真狠啊,DeepSeek 开放全家桶 API。

12小时前
椰子皮
7
0
0
文章

“ DeepSeek 全家桶 API 拆解:两套接入范式、一条加密链路与一张五折价目表 DeepSeek 把 App 里的联网搜索、链接阅读、文件解析、OCR、ASR、TTS 全部做成了 API,还顺手开源了一个据称能 1:1 复刻自家 App ”

DeepSeek 全家桶 API 拆解:两套接入范式、一条加密链路与一张五折价目表

DeepSeek 把 App 里的联网搜索、链接阅读、文件解析、OCR、ASR、TTS 全部做成了 API,还顺手开源了一个据称能 1:1 复刻自家 App 的前端 Demo。但比“开放了什么”更值得开发者研究的是“怎么接”:内置工具和独立接口是两套逻辑完全不同的范式,选错了不会报错,只会在工程上慢慢付代价。

一、这次开的到底是什么:五个“声明即用”,五个“单独调用”

先把清单摆清楚,因为这次开放的能力其实分属两层,很多讨论把它们混为一谈了。

第一层是对话接口的内置能力,特点是你不用调用任何额外的 HTTP 端点,只要在请求里声明一个工具,剩下的判断和执行都由 DeepSeek 服务端完成:

能力 触发方式 实际行为
联网搜索 声明 deepseek_web_search 模型根据需要自动搜网页或图片,回答里标注来源
深度思考搜索 在思考模式下声明同一工具 模型在推理过程中自行搜索、打开网页、页内查找
阅读链接 声明 deepseek_read_url 用户在消息里贴的链接,模型自动打开读正文
文件输入 先上传拿到文件 ID 支持 PDF、Word、PPT、Excel、电子书、代码、图片
内容安全 服务端默认执行 审核模型输入与完整输出,发现风险直接拒答

第二层是被拆成独立端点的底层能力,五个接口,按需组合、分别计费:search(返回结果与摘要,每条附相关度和权威度评分)、fetch(给一个网址,返回 Markdown 格式正文)、ocr(识别 PDF、Office 文档和图片里的文字,并返回文字所在位置)、asr(语音转文字,支持普通话、粤语、英语、日语等 21 种语言)、tts(文字转语音,内置一男一女两种音色,可边合成边播放)。

协议层面,这些对话扩展能力挂在 Anthropic Messages、OpenAI Responses、OpenAI Chat Completions 三套协议下,且目前明确支持的是 V4.1-Flash(已更新到 V4.1-Flash-1017 版本)。这个限定值得留意:三协议兼容意味着已有的 Anthropic / OpenAI 生态客户端迁移成本很低,但“V4.1-Flash 支持”意味着你如果还在用别的模型版本,这些扩展未必可用,动手前先确认模型与能力的对应关系,别照着文档写完才发现 400。

配图 1

还有一个容易被“突发”式标题掩盖的事实:搜索和抓取不是第一次开放。早在 10 月 17 日,DeepSeek 就已经放出了自研的 Search 和 Fetch 接口。所以这次的“新”要拆成三件事看:一是把工具调用循环搬进了服务端(内置化);二是语音能力首次有官方独立接口,此前 App 支持语音交互,但公开的模型 API 并没有对等的 ASR/TTS;三是 OCR 与开源 Demo 补齐了“做产品”的最后几块拼图。把时间线捋顺,才能理解为什么“全家桶”这个词这次才站得住。

二、真正的变化:工具循环的所有权换手了

配图 1

要理解这次开放的分量,得先回到 10 月那一版的接入体验。

假设用户问“最近 AI 圈发生了什么”。在只有独立 Search / Fetch 接口的时候,开发者需要自己把这条链路串起来:先让模型判断要不要搜,再调 Search 拿到一批网页,从结果里挑出值得读的 URL,调 Fetch 把正文取回来,把正文塞进上下文,最后再让模型基于这些材料作答。这中间每一步都是你要写的代码,也是你要背的债——多轮状态怎么管、几个 URL 并发抓还是串行抓、正文超长怎么截断、抓取失败怎么重试、上下文塞爆了怎么裁。

现在声明一个 deepseek_web_search,这套循环就归服务端了:什么时候搜、搜什么、要读哪些网页、读完还要不要再搜一轮、最后怎么把结果织进回答,模型自己决定。深度思考模式更进一步,搜索被嵌进推理链中间,是“边想边搜”,而不是“想完了再搜一次”。

这不是多加几个 API 的问题,而是Agent 编排层的归属变了。编排权从应用层收回到了模型层,开发者从“写循环的人”变成了“声明工具的人”。这和业界服务端工具调用(server-side tool use)的方向一致,DeepSeek 的差异点在于把“推理过程中的搜索”也做进去了,这一层对复杂问题的效果通常比单轮搜索明显,但代价是你对中间过程的可见性更低。

