Resumen: DeepSeek abre a los desarrolladores las capacidades de búsqueda, análisis de archivos, lectura de enlaces y voz de su aplicación, y deja que el servidor de la API ejecute los flujos clave de las herramientas.
El 13 de noviembre de 2026, DeepSeek presentó oficialmente la API de la suite completa de DeepSeek. Las capacidades de búsqueda web, búsqueda con pensamiento profundo, lectura de enlaces, entrada de archivos y verificación de seguridad del modelo que antes estaban integradas en la app de DeepSeek y en la versión web, así como las interfaces independientes Search, Fetch, OCR, ASR y TTS, ahora pueden invocarse mediante la API. El cambio central de esta actualización es que, después de que el desarrollador declare en la solicitud herramientas como deepseek_web_search y deepseek_read_url, la búsqueda, la lectura de páginas web y el ensamblado del contexto los realiza el servidor de DeepSeek; el cliente ya no tiene que orquestar por su cuenta la cadena de llamadas “modelo → búsqueda → recuperación → devolución → nueva solicitud”. Según la compañía, con esta API se pueden implementar funciones prácticamente equivalentes a las de la app de DeepSeek.
A continuación veremos qué capacidades se han abierto y qué modelos y protocolos se pueden usar; después desglosaremos, punto por punto, los flujos técnicos y las limitaciones de la búsqueda web, la búsqueda profunda, los archivos y enlaces, la voz y el OCR; luego compararemos las dos formas de desarrollo, la antigua y la nueva, y explicaremos qué trabajo sigue siendo responsabilidad del frontend; por último, tomando como referencia tres tipos de productos —preguntas y respuestas sobre noticias, lectura de informes financieros y asistentes de voz—, daremos criterios para elegir entre las dos rutas de integración: herramientas integradas y herramientas independientes.

Para saber: terminología relacionada con la suite completa de APIs de DeepSeek
| Término | Explicación |
|---|---|
| API | Interfaz mediante la cual distintos programas intercambian solicitudes y resultados según un formato acordado. |
| Harness | Marco de ejecución que gestiona el flujo de ejecución de un agente, los modelos, las herramientas y el contexto. |
| Server-side Tool | Herramienta ejecutada por el servidor del modelo; el cliente solo recibe el resultado de la ejecución. |
| Deep Thinking Search | Durante el razonamiento, el modelo realiza varias búsquedas, abre páginas web y busca información. |
| Chat Completions | Interfaz tradicional de completado de conversaciones al estilo OpenAI. |
| Responses API | Interfaz que admite respuestas estructuradas, invocación de herramientas e interacción de varios turnos. |
| Messages API | Interfaz de mensajes al estilo Anthropic. |
| Files API | Interfaz para subir y procesar archivos, y devolver un file_id que se puede citar en la conversación. |
| OCR | Reconocimiento de texto en imágenes o documentos para convertirlo en texto procesable. |
| ASR | Conversión de voz a texto. |
| TTS | Conversión de texto a voz. |
| Citation | Mecanismo de referencia que vincula el contenido de una respuesta con una fuente de información concreta. |
| tool_choice | Parámetro de solicitud que controla cómo el modelo invoca herramientas. |
1 La API de la suite completa de DeepSeek abre las capacidades centrales de la App a los desarrolladores
1.1 ¿Qué lanzó la API de la suite completa de DeepSeek el 13 de noviembre?
