FKI evaluation – Romania, 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 1.4 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 | 5(2–14) | 4(1–12) | 5(1–14) | 4.8 |
| E1a Confirmed exposure | 2(1–5) | 2(1–6) | 1(0–5) | 1.8 |
| I Infection density | 34.9(11.9–65.1) | 47.6(32.5–73.9) | 25(0–58.8) | 35.4 |
| T9 Introduction pressure | 72(58–82) | 80(70–90) | 73(57–87) | 74 |
| T1 Leafhopper distribution | 68(45–88) | 85(70–95) | 85(59–98) | 82.2 |
| T2 Leafhopper density | 65(35–88) | 65(48–80) | 66(35–90) | 65.2 |
| T3 Lack of control in commercial vineyards | 72(58–85) | 66(52–78) | 57(38–77) | 65.5 |
| T5a Lack of control in abandoned refuges | 78(62–90) | 80(68–90) | 82(58–95) | 80 |
| T5b Lack of control in home-garden vines | 80(65–90) | 84(72–92) | 71(45–91) | 79.2 |
| T4 Shortfall in control quality | 62(45–75) | 54(42–66) | 59(38–78) | 58.7 |
| T7 Lack of awareness about control | 70(55–82) | 58(45–70) | 62(36–84) | 62.7 |
| T10 Lack of source removal | 45(25–70) | 48(32–65) | 49(21–78) | 47.7 |
| T11 Lack of economic capacity for control | 58(40–75) | 60(45–74) | 57(31–80) | 58.2 |
| T6 Propagating-material pathway | 60(45–75) | 58(45–70) | 53(31–75) | 57.5 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 88(75–96) | 95(88–99) | 89(64–98) | 89.8 |
| G5a Unsurveyed share, home gardens | 94(84–99) | 96(90–99) | 94(76–99) | 94.3 |
| G5b Unsurveyed share, abandoned vineyards | 88(70–97) | 96(90–99) | 94(75–99) | 93.3 |
| G2 Survey unreliability | 55(38–68) | 46(32–60) | 49(27–74) | 49.5 |
| G4 Weakness of automated pre-screening | 97(90–100) | 100(95–100) | 98(85–100) | 98.2 |
| G3 Lack of lab confirmation | 75(50–90) | 42(25–60) | 73(43–93) | 68.2 |
| G6 Difficulty of notification | 48(35–60) | 50(38–62) | 49(35–66) | 49 |
| G8 Disincentives to notify | 85(70–94) | 85(72–94) | 78(51–92) | 83.8 |
| G11 Lack of economic interest in detection | 60(40–78) | 68(55–80) | 56(29–80) | 60.7 |
| Vine loss | ||||
| V1 Lack of a cure | 78(65–90) | 95(90–100) | 75(70–91) | 80.3 |
| V2 Lack of resistant varieties | 100(99–100) | 100(99–100) | 100(99–100) | 100 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 58(44–72) | 55(42–68) | 66(43–85) | 58.8 |
| V6 Lack of a market for development | 58(42–72) | 52(40–65) | 58(35–78) | 57 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 0(0–23.1) | 0 | 0 |
FD Finder Expert’s summary
Románia 25%-os értéke a sáv alján van (sáv: 25–36), előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A T 9,7, a G 6,9, a J nulla pont: a G azért kicsi, mert az ismert kiterjedés kicsi (E1 4,8), noha az át nem vizsgált terület (G1) 89,8 pont. 2025-ben 36 FD-pozitív minta volt hat megyéből, ebből 24 Iași megyéből, tőszám és hektár nélkül (RO-012), a 267 FD-analízisből 7 volt területi felügyelet (RO-018), friss gócokat pedig Sălaj, Caraș-Severin és Timiș megyében közöltek, Mâscán 46,5%-os kárral (RO-010). A laborigazolás hiányánál (G3) Gemini 42, ChatGPT 73, Claude 75 pontot adott, mert Gemini a működő PCR-re és az analízisszámra, a másik kettő a gyanúkhoz mért kevés mintára és a hiányzó nevezőre figyelt. A legnagyobb bizonytalanság, hogy az alacsony E1 mennyiben valós, és mennyiben a kevés keresés következménye, mert a tudásbázis (49) szerint a hatósági térkép hiányzik, és ez ott felderítetlenséget jelent. A pontosabb értékhez góconkénti községlista, kivágott tőszám és átvizsgált hektár kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 4.8 · central value: 4.8 (median: 5 · mean: 4.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 5 | (2–14) | B | Községlista nincs, 11 megye gócai községi becsléssel; a pozitív megyék 20,9 %-a csak felső korlát.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 4 | (1–12) | A | Hivatalos zónalista nincs; 2021–2026 között ~10 megyében (Iași, Botoșani, Vaslui, Vrancea, Neamț, Dolj, Ilfov, Timiș, Arad, Sălaj, Caraș-Severin) elszórt gócok a 165 013 ha-ból. |
