11 月 13 日晚间，DeepSeek 正式宣布将其核心应用（App）中的高级交互功能整合进现有 API 体系。开发者只需在调用 V4.1-Flash 模型（deepseek-flash）时开启相应参数，即可直接获得深度思考搜索、多格式文件输入、网页阅读及语音处理等能力。此次更新标志着 DeepSeek 从单一的文本生成服务向全模态、全流程的智能体基础设施迈进，理论上允许开发者以极低的工程成本构建出功能与官方 App 高度一致的应用。
- Demo 体验入口：https://cdn.deepseek.com/chat-demo
- 示例代码入口：https://github.com/deepseek-ai/chat-demo
核心功能升级：服务端自动化工具链
本次更新将原本由客户端处理的复杂逻辑下沉至服务端，通过工具调用（Tool Calling）与上下文自动拼接，简化了开发者的集成难度。目前支持的核心能力包括：
| 功能模块 | 触发条件/参数 | 能力描述 |
|---|---|---|
| 联网搜索 | deepseek_web_search | 非思考模式：根据提问自动发起网页或图片搜索，并附带引用来源作答。 深度思考模式：在多步推理过程中自主进行联网搜索与链接阅读，增强逻辑链条的准确性。 |
| 文件输入 | 上传接口 | 支持 PDF、Office 文档及图片格式。服务端自动完成纯文本提取或图文混排解析，并将结果拼入对话上下文。 |
| 阅读链接 | deepseek_read_url | 自动识别用户消息中的 URL，抓取网页内容并结合当前对话语境进行总结或问答。 |
| 模型安全 | 安全校验参数 | 提供基础风控服务，审核输入输出内容。命中风险时返回拒答标识。注意：对外提供服务的应用务必开启此参数，并承担相应的内容安全与合规义务。 |
独立底层能力接口：灵活嵌入工作流
除了作为对话模型的增强插件，DeepSeek 还将各项底层能力拆分为独立接口，支持开发者单独或组合调用，以便更灵活地嵌入自有业务逻辑：
- Search / Fetch：文字/图片搜索与网页内容抓取。
- OCR：高精度文字识别。
- ASR / TTS：语音识别与语音合成。
这种模块化设计使得开发者不仅可以构建聊天机器人，还能轻松开发文档处理流水线、语音助手或信息聚合工具。
定价策略：Token + 工具调用费
使用扩展功能时，费用结构由“模型 Token 费”与“工具调用费”两部分组成。DeepSeek 公布了以下标准资费（部分语音服务处于限时优惠期）：
| 服务项目 | 计费单位 | 价格 (人民币) | 备注 |
|---|---|---|---|
| 文字/图片搜索 | 千次 | 5 元 | – |
| 网页抓取 | 千次 | 5 元 | – |
| 文字识别 (OCR) | 千页 | 1.5 元 | – |
| 语音识别 (ASR) | 小时 | 0.39 元 | 限时 5 折 (原价 0.78 元) |
| 语音合成 (TTS) | 万字符 | 1.5 元 | 限时 5 折 (原价 3.0 元) |
为直观展示新版 API 的能力，DeepSeek 同步开源了一份轻量级前端 Demo。该 Demo 基于新版 API 构建，支持直接导入用户在 DeepSeek 官方 App 中的历史对话记录，实现了体验上的无缝迁移。（信息来源）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
