ARTICLE · 1354641
DeepSeek 全家桶 API:把 App 的搜索/文件/OCR/语音能力开放成 API
每天帮你盯 AI 工具圈，只挑今天真能上手的
关注本号，每天不迷路
🛠️ DeepSeek 全家桶 API — 把 App 的搜索/文件/OCR/语音能力开放成 API
以前想做个 AI 应用，得自己对接搜索引擎、文件解析、网页抓取、语音识别，再把这些工具和模型一个个串起来，重复劳动多、成本高。现在 DeepSeek 把自家 App 背后的能力全拆成 API 开放了：联网搜索（回答带引用）、深度思考搜索、文件输入（PDF/Office/图片解析）、链接阅读、OCR、ASR、TTS，还附带一个开源前端 Demo，能 1:1 复刻完整 App 并导入历史对话。你只需要在请求里加几个参数，比如 deepseek_web_search、deepseek_read_url、document，服务端就自动处理工具调用和上下文拼接。
作者用自己 API Key 把全部功能跑完花了不到 5 毛钱：深度思考搜索 11.4 秒思考 3 轮、搜 2 次、开 4 个网页，三个答案全对并附引用；PDF 解析 2.4 秒表格数字全对；OCR 2.2 秒花 0.0015 元；TTS 首包约 1 秒、念一遍约一分钱；ASR 转回文字几乎一字不差。价格也便宜，搜索每 1000 次 0.75 美元，ASR 低至 0.39 元/小时。局限是模型不知道今天几号需自己传日期，TTS 语速情感不可调、无声音克隆，ASR 不支持流式、单次最多 120 秒/8MiB。
来源：刚刚，DeepSeek 放出全家桶 API，可 1:1 复刻自己
来源：刚刚，DeepSeek 开放全家桶 API，人人都能打造自己的超级 App
来源：刚刚，DeepSeek全家桶API正式开放！你也能造一个DeepSeek了
来源：突发！DeepSeek开放全家桶API：官方App功能均可自由组合调用
- - -
🛠️ Gemini 4 Hydrogen — 速度快 2.5 倍、成本仅三分之一的快速执行模型
谷歌新发布的快速执行模型，一句提示词就能生成完整可交互的 3D 游戏或场景、3D 交互可视化、动态 SVG 动画，还能调用 Google Sheets/Slides/Gmail/Drive 完成连续任务。它提供 low/medium/high/xhigh 四档推理强度，100 万 Token 上下文、最高 100 万 Token 输出，支持文本/图片/音频/视频输入，已接入 Gemini App、Google 搜索、AI Studio、Antigravity。
日常编程和 Agent 任务既要解决复杂问题又要快且便宜，Hydrogen 在接近第一梯队能力的同时做到约 2.5 倍速度、约三分之一成本。开发者 Tony 做船只穿行冰川 3D 画面，Hydrogen 用时 1 小时 23 分 40 秒、花费 4.27 美元，Carbon 用时 2 小时 39 分 10 秒、花费 8.83 美元；鹈鹕 SVG 动画 Hydrogen 约 5 分钟，Fable 5.2 约 25 分钟。Terminal-Bench 4.0 中成功率接近 Carbon，算力消耗降 24%、速度快 19%。
来源：速度飙升2.5倍！谷歌再发新模型Hydrogen：多项实测超越GPT-6.1 Terra
来源：谷歌今日「换脑」！轻量之王Gemini 4 Hydrogen反杀旗舰
来源：谷歌追着A社打，Carbon刚出就发最强小模型：给旗舰打工Token消耗猛砍24%
- - -
🛠️ Atlas — 一句话或一张图生成可漫游、可导出的 3D 世界
李飞飞 World Labs 的世界模型平台，把「一句话或一张图生成可漫游、可导出的 3D 世界」做成了完整工作流。它含四款工具：Viewfinder 做图片到场景、生成新视角或高斯溅射点云；Chisel 是智能体驱动的 3D 环境搭建器，支持图片/文档/网页 URL/网格模型混合输入，用自然语言指挥 AI 搭白模再渲染；Relight 给 splat 场景重新打光加阴影；Splat to mesh 把点云转成带贴图 GLB。可调整布局、规划镜头、生成漫游视频，导出 MP4/PLY/SPZ 或转 GLB 进 Blender/游戏引擎。积分制，新用户注册送 10000 积分。
过去 AI 编程工具能写游戏逻辑却做不出场景和视觉资产，普通人不懂三维建模无法把脑海画面变成可走进去的世界。作者实测输入「暴雨夜的重庆山城巷弄」提示词，约 1 分钟生成参考图，Chisel 全程约 30 分钟自动执行 6 步计划，自动检查并修复「轻轨桥墩悬空 8.25 米」等几何错误；最终场景含 38 级石阶、左右各 5 栋退台居民楼、3 节带受电弓轻轨车厢、8 个零遮挡机位，选「暴雨深蓝夜」方案（160 积分）12 个机位一次出齐。需 +86 手机号验证，使用区域选美国或加拿大。
- - -
