知乎8月22日0点：DeepSeek接入视觉API，九家车企召回427.6万辆补逃生细节
本期核对 DeepSeek 视觉 API 的真实交付边界，以及九家车企 427.6 万辆门把手相关召回的缺陷、整改和后续观察点。
本期覆盖窗口：2026 年 8 月 22 日 00:01 左右的知乎热榜快照；事件材料截至 8 月 21 日晚间可核验的公开信息。 本次热榜接口返回 30 条，热榜数字是知乎展示的热度标签，不等同于精确阅读量。按热度与重要性综合筛选后，留下两条：一条是模型终于接上视觉输入，另一条是九家车企同时为车内紧急逃生补上可识别性和软件策略。知乎问题页和回答接口本次仍不能稳定恢复实时点赞排序。下文的回答板块会写清楚返回数量和限制，不把公开片段包装成「实时全量最高赞前三」。
先看结论
| 综合排序 | 知乎热榜位置 | 本期入选话题 | 已确认的变化 | 现在还不能直接推出什么 |
|---|---|---|---|---|
| 1 | 第 2 名，484 万热度 | DeepSeek-V4-Flash-Vision-Exp 发布 | 实验性视觉模型已上线 DeepSeek API，可用图像输入，并支持多种 Agent 接入方式 | 官方基准接近 Opus-4.8，不等于所有视觉任务都已超过同类模型 |
| 2 | 第 4 名，198 万热度 | 九家车企因车门紧急拉手不醒目召回多款汽车 | 门把手相关召回合计约 427.6 万辆，整改包括警示标识、软件升级和改进盖板 | 召回是风险处置动作，不等于这些车辆都发生过事故，也不等于九家车企存在完全相同的故障 |
1. DeepSeek 把视觉接进 API，但先别把一张基准表当成综合胜负
来龙去脉：这次是一个可以调用的实验模型
DeepSeek 官方账号在北京时间 8 月 21 日 17:17 发布消息，宣布
DeepSeek-V4-Flash-Vision-Exp 已上线 DeepSeek API。官方给出的模型 ID 是 deepseek-v4-flash-vision-exp，并明确称它是实验性质的模型；同一条消息还提到 DeepSeek Harness 0.1.1 已加入开箱支持。官方 X 原帖这一步的实际含义不是「网页端所有 DeepSeek 产品都换成了视觉模型」，而是开发者现在可以在 API 请求里同时发送文字和图片。官方文档列出的调用形式包括 Chat Completions、Messages 和 Responses，图片可以通过 Base64、外部 URL 或 Files API 传入；一张图片最多按 384 个 token 计费，价格与 V4-Flash 相同。DeepSeek 官方发布说明 图像理解 API 指南
对做 Agent 的人来说，变化在于「看图」不再必须先调用另一个视觉模型，再把识别结果交给文本模型。它可以直接进入读截图、看图表、生成网页或处理多模态工具链的流程。但这只是接口能力已经出现，不代表每种工作流都已经稳定。
官方基准说了什么
DeepSeek 的发布页把纯文本 Agent、推理和世界知识能力描述为与 V4-Flash 正式版持平；在需要视觉理解的 Agent Benchmark 上，官方称 Vision-Exp 相比 V4-Flash 有大幅跃升，多模态 Agent 能力接近 Opus-4.8。官方发布说明
这张表至少能确认两件事：
- 视觉输入确实给 Agent 评测带来了增量。 在 DeepSeek 自己列出的 ApexBench、Agents' Last Exam、Chartography 等项目中，Vision-Exp 与旧版 V4-Flash 的结果并不只是换了名称。
- 比较条件不能被抹掉。 官方脚注写明，公开 Code Agent 文本任务使用 DeepSeek Harness 极简模式、max 档位、
temperature=1.0和top_p=0.95；部分测试中，文本模型会忽略多模态元素。评测框架、模型档位和任务集都会改变结果的含义。