Las capacidades presentadas en este lanzamiento se dividen en dos categorías: una son herramientas del lado del servidor integradas en la conversación, que el modelo invoca por sí mismo al responder; la otra son interfaces de herramientas independientes, que los desarrolladores pueden llamar por separado y combinar libremente.
| Capacidad | Nombre en inglés | Forma de invocación | Función |
|---|---|---|---|
| Búsqueda en línea | Web Search | Herramienta integrada en la conversación | El modelo decide por sí mismo si buscar y devuelve una respuesta con citas |
| Búsqueda con pensamiento profundo | Deep Thinking Search | Herramienta integrada en la conversación | Búsqueda en varios pasos, apertura de páginas web y búsqueda dentro de la página |
| Lectura de enlaces | Read URL | Herramienta integrada en la conversación | Lee el enlace de la página web incluido en el mensaje del usuario |
| Entrada de archivos | File Input | Files API + conversación | Analiza PDF, Office e imágenes y los envía al contexto |
| Seguridad del modelo | Safety Check | Parámetro de la solicitud | Revisa la entrada, los resultados de las herramientas y la salida |
| Búsqueda web | Search API | Interfaz independiente | Devuelve resultados de búsqueda estructurados |
| Extracción de páginas web | Fetch API | Interfaz independiente | Extrae el cuerpo principal de la página web |
| OCR | Optical Character Recognition | Interfaz independiente | Reconoce el texto de imágenes y documentos, así como su posición en la página |
| ASR | Automatic Speech Recognition | Interfaz independiente | Convierte audio en texto |
| TTS | Text-to-Speech | Interfaz independiente | Convierte texto en voz, con soporte de streaming por WebSocket |
Esta actualización se concentra en la capa de capacidades de aplicación del modelo. Más allá de la capacidad de razonamiento del propio modelo, se abren en bloque componentes de los que depende la experiencia a nivel de App, como búsqueda, documentos, voz y control de riesgos, y los desarrolladores obtienen una infraestructura con la que pueden ensamblar productos directamente.
El mismo día, DeepSeek también liberó como código abierto una demo de chat frontend ligera (Chat Demo), como implementación de referencia para replicar la experiencia de la App. Como contexto, el 13 de agosto DeepSeek había liberado el framework de ejecución de agentes DeepSeek Harness; este y la API de la suite completa pertenecen, respectivamente, a la capa de framework y a la capa de interfaces, y son dos líneas de producto independientes pero interrelacionadas.
1.2 ¿Qué modelos y protocolos admite la API de la suite completa de DeepSeek?
La integración completa de herramientas a nivel de conversación la soporta actualmente deepseek-flash, que corresponde a la versión oficial DeepSeek-V4.1-Flash-1017. Este modelo admite el modo de pensamiento y el modo sin pensamiento, búsqueda en línea, búsqueda con pensamiento profundo, lectura de enlaces, análisis de archivos, comprensión de imágenes y verificación de seguridad; la ventana de contexto es de 1M y la salida máxima de 384K. La integración de herramientas anunciada está dirigida explícitamente a deepseek-flash; el alcance de soporte de herramientas de otros modelos, como DeepSeek-V4-Pro, queda sujeto a lo que la documentación oficial indique más adelante.
| Protocolo | Dirección de la solicitud | Características |
|---|---|---|
| OpenAI Chat Completions | POST api.deepseek.com/chat/completions |
Completado de conversación tradicional, con el menor coste de migración |
| OpenAI Responses | POST api.deepseek.com/responses |
Respuestas estructuradas e interacción con herramientas en varios turnos |
| Anthropic Messages | POST api.deepseek.com/anthropic/v1/messages |
Formato de mensajes al estilo de Anthropic |
Los tres protocolos permiten usar las capacidades de búsqueda del lado del servidor, lectura de enlaces y archivos, pero los parámetros de solicitud y la estructura de respuesta son distintos en cada caso. Los equipos que ya tienen código con el SDK de OpenAI pueden optar preferentemente por Chat Completions o Responses, mientras que los proyectos construidos sobre el ecosistema Claude pueden elegir el protocolo Messages.
2 Cómo el conjunto completo de APIs de DeepSeek cubre tareas que antes estaban dispersas
2.1 Búsqueda web de DeepSeek: el modelo decide cuándo buscar
Cuando declaras deepseek_web_search dentro de tools en la solicitud, el modelo evalúa la pregunta y determina si necesita conectarse a internet, genera automáticamente los términos de búsqueda, el servidor ejecuta la búsqueda y, al final, el modelo organiza la información y añade las citas de las fuentes. Esta herramienta admite búsqueda de páginas web y búsqueda de imágenes.
