DeepSeek开放App全套能力：聊天前端也开源，仅V4.1-Flash可用

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

昨晚 DeepSeek 推送了一次颇为实用的更新：网页版和 App 所用的整套工具，如今都搬进了 API。

联网搜索、链接读取、文档与图片解析、语音听写和语音朗读，只要传几个参数，就能接入开发者自己的应用。

前端页面同样一并开源了。打开在线地址，或者下载压缩包后双击 index.html，填入密钥即可使用。

更实用的一点是，从 DeepSeek 官网导出的聊天记录压缩包，支持直接导入进来继续对话。

我翻完了公告、技术文档和 X 评论区，先泼一盆冷水：这套工具目前只开放给 deepseek-flash，也就是 V4.1-Flash。

评论区里大家反复催促的 V4-Pro，这一轮更新还没跟上。

▲ 图：问题交给服务端工具

搜网页、搜图和抓链接，都交由服务端接管

过去用模型做联网聊天，搜索、抓取网页正文、抽取文字再塞回上下文，整条管线都得自己写。

这些琐碎环节现在由服务端负责。客户端只需把问题发过去，要不要搜、搜几轮，模型自己会跑完整套流程。

关闭思考时，模型会视需要搜索网页或进行以图搜图，回答时附上来源引用。

开启思考后，它就能像 App 里的深度搜索那样，一边推理一边补查。官方文档以埃菲尔铁塔和东京塔的高度对比为例做了演示。

演示流程是这样的：模型先搜一轮，再打开两座塔的官网找数据，发现没找全，就在页内搜关键词、换词再查，最多可以连续调用工具约二十次才收尾。

▲ 图：搜索会穿插在思考里

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

加上 deepseek_web_search，可以搜网页和搜图；再配一个 deepseek_read_url，用户丢进来的链接就能顺手读取。

但前端这块不能省事。文档里专门标了一条：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。

要是中间自建网关把这些块过滤掉了，请求仍然会成功，可模型会把刚看过的网页忘得一干二净。

还有一个坑要提前留意：只要启用了工具调用、自动生成标题或高安全级别，采样节奏就由服务端接管。

请求里填的温度 temperature、top_p 等一批参数会被直接忽略，想细调模型的脾气，根本不会生效。

文件解析怎么省钱，图和语音又卡在哪

先讲按页计费的文件：PDF、Word、PPT 和图片。它分纯文本提取与带版面解析两种模式。

以财报为例。若只抽取纯文字，里面的营收走势图会被直接丢掉，模型压根看不到那张图。

▲ 图：文档里的图也要进去

想直接对图表提问，得勾选 rich_layout_recognition，系统会把图裁下来，再放回文字原来的位置。

代价也跟着来。裁出来的图按图像输入 token 计费；文档里还写明，图表是自动检测抓取的，没切到的部分，模型照样看不到。

不过并非传什么都要花钱。纯文本、CSV、代码文件，再加上 Excel 表格和未加密的 EPUB、MOBI 电子书，上传时选 user_data，就能免费转成 Markdown。

走 Messages 协议的话，普通纯文字甚至可以直接写进请求里。手上只有扫描件、只想抽字，也不必进聊天库，单独调 OCR 接口更省事。

语音这块拆成了两头：听写和朗读，各自能接进不同的工作流。

▲ 图：语音要经过文字这一站

听写接口 ASR 覆盖 21 种语言，粤语也在其中，语种不用手动填，传上去自动识别。

限制写得很细。录音必须整段上传，最长两分钟、最大 8 MiB，格式只认 16-bit PCM WAV 和 Ogg Opus。

手机里常见的 MP3 得先转码；双声道录音它只取左声道；边说边出字也不支持。

朗读接口 TTS 则能接 WebSocket，模型一边生成文字，已经生成的那部分可以先送去合成声音。

音色偏少是个短板。目前只有 stella 女声和 tide 男声两个，语速不能调，断线不能续传，单次上限一万计费字符。

做微信那种按住说话、松手提问的语音入口，这套东西很顺手。真要实现实时电话那样随时打断插嘴，靠这些接口拼不出来。

算一笔千次任务的账，工具费可能比模型还贵

DeepSeek 的模型 token 一向便宜，算预算的人常常漏掉工具这一项，可这回工具费真不见得比模型少。

按官网最新价目表，搜一次（含搜图）和成功抓取一页网页，单价都是每千次 0.75 美元。

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

▲ 图：各扩展工具美元单价与半价折减

这笔账最容易踩的坑是“按次计数”。一次深度思考要是同时发出三个搜索词，账单上就按三次搜来扣。

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。

文件只在解析上传时按页扣一次，之后围着它聊多少轮，都只按正文和图片的输入 token 算。

顺着文档按中等用量推一笔完整账单：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。

光算工具费，一次是 0.00375 美元，跑一千次就是 3.75 美元。

再看模型这边，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。

工具加模型合起来，一千轮深度联网任务总共 5.85 美元。

▲ 图：工具费怎样累加

这笔账挺有意思：挂在 deepseek-flash 这类便宜模型上，跑一轮多步检索，工具费能占到总开销的六成以上。中文朗读这边还有个字符算法要留意——TTS 计费时一个汉字按两个字符算，单次上限一万字符，折算下来最多念五千汉字左右。

自己用，或者小团队跑，这点钱不算什么。可要是真做成高频公开产品，不把每轮搜索的上限卡死，工具费很快就比 token 花得还多。

想直接上手？先把开源前端的边界看清楚。

不想从零写代码，最省事的做法就是打开官方这回一并放出的 chat-demo。这个前端以 MIT 协议开源，是纯静态的，不用搭应用后端。点开在线地址，或者下载压缩包后双击 index.html，填上 Key 就能聊。

深度思考、搜网页、读链接、传附件、自动起标题，再加上语音输入和朗读，全都接好了。它还顺手补了时间和地点标记，回答时知道今天几号、用户在哪个城市。

对老用户来说，最实用的要数聊天记录迁移：从 DeepSeek 官网导出的历史记录 ZIP 包，能直接倒进这个本地页面接着聊。

导入前记两件事就行：导出包里只有文字和本地图片原件，不含密钥和其他文件；另外，一确认导入，当前全部本地对话就会被直接替换掉。

▲ 图：前端和接口怎样分工

看懂这张图，边界也就清楚了。密钥和记录是留在你自己的浏览器里，但发消息、传图或语音时，数据照样要发给 API 服务端。也正因为它只是纯静态前端，千万别把 chat-demo 直接挂到公网上，还把自己的 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。这个前端只适合本地自己用，或者小范围各填各的密钥做测试。真要做面向公众的服务，除了老老实实搭一层后端把密钥保住，还得打开官方要求的 safety_check 安全检查。

开启之后，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并返回拒绝标记。至于内容审核、大模型备案、AI 生成内容标识这些合规责任，官方写得很明确，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。不过 V4-Pro 还没接入，工具单价也已经压过了 Flash 的算力。

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。

参考资料

01｜DeepSeek：App 能力开放公告

https://api-docs.deepseek.com/news/news261113

02｜DeepSeek：聊天应用接入指南

https://api-docs.deepseek.com/guides/build_a_chatbot

03｜DeepSeek：Web Tools

https://api-docs.deepseek.com/guides/web_tools

04｜DeepSeek：模型与工具计费

https://api-docs.deepseek.com/quick_start/pricing

05｜DeepSeek：chat-demo 开源仓库

https://github.com/deepseek-ai/chat-demo