DeepSeek 开放 App 同款搜索、OCR 和语音 API：怎么选、怎么收费

赛博资讯2026-11-14发布 WarpEdit

DeepSeek API 这次补上了一块开发者一直要自己拼的东西：2026 年 11 月 13 日起，DeepSeek App 里的联网搜索、文件理解、读链接、语音和内容安全，都可以通过 API 调用。以前做一个“能联网、能读 PDF、能说话”的助手，得另找搜索、OCR 和语音服务商，再自己把结果塞回上下文；现在可以在 deepseek-flash 的对话接口里直接打开这些工具，也可以单独调用 Search、Fetch、OCR、ASR 和 TTS。代价是工具费要在 token 费之外另算，面向公众的产品还必须打开安全审查。下面按“该用哪种方式、要花多少钱、上线前会卡在哪”来拆。

两种用法，差在谁来拼上下文

这次开放的能力分两层，选哪层取决于你想不想自己管中间结果。

对话内工具：交给 DeepSeek 服务端。在 Messages、Responses 或 Chat Completions 接口里打开对应参数，模型会自己决定什么时候搜、搜什么，服务端负责调用工具、把结果拼进上下文。目前这些对话内能力是写在 deepseek-flash（对应 DeepSeek-V4.1-Flash）上的，不是所有模型都自动具备。

联网搜索：启用 deepseek_web_search。关掉思考时，模型按需做网页或图片搜索，回答里带引用；打开思考时，它会在多步推理中自己搜索、阅读链接。
文件输入：可以传 PDF、Office 文件和图片，经纯文本抽取或版面解析后进入对话，模型据此回答。
读链接：启用 deepseek_read_url，模型会识别用户消息里的链接，抓取页面后再作答。
安全审查：打开后，服务会对输入和输出做基本风控，有风险时返回拒绝标记。

独立接口：结果先回到你手里。Search、Fetch、OCR、ASR、TTS 都能单独调用，适合只要其中一项能力、或者想先过滤结果再交给模型的流程。OCR 走 POST /v1/tools/ocr，ASR 走 POST /v1/tools/asr，TTS 走 POST /v1/tools/tts，需要边生成边合成时可以用 WebSocket。

最容易用错的是 PDF：官方写明，OCR 接口处理的文件不会存进 Files API，也不会交给对话模型。如果你想让模型“读完这份合同再回答问题”，要走对话里的文件输入；OCR 只负责把文件变成文字还给你。

你要做的事	用哪种	理由
聊天助手需要联网回答，并给出处	对话内 `deepseek_web_search`	搜索、阅读、拼上下文都在服务端完成，回答带引用
让模型基于上传的 PDF 回答问题	对话内文件输入	OCR 结果不会进入对话上下文
把扫描件批量转成文字入库	独立 OCR	只要文字结果，不需要模型参与
想先筛掉某些网站，再把搜索结果喂给模型	独立 Search / Fetch	结果先回到你手里，可以自己过滤
语音输入、语音播报	独立 ASR / TTS	语音能力以独立接口提供；TTS 另有 WebSocket 流式合成

DeepSeek API 变更日志的 2026-11-13 一节，列出对话内搜索、文件、链接与安全能力 — DeepSeek API 官方变更日志，2026-11-13 的完整 App API 发布条目。

按 11 月 14 日价目算一笔账

工具按次、按页或按时长计费，加在模型 token 费上面。搜索和网页抓取不管是你直接调接口，还是模型在对话里自己调，都按次收费。

项目	计费单位	官方标价（11 月 14 日）
搜索（文本、图片）	每 1,000 次	0.75 美元
网页抓取（Fetch）	每 1,000 次	0.75 美元
文件解析、OCR	每 1,000 页	0.225 美元，按成功识别的页数计，失败或超时不收费
语音合成 TTS	每 10,000 个计费字符	标价 0.45 美元，限时半价 0.225 美元
语音识别 ASR	每小时音频	标价 0.116 美元，限时半价 0.058 美元，按秒计，不足 1 秒按 1 秒