Tomemos como ejemplo una consulta de noticias tecnológicas del tipo «¿qué nuevas funciones de API ha lanzado DeepSeek recientemente?». La respuesta incluirá los términos de búsqueda usados, resultados estructurados, URL de las fuentes, títulos, fechas de publicación e información de citas. El cuerpo de la solicitud Chat Completions que aparece en la documentación oficial es el siguiente, y activa al mismo tiempo el modo de razonamiento, la búsqueda web y la lectura de enlaces:
{
"model": "deepseek-flash",
"thinking": { "type": "enabled" },
"tools": [
{ "type": "deepseek_web_search" },
{ "type": "deepseek_read_url" }
],
"messages": [
{ "role": "user", "content": "调查DeepSeek最近发布了哪些API新功能" }
],
"stream": true
}
Hay que prestar especial atención a las reglas de control de la invocación de herramientas:
- Una vez declarada una herramienta en
tools, es el modelo quien decide si la invoca o no. tool_choiceno puede forzar el uso dedeepseek_web_searchni dedeepseek_read_url.tool_choice: nonedesactiva todas las herramientas.- La combinación de herramientas web con otras herramientas del lado del servidor tiene límites de compatibilidad; si se sale de ese rango, se devuelve un error 400.
2.2 Búsqueda profunda de DeepSeek: de una consulta a una investigación multipaso
Al activar el modo de razonamiento, la búsqueda web se convierte en una búsqueda con razonamiento profundo. Durante el proceso de inferencia, el modelo alterna tres acciones: search para buscar palabras clave, open_page para abrir las páginas web encontradas y find_in_page para localizar información concreta dentro de la página.
El resultado de cada paso influye en la decisión del siguiente. El modelo puede añadir nuevas palabras clave a partir de los resultados de la primera ronda, abrir comunicados oficiales para verificar detalles y contrastar varias fuentes; tras un máximo de unas 20 llamadas a herramientas, ofrece una respuesta con referencias. Para preguntas de investigación, esto equivale a incorporar un pequeño agente de recuperación dentro de la API.
2.3 Archivos y enlaces de DeepSeek: dejar que el modelo lea directamente materiales externos
deepseek_read_url está diseñado específicamente para leer las URL proporcionadas por el usuario, con estas reglas:
- Solo se reconocen las URL del último mensaje del usuario; se consideran como máximo las 10 primeras URL distintas y las URL repetidas cuentan una sola vez.
- El modelo decide qué URL leer realmente.
- Cuando en una misma ronda se leen varias páginas web largas, el contexto disponible para cada página individual se reduce.
- Si se activa el razonamiento y se declara
deepseek_web_searchal mismo tiempo, esta ronda usa el mecanismo de búsqueda con razonamiento profundo.
La capacidad de archivos se implementa mediante la Files API: se llama a POST /files para subir un archivo; cuando el servidor termina el análisis, devuelve un file_id, y basta referenciar ese ID en la conversación. Al subir, es obligatorio especificar el propósito del análisis. La diferencia entre ambos modos está en si el modelo puede ver los gráficos:
- text_recognition: solo conserva texto plano; es adecuado para materiales textuales como contratos y artículos académicos, mientras que el contenido de gráficos se descarta.
- rich_layout_recognition: conserva el texto y, además, recorta automáticamente imágenes y gráficos y los entrega al modelo en su posición original; es adecuado para informes financieros, PPT y reportes con texto e imágenes combinados, aunque consume tokens de imagen adicionales.