因此更稳妥的说法是：DeepSeek 已经把视觉能力以 API 形式交付，并且在它公布的多模态 Agent 测试中明显强于旧版 Flash；「已经全面追平或超过 Opus-4.8」还不是这张表能够证明的结论。
外部使用信号：有体验，但还没有统一的第三方账本
海外社媒给出的信号与官方发布方向一致，但证据等级更低：
- X 上的开发者 LinearUncle 发布了一次即时识图体验，称模型识别出了张一鸣。这可以说明模型已经能完成具体图片识别，但单张图片不能替代覆盖不同物体、文字、空间关系和长图的测试。X 体验帖
- YouTube 上，Fahd Mirza 在北京时间 8 月 21 日 20:08 发布了 13 分 42 秒的测试视频，视频描述写明主题是对该模型进行测试，但没有公开统一数据集、提示词清单和可复算的总分。因此它适合作为测试线索，不适合作为「第三方已经验证全面领先」的证据。YouTube 测试视频
- 本次没有拿到可稳定打开的 Reddit 原帖正文，本文不把搜索摘要或空结果当作 Reddit 观点使用。
知乎公开回答：这是受限版，不是实时全量最高赞前三
这个问题在本次热榜快照里显示 83 个回答。回答接口只返回了 5 条可见记录，下一页参数显示排序为更新时间，不能恢复实时按赞同数排序的完整列表。下面三条只是当前返回内容中的代表性片段：
- 小小将的回答 可见 239 个赞同，重点是认为 DeepSeek 最近更新节奏加快，并关注 Vision-Exp 的多模态 Agent 能力。
- bestwang 的回答 可见 3 个赞同，提出偏门识别、数数和空间理解仍可能不如成熟视觉模型；这是个人体验，不是控制变量测试。
- 清歌的回答 可见 2 个赞同，整理了自己用 OpenCode 做的对比测试，给出「感知与思考各有强弱」的判断；原文没有经过独立审计的测试集。
知乎观点板块：受限版，非实时全量最高赞前三。 上述赞同数是接口当前返回的可见值，不能用来代表问题下完整答案的最终排序。
接下来 3—7 天看什么
- API 是否稳定可用：模型状态、限流和错误率是否进入稳定区间，而不是只看发布当天能否成功调用。
- 视觉任务是否可复现：至少要看截图文字、复杂图表、空间关系、多图对照和长流程 Agent，而不是一张「认出名人」的图片。
- 成本是否真的更低：官方说图片最多占 384 token、价格沿用 V4-Flash，但实际账单还取决于图片数量、思考长度、重试次数和工具调用次数。
- 产品边界是否扩大：Vision-Exp 目前是 Flash 级实验 API，后续是否有 Pro 级多模态模型，比「接近 Opus」的宣传语更值得跟踪。
2. 九家车企召回 427.6 万辆：共同问题是逃生标识，但整改并不完全相同
先把总数和原因拆开
8 月 21 日，多家车企向国家市场监督管理总局备案召回计划。新华社和北京日报的报道都指向同一个共同风险：部分车辆的车内应急机械拉手与内饰颜色接近，不易识别和操作；如果严重碰撞造成整车低压系统失效，可能影响车内人员开门逃生和车外救援。新华社报道 北京日报报道
财联社根据召回公告逐项列出了数量。把门把手相关项目相加，九家车企合计 4,275,743 辆，约 427.6 万辆：
| 车企 | 门把手相关召回数量 | 主要整改方式 |
|---|---|---|
| 特斯拉 | 2,975,910 辆 | 加贴警示标识，OTA 增加事故后降窗策略；已有标识的部分车辆无需重复加贴 |
| 小米汽车 | 390,435 辆 | 加贴警示标识，优化中控解锁逻辑及降窗策略 |
| 零跑 | 371,200 辆 | 加贴警示标识，OTA 增加事故后降窗策略 |
| 小鹏 | 264,842 辆 | 在应急机械拉手位置加贴警示标识 |
| 吉利/极氪 | 92,658 辆 | 加贴警示标识，OTA 增加事故后降窗策略 |
| 奇瑞新能源 | 68,488 辆 | 加贴标识，并更换改进后的应急机械拉手盖板 |
| 东风 | 53,452 辆 | 加贴标识；纳米 06、风神 L8 另升级降窗策略 |