| OpenAI ChatGPT | 5 | (1–14) | C · data gap | Több térségben új góc ismert, de az érintett települések szőlőterületi összege hiányzik.Knowledge base: I, J |
E1a — Confirmed exposure
MethodologyFinal value: 1.8 · central value: 1.8 (median: 2 · mean: 1.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 2 | (1–5) | C · data gap | Kb. 50 góc × 314 ha × becsült szőlőarány.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 2 | (1–6) | B | Az igazolt gócok 1 km-es körével közvetlenül átfedő szőlőterület aránya az országos 165 ezer ha-hoz képest még alacsony. |
| OpenAI ChatGPT | 1 | (0–5) | C · data gap | Az 1 km-es szőlőmetszetek hiányoznak; az egész megyék területét nem tekintettem kitettnek.Knowledge base: I, J |
I — Infection density
MethodologyFinal value: 35.4 · central value: 35.4 (median: 34.9 · mean: 35.8) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 34.90.25% | (11.9–65.1) | C · data gap | Kb. 20–30 ezer tő becsült számláló, a felderítés kicsi.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 47.60.8% | (32.5–73.9) | B | 2025-ben 36 pozitív minta volt, de nyugaton már egész táblák kivágására is sor került (Mâsca 46,5%-os kár, Recaș 17 ha kivágás). |
| OpenAI ChatGPT | 250.1% | (0–58.8) | C · data gap | Becsült 6601 kijelölt tő/6600520 kitett tő; az időablakban átvizsgált hektár és a tőkeszintű országos számláló ismeretlen.Knowledge base: I, J |
T9 — Introduction pressure
MethodologyFinal value: 74 · central value: 74 (median: 73 · mean: 75) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (58–82) | B | Magyar és szerb határ menti fertőzés, új bolgár és moldovai lelet, a magyar szaporítóanyag-forgalom számottevő.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | 80 | (70–90) | A | Szerbia (widespread), Magyarország, Bulgária (Svishtov) és 2026 augusztusától Moldova (anyatelepeken is) felől kiterjedt határ menti fertőzési és szaporítóanyag-nyomás van. |
| OpenAI ChatGPT | 73 | (57–87) | C · data gap | Magyar, szerb, bolgár és moldovai irányból érkezhet nyomás, a határközeli gócok teljes térképe hiányzik.Knowledge base: C, I, J |
T1 — Leafhopper distribution
MethodologyFinal value: 82.2 · central value: 82.2 (median: 85 · mean: 79.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68 | (45–88) | B | Moldvában és nyugaton mindenhol, a déli megyékről régi vagy hiányos adat.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 85 | (70–95) | B | A vektor 2009 óta jelen van, a tudományos felmérések szerint Moldva, Dealu Mare és a nyugati megyék (Arad, Temes, Bihar, Szatmár) minden vizsgált ültetvényében elterjedt. |
| OpenAI ChatGPT | 85 | (59–98) | C · data gap | A vektor több fő termőtérségben elterjedt, de a kétszezonos megyei jelenlét területi súlyozása nem áll rendelkezésre.Knowledge base: B, E, J |
T2 — Leafhopper density
MethodologyFinal value: 65.2 · central value: 65.2 (median: 65 · mean: 65.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (35–88) | C · data gap | Hatósági kezelés előtti adat nincs, a kezeletlen moldvai kutatási hálózat 2017–2020-as, igen magas.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 65 | (48–80) | B | Hatósági csapdasűrűség nem nyilvános; a kutatási hálózatban (Moldva 1622 egyed/csapda, nyugaton a helyek 70%-a küszöb felett, Dealu Mare domináns faj) magas a sűrűség. |
