DeepSeek 把整个 App 拆成 API：搜索、OCR、语音全按次卖

DeepSeek 在 11 月 13 日的 API 变更日志里做了一件指向很明确的事：把 App 背后的能力整套开放给开发者。网页搜索、读链接、文件输入、安全检查、语音——原本是 DeepSeek App 里的功能，现在在现有 API 里加参数就能开启。官方的说法是「完整的 DeepSeek App 体验，改由 API 提供」。

这不是模型升级，是能力售卖方式的变化：从卖 token，扩展到把工具单独计价。

承载模型与接口

承载这套能力的是 deepseek-flash，当前指向 DeepSeek-V4.1-Flash-1017：100 万 token 上下文、最大输出 384,000 token、支持视觉输入、并发上限 2,500，覆盖 Messages、Responses、Chat Completions 三套接口。

两个数字容易读错：384,000 是最大输出，不是上下文；2,500 是并发上限，不是请求速率。

内置工具：加参数即开

按官方文档口径，四种能力以参数形式挂在模型调用上：

网页搜索（deepseek_web_search）——思考关闭时直接跑网页与图片搜索并带引用作答；思考开启时，可以在多步推理的过程中搜索与读页。读链接（deepseek_read_url）——读取用户消息里出现的链接。文件输入——PDF、Word、PowerPoint 与图片，转成文本或按版式解析后进入对话。安全检查参数——审查模型的输入与输出，命中风险返回拒绝标记。

其中安全参数带着硬性要求：面向公众提供服务的应用必须开启，并自行完成内容审核、大模型备案与 AI 标识。这一条把合规责任明确压回调用方。

五个可单独调用的端点

除内置工具，还有五个独立 API，可按次单独买：

搜索（/v1/tools/search），最高 100 请求/秒；独立版暂不支持图片搜索。抓取（/v1/tools/fetch），返回 Markdown，最高 25 请求/秒。OCR（/v1/tools/ocr），覆盖图片与 PDF/Word/PowerPoint，按页返回，单文件上限 100MB、1,000 页；文件不进 Files API，也不喂给聊天模型——这一条对处理敏感文档的场景很关键。语音识别（/v1/tools/asr），21 种语言自动识别，支持 WAV 16-bit PCM 与 Ogg Opus，单文件最长 120 秒、8MB。语音合成（/v1/tools/tts），10 种语言，Stella 女声与 Tide 男声，单请求最多 10,000 字符，WebSocket 流式输出音频。

价格：工具费与 token 费分成两笔

定价页把账算得很清楚，工具费与模型 token 费分开计：

失败的搜索与空结果不计费。模型 token 价不变：V4.1-Flash-1017 高峰时段每百万输入 $0.30、每百万输出 $1.20，非高峰半价。

关于抓取的价格，有一处口径需要澄清：二次报道里有把网页抓取写成免费的说法，但 DeepSeek 官方定价页明确写的是每 1,000 次 $0.75，与搜索同价。以官方页面为准。

另外，语音的两个五折价没有标注结束日期，属于限时价，不要当成长期定价。

一并开源的演示客户端

官方还开源了一个浏览器端的 demo 客户端：API key 与对话只存在本地，可以导入从 DeepSeek App 导出的聊天记录。官方标注它「仅作演示」——这意味着它更像一份可运行的集成示例，而不是一个要跟官方 App 竞争的产品。

这一步在行业内意味着什么

背景：10 月 17 日 DeepSeek 刚开放过自研搜索引擎的搜索与抓取 API；11 月 13 日这次的扩展，把文件解析、OCR、语音输入输出、安全检查一并纳入。

对开发者来说，实际变化是省掉一层拼装：过去要自己接搜索服务、接 OCR、接语音转写，再把结果塞进模型上下文；现在这些可以在一套 API 与一张账单里解决。代价是绑定——工具费按次计，量一上来，这块成本与 token 费是同一个量级的问题，需要在成本模型里单列。

模型厂商开始卖工具，意味着竞争维度前移：不再只比每百万 token 多少钱，也比「配套工具链是否够用、够便宜」。