság és a fennmaradó tünetes állomány gyenge keresési érdeket valószínűsít, de országos szándékos eltitkolás nem igazolt.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 C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (72–92) | B | A csonkolás hatástalan, gyógymód nincs; a nemzetközi legerősebb szint labor/üvegház.Knowledge base: orszagcsomagok-2026-10.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| Google Gemini | 98 | (92–100) | C | Nincs engedélyezett gyógymód a fertőzött tőkére.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| OpenAI ChatGPT | 75 | (75–95) | C | Nemzetközi laboratóriumi jelöltek vannak, de 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 | Ellenálló fajta nincs, a Loureiro erősen fogékony.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 100 | (99–100) | C | Nincs igazoltan ellenálló szőlőfajta köztermesztésben.Knowledge base: 02_korokozo_biologia_genotipusok.md |
| OpenAI ChatGPT | 100 | not given | C | Igazolt FD-rezisztens fajtával 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: 50 · central value: 50 (median: 48 · mean: 52) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (38–60) | A | Eseti projektek (INPEPTICIDE 212 ezer EUR FEDER, VineShield-DT), közösségi kezelésre FD-célú keret nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 42 | (30–55) | A | Eseti uniós és ágazati K+F-projektek futnak (VineShield-DT, INPEPTICIDE 250 ezer EUR kerettel, ADVID), de közösségi fajtaváltási vagy kártalanítási alap nincs.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 66 | (44–84) | C · data gap | Általános újratelepítési és kutatási lehetőségek vannak, de dedikált gyógymód- és fajtakutatási, valamint FD-közösségi megújítási keret nem igazolt.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md, J_termeloi_hang_kommunikacio_orszagok(6).md |
V6 — Lack of a market for development
MethodologyFinal value: 62.3 · central value: 62.3 (median: 64 · mean: 60.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 66 | (55–78) | A | Terület 2023–25 −10 %, Porto-eladás csökken, válságeszközök; az export ~1 milliárd EUR körül és a nemzetközi piac tart.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 52 | (40–64) | A | A szőlőterület 169 663 ha, a 2026/27-es termésbecslés 6,7 millió hl (+12%, de 4%-kal az ötéves átlag alatt), az exportcél 1 milliárd EUR, miközben a Douro krízislepárlásra szorul.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 64 | (45–81) | C · data gap | Az ágazati válság gyengíti a fizetőképes fejlesztési keresletet, a termés visszapattanása és exportcélok önmagukban nem bizonyítanak javulást.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 C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00.04% | (0–53.7) | C · data gap | Tőszám nincs; az I-ből a kitett ~12 %-ra, ~600 M tőre (169 663 ha × ~3 500) vetített becslés.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 15.70.08% | (0–53.7) | C | Országos kivágási tőkeszám nincs, de Észak-Portugáliában (Minho, Douro) tartósan magas a fertőzött tőkék jelenléte.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 00.045% | (0–53.7) | C · data gap | A 12 havi kijelölt számláló becsült 305 393 tő, a nevező 169 663 ha × feltételezett 4000 tő/ha, azaz 678 652 000 tő.Knowledge base: C_magyar_helyzet_adatok(6).md |
Expert estimate, not official data.