| OpenAI ChatGPT | 66 | (35–90) | C · data gap | Friss kezelés előtti sűrűség és kezeletlen országos fogássor nincs; a kabócaminták száma és kezelés utáni adatok nem sűrűség.Knowledge base: B, E, H |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 65.5 · central value: 65.5 (median: 66 · mean: 65) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (58–85) | B | Országos időzített kötelezés nincs, a tulajdonos dolga, a nyugati megyékben kabóca-közlöny sem jelent meg.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 66 | (52–78) | A | A védekezés a birtokos feladata, de országosan elrendelt kötelező időpontok nincsenek, és a nyugati megyékben 2025–2026-ban kabóca-riasztást sem adtak ki. |
| OpenAI ChatGPT | 57 | (38–77) | B | Az érintett területeken kötelező védekezés van, a tényleges ellenőrzött lefedettség és a zónán kívüli követés gyenge bizonyítottságú. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 80 · central value: 80 (median: 80 · mean: 80) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (62–90) | B | Szabály és ajánlás van, felszámolási program és terület nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 80 | (68–90) | B | Az ANF szerint a felhagyott szőlőre is vonatkozik a kötelezettség és az ANF nem helyettesítheti a tulajdonost, állami felszámolási program pedig nincs. |
| OpenAI ChatGPT | 82 | (58–95) | C · data gap | A kötelezettség az elhagyott területre is kiterjed, de rendszeres országos felszámolási teljesítés nem igazolt.Knowledge base: D, E, J |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 79.2 · central value: 79.2 (median: 80 · mean: 78.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (65–90) | B | Nagyrészt direkttermő hibrid (44,6 %), helyi felhívások ellenőrzés nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 84 | (72–92) | B | A termő szőlő 44,6%-a (73 660 ha, ÉNy-on 80–88%) direkttermő hibrid, főleg háztáji kertekben, ahol néhány helyi felhíváson túl nincs kabócairtás és ellenőrzés. |
| OpenAI ChatGPT | 71 | (45–91) | C · data gap | A nagy házikerti és hibridszőlő-szegmensben a tényleges kezelés ellenőrzött aránya ismeretlen.Knowledge base: D, J |
T4 — Shortfall in control quality
MethodologyFinal value: 58.7 · central value: 58.7 (median: 59 · mean: 58.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (45–75) | B | Néhány szer ismert, országos és nyugati stádium-előrejelzés nincs, az öko-választék ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 54 | (42–66) | A | Van engedélyezett szer (Sivanto Energy kiterjesztés 2025, piretroidok), de a megyei előrejelzés hiányos (nyugaton nincs kabócaközlöny) és öko szer nem ismert. |
| OpenAI ChatGPT | 59 | (38–78) | B | Hatásos engedélyezett szer és helyi tanácsadás van, de országos időzítési összehangolás és megfelelő bioválaszték nem igazolt. |
T7 — Lack of awareness about control
MethodologyFinal value: 62.7 · central value: 62.7 (median: 62 · mean: 63.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 70 | (55–82) | B | Csak 2026-ban indult egyeztetés és elszórt helyi felhívás.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 58 | (45–70) | B | 2026-ban az ANF tájékoztató kampányt és odobești-i kerekasztalt tartott, egyes községek hirdetményt adtak ki, de a nagyszámú háztáji termelőhöz ez alig jut el. |
| OpenAI ChatGPT | 62 | (36–84) | C · data gap | Hatósági, szakmai és helyi felhívások vannak, az időben elért gazdák és kerttulajdonosok aránya ismeretlen.Knowledge base: G, J |
T10 — Lack of source removal
MethodologyFinal value: 47.7 · central value: 47.7 (median: 48 · mean: 47.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (25–70) | C · data gap | Végrehajtási szám nincs, a tulajdonos költségén, térítés nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 48 | (32–65) | B | A kivágás kötelező és nagybirtokokon végrehajtják (Mâsca, Recaș), de a hatóság nem léphet a tulajdonos helyébe és Minișen 40 cm-es visszametszéssel is kísérleteztek. |
