简介:DeepSeek 这次放出的不是新模型,而是 App 里"模型之外"的那一层能力——联网搜索、边思考边搜、PDF/Office 解析、读用户贴的链接、输入输出安全校验,并且 Search、Fetch、OCR、ASR、TTS 都能单独调用。对开发者来说,最直接的变化是:过去要自己拼的 RAG 前置链路,现在变成一个参数;而成本结构也从"只有 token"变成了"token + 工具调用"两条账单。如果你正在做多模型选型或成本评估,可以先用[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)对比不同模型与工具服务的能力和价格,再决定接入路线。
先把边界说清楚: 没有新模型发布,发布的是工具层 。
过去你用 API 想做一个”带搜索的聊天工具”,链路大致是自己接搜索服务 → 自己抓网页 → 自己清洗正文 → 自己切片塞进上下文 → 自己处理引用标注。这条链路里真正属于大模型的只有最后一步,前面全是脏活。
现在这些动作被收拢到服务端:在 V4.1 Flash 上开启相应参数,模型在推理过程中可以自主发起搜索、读取网页、解析用户上传的文件,并把结果拼进上下文继续生成。工程上的意义是 把一条需要 200 行胶水代码的链路,压缩成一个开关加几次工具调用 。
这次同时支持 Messages、Responses、Chat Completions 三套接口,Anthropic 格式和 OpenAI 格式的存量代码基本不用改。
| 接口风格 | 适合谁 | 迁移成本 |
|---|---|---|
| Chat Completions | 已有 OpenAI SDK 的项目 | 改 base_url 和 key 即可 |
| Responses | 需要服务端托管多轮工具调用、有状态编排 | 中等,但省掉自己管中间态 |
| Anthropic Messages | 从 Claude 迁过来的 Agent、用 Anthropic SDK 的团队 | 极低 |
一个典型差异:用 Chat Completions 时,工具调用结果通常需要你自己回填 messages;而 Responses 风格把”模型发起调用 → 服务端执行 → 结果回到上下文”这段循环托管了,返回体里会依次出现 output_text 和 knowledge_search_call 这类条目。做长链路 Agent 时,这个差别会显著影响你的状态管理代码量。
from openai import OpenAIclient = OpenAI(base_url="https://your-endpoint/v1", api_key="YOUR_KEY")resp = client.chat.completions.create(model="deepseek-v4.1-flash",messages=[{"role": "user", "content": "帮我查一下最近的行业政策并总结"}],tools=[{"type": "web_search"}], # 字段名以官方文档为准)print(resp.choices.message.content)
比”复刻 App”更实用的一点是,Search、Fetch、OCR、ASR、TTS 都提供了独立的调用入口。
原因很简单:市面上大量需求根本不需要大模型。一个后台系统要把 PDF 发票批量转成结构化文本,一个客服系统要把通话录音转写字幕,它们要的是 便宜、稳定、按量计费的单一能力 ,而不是被迫为了 OCR 去绑一个 LLM 的 token 计费。
# 独立 OCR / 文件解析(示意)curl -X POST "https://your-endpoint/v1/files/parse" \-H "Authorization: Bearer $API_KEY" \-F "file=@report.pdf"
这种拆分对成本可控性帮助很大:能力按需组合,不用为闲置的推理付费。
官方把价格摊开写了,这在按量计费的服务里其实是加分项:
| 能力 | 单价 | 备注 |
|---|---|---|
| 搜索 + 网页抓取 | 5 元 / 千次 | 按调用次数 |
| 文件解析 + OCR | 1.5 元 / 千页 | 约 0.0015 元/页 |
| 语音识别 ASR | 0.39 元 / 小时 | 限时五折 |
| 语音合成 TTS | 1.5 元 / 万字符 | 限时五折 |
关键一句: 这些费用在 token 费之外另算 。
这意味着你的总成本是:
总成本 = token 费 + Σ(工具调用次数 × 工具单价)token 费 = (输入 token × 输入单价 + 输出 token × 输出单价) / 1,000,000
风险点在乘法上。一个开了深度思考搜索的问题,模型可能自主触发多轮搜索和抓取——问一句、搜三次、抓两个页面,是很常见的。按 5 元/千次算,单次问答的工具费约 0.025 元;日均一万次问答,工具费就是 250 元/天,一年接近十万。问得越深、触发越多, 工具费未必比 token 费低 。
所以上线前的必做项不是看单价,而是压测调用次数:
如果你还在 several 家模型之间摇摆,建议直接在词元所上做价格与性能的横向对比,把”单价 × 预估调用量”折算成月度成本再决策,比单看每百万 token 报价靠谱得多。
原文里那句”对外提供服务必须开安全校验”,是整篇里最该被划重点的。
工具能力越强,输入输出的不可控面越大——用户贴的链接可能带注入内容,解析的文档可能含违规文本,生成的回答可能触发监管红线。因此:
技术上建议做双层防护:外层用服务端安全校验,内层在自己的业务网关再做一次敏感词与链接白名单过滤。
这次发布真正的信号不是”DeepSeek 也能搜索了”,而是 大模型 API 正在从”卖 token”转向”卖完整能力栈” 。对开发者是好事:胶水代码变少,上线变快。但代价是成本结构变复杂、合规责任更明确。能不能吃到这波红利,取决于你有没有在接入前把调用次数压测清楚、把安全校验和标识义务做扎实。