DeepSeek 在其应用 API 套件中开放搜索、文件和语音工具

新闻摘要

DeepSeek 开放了一套应用程序编程接口，将其应用和网页体验中的许多交互工具提供给开发者。该发布于 2026 年 11 月 13 日中国标准时间（UTC+8）宣布，将内置搜索、文件和 URL 处理以及安全检查与 V4.1-Flash 模型相结合，同时通过独立端点提供语音和支持功能。这一变化可以缩短构建研究和学习助手所需的工作量，但并不能消除围绕这些能力设计负责任、有用产品的必要性。

从聊天模型到完整的学习工作流

该公告针对的是对话式 AI 开发中的一个实际缺口。模型可以解释概念或总结文本，但教育助手通常还需要查找最新信息、检查文档、理解网页，并在上下文中呈现答案。此前，开发者通常必须自行连接这些服务，并将其输出与模型调用协调起来。

DeepSeek 表示，其 V4.1-Flash 模型（在发布中标识为 deepseek-flash）在 Messages、Responses 和 Chat Completions 接口中支持这些新能力。启用内置工具后，服务会在服务器端处理工具调用，并将检索到的材料组装到对话上下文中。这可以使原型更易于构建，但产品仍需经过深思熟虑的界面设计和评估。

在同一对话中搜索、处理文档和链接

在非思考模式下，开发者可以启用 deepseek_web_search，使模型能够搜索网页或图像并附带引用作答。在思考模式下，同一搜索工具可以支持多步研究，包括在推理过程中搜索和阅读页面。对学生而言，这可以支持以问题为导向的探索；对教师而言，这有助于创建将解释与相关来源联系起来的备课工具。

文件输入接受 PDF、Office 文档、图像和其他格式。服务会提取文本或解析混合的文本和图像内容，然后将结果放入对话上下文中。deepseek_read_url 工具可以检测用户消息中的链接，获取其内容，并利用这些内容为答案提供依据。这些功能结合起来，可以支持诸如针对课堂阅读材料提问、比较多个页面的材料，或总结图表丰富的文档等工作流。

这些是构建模块，而非准确性的保证。搜索结果可能不完整或随时间变化，从复杂文件中提取内容也可能遗漏上下文。教育产品应使源材料可见，鼓励学习者核实相关说法，并将模型生成的解释与原始文档区分开来。

语音和支持工具也可用

DeepSeek 表示，搜索、获取、光学字符识别（OCR）、自动语音识别（ASR）和文本转语音（TTS）也可作为独立 API 使用。这使开发者能够只组合他们需要的组件。例如，语言学习工具可以将语音识别与语音回复配对，而学习应用可以使用 OCR 处理拍摄的笔记，然后让学生就这些笔记提问。

该公司还发布了一个轻量级前端演示及其源代码。该演示可以导入从 DeepSeek 导出的对话历史，为开发者提供一个实用参考，用于试验该 API 套件并组装聊天界面。

安全、成本和设计责任

该发布包含模型安全检查，可筛查输入和输出，并在检测到风险时返回拒绝指示。DeepSeek 表示，面向公众的应用应启用这些检查。该公司还表示，开发者仍需负责内容审核、适用的模型注册以及 AI 生成内容的标注。这些要点在教育领域尤为重要，因为系统可能被年轻学习者使用，而答案可能影响人们理解某一学科的方式。

扩展能力会在标准 token 费用之外产生工具使用费。因此，开发者在估算预算时需要将搜索、检索和其他工具成本考虑在内，尤其是对于教室或高频使用的服务。低摩擦的 API 集成可能减少工程工作量，但可靠的教育产品仍然需要测试、清晰的来源呈现、对上传材料的隐私意识处理，以及让学习者质疑或验证输出的方式。

该发布对开发者意味着什么

该发布的意义在于其集成层：开发者可以通过现有 API 系列调用与 DeepSeek 自家聊天产品相关的多项能力，也可以单独调用底层服务。DeepSeek 表示，组合 API 可以支持接近其应用的体验，并已发布演示以展示前端如何使用它们。这是关于可用组件的面向开发者的声明，而非承诺每个独立应用都能复现相同的用户体验或结果。

对于科学和技术教育而言，机会在于使面向研究的交互更容易原型化：学生可以在一个应用中从问题转向相关来源、处理课程文件并使用语音工具。这种体验的质量将取决于教育者和开发者如何构建学习目标、呈现证据，并帮助用户评估 AI 生成的答案。