DeepSeek 把 App 能力开放给开发者,连聊天前端也开源了

昨晚 DeepSeek 发了个挺实在的更新：把网页版和 App 背后的整套工具搬进了 API。

联网搜索、读链接、解析文档图片、语音听写和朗读，都能靠几个参数接进自己的应用。

甚至连前端页面也一起开源了。点开在线地址，或者下个压缩包双击 index.html，填上密钥就能用。

更实在的是，它还支持把你在 DeepSeek 官网导出的聊天记录压缩包直接倒进去接着聊。

我把公告、技术文档和 X 评论区翻了一遍，先泼个冷水：这回整套工具只开放给 deepseek-flash，也就是 V4.1-Flash。

至于评论区大家狂催的 V4-Pro，目前还没跟上这波更新。

▲ 图：问题交给服务端工具

服务端把搜网页、搜图和抓链接接走了

以前接模型做联网聊天，接搜索、抓网页正文、抽字塞回上下文，全得自己写管线。

现在这段琐碎活全归服务端管。客户端只要把问题扔过去，搜不搜、搜几轮，模型自己会跑完。

关掉思考，模型会按需要搜网页或以图搜图，最后带着来源引用回答。

打开思考之后，它就能像 App 里的深度搜索那样边推理边补查。官方文档拿埃菲尔铁塔和东京塔比高度举了个例子。

演示流程里，模型先搜一遍，再打开两座塔的官网找数字，没找全就在页内搜关键词、换词补查，最多能连着调二十次左右的工具才收口。

▲ 图：搜索会穿插在思考里

接口接入倒是挺省事。Anthropic Messages、OpenAI Responses 和 Chat Completions 这三种常见协议都能直接跑。

挂上 deepseek_web_search 管搜网页和搜图，再加一个 deepseek_read_url，就能顺手读用户丢进来的链接。

但前端千万别偷懒。文档里特意标了一条，服务端返回的思考、搜索和抓页结果块，下一轮对话必须原样回传。

中间如果自建网关把这些块滤掉了，请求照样能成功，模型却会把刚看过的网页忘光。

还有个坑得提前留意：只要开了工具调用、自动起标题或者高安全级别，服务端就会接管采样节奏。

请求里写的温度 temperature、top_p 等一批参数会被直接忽略，想细调模型脾气没法生效。

文件解析怎么省钱，图和语音卡在哪

先说清按页计费的文件：PDF、Word、PPT 和图片。它分纯文本提取和带版面解析两种模式。

拿财报举个例子。要是只抽纯文字，里面的营收走势图会直接丢掉，模型根本看不到图。

▲ 图：文档里的图也要进去

想问图表内容，就得选 rich_layout_recognition，系统会自动把图裁出来插回文字原位。

但这也有代价。裁出的图要算图像输入 token 钱，而且文档明说了，图表靠自动检测抓取，漏切了模型还是看不见。

其实也不用传什么都花钱。纯文本、CSV、代码文件，加上 Excel 表格和未加密的 EPUB、MOBI 电子书，上传时选 user_data 就免费转 Markdown。