| OpenAI ChatGPT | 49 | (21–78) | C · data gap | Konkrét felszámolások ismertek, de a kötelezett és határidőre eltávolított fertőzött tőkék országos páros adata nincs.Knowledge base: D, J |
T11 — Lack of economic capacity for control
MethodologyFinal value: 58.2 · central value: 58.2 (median: 58 · mean: 58.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (40–75) | C · data gap | Az ár 2–5 lej/kg, önköltség nincs, nagy önellátó rész.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/RO.md |
| Google Gemini | 60 | (45–74) | C | Alacsony szőlőárak (2–5 lej/kg) és nagy háztáji szektor mellett kevés a forrás az alapos védekezésre, bár a Sivanto Energy engedélyét 2025-ben kiterjesztették. |
| OpenAI ChatGPT | 57 | (31–80) | C · data gap | Az eltérő üzemméret és piaci helyzet mellett nincs országos ár–önköltség- és szerfejlesztési bizonyíték.Knowledge base: I, J |
T6 — Propagating-material pathway
MethodologyFinal value: 57.5 · central value: 57.5 (median: 58 · mean: 57) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (45–75) | B · data gap | Útlevél és tanúsítás van, az informális vásári út fő kockázat, a mértéke ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 58 | (45–70) | A | A növényútlevél kötelező, de nyugaton olasz import anyaggal hurcolták be a kórt, az első botoșani-i eset piaci tőkéből jött, és elterjedt az ellenőrizetlen házi forgalom. |
| OpenAI ChatGPT | 53 | (31–75) | C · data gap | A növényútlevél és kezelési követelmények mellett a házi szaporítás és csere ellenőrzöttsége ismeretlen.Knowledge base: D, J |
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 | B | Ősszel a skála szerint 50.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | – | not given | B | Őszi futásnál a szabályzat szerint rögzített 50 pont. |
| OpenAI ChatGPT | – | not given | C | Az őszi futás előírt semleges értéke. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 89.8 · central value: 89.8 (median: 89 · mean: 90.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (75–96) | C · data gap | 2025: 7 területi + 9 FD-monitoring + 124 szőlőkárosító-analízis, drón nincs, hektár ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 95 | (88–99) | A | Hektáradat nincs, de a 165 ezer ha-os országban 2025-ben összesen 267 FD-analízis (ebből 140 monitoring) készült, ami minimális felderítési lefedettséget jelez. |
| OpenAI ChatGPT | 89 | (64–98) | C · data gap | Július 20.–szeptember 30.: hatósági, csoportos, drónos és egyéb szemle hektárja/dátuma ismeretlen; az analízisszám nem terület.Knowledge base: D, F, J |
G5a — Unsurveyed share, home gardens
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 | 94 | (84–99) | C · data gap | Magánkert a csapdahelyek között, szemleszám nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 96 | (90–99) | C | Bár a monitoringprogram említi a magánkerteket, a 73 660 ha hibrid/háztáji szőlő elenyésző töredékét vizsgálják át. |
| OpenAI ChatGPT | 94 | (76–99) | C · data gap | Lakossági tájékoztatás van, a házikertek tényleges tünetszezonbeli szemlearánya nem ismert.Knowledge base: D, J |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 93.3 · central value: 93.3 (median: 94 · mean: 92.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (70–97) | C · data gap | Kockázati helyként szerepel, szám nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 96 | (90–99) | C | A felhagyott ültetvények tünetszezonbeli átvizsgálása csak eseti. |
| OpenAI ChatGPT | 94 | (75–99) | C · data gap | A felhagyott terület szemlézett hányadáról nincs országos adat.Knowledge base: D, J |
G2 — Survey unreliability
