DeepSeek 把整个 App 拆成了 API:联网搜索、读文件、语音全开放,千次搜索 5 块钱

■ 临界观察 · 068　DeepSeek · 全家桶应用 API

昨晚，DeepSeek 在 API 文档的新闻栏里挂出一条更新：全家桶应用 API。

App 里那些我们每天在用的能力，联网搜索、深度思考搜索、上传文件、阅读链接、语音、安全审核，现在全部搬进了 API。开一个参数就能用，工具调用和上下文拼接都在服务端做完。

官方的原话很直接：开发者可以在自己的应用里 1:1 复刻出完整的 DeepSeek App。

为了证明这句话，DeepSeek 还顺手开源了一个演示客户端，能把你在 DeepSeek 网页端导出的聊天记录整包导进去，接着聊。

价格也一起公布了。搜索 5 元一千次，文字识别 1.5 元一千页，语音识别限时 5 折，0.39 元一小时。

以前想做一个带联网的聊天应用，要做的事情很多。

先接一个搜索引擎，再写网页抓取和正文清洗，PDF 和 PPT 要找解析服务，语音输入和朗读各接一家。最麻烦的是把这些结果拼进上下文，还要处理模型什么时候该搜、搜完怎么标引用。

这次 DeepSeek 把这些活全揽到了服务端。

承载这些能力的是 deepseek-flash，也就是上个月 17 日更新的 V4.1-Flash-1017。它同时支持三种接口格式：Anthropic 风格的 Messages、OpenAI 风格的 Responses，以及老牌的 Chat Completions。

手上的代码用哪家的 SDK 写的，基本都能直接接。

上面这张是我在手机上打开官方演示客户端的样子。深度思考、智能搜索、语音输入、附件上传四个按钮，和 DeepSeek 网页端的输入框是同一套布局。

联网这块拆成了两个服务端工具，组合出三种用法。

在 tools 里声明 deepseek_web_search，关掉思考，就是我们熟悉的联网搜索：模型判断要不要搜，搜完带着引用角标回答。一次搜索可以同时发出好几个查询词。

同样的工具，打开思考，就变成深度思考搜索。模型在推理过程中自己搜索、打开网页、在页内查找关键词，边想边查，查完再接着想。

第三种是阅读链接，声明 deepseek_read_url。用户消息里贴了网址，模型会自己去读，最多看前 10 个不同的链接，读哪几个由它挑。

有个设计挺有意思：tool_choice 里没法强制指定这两个工具，硬指定会直接报错。要不要搜、读不读，交给模型判断，这和网页端的体验保持一致。

这张是官方文档里的标注图，我觉得是整套文档里最有用的一张。

一次回答返回的内容块，和网页端界面一一对应：先是可折叠的思考过程，然后是「搜索到 27 个网页」的搜索块，再是「浏览 3 个页面」的抓取块。

最后是带引用角标的正文。万一触发安全审核，响应以拒答结束，前端把已经显示的回答替换成自己的文案。

块的命名沿用了 Anthropic 那一套，server_tool_use、web_search_tool_result、web_fetch_tool_result。用过 Claude 联网工具的人，前端渲染代码几乎不用改。

抓下来的网页正文加密后放在 signature 字段里，客户端只管展示标题和链接，下一轮原样回传就行。

官方给的快速示例只有十几行。

模型填 deepseek-flash，打开思考，声明搜索和读链接两个工具，safety_check 设成 high 开启安全审核，title 设成 true 让模型顺手起一个会话标题，再打开流式输出。

这一个请求，覆盖了 DeepSeek App 一轮对话里的大部分动作。

开了这些扩展以后，temperature、top_p 这类采样参数由服务端接管，传了也会被忽略。max_tokens 照常生效，限制的是每一步推理的输出长度。

文件输入分两步。先把 PDF、Word、PPT 或图片传到 Files 接口，拿到 file_id，再在对话里引用它。

上传时要选解析方式。text_recognition 只提文字，适合合同、论文。rich_layout_recognition 会把文档里的图表、照片、示意图裁出来，按原位置和文字一起交给模型。

官方举的例子很实在：一份财报里有张营收趋势图，用户问「这张图说明了什么」，只有第二种方式能答上来。

一个请求最多引用 20 个文档，文字合计 8 MiB。多轮对话里，历史消息引用过的文档会完整保留在上下文里，超长时直接返回 400，绝不悄悄截断。

计费也算得清楚：上传解析成功时按页数收一次，1.5 元一千页。之后每次对话引用，只按拼进上下文的 token 收费。

独立的 OCR 接口一次能吃 1000 页、100 MiB 的文件。逐页识别的结果里带着 0 到 1000 归一化的坐标框，拿来定位文字、自己裁图都很方便。

这张功能对照表，列的就是一个完整聊天应用需要的全部零件。

除了前面说的联网和文件，还有几项小功能，做过产品的人会懂它们有多省事。

用户元信息标记：网页端会悄悄告诉模型今天几号、星期几、用户在哪、用什么语言。API 里新增了一个 latest_reminder 角色，格式像这样：2026-11-11,星期三,新加坡,Web,中文。问「今天有什么新闻」时，模型就知道该按哪天、哪个地区去找。

