ARTICLE · 1372907
3 份 PDF、1 段 45 分钟录音,工具费 3 毛 8:DeepSeek 把 App 拆成零件卖
周一早上九点,桌面上躺着四件事
三份各 20 页的 PDF 合同,一段 45 分钟的会议录音,五个还没来得及点开的链接。中午之前,你要交出一份摘要。
过去两年的标准做法是这样:打开一个 OCR 网站把 PDF 转成文本,打开一个转写 App 把录音变成字幕,再找个工具把五个链接的正文抓下来,最后把三段文本拼在一起,黏进对话框里让模型总结。三个账号、三份账单、三套导出格式,文件在上传过程中过了三台别人的服务器。

一个周一早上:三份 PDF、一段录音、五个链接,三个账号各跑一遍。
11 月 13 日晚上,DeepSeek 把这条流水线的每一个环节拆开,逐项标上了价。

改前要开三家网站、付三份账单;改后只打开一个参数。
官方公告里有句话被转了很多遍:
开发者可以在自己的应用中轻松实现复杂的对话功能,甚至 1:1 复刻出完整的 DeepSeek App。——DeepSeek 官方 API 文档,2026 年 11 月 13 日
大部分人记住的是“1:1 复刻”。但真正值得盯住的是后面那张价目表——它悄悄改了一件事的成本结构:从“按字收费”,变成了“按字 + 按次”。
这次开的不是模型,是手和脚
先看清楚开了什么。公告把能力分了两层。
第一层,五个开在对话接口里的开关。 打开对应参数,工具调用和上下文拼接都由服务端完成:
deepseek_web_search | ||
deepseek_web_search | ||
deepseek_read_url | ||
第二层,五个可以单卖的底层接口: Search、Fetch、OCR、ASR、TTS。不打包,按需取用,各自计费。

五个开关都挂在对话接口里,打开参数即生效。
真正变了的是“谁干活”。
10 月 17 日 DeepSeek 就开放过 Search 和 Fetch,但那时的接法是:让模型判断要不要搜 → 调 Search 找网页 → 调 Fetch 读内容 → 把结果交回模型总结。四步,全部要开发者自己写代码串起来,任何一环出问题都得自己 debug。
现在打开一个参数,这四步在服务端跑完。

从自己串四步,到服务端一步做完。
语音是这次新增的部分,也是我觉得对普通职场人最有实际意义的部分。ASR 支持 21 种语言自动检测,单段音频不超过 120 秒,不支持流式;TTS 提供 2 种音色、10 种语言,支持 WebSocket 流式输出。OCR 单文件上限 100MB、最多 1000 页,逐页返回结果。
有个限制必须记牢:这些内建能力目前只挂在 deepseek-flash(V4.1-Flash-1017)上,在 Messages、Responses、Chat Completions 三种协议下都能用。换模型,开关就是摆设。
两种调用姿势,别用错。
要“一次问完就给答案”,用内建参数——打开工具的 tools 字段,模型自己在回答过程中决定搜不搜、读不读,你只负责把返回的内容块渲染出来:
{ "model": "deepseek-flash", "messages": [{ "role": "user", "content": "把这份 PDF 按三栏整理" }], "tools": [{ "type": "web_search" }, { "type": "read_url" }] } 要“自己控制每一步”,用独立接口——比如先批量 OCR 一百份文件入库,再挑重点喂给模型。两条路的差价不大,区别在于谁来承担出错时的重试逻辑:内建参数是服务端兜,独立接口是你自己兜。

五个底层接口可以单独调用,分别计费。
对不写代码的人,这一节可以跳过。你只需要知道:你在 DeepSeek App 里用的那套“能搜、能读文件、能说话”的体验,现在是按件卖的。
算一笔账:3 毛 8 的工具费,6 毛 9 的总账
官方价目表(人民币,不含 token 费):
把开篇那个周一早上按这张表跑一遍:
3 份 PDF 共 60 页做 OCR:60 × 0.0015 = 0.09 元 45 分钟会议录音转写:0.75 小时 × 0.39 = 0.29 元 3 次搜索:0.015 元;10 次抓取:0.05 元 一次汇总问答,约 8.3 万 token 输入、9 千 token 输出:约 0.24 元
只做最费时间的那两件事——三份 PDF 加一段录音——工具费是 0.38 元。把搜索、抓取、问答全算上,0.69 元。
(token 费按 deepseek-flash 峰值价 $0.30/百万输入、$1.20/百万输出、汇率 6.7 估算,实际以账单为准。)

