雷达图是怎么读？多维可视化，从原理到落地

看大模型评测榜单时，雷达图几乎是最常见的多维可视化形式：几条轴从中心向外散开，每条轴代表一项能力，连成一片多边形。本文讲清它的读法，从坐标轴的含义到图形的陷阱，最后给你一套能直接用的步骤。

很多人第一次看 DeepSeek 或豆包的评测图，会觉得哪家的多边形大哪一家就更强。这个直觉有一半是对的，另一半恰好是雷达图最容易骗人的地方。

先记一个判断：雷达图是「呈现层」的工具，它把分数翻译成形状，但翻译过程本身会丢信息——轴的排序、刻度的起点、维度的取舍，都会改变观感。读图之前先问一句：这张图是谁画的、为什么这么画。

坐标轴在画什么

每条轴对应一个评测维度，比如代码、数学、写作、指令遵循、长文本理解。轴上的刻度通常是归一化后的分数，零在圆心，满分在外圈。判断一张雷达图可不可信，先看三件事：维度是怎么选的、刻度是不是同一把尺、分数来自哪套题。维度选择本身就有立场，榜单只画自己占优的几条轴，图形就会天然好看，这一点可以结合榜单的权重是怎么设的一起看，权重不同，同一条轴的长短会完全不同。换句话说，同一组分数换一套权重，两张形状迥异的图都算「诚实」的画法，先看画法再看形状。

三步读法：形状、面积、缺口

第一步看形状：圆润的多边形说明能力分布均匀，带尖角的说明偏科明显。第二步看面积：面积大只代表加总后的水平高，不代表没有短板。第三步看缺口：向内凹陷的那条轴，往往比外凸的尖角更值得注意，因为它暴露了明确的弱项。把 Kimi 和通义千问两张图叠在一起看，缺口位置的差异比面积差异更有信息量。举个例子：两张面积接近的图，一张是全能型，一张靠两三项拉分，缺口位置一看便知。

类比的边界在哪

有人把雷达图类比成成绩单，这个类比只在呈现层面成立——它不替你下结论，只把多项分数摆在一个平面上。类似的直观呈现还有分数的包装话术是怎么识破的里提到的做法：同一组数据，换个画法就能改变观感。所以读图的最后一步永远是回到数字本身，确认每条轴的原始分和题目来源，必要时对照版本间是怎么对比才公平的，确认比较对象是不是同一个条件下的结果。

自己动手画一张

落地并不难：先选定 4 到 8 个维度，再用同一套题目跑分，把每项分数归一化到同一刻度，最后按顺序连线。维度超过 8 条，图形会挤成一团；少于 4 条，不如直接用柱状图。自己画图时还要注意题目是否覆盖了长尾场景，选题思路可以参考自建评测的题目从哪来，题目质量决定了轴的刻度有没有意义。画完先自查一遍：别人按你的说明能不能画出同一张图，能，才谈得上可复现。

雷达图速读清单

• 先数轴：维度是怎么选的，缺了什么
• 再看刻度：是不是归一化后的同一把尺
• 后看形状：缺口比尖角更值得注意
• 最后回到数字：每条轴的原始分来自哪套题

关于雷达图的三个常问问题

• 面积大的就一定更好吗？：不一定，面积只反映加总后的水平，某条轴的凹陷可能正是你最在意的短板。
• 轴的数目多少合适？：4 到 8 条比较合适，再多图形难以辨认，再少信息量不如换图型。
• 雷达图能替代原始分数吗？：不能，它只负责呈现相对结构，做判断前应回到每条轴的原始分和题目来源。

带走一个判断：雷达图回答的是「强在哪、弱在哪」，不回答「谁该入选」，把形状看清之后，选择仍要回到你自己的使用场景。