🛠️ Seedream 5.5 — 多轮连续局部编辑图片，非编辑区像素锁定不崩
输入一张底图和文字指令，就能对图片进行多轮连续局部编辑——改文案、换颜色、加配饰、改人物姿势，同时锁定非编辑区像素。它还能直出原生 RGBA 透明背景 PNG 贴纸、渲染密集中文小字海报。现有生图模型改图时会把整张画面重新「洗」一遍像素，导致非编辑区发灰发糊、偏色、Logo 误伤、二维码扫不出、人脸被换掉，多轮修改基本不可能；做商业海报、透明贴纸时还得进 PS 重打汉字、再跑抠图工具，流程割裂。
官方称多轮连续编辑不崩坏（极限演示到 100 轮），非编辑区像素锁定，严重文字崩坏率降到 0.4%，原生输出四通道 RGBA PNG（实测 69.10% 背景像素 Alpha=0，251 个透明度层级），无需二次抠图。作者拿自家活动海报连改 10 轮（含人物大幅换姿势），第 5 轮加的金色羽针到第 10 轮仍在，10 张成图二维码全部秒识别；同题对比 GPT Image 2.6 Sunburst，后者越改越糊、背景物件被抹掉。还实测了「大家来找茬」（5 处改动无多余误伤）、大排档合照、阴天纪实人像、1998 电脑城报价单（200% 放大折痕处小字仍清晰）、透明猫贴纸（黑底无白边）。
- - -
🛠️ 豆包工作 — 一句话交付 Excel/Word/PPT/网页工作台成品，可继续编辑
一个 Work Agent 产品，用户输入任务指令（如读长文档出 Office 三件套、做个人工作台、生成 MG 视频），它自动规划并交付 Excel/Word/PPT、网页工作台、短视频等成品。现已全量接入第三方模型（Kimi K3、K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等），每个模型标注额度消耗倍率，并有分时优惠和午间限免。生成的 PPT 可直接在工具内继续编辑。电脑版还支持本地 Agent 做电脑体检、清理文件、排查卡顿、调整系统设置。
办公 Agent 做 PPT、Excel 时，现有方式要么生成后无法直接编辑、要么任务拆解和检查链路低效、成本高。豆包工作在同样模型、同样任务下执行更快、费用更低，且成品可直接二次编辑。作者实测 504 页智谱港股招股书用 Seed2.1 Lite 跑 18 分钟、消耗 16.5 额度（不到 2 毛），交付 Excel 活公式、Word 报告、PPT 且数字对得上。同一任务豆包工作 19 分钟、约 0.76 元，DeepSeek Harness 40 多分钟、1.71 元。电脑体检实测仅剩 6.7GB 可用空间，Agent 估算低风险清理能腾出约 48GB。
来源：豆包工作突然开窍了～
来源：豆包工作接入DeepSeek，实测成本居然比DeepSeek Harness低一截。
- - -
🛠️ 百度「词元所」 — 对比多家供应商的模型价格速度成功率并做验真
一个开放的模型资源交易平台，同一个模型（如 DeepSeek）由多家供应商提供，用户可以对比不同供应商的价格、输出速度（每秒 token 数）、成功率等指标。平台对供应商做资源「验真」和「征信」，通过模型指纹比对、定期抽检、持续监测给出评级，评级变化会提示用户，并展示验货报告（含未达标项标红）。
调用 API 时用户难以确认拿到的模型是否真是以为的那个，即使名字版本没错，不同供应商的价格、速度、稳定性也可能不同，效果变化感知很弱，用户往往只能怀疑自己提示词写崩了。以前只能自己一家家试。作者在官网看到同一个 DeepSeek 有 5 家在卖，价格差 2 倍，每秒输出慢的十几个 token、快的一百三十多个；最便宜的第一个字出来很快，成功率也在 99.9% 以上。作者点开三份验货报告，评级都是「优信」，其中一份 7 项指标里 3 项没达到入驻时测出的水平，页面直接标红「未达标」。作者也指出目前最便宜那家的报告按钮是灰的，有些指标写着「暂无数据」，评分的及格线页面也没写。
来源：@AI_Jasonyu 推文集
- - -
🛠️ smolmaxxing — 让老旧电视盒子和旧 iPad 本地跑大模型
让老旧电视盒子和旧 iPad 在本地运行 AI 大模型进行对话，输入提示词、输出生成文本。老旧设备内存小、芯片老，通常无法本地跑大模型，只能依赖云端；它让只有 1G 可用内存的设备也能本地推理。
基于 llama.cpp，针对老旧芯片重写底层计算代码，删掉模型里用不到的生僻词汇节省空间，并像翻书一样把暂时不用的模型数据存硬盘、需要时快速读取，还提前预判加载下一步要用的数据。作者实测第三代小米电视盒子 S 运行 2B 规模 Qwen3.5 时每秒生成 7.7 token，能以每秒 5.1 token 运行 16B 规模 Ling-mini-2.0；2013 年第一代 iPad Air 运行 1.7B 规模 Bonsai 模型时每秒 24 到 26 token，同样能跑起 16B 大模型。
来源：@Gorden_Sun 推文集
内容仅供参考 · 仅微信链接可直接跳转，完整信息以来源为准