一个周一早上的真实账本:工具费 4 毛 5,token 费 2 毛 4。
现在看那个被反复引用的便宜:
| 0.39 元 | |
0.39 元大约是前者的 1/3.1、1/4.6,是 Google 的 1/16.5。

语音识别的价差:一小时 0.39 元对 6.43 元。
便宜是真的。但这次最该警惕的不是价格,是计费单位变了。
以前你只需要盯 token 单价,现在账单里多了一条按次累加的线。单价 5 元/千次看起来可以忽略,可一旦接进产品,一天一万次搜索就是 50 元,一个月 1500 元——这时候工具费早就把 token 费甩在后面了。

用量放大之后,工具费会反超 token 费。
个人用是另一回事。一个人每天跑一遍上面那套流程,一个月约 20.7 元;十人小团队每人每天一份,约 207 元。这个量级,比大多数人订阅三四个效率工具还便宜。
三个坑,和三条边界
坑一:这是两笔账。 官方原话写得很明确:“除收取 Token 费用外,也将收取相关工具的调用费用。” 很多人接完发现账单翻倍,就是因为只算了 token。做预算时把两条线分开列,别混在一起估。
坑二:ASR 单段不超过 120 秒,而且不流式。 这意味着两小时的会议录音,你得自己切片、自己拼接、自己处理时间戳对齐。它不是“打开开关就完事”,中间那层工程还是你的。
坑三:合规义务在调用方身上。 公告里那句提醒不要跳过——“如您对外提供应用服务,请务必开启该参数,并承担内容安全审核、大模型登记、AI 标识等义务。” 自己玩随便,做成产品对外提供服务,安全校验必须开,出了事责任在你。

三个必须先看清的坑。
三条边界也顺手记下:
- OCR 结果不留存。
经过 OCR 的文件不会进入 Files API,也不会传给对话模型。隐私上是好消息,代价是不能复用——下次要同样的内容,得重新跑一遍、重新付一次钱。 - “1:1 复刻”是演示口径。
官方开源了前端 Demo( github.com/deepseek-ai/chat-demo,MIT 协议),支持导入 App 的历史对话。但它是个起点:界面细节、提示词、异常处理、限流重试,全都得自己补。 - 限时 5 折会结束。
ASR 和 TTS 现在都是半价,原价分别是 0.78 元/小时和 3.0 元/万字符。按折后价做长期预算,等优惠结束那天会很难受。

内建能力只挂在 deepseek-flash 上,换模型开关就是摆设。
别人卖整机,它卖零件
同一周里,另外三家的动作方向完全相反。
Anthropic 把 Claude 做成了工作台:Sheets、Whiteboards、Data、Meetings 四件套,加上 9000 多个连接器,11 月 14 日面向付费企业全面可用。Google 把 Gemini 4 Hydrogen 铺进了 Search。OpenAI 在 ChatGPT 里开起了钱包。
三家都在往“整机”走——把用户留在自己的界面里,待得越久越好。
DeepSeek 反着来:把自家 App 拆成零件,按次批发,还附赠一张复刻图纸。

同一周里两种相反的活法。
这个选择挺“DeepSeek”。公告末尾自己写着:“DeepSeek 现有的对话产品只是较为基础的一种形态。” 它不打算赢在界面上,打算赢在——别人的界面里,跑的是它的零件。
对普通读者,意义不在今天。但有个趋势值得记住:当一个能力被拆成明码标价的零件,“做一个自己的小工具”的门槛,就从“会写代码”降到了“会描述需求”。
今天就能试的三步
第一步,花 0.03 元验证质量。 找一份手头 20 页的 PDF,用文件输入跑一次三栏摘要——“是什么 / 为什么 / 我要做什么”,每格不超过 30 字。记下耗时,跟你现在的做法比。
第二步,花 0.065 元验证语音。 拿一段 10 分钟的会议录音,用 ASR 接口转一次,重点看人名、专有名词、数字有没有错。这一步最容易被低价掩盖质量问题。
第三步,列一张自己的月账。 用“月用量 × 单价”算出来,超过 50 元/月的场景才值得接进工作流。低于这个数,说明你现在的手工做法也没那么贵。

三步验证:质量、语音、月账。
能力是开放的,额度不是免费的。先按计算器,再动手。
本文数据来自 DeepSeek 官方 API 文档(2026 年 11 月 13 日公告、《构建 Chatbot》指南)及量子位、IT之家等公开报道;价格以官方价目表为准,token 费为估算值;限时折扣结束后单价会上调。















































































