实测，大模型谁更懂数据可视化？

大家好，我是 Ai 学习的老章

看论文时，经常看到漂亮的图表，很多不知道是用什么工具绘制的，或者很想复刻类似图表。

前文，我用 Kimi、Qwen-3-235B-A22B、Claude-3.7-sonnet、GPT-4.1、Gemini 2.5 Pro 测试了其在 LaTeX 公式识别中的表现。

本文就测试一下他们在图表识别、复刻中的表现，看看谁更擅长干这件事

备注：Kimi 开启了长思考，Qwen3 未开启深度思考，因为开启之后巨慢且失败

省流：Gemini 2.5 Pro 是最强大的代码模型，毫无争议

排名：Gemini 2.5 Pro > Claude 3.7 Sonnet > Kimi = Qwen3 > GPT-4.1

第一题

来源：https://www.biorxiv.org/content/10.1101/2024.04.02.587723v1.full.pdf

有点弱智，绘制了傻瓜箱线图，图像理解有问题

也很傻瓜，与 kimi 半斤八两

好一点点，绘制了半小提琴图 (half-violin plot) 结合箱线图 (box plot)

后续我又试了一下

如果明确告诉它用 R 绘制，Claude-3.7 结果如下，还不错！

失败，生成的代码满满得 bug，无法生成图表

震惊了

它识别出这是雨云图 (raincloudplot)，结合了以下 3 图表的元素：

散点图 (Scatter/Strip plot):显示每 1.个单独的数据点 (图中的绿色和蓝色小点)

箱形图 (Box plot):显示数据的分布摘要 (中位数、四分位数、均值和标准差范围)

小提琴图 (Violin plot) 或核密度估计图 (KDE plot):显示数据分布的平滑曲线 (图中数据点左侧的曲线)

代码放文末了，大家欣赏一下

第二题

上难度，一次性复刻、输出 4 张图表

来源：《Benchmarking Supervised Machine Learning Models for the Classification of Primary Graft Dysfunction》