DeepSeek 在其應用程式 API 套件中開放搜尋、檔案與語音工具

新聞摘要

DeepSeek 已開放一套應用程式設計介面，將其應用程式與網頁體驗中的許多互動工具提供給開發者。該發布於 2026 年 11 月 13 日中國標準時間（UTC+8）宣布，結合內建搜尋、檔案與網址處理及安全檢查，搭配 V4.1-Flash 模型，並透過獨立端點提供語音與輔助功能。這項變革可縮短建構研究與學習助理所需的工作，但並未消除圍繞這些能力設計負責任且實用產品的需求。

從聊天模型到完整的學習工作流程

此公告回應了對話式 AI 開發中的一項實際缺口。模型可以解釋概念或摘要文本，但教育助理往往還需要尋找最新資訊、檢視文件、理解網頁，並呈現附有脈絡的答案。過去，開發者通常必須自行串接這些服務，並協調其輸出與模型呼叫。

DeepSeek 表示，其 V4.1-Flash 模型（在發布中標示為 deepseek-flash）在 Messages、Responses 與 Chat Completions 介面中支援這些新能力。啟用內建工具後，服務會在伺服器端處理工具呼叫，並將檢索到的素材組裝進對話脈絡中。這可讓原型更易於建構，儘管產品仍需周詳的介面設計與評估。

在同一段對話中搜尋、處理文件與連結

在非思考模式下，開發者可啟用 deepseek_web_search，讓模型搜尋網頁或圖片並附上引用來源作答。在思考模式下，同一個搜尋工具可支援多步驟研究，包括在推理過程中搜尋與閱讀頁面。對學生而言，這可支援以問題引導的探索；對教師而言，這有助於打造將解說與相關來源連結的備課工具。

檔案輸入接受 PDF、Office 文件、圖片及其他格式。服務會擷取文字或解析混合文字與圖片的內容，再將結果放入對話脈絡中。deepseek_read_url 工具可偵測使用者訊息中的連結、擷取其內容，並用以輔助作答。這些功能結合起來，可支援諸如針對課堂讀物提問、比較多個頁面的素材，或摘要圖表豐富的文件等工作流程。

這些是建構元件，而非準確性的保證。搜尋結果可能不完整或隨時間變動，而從複雜檔案中擷取內容也可能遺漏脈絡。教育產品應讓來源素材清楚可見、鼓勵學習者查證說法，並區分模型生成的解說與原始文件。

語音與輔助工具亦可使用

DeepSeek 表示，搜尋、擷取、光學字元辨識（OCR）、自動語音辨識（ASR）與文字轉語音（TTS）也可作為獨立 API 使用。這讓開發者能只組合所需的元件。例如，語言學習工具可將語音辨識與口語回應搭配使用，而學習應用程式則可在學生針對拍攝的筆記提問之前，先以 OCR 處理這些筆記。

該公司也發布了一個輕量級前端示範及其原始碼。此示範可匯入從 DeepSeek 匯出的對話歷史記錄，為開發者提供實用的參考，以便試驗這套 API 並組裝聊天介面。

安全、成本與設計責任

此次發布包含模型安全檢查，會篩選輸入與輸出，並在偵測到風險時回傳拒答指標。DeepSeek 表示，面向公眾的應用程式應啟用這些檢查。該公司也表示，開發者仍須負責內容審核、適用的模型註冊，以及標示 AI 生成的內容。這些要點在教育領域尤其重要，因為系統可能供年幼學習者使用，而答案可能形塑人們對一個主題的理解。

擴充功能會在使用標準權杖費用之外產生工具使用費。因此，開發者在估算預算時，需要將搜尋、檢索及其他工具成本納入考量，尤其是教室或使用頻繁的服務。低摩擦的 API 整合或許能減少工程投入，但可靠的教育產品仍需測試、清楚的來源呈現、對上傳素材的隱私意識處理，以及讓學習者質疑或驗證輸出的方式。

此次發布對開發者的改變

此次發布的重要性在於其整合層：開發者可透過既有的 API 系列，呼叫與 DeepSeek 自家聊天產品相關的多項能力，或分別呼叫底層服務。DeepSeek 表示，合併後的 API 可支援接近其應用程式的體驗，並已發布示範以展示前端如何使用它們。這是關於可用元件的開發者導向說法，並非保證每個獨立應用程式都能重現相同的使用者體驗或結果。

對科學與科技教育而言，機會在於讓以研究為導向的互動更容易製作原型：學生可在單一應用程式中從提問走向相關來源、處理課程檔案，並使用語音工具。這種體驗的品質將取決於教育工作者與開發者如何建構學習目標、呈現證據，並協助使用者評估 AI 生成的答案。