会话标题：回答结束时顺带生成一个短标题，用来填对话列表，不额外收费。

语音合成：两个音色，女声「海星」和男声「暗潮」，支持普通话、粤语、英语等 10 种语言。除了整段合成，还有 WebSocket 流式接口，模型边生成，语音边播放。

语音识别：支持中文、粤语、英语等 21 个语种，自动判断语种，单段最长 120 秒，按秒计费。

演示客户端放在 GitHub 上，叫 chat-demo，MIT 协议，TypeScript 写的。我截图的时候，它已经有 427 颗星、82 个分叉。

它是一个纯静态网页，没有后端。浏览器直接连 DeepSeek API，API Key 和设置存在本地浏览器，聊天记录和附件放在浏览器的本地数据库里。

下载压缩包，解压，双击 index.html 就能用，连构建都省了。

设置里第一项就是填 API Key。下面是导入历史对话，支持 DeepSeek 网页端导出的 ZIP 文件。

这一点我挺喜欢。在 DeepSeek 里攒了几个月的对话，可以整包搬到自己掌控的客户端里，接着用同一个模型往下聊。

通用设置里能选朗读音色，默认是海星（女声），还能选省份和城市。这个位置信息，就是作为前面说的用户元信息标记传给模型的。

功能清单里还有 Markdown 和 Mermaid 图表渲染、公式、多分支消息、继续生成、深浅色主题。一个周末，就能改出一个带自己品牌的聊天产品。

工具价格一共五项。文字和图片搜索 5 元一千次，网页抓取 5 元一千次，文字识别 1.5 元一千页。语音识别 0.39 元一小时，语音合成 1.5 元一万字符，这两项眼下都是限时 5 折，原价翻倍。

计费规则写得很细，我挑几条重要的。

搜索按查询词计次，一次调用带 3 个查询词就算 3 次，失败或者没搜到结果不收钱。深度思考搜索里，只有真正从网络抓取网页才计费，重复打开同一页、页内翻页、页内查找都免费。

token 价格沿用峰谷定价。工作日 9 点到 12 点、14 点到 18 点是高峰，其余时间包括周末全天，都按半价。

deepseek-flash 缓存未命中的输入，空闲时段 1 元每百万 token，高峰 2 元；输出空闲 4 元，高峰 8 元；缓存命中的输入低到 0.02 元。

我按一个比较常见的联网问答估了一下：每次输入 2 万 token，输出 1500 token，搜索 3 个查询词。

1000 次问答，工作日高峰大约 67 元，空闲时段 41 元。搜索费固定 15 元，在空闲时段占到三分之一以上。

对一个日活几千人的小应用来说，这个成本已经可以放心去试。

这套 API 能撑起来，靠的是底下那个模型。

V4.1 Flash 是 552B 参数的 MoE，输入激活 8B、输出激活 16B，上下文 100 万 token，最长输出 384K。上个月 17 日的 1017 版本，又用基于自反馈的强化学习，加强了从零搭建完整项目的能力。

官方对比表里，它的 DeepSWE v1.1 拿到 77.0，高于 Claude Opus 5 的 74.0 和 GPT 5.6-Sol 的 73.0。Automation-Bench 60.5、Agents' Last Exam 35.4、Apex Bench 72.1，也都是整张表里最高。

Opus 5 领先的项目集中在终端和长程编程，Terminal-Bench 4.0 是 51.8 对 42.3，ProgramBench 是 37.0 对 29.1。

这张性能与费用图更能说明问题。横轴是每个任务花的钱，对数刻度。DeepSeek V4.1 Flash-1017 最高档落在 77% 的位置，每个任务一块多人民币。

图上能摸到 73% 以上的其他模型，GPT-6.1 Sol 每个任务要四块多，Gemini 3.8 Flash、GPT-6 Astra 和 Claude Opus 5 要十几到几十块。

deepseek-flash 单账号并发上限 2500。拿它做一个面向大量用户的联网助手，算力和价格两头都扛得住。

国内的开发者做对外服务，内容安全审核、大模型登记、AI 标识这几件事绕不开。

DeepSeek 把基础风控做成了一个开关。safety_check 设为 high，模型的输入、输出、读到的网页、文档里裁出来的图片都会过一遍审核。命中风险时，响应会带着拒答标识结束，前端换成自己的拒答文案即可。

官方也把话讲在前面：这个参数帮你满足合规要求，服务提供者依然是内容安全的第一责任人。做产品的人看到这句，心里就有数了。

过去一年，大模型公司比的主要是模型本身，跑分、价格、上下文长度。

DeepSeek 这次往前多走了一步。它把自己 App 背后那套搜索引擎、文档解析、语音、风控，连同界面怎么渲染、计费怎么算，整套交给了开发者。搜索底层用的是它自研的引擎，官方说索引了千亿级网页。

对国内做 AI 应用的小团队来说，一个账号、一份账单，就能拿到模型、搜索、文档、语音和基础合规。以前要拼五六家供应商的活，现在一个下午能跑通。

官方在公告最后写了一句：现有的对话产品，只是人与模型交互的一种基础形态。

我理解这句话的意思是，DeepSeek 想看看别人能用同一套零件，搭出什么它自己没想到的东西。

Singularity 临界点

不只介绍 AI 工具，更关注它们能否真正进入工作。