| 北汽蓝谷麦格纳 | 46,850 辆 | 更换带文字提示的应急机械拉手盖板，并升级降窗策略 |
| 中国一汽 | 11,908 辆 | 在应急机械拉手位置加贴警示标识 |
数量和措施：据财联社逐项报道整理。四舍五入后的品牌数量不用于重新计算总数。
这里有一个容易被传播标题混淆的数字：同一批公告中，特斯拉还有一项 274.0642 万辆的辅助驾驶注意力监测召回，编号为 S2026M0039I，原因是现有监测机制不足以在驾驶员视线脱离时及时提示，整改方式是通过 OTA 增加舱内摄像头监测。财联社逐项报道
这项召回与车内应急机械拉手不是同一个缺陷，不能把 274.1 万辆再加到 427.6 万辆里，也不能把「九家车企门把手召回」概括成单一的辅助驾驶事故。
这次召回真正改变的是什么
从整改方式看，车企没有采取完全相同的方案：
- 先让人找得到：警示标识和带文字提示的盖板，解决的是低压系统失效后，乘员不知道应急机械拉手在哪里的问题。
- 再让车辆多留一道出口：部分车企通过 OTA 增加严重碰撞后的降窗策略，降低仅靠人工寻找拉手的风险。
- 对已经贴过标识的车辆不重复处理：特斯拉和小米的公告都保留了这类例外，车主不能只看「召回」两个字就判断自己一定要再次进店。
召回公告证明的是「企业和监管已经确认需要整改，并给出了处理方案」，它不证明每辆车都出现过事故，也不提供本次缺陷已经造成多少起事故的统计。到目前公开材料里，后一个问题仍没有可靠数字。
知乎公开回答：受限版，不能当作舆论调查
这个问题显示 67 个回答。接口只返回 5 条，而且按更新时间返回；当前可见记录里只有一条显示 34 个赞同，其余多为 0。下面整理三条能代表讨论方向的公开片段，不称为实时点赞前三：
- 秋山路几重的回答 可见 34 个赞同，关注车企名单差异，并把召回看作真实的监管与产品信号；其中关于其他品牌「设计到位」的延伸判断，没有相同级别的召回统计支撑。
- 飞 F519 的回答 把国内召回增多解释为监管要求和行业成熟度变化。这是评论者的因果判断，不能替代本次公告对缺陷和整改的说明。
- 黑木崖任老爷子的回答 提到自己在保养时看到过贴纸，并对外观有意见。这能说明车主会直接接触到整改标识，但不能证明所有车辆都已经完成召回。
知乎观点板块：受限版，非实时全量最高赞前三。 公开接口没有给出完整的按赞同数排序，也没有足够数据推断车主整体体验。
车主和行业接下来该核对什么
- 车主：按车架号或官方召回通知确认自己是否在生产日期和车型范围内，核对是贴标识、换盖板、OTA，还是需要进店；不要把社交平台上的车型列表当成最终判定。
- 售后：看召回开始日期和完成率。公开报道显示，不同项目的起始日并不相同：部分项目从 8 月 22 日或即日起实施，特斯拉门把手项目从 9 月 25 日起实施，不能用一个日期概括全部车辆。财联社逐项报道
- 监管与行业观察者：后续更有价值的是召回完成率、OTA 覆盖率、实际开门测试和事故/救援数据，而不是继续放大「427.6 万」这个单一总数。
最后：两条热点都在从「能不能」走向「交付后是否可靠」
DeepSeek 的第一道验证已经完成：视觉 API 确实上线，开发者能把图像送进模型。下一道验证是独立任务能否复现官方基准，并把图片 token、思考和工具调用算进真实成本。
九家车企的第一道验证也已经完成：召回计划和整改方案公开，问题集中在应急逃生的可识别性与冗余策略。下一道验证是车辆是否按期完成处理，以及真实安全数据是否改善。
本期真正值得继续跟踪的，不是「模型已经全面领先」或「427.6 万辆都出了同一个事故」，而是两组交付后的硬指标：模型的独立任务结果与调用账单，汽车的召回完成率与实际安全表现。
说明：知乎回答板块均为公开接口当前返回的受限片段，非实时全量最高赞前三；海外社媒内容只作为补充和交叉验证，不替代官方公告、API 文档和召回报道。
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.