三、三个硬边界:内置工具不是万能的

宣传语里最诱人的一句是“1:1 复刻完整 DeepSeek App”,但真动手接,会撞上三道墙。

边界一:内置工具和自定义工具不能混用

这条是硬性规定,杀伤面也最大。原文表述很清楚:DeepSeek 规定内置工具和自己定义的工具不能在同一个请求里混用。

对纯聊天客户端,这无所谓。但只要你是一个 RAG 知识库、一个业务 Agent、任何需要暴露自家工具的系统,这条就是死路。以文中提到的 RAG 项目“派聪明”为例:它原本只能根据用户上传的文档回答,知识库里没有的东西(最新版本发布、新闻、官方文档)就答不上来。理想状态是把“知识库检索”和“联网搜索”两个工具一起交给模型,让它自己判断该查库还是查网——这正是 Agent 最典型的用法。但混用禁令一出,这条路直接封死,只能整体退回独立接口,自己写编排。

所以这次开放实际上把开发者劈成了两拨:做 Chatbot 的用内置工具,做 Agent 的用独立接口。文档不会拦你,但架构会。

边界二:正文加密,和那条 signature 回传链路

这是整份材料里技术含量最高、也最少被提及的细节。

官方开源 Demo 用的是内置工具。翻它的对话处理逻辑会发现一件怪事:内置的阅读链接工具在抓取完网页后,返回结果里的正文数据是空的,网页正文被服务端加密后存进了一个签名字段(signature)。到了下一轮对话,前端会把上一轮的思考过程和搜索结果全部删掉,只把网页读取记录连同签名原样传回去。

配图 2

这个设计背后大概有三重考虑(以下为基于代码行为的推断,非官方说明):省 Token——正文不进客户端上下文,不必每轮重传;防篡改——签名保证回传的记录没被动过手脚,否则客户端可以伪造一段“网页正文”塞进来,绕过内容安全审核;可重放——服务端解密签名就能还原上一轮读到的内容,实现无状态服务端 + 有状态客户端的混合模型。

代价也很实在:你拿不到明文正文。想对网页内容做二次处理(分词、入库、二次检索),只能自己再 fetch 一次。而且前端必须精确实现“丢弃上一轮思考与搜索结果、只回传未签名的读取记录 + 签名”这套逻辑,官方 Demo 怎么写你就得怎么抄。自己重写前端时,这里是最容易踩坑的地方——它在正常路径下不报错,只在多轮对话里悄悄丢上下文。

边界三:Token 预算要自己算

独立接口那一侧,search 请求可以传 need_content = false,只读摘要、不读全文。这个参数看着不起眼,实际是省钱的关键:模型先看摘要判断哪篇有用,只对真正需要的网页调 fetch 读全文,而不是把一堆无关网页的正文全塞进上下文。搜索结果里自带的相关度和权威度评分也是为这个目的服务的——你可以据此设阈值,低分的直接不读。

把三条边界串起来看,两套范式的分野就很清楚了:内置工具是“服务端托管上下文”,省事但黑盒;独立接口是“客户端自管上下文”,灵活但活儿全归你。前者适合快速验证,后者适合上生产。

四、自己串的时候,坑在这些地方

选择独立接口的团队,有几个细节值得提前知道。

参数校验要用码点,不是字符长度。 search 的 query 限制是 1 至 128 个字符,源码里用的是 codePointCount 而不是 length。这个区别在 Java 里很致命:一个 emoji 的 length() 是 2,codePointCount 才是 1。用错方法,中文夹 emoji 的查询会在边界上莫名被拒。

抓取前必须校验 URL。 代码里 fetch 之前有一句 validatePublicUrl(url),这不是可选项。把“给个网址就抓”做成 API,天然带着 SSRF 风险——内网地址、localhost、云厂商元数据端点(169.254.169.254)都是经典攻击面。即便服务端做了拦截,客户端这一层也该拦,因为用户输入的 URL 往往是直接透传过去的,你的服务就成了别人的探针。

外部抓取要单独设超时。 调用时传的是独立的 timeoutSeconds,不能沿用对话接口那套长超时。抓网页是外部依赖,慢起来没有下限,跟模型推理的超时预算完全不是一回事。

计费口径盯住“成功调用”四个字。 search 和 fetch 都是每 1000 次成功调用 5 元。失败的调用怎么算,材料没说,别自己脑补成免费——上线前按最坏情况估预算。

配图 3

五、价目表:五折不是成本价,是获客价

价格是这次传播里最抓眼球的部分,也确实值得单列。完整口径如下:

能力 原价 现价 计费单位
语音识别 ASR 0.78 元/小时 0.39 元/小时(五折) 音频时长
语音合成 TTS 3 元/万字符 1.5 元/万字符(五折) 字符数
网页搜索 search — 5 元/1000 次成功调用 调用次数
网页抓取 fetch — 5 元/1000 次成功调用 调用次数
文字识别 OCR — 1.5 元/1000 页 页数

换算一下更直观:ASR 一分钟约 0.0065 元,识别一小时录音不到 4 毛;OCR 平均一页 0.0015 元。

横向对比语音识别(统一折算成人民币/小时):