换成几个常见场景（按上表标价计算的估算，不含模型 token 费）：

每天 1 万次联网问答，每次搜一次：搜索费约 7.5 美元一天。如果模型在深度思考里一次问答搜好几轮，要按实际调用次数乘上去。
OCR 一份 500 页的扫描 PDF：约 0.11 美元。
把 1 万个汉字转成语音：一个汉字算 2 个计费字符，所以是 2 万计费字符，标价约 0.90 美元，半价期间约 0.45 美元。同样长度的英文只要一半。
识别 1 小时录音：标价约 0.116 美元。但 ASR 单次最长 120 秒，一小时录音至少要切成 30 段分别提交，切分和拼接要你自己做。

语音两项的半价，定价页只写了 Limited-time / 50% off，没有写截止日期。按半价做预算的话，最好给自己留出按原价计算的余量。

模型本身仍按每百万 token 计费。deepseek-flash 在缓存未命中时，输入低谷 0.15 美元、高峰 0.30 美元，输出低谷 0.60 美元、高峰 1.20 美元；缓存命中便宜得多。高峰时段是周一到周五 UTC 01:00–04:00 和 06:00–10:00，换成北京时间就是工作日上午 9 点到 12 点、下午 2 点到 6 点，正好压着国内上班时间；周末和中国法定节假日全天按低谷价。能挪到晚上跑的批量任务，token 费直接减半。旧模型名 deepseek-v4-flash 等仍能用，但会落到现在的 Flash 并按 Flash 计费；deepseek-v4-pro 更贵，而且不支持视觉。

DeepSeek 官方工具 API 价格图，含 Search、Fetch、OCR、ASR 和 TTS，语音价格标有限时半价 — DeepSeek 官方工具 API 价格图；ASR／TTS 标有限时半价，2026-11-14 核对。

上线前容易卡住的地方

接口限制

ASR：一次送完整音频、一次返回全文，不支持流式；格式为 16-bit PCM WAV 或 Ogg Opus，最长 120 秒、最大 8 MiB；立体声只识别左声道；没有语言参数，按音频内容判断语言。
TTS：单次最多 10,000 个计费字符（也就是约 5,000 个汉字），一条请求最多返回 30 分钟音频；音色目前有 stella（女声，默认）和 tide（男声）；中途断掉的不完整音频要当作失败处理。
OCR：支持 PDF、Word、PowerPoint 和常见图片；必须传 purpose（text_recognition 或 rich_layout_recognition）；单文件不超过 100 MiB、1000 页。客户端断开后识别可能继续，成功了照样计费，关连接不等于取消。
并发：ASR 和 TTS 每个账户最多 50 个进行中的请求，OCR 是 15 个，超出返回 429。

合规不是打开开关就完事

如果产品面向公众，官方要求必须打开安全审查参数。但这个参数只是基础风控，内容安全审核、大模型备案和 AI 生成标识，官方写明仍由开发者自己负责。接口调得通，不等于产品可以直接上线。

官方 Demo 只是参考

DeepSeek 还开源了一个可以导入 DeepSeek 对话历史的演示聊天客户端，在线演示在 https://cdn.deepseek.com/chat-demo ，代码在 github.com/deepseek-ai/chat-demo。想看对话内工具怎么接，可以拿它和官方的 Build a Chatbot 指南对照着读；但它是演示，不等于官方 App 本身。

谁值得现在就换过来

已经在用 DeepSeek 模型、又另外接了搜索或 OCR 服务的项目，最值得算一算：少维护一家供应商，搜索结果也不用自己拼进上下文。只想做语音的项目，则要先看 120 秒单段、无流式识别这两条能不能接受，实时语音对话这类场景目前不太合适。模型本身的背景可以看站内的 DeepSeek-V4 技术报告解读，产品入口在站点页 DeepSeek。