MethodologyFinal value: 49.5 · central value: 49.5 (median: 49 · mean: 50) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (38–68) | C · data gap | Írott mintavételi protokoll, a képzésről nincs adat.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 46 | (32–60) | C | Van írott ANF-felderítési protokoll (július–augusztusi mintavétel hatósági ellenőrökkel), de a felügyelői létszám és a termelői szemle-képzettség korlátozott. |
| OpenAI ChatGPT | 49 | (27–74) | C · data gap | Hatósági felderítési protokoll és szakmai képzés van, a teljes szemlézői kör felkészültsége nem ismert.Knowledge base: A, D, G |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 98.2 · central value: 98.2 (median: 98 · mean: 98.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (90–100) | C | Gépi előszűrés nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 24_taverzekeles_kepfelismeres_mi.md, orszagok/RO.md |
| Google Gemini | 100 | (95–100) | C | Romániában nincs gépi vagy drónos FD-előszűrés. |
| OpenAI ChatGPT | 98 | (85–100) | C · data gap | Validált, működő FD-gépi előszűrési lefedettség nem dokumentált.Knowledge base: F, J |
G3 — Lack of lab confirmation
MethodologyFinal value: 68.2 · central value: 68.2 (median: 73 · mean: 63.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 75 | (50–90) | C · data gap | Csak labor dönt, de kevés a minta a gyanúkhoz, átfutás nincs közölve.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 42 | (25–60) | A | Az LNF 2025-től multiplex real-time PCR-t használ és 267 analízist végzett, de a 30 napon belüli átfutásról és a mintázatlan gyanúkról nincs adat. |
| OpenAI ChatGPT | 73 | (43–93) | C · data gap | Laborvizsgálatok történnek, de a mintázatlan gyanúk és a harmincnapon belüli eredmények nevezője hiányzik.Knowledge base: D, E |
G6 — Difficulty of notification
MethodologyFinal value: 49 · central value: 49 (median: 49 · mean: 49) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (35–60) | B | Telefon vagy e-mail a megyei hivatalnak, lehetőleg fotóval, követés nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 50 | (38–62) | B | A bejelentést a megyei fitoszanitárius hivatalnak kell küldeni (lehetőleg fotóval és helymegjelöléssel), de dedikált app és visszajelzési határidő nincs. |
| OpenAI ChatGPT | 49 | (35–66) | B | Helyszínnel és fotóval lehet hatósági bejelentést tenni, garantált ügykövetés nem ismert. |
G8 — Disincentives to notify
MethodologyFinal value: 83.8 · central value: 83.8 (median: 85 · mean: 82.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 85 | (70–94) | B | Kivágás és kezelés a tulajdonos költségén, kártalanítás nem található.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/RO.md |
| Google Gemini | 85 | (72–94) | B | Nincs állami FD-kártalanítás, a kivágás és a megsemmisítés teljes költsége a tulajdonost terheli. |
| OpenAI ChatGPT | 78 | (51–92) | C · data gap | Működő FD-kártalanítás értékaránya és átlagos kifizetési ideje nincs igazolva, a közlemény hallgatása nem bizonyít teljes kizárást.Knowledge base: D, I |
G11 — Lack of economic interest in detection
MethodologyFinal value: 60.7 · central value: 60.7 (median: 60 · mean: 61.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (40–78) | C · data gap | Önellátó hibridtermelés és piaci érdek hiánya, kilépési adat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/RO.md |
| Google Gemini | 68 | (55–80) | B | A nagybirtokok érdekeltek a gyors felszámolásban (pl. Recaș önkéntes teljes kivágása), de a kártalanítás hiánya és a hatalmas háztáji szektor erős ellenösztönző. |
| OpenAI ChatGPT | 56 | (29–80) | C · data gap | A keresés finanszírozási érdeke üzemenként eltérő, országos veszteség- és kilépési adat nincs.Knowledge base: I, J |
V1 — Lack of a cure
MethodologyFinal value: 80.3 · central value: 80.3 (median: 78 · mean: 82.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (65–90) | C | Nincs engedélyezett kezelés.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | 95 | (90–100) | C | Nincs engedélyezett vagy szabadföldön igazolt gyógymód az FD-re. |