Los formatos compatibles incluyen PDF, DOC/DOCX, PPT/PPTX, además de imágenes PNG, JPEG, WebP, GIF, BMP y TIFF. Cada archivo puede pesar como máximo 100 MiB y tener hasta 1000 páginas; la carga y el análisis deben completarse en un máximo de 120 segundos cada uno, y una solicitud puede referenciar como máximo 20 archivos. Archivos como XLSX, CSV y EPUB pueden subirse como user_data; el sistema los convierte a Markdown y no cobra por el análisis.
Una vez que el resultado del análisis entra en el contexto del modelo, este puede responder, resumir o comparar basándose en el texto completo; en conversaciones de varios turnos, el contenido de los archivos históricos se mantiene a lo largo de la conversación. Volver a referenciar un archivo ya analizado no genera otro cargo por análisis, pero se factura según los tokens de entrada que entren realmente en el contexto. En la implementación hay dos detalles más: en las cargas Multipart, el campo purpose debe estar antes del campo file; cuando un documento demasiado largo hace que se supere el límite de contexto, la solicitud devuelve un error 400.
2.4 Voz y OCR de DeepSeek: completar las capacidades de entrada y salida de la aplicación
OCR, ASR y TTS son interfaces independientes, con rutas respectivas /v1/tools/ocr, /v1/tools/asr y /v1/tools/tts.
- OCR: reconoce texto y su posición en la página dentro de imágenes, PDF, Word y PowerPoint. Admite archivos de hasta 100 MiB y 1000 páginas, con un tiempo máximo de procesamiento de 180 segundos. Su rol es distinto del análisis de archivos: OCR se encarga de extraer texto de forma independiente, mientras que el análisis de archivos lleva el contenido al contexto del modelo.
- ASR: admite 21 idiomas, entre ellos chino, cantonés, inglés y japonés, y detecta el idioma automáticamente. El formato de entrada es WAV PCM de 16 bits u Ogg Opus; archivo único de hasta 8 MiB y 120 segundos como máximo, con reconocimiento no streaming que sube el archivo completo.
- TTS: ofrece dos voces, stella (海星, voz femenina, predeterminada) y tide (暗潮, voz masculina). Admite 10 idiomas, entre ellos mandarín, cantonés e inglés. En cada solicitud acepta hasta 10,000 caracteres facturables y devuelve como máximo 30 minutos de audio. Los formatos de salida son WAV y PCM; permite síntesis en streaming por WebSocket y, por ahora, no permite ajustar la velocidad de habla.
Si encadenas estas tres interfaces con un modelo de diálogo, obtienes un flujo completo de asistente de voz: ASR convierte la voz del usuario en texto, deepseek-flash responde usando búsqueda o razonamiento sobre archivos, y TTS lee la respuesta en voz alta. Para un asistente documental, primero puedes usar OCR para extraer en lote el texto de documentos escaneados y crear un índice, y luego usar Files API para que el modelo lea a fondo un archivo concreto.

3 La suite completa de API de DeepSeek cambia la forma de integración de los desarrolladores
3.1 Cómo se desarrollaba antes un asistente de IA con conexión a Internet
Antes de que existieran las herramientas del lado del servidor, para desarrollar un asistente con acceso a Internet, el cliente tenía que gestionar por su cuenta el bucle de herramientas:
- Cuando el usuario hace una pregunta, se solicita la API del modelo.
- El modelo determina que necesita buscar y devuelve una solicitud de llamada a herramienta.
- El cliente llama a una API de búsqueda de terceros.
- El cliente llama a un servicio de scraping para obtener el contenido de la página web.
- El cliente añade los resultados al contexto y vuelve a solicitar al modelo.
- El modelo genera la respuesta final.
En esta cadena, los servicios de búsqueda, scraping, análisis de archivos, OCR, voz y moderación de contenido suelen provenir de distintos proveedores, y cada uno exige integrar por separado la autenticación, la facturación, el manejo de errores y las políticas de tiempo de espera.
3.2 Cómo la API de la suite completa de DeepSeek acorta la cadena de llamadas
Con el nuevo esquema, los desarrolladores solo tienen que