大家好,欢迎来到心眸AI笔记,我是jackli!
今天是2026年11月15日,周日好好休息呀!DeepSeek 在 11 月 13 日把自家 App 背后的能力整套开放了出来,联网搜索、文件解析、语音接口全部可以用参数打开,我顺着官方文档把这套 API 的机制读了一遍,发现真正的看点不是功能多,而是工具执行的位置变了。
这篇只对照 DeepSeek 官方 API 文档的更新日志与联网工具指南、官方公众号文章和 GitHub 上的开源演示仓库。我自己还没实际充值调用过,文中机制描述全部转自官方文档,跑通效果请以你的实测为准。
01
一套 App 体验被拆成了参数
官方更新日志的原话是,App 对话服务里联网搜索、文件输入、阅读链接、语音交互及安全等能力和模型推理相互配合,构成了用户熟悉的对话体验。
在这之前,开发者想在自己的应用里做出类似体验,要自己对接搜索供应商、接 OCR、写文件解析,再把结果想办法拼回上下文,胶水代码写个没完。官方公众号也承认了这层成本,说开发者往往需耗费大量精力去对接外部工具、处理调用衔接。
11 月 13 日之后不用了。在原有 API 里开启对应参数就行,模型是 deepseek-flash,也就是 V4.1-Flash,Messages、Responses、Chat Completions 三种协议都支持,官方还准备了 Anthropic 格式的接入点,用惯 Claude Code 这类工具的人可以直接挂上去。
能力一共五项,联网搜索让模型自动发起网页或图片搜索并附引用作答,深度思考搜索让它在多步推理里自主检索求证,文件输入支持 PDF、Office 和图片的解析,阅读链接让它自动抓取你消息里的网址,模型安全则提供基础风控,命中风险时返回拒答标识。
DeepSeek 标识,这次开放的是 App 背后整套对话能力(图源 Wikimedia Commons,DeepSeek 项目,MIT 协议)
02
工具执行的位置变了
传统 function calling 的玩法是这样的,模型吐出工具调用的意图,搜索、抓取、解析全部由你的代码去执行,再把结果拼回对话里。谁的集成谁维护,换个供应商改一轮代码。
DeepSeek 把执行端搬到了服务端。官方联网工具指南的原话,是否联网由模型判断,搜索和抓取都在服务端完成,客户端不需要执行任何工具。
你只要在请求里声明 deepseek_web_search 和 deepseek_read_url 两个工具,检索、打开网页、页内查找、上下文拼接全在服务端跑完,你的胶水代码从主角变成了看客。
背后的搜索引擎也是自研的。官方说它每天稳定处理数亿次搜索请求,索引了千亿级网页,对 SEO 作弊和低质 AI 内容有专门的过滤机制。
更进一步,Search、Fetch、OCR、ASR、TTS 这些底层能力全部提供独立接口,可以单独调也可以组合着调。不想要托管对话,只借一个 OCR 用用,也行。
数据中心的服务器机架,检索与解析的重活都被挪到了服务端(图源 Wikimedia Commons,摄影 Carl Lender,CC BY 2.0)
03
账单和合规,两件事先看清楚
计费结构多了一层。官方公众号的原话,使用扩展能力时除收取 Token 费用外,也将收取相关工具的调用费用,各项工具的价格在公告里单独列表。
按次数叠加收费意味着成本模型要重算一遍。高频检索类的应用尤其要盯紧,一次多步推理搜索可能触发多轮调用。
合规是硬要求。开启安全校验参数后会获得基础风控,审核模型输入输出,命中风险时返回拒答标识。官方的表述是对外提供应用服务的开发者务必开启该参数,并自行承担内容安全审核、大模型登记、AI 标识等义务。
API 开得再方便,也替代不了备案和标识的责任。这三样义务是国内上线 AI 应用的底线,不是可选项。
1M
Flash 档上下文长度
384K
最大输出长度
0.02 元
每百万 token 缓存命中输入价,未命中 1 元
2500
Flash 档并发上限
数据出处 DeepSeek 官方 API 文档模型与价格页,2026 年 11 月
04
一个现成的抄作业样本
DeepSeek 基于这套 API 构建并开源了一个轻量前端 Demo,MIT 协议,放在 github.com/deepseek-ai/chat-demo 仓库里。
这个仓库 11 月 12 日创建,我查的时候已经有一千七百多颗星。官方给它的定位是演示用对话客户端,最大的卖点是支持直接导入你的 DeepSeek 历史对话,官方公众号甚至说开发者可以借此完整复刻出 DeepSeek App 的体验。
想快速理解这套 API 怎么组装,先读这个仓库的代码,比啃文档快。
05
jackli的思考
我觉得这次开放最有价值的判断,是托管式工具调用把「接模型」变成了「接产品」。检索、解析、语音这些重活交给服务端之后,开发者省下的不是几行代码,是整个工具链的维护成本。
另一面也要看到,托管是有代价的。搜索结果质量、工具执行逻辑都在别人手里,出了问题你能调的空间有限,计费多一层,成本模型也得重算。
以后评估这类托管能力,我会先看三样东西,账单结构透不透明、出了错能不能自己兜底、数据边界写没写清楚。
如果这篇内容对你有帮助,欢迎点个赞、转发给需要的朋友,再点一下「在看」。要是方便,也顺手给心眸AI笔记加个星标⭐,下次更新文章你就能第一时间见到。谢谢你读到这里,我们下篇再见。