{"tooltip":{"trigger":"axis"},"xAxis":{"type":"category","data":["DeepSeek ASR(五折)","OpenAI GPT-4o mini Transcribe","OpenAI GPT-Transcribe","Google Cloud STT"]},"yAxis":{"type":"value","name":"元/小时"},"series":[{"name":"语音识别单价","type":"bar","data":[0.39,1.21,1.81,6.43]}]}

按素材给出的换算,OpenAI 的 GPT-Transcribe 为 0.27 美元/小时(约 1.81 元),更便宜的 GPT-4o mini Transcribe 为 0.18 美元(约 1.21 元),Google Cloud 标准语音识别按 0.016 美元/分钟计为 0.96 美元/小时(约 6.43 元)。DeepSeek 的 0.39 元大致是这三者的 1/4.6、1/3.1 和 1/16.5。

值得玩味的是定价结构而非绝对数字。搜索和抓取维持原价——这项能力 10 月就放出来了,跑通了,不需要再补贴。语音打五折——因为它是首次开放,没有历史包袱,正好当钩子。换句话说,五折是获客价,不是成本价;等生态养起来,这个折扣大概率会收。做长期预算时按原价算更稳妥。

六、开源一个“能复刻自家 App”的 Demo,图什么

官方这次还开源了一套轻量级聊天前端 Demo,支持导入 DeepSeek 历史对话,并明确说开发者可以 1:1 复刻出完整的 DeepSeek App。公告末尾那句更有意思:“DeepSeek 现有的对话产品只是较为基础的一种形态。”

这句话基本把战略摊开了。DeepSeek 不打算靠 App 形态本身建壁垒——它要的是 API 调用量。把搜索、文件解析、语音这些“脏活”的接入成本降到最低,再给你一个能直接跑的前端,等于告诉社区:应用层你们随便玩,我收底层调用费。

对开发者是好事也是坏事。好事是省掉了大量基础设施接入工作,一个功能接近 DeepSeek App 的产品可能几天就能搭出来;坏事是你搭出来的东西没有护城河,因为别人也能在同样的时间里搭出一模一样的。Demo 支持导入历史对话这个细节尤其值得注意——它在主动降低用户的迁移成本,这意味着未来在这个生态里,用户切换产品的摩擦会非常小。真正的差异化只能落在垂直数据、工作流集成和产品设计上,这些 API 给不了。

七、还缺什么,以及那些没说清的地方

素材里被提及但没展开的缺口,恰恰是决定能不能上生产的关键。

Embedding 缺席。 RAG 项目最需要的向量化能力,这次不在清单里,只能继续接别家的。一个把搜索、抓取、OCR、语音全包了的平台,独独缺了检索的另一半,对知识库类应用来说是个结构性的不完整。

内容安全是个黑盒。 服务端审核模型的输入和“完整输出”,发现风险直接拒答。“完整输出”这个措辞暗示审核可能发生在生成完成之后——如果属实,流式输出的首字延迟会受影响,这点需要实测。更要命的是判定标准、误杀率、能否申诉、能否按场景配置,材料里一个字都没有。对医疗、法律、金融这类场景,一个不可调、不可解释的拒答机制是很难被接受的。

限流、并发配额、SLA 全部未知。 单价便宜是一回事,能不能扛住生产流量是另一回事。便宜的 API 最容易在高峰期变成“便宜但不可用”。

模型覆盖有限。 前面提过,相关对话扩展目前明确是 V4.1-Flash 支持。这意味着能力与模型版本是绑定的,升级路径要提前规划。


回到最初的问题:这次开放到底改变了什么?

它没有改变模型能力,改变的是谁来做编排。DeepSeek 同时端出了“托管版”和“自建版”两套方案:想省事,声明工具,让服务端接管搜索循环和上下文;想掌控,调独立接口,自己写循环、自己算 token、自己防 SSRF。这个双轨设计其实挺聪明——它把 Chatbot 开发者和 Agent 开发者都圈了进来,而两者的付费意愿和用量曲线完全不同。

对技术团队的决策点也就一句话:你要不要保留对上下文和工具循环的控制权。 要,就走独立接口,接受多写几百行编排代码;不要,就用内置工具,但请提前接受“不能混用自家工具”和“正文拿不到明文”这两条硬约束——它们不会在 demo 阶段暴露,只会在你接第三个自有工具的那天集中爆发。

接下来值得盯的三件事:Embedding 什么时候来、内置工具与自定义工具的混用禁令会不会松动、内容安全的判定逻辑能不能配置。前两个决定这套 API 能不能撑起真正的 Agent 产品,第三个决定它能不能进企业。


📚 参考来源

  1. DeepSeek | API 开放平台 —— deepseek.com
  2. 真狠啊,DeepSeek 开放全家桶 API。-CSDN博客 —— blog.csdn.net
  3. 真狠啊,DeepSeek 开放全家桶 API。DeepSeek 开放了联网 ... —— juejin.cn
  4. 突发!DeepSeek开放全家桶API – 量子位 —— qbitai.com
  5. 突发!DeepSeek开放全家桶API - 知乎 —— zhuanlan.zhihu.com
赏
支付宝微信
0
关注公众号获取更多内容
8省份入选!6G试点来了
如何让 AI 高效工作
暂无评论,快抢沙发吧