DeepSeek 把 App 能力开放给开发者，连聊天前端也开源了

昨晚 DeepSeek 发了个挺实在的更新：把网页版和 App 背后的整套工具搬进了 API。

联网搜索、读链接、解析文档图片、语音听写和朗读，都能靠几个参数接进自己的应用。

甚至连前端页面也一起开源了。点开在线地址，或者下个压缩包双击 index.html，填上密钥就能用。

更实在的是，它还支持把你在 DeepSeek 官网导出的聊天记录压缩包直接倒进去接着聊。

我把公告、技术文档和 X 评论区翻了一遍，先泼个冷水：这回整套工具只开放给 deepseek-flash，也就是 V4.1-Flash。

至于评论区大家狂催的 V4-Pro，目前还没跟上这波更新。

服务端把搜网页、搜图和抓链接接走了

以前接模型做联网聊天，接搜索、抓网页正文、抽字塞回上下文，全得自己写管线。

现在这段琐碎活全归服务端管。客户端只要把问题扔过去，搜不搜、搜几轮，模型自己会跑完。

关掉思考，模型会按需要搜网页或以图搜图，最后带着来源引用回答。

打开思考之后，它就能像 App 里的深度搜索那样边推理边补查。官方文档拿埃菲尔铁塔和东京塔比高度举了个例子。

演示流程里，模型先搜一遍，再打开两座塔的官网找数字，没找全就在页内搜关键词、换词补查，最多能连着调二十次左右的工具才收口。

接口接入倒是挺省事。Anthropic Messages、OpenAI Responses 和 Chat Completions 这三种常见协议都能直接跑。

挂上 deepseek_web_search 管搜网页和搜图，再加一个 deepseek_read_url，就能顺手读用户丢进来的链接。

但前端千万别偷懒。文档里特意标了一条，服务端返回的思考、搜索和抓页结果块，下一轮对话必须原样回传。

中间如果自建网关把这些块滤掉了，请求照样能成功，模型却会把刚看过的网页忘光。

还有个坑得提前留意：只要开了工具调用、自动起标题或者高安全级别，服务端就会接管采样节奏。

请求里写的温度 temperature、top_p 等一批参数会被直接忽略，想细调模型脾气没法生效。

文件解析怎么省钱，图和语音卡在哪

先说清按页计费的文件：PDF、Word、PPT 和图片。它分纯文本提取和带版面解析两种模式。

拿财报举个例子。要是只抽纯文字，里面的营收走势图会直接丢掉，模型根本看不到图。

想问图表内容，就得选 rich_layout_recognition，系统会自动把图裁出来插回文字原位。

但这也有代价。裁出的图要算图像输入 token 钱，而且文档明说了，图表靠自动检测抓取，漏切了模型还是看不见。

其实也不用传什么都花钱。纯文本、CSV、代码文件，加上 Excel 表格和未加密的 EPUB、MOBI 电子书，上传时选 user_data 就免费转 Markdown。

走 Messages 协议的话，普通纯文字甚至能直接塞进请求里。手头只有扫描件想抽字也不用进聊天库，直接调独立 OCR 接口更干脆。

语音则拆成了听写和朗读两头，能各自嵌进自己的工作流。

听写接口 ASR 支持包括粤语在内的 21 种语言，不用手动填语种，上传就会自动识别。

限制也挺具体。录音得整段上传，最长两分钟、最大 8 MiB，还只认 16-bit PCM WAV 和 Ogg Opus 格式。

平时手机常用的 MP3 得先转码，双声道录音它也只认左声道，更不支持边说边出字。

朗读接口 TTS 倒能接 WebSocket，模型边生成文字，已经吐出来的那截就能先送去合成声音。

可惜音色太少，目前只有 stella 女声和 tide 男声两个，既不能调语速，断线也不能续传，单次上限一万计费字符。

拿来做微信那种按住说话、松手提问的语音入口很顺手。真想做成实时电话那样随时打断插嘴，这套接口拼不出来。

算一笔千次任务的账，工具费可能比模型还贵

DeepSeek 的模型 token 向来便宜，很多人算预算容易漏掉工具账，可这回工具费真不比模型少。

按官网最新价目表，搜一次（含搜图）和成功抓一页网页，单价都是每千次 0.75 美元。

文件解析和 OCR 每千页 0.225 美元。语音接口挂着限时半价，听写原价每小时 0.116 美元，朗读每万字符 0.45 美元。

算这笔账最容易踩坑的是“按次计数”。一次深度思考如果同时发出三个搜索词，账单上就按三次搜来扣。

好在没结果或者抓取失败不扣钱。同一页在思考里反复翻看、页内找字，也有对应的免重复计费规则。

文件则只在上传解析时按页扣一次钱，后续围着它聊再多轮，只按正文和图片的输入 token 算。

顺着文档按中等用量推算一笔完整账单：假设每次联网提问发出三个有效搜索词，再成功抓取两页网页。

单算工具费，一次是 0.00375 美元，跑一千次就是 3.75 美元。

再看模型耗费，假设每轮累计吃进一万未命中缓存的输入 token、吐出一千输出 token，按 Flash 谷时价算，一千次只要 2.10 美元。

工具加模型凑一块儿，一千轮深度联网任务总共 5.85 美元。

你看这账就有意思了：配在 deepseek-flash 这种低价模型上，跑一轮多步检索，工具费反倒占了总开销的六成以上。

中文朗读还得留心字符算法。TTS 计费里一个汉字顶两个字符，单次一万字符上限，最多只能念大约五千汉字。

自己用或者小团队跑，这笔开销很轻松。真打算做高频公开产品，不卡死每轮搜索上限，工具费很快比 token 跑得还快。

想直接上手，先看懂开源前端的边界

懒得从零写代码，最省事的办法就是打开官方这次一起放出来的 chat-demo。

这个 MIT 协议开源的静态前端不用搭应用后端。点开在线地址，或者下压缩包双击 index.html，填上 Key 就能开聊。

深度思考、搜网页、读链接、传附件、自动起标题，连带语音输入和朗读全接齐了。

它还顺手加上了时间和地点标记，回答时知道今天是几号、用户在哪个城市。

对老用户来说，最香的是能迁移聊天记录。从 DeepSeek 官网导出的历史记录 ZIP 包，可以直接倒进这个本地页面里接着聊。

导入前记住两件事就行：导出包里只留文字和本地图片原件，不含密钥和其他文件。而且一确认导入，就会直接替换掉当前全部本地对话。

看懂上面这张图，就能明白它的边界。密钥和记录虽然留在你自己的浏览器里，但只要发消息、传图或语音，数据还是会发给 API 服务端。

也正因为它是纯静态前端，千万别把 chat-demo 直接挂到公网上，再把自己的 API Key 写死给外人用。

那等于把自家钱包密码贴在网页源码里。这个前端只适合自己本地用，或者小范围各填各的密钥测试。

真要做面向公众的服务，除了自己老实搭层后端保住密钥，还得把官方要求的 safety_check 安全检查打开。

开启后，文字和版面解析裁出的图都会过一遍风控，撞到风险就直接拦截返回拒绝标记。

内容审核、大模型备案和 AI 生成内容标识这些合规责任，官方明确写了，还是得服务方自己扛。

把 App 的全套工具交出来，确实帮轻度开发者省了一大半基建功夫。

但 V4-Pro 还没接入，工具单价也压过了 Flash 算力。

个人拿 chat-demo 配自己的密钥做个顺手工作台很香，真要往外推产品，先把搜索限额和后端鉴权算明白再动。