| OpenAI ChatGPT | 75 | (70–91) | C | Gyakorlati gyógymód nincs, de a nemzetközi laboreredmények miatt a kutatási hiány nem teljes.Knowledge base: E, H, I |
V2 — Lack of resistant varieties
MethodologyFinal value: 100 · central value: 100 (median: 100 · mean: 100) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 100 | (99–100) | B | Ellenálló fajta nem ismert, a rezisztens gyűjteményben is nő a tünetes tő.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | 100 | (99–100) | B | Igazoltan FD-ellenálló fajtával beültetett terület nincs; a gombarezisztens fajták gyűjteményében is megjelentek a tünetek. |
| OpenAI ChatGPT | 100 | (99–100) | C | A direkttermő vagy toleráns fajták nagy aránya nem igazolt FD-ellenállás.Knowledge base: A, H, I |
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
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | C | Külföldi Barbera-adat, hazai igazolás nincs, a visszametszés nem bizonyíték.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 02_korokozo_biologia_genotipusok.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | – | not given | C | A miniși kutatóállomás 40 cm-es visszametszési kísérlete nem igazolt tartós kórokozómentességet. |
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
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | C · data gap | 2026-ra csak részleges adat, 2024–2025 aszályos, 2026 ősz száraz nyugaton.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | – | not given | C | A 2024–2025-ös éveket hőhullámok és csapadékhiány (-13,4%), 2026 őszét az átlag feletti hőmérséklet és nyugaton szárazság jellemezte. |
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 58.8 · central value: 58.8 (median: 58 · mean: 59.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (44–72) | B | Eseti ADER-projekt, elkülönített FD-keret és közösségi program nincs.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | 55 | (42–68) | B | Vannak ágazati kutatási projektek (ADER 6.3.16 és 7.3.8) és EU-s szerkezetátalakítási keret (IS-V-01), de dedikált állami FD-alap nincs. |
| OpenAI ChatGPT | 66 | (43–85) | C · data gap | Vektorkutatási projekt van, de elkülönített gyógymód- és rezisztenciakutatási, illetve közösségi kezelési hozzáférés nem igazolt.Knowledge base: H, I, J |
V6 — Lack of a market for development
MethodologyFinal value: 57 · central value: 57 (median: 58 · mean: 56) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (42–72) | C | A termő terület lassan csökken, a fizetőképesség gyenge, magánfejlesztés nincs.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/RO.md |
| Google Gemini | 52 | (40–65) | C | Nagy szőlőterület (165 ezer ha), amelyből a hibrid terület lassan csökken, az oltványterület (~91 ezer ha) viszont stabil és nemzetközi szereplők számára is piac. |
| OpenAI ChatGPT | 58 | (35–78) | C · data gap | A nagy, de lassan zsugorodó piac és korlátozott magánfejlesztés közepesnél nagyobb hiányt indokol.Knowledge base: I, J |
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 | 00.005% | not given | C · data gap | Kb. 20–30 ezer tő / kb. 580 M tő (165 ezer ha × 3 500), a 36 pozitív minta nem tőszám.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/RO.md |
| Google Gemini | 00.02% | (0–23.1) | A | A 165 013 ha (~600 millió tőke) állományhoz képest a 36 pozitív minta és a néhány ismert táblakivágás országosan még alacsony arányt jelent. |
| OpenAI ChatGPT | 00.001% | not given | C · data gap | Becsült 6601 kijelölt tő/660052000 országos tő; a 36 pozitív minta és a teljes kivágott hektár nem tőkeszám.Knowledge base: I, J |
Expert estimate, not official data.