走 Messages 协议的话，普通纯文字甚至能直接塞进请求里。手头只有扫描件想抽字也不用进聊天库，直接调独立 OCR 接口更干脆。

语音则拆成了听写和朗读两头，能各自嵌进自己的工作流。

▲ 图：语音要经过文字这一站

听写接口 ASR 支持包括粤语在内的 21 种语言，不用手动填语种，上传就会自动识别。

限制也挺具体。录音得整段上传，最长两分钟、最大 8 MiB，还只认 16-bit PCM WAV 和 Ogg Opus 格式。

平时手机常用的 MP3 得先转码，双声道录音它也只认左声道，更不支持边说边出字。

朗读接口 TTS 倒能接 WebSocket，模型边生成文字，已经吐出来的那截就能先送去合成声音。

可惜音色太少，目前只有 stella 女声和 tide 男声两个，既不能调语速，断线也不能续传，单次上限一万计费字符。

拿来做微信那种按住说话、松手提问的语音入口很顺手。真想做成实时电话那样随时打断插嘴，这套接口拼不出来。

算一笔千次任务的账，工具费可能比模型还贵

DeepSeek 的模型 token 向来便宜，很多人算预算容易漏掉工具账，可这回工具费真不比模型少。

按官网最新价目表，搜一次（含搜图）和成功抓一页网页，单价都是每千次 0.75 美元。

文件解析和 OCR 每千页 0.225 美元。语音接口挂着限时半价，听写原价每小时 0.116 美元，朗读每万字符 0.45 美元。

▲ 图：各扩展工具美元单价与半价折减

算这笔账最容易踩坑的是“按次计数”。一次深度思考如果同时发出三个搜索词，账单上就按三次搜来扣。

好在没结果或者抓取失败不扣钱。同一页在思考里反复翻看、页内找字，也有对应的免重复计费规则。

文件则只在上传解析时按页扣一次钱，后续围着它聊再多轮，只按正文和图片的输入 token 算。

顺着文档按中等用量推算一笔完整账单：假设每次联网提问发出三个有效搜索词，再成功抓取两页网页。

单算工具费，一次是 0.00375 美元，跑一千次就是 3.75 美元。

再看模型耗费，假设每轮累计吃进一万未命中缓存的输入 token、吐出一千输出 token，按 Flash 谷时价算，一千次只要 2.10 美元。

工具加模型凑一块儿，一千轮深度联网任务总共 5.85 美元。

▲ 图：工具费怎样累加

你看这账就有意思了：配在 deepseek-flash 这种低价模型上，跑一轮多步检索，工具费反倒占了总开销的六成以上。

中文朗读还得留心字符算法。TTS 计费里一个汉字顶两个字符，单次一万字符上限，最多只能念大约五千汉字。

自己用或者小团队跑，这笔开销很轻松。真打算做高频公开产品，不卡死每轮搜索上限，工具费很快比 token 跑得还快。

想直接上手，先看懂开源前端的边界

懒得从零写代码，最省事的办法就是打开官方这次一起放出来的 chat-demo。

这个 MIT 协议开源的静态前端不用搭应用后端。点开在线地址，或者下压缩包双击 index.html，填上 Key 就能开聊。

深度思考、搜网页、读链接、传附件、自动起标题，连带语音输入和朗读全接齐了。

它还顺手加上了时间和地点标记，回答时知道今天是几号、用户在哪个城市。

对老用户来说，最香的是能迁移聊天记录。从 DeepSeek 官网导出的历史记录 ZIP 包，可以直接倒进这个本地页面里接着聊。

导入前记住两件事就行：导出包里只留文字和本地图片原件，不含密钥和其他文件。而且一确认导入，就会直接替换掉当前全部本地对话。

▲ 图：前端和接口怎样分工

看懂上面这张图，就能明白它的边界。密钥和记录虽然留在你自己的浏览器里，但只要发消息、传图或语音，数据还是会发给 API 服务端。

也正因为它是纯静态前端，千万别把 chat-demo 直接挂到公网上，再把自己的 API Key 写死给外人用。

那等于把自家钱包密码贴在网页源码里。这个前端只适合自己本地用，或者小范围各填各的密钥测试。

真要做面向公众的服务，除了自己老实搭层后端保住密钥，还得把官方要求的 safety_check 安全检查打开。

开启后，文字和版面解析裁出的图都会过一遍风控，撞到风险就直接拦截返回拒绝标记。

内容审核、大模型备案和 AI 生成内容标识这些合规责任，官方明确写了，还是得服务方自己扛。

把 App 的全套工具交出来，确实帮轻度开发者省了一大半基建功夫。

但 V4-Pro 还没接入，工具单价也压过了 Flash 算力。

个人拿 chat-demo 配自己的密钥做个顺手工作台很香，真要往外推产品，先把搜索限额和后端鉴权算明白再动。

参考资料

01｜DeepSeek：App 能力开放公告https://api-docs.deepseek.com/news/news261113

02｜DeepSeek：聊天应用接入指南https://api-docs.deepseek.com/guides/build_a_chatbot

03｜DeepSeek：Web Toolshttps://api-docs.deepseek.com/guides/web_tools

04｜DeepSeek：模型与工具计费https://api-docs.deepseek.com/quick_start/pricing

05｜DeepSeek：chat-demo 开源仓库https://github.com/deepseek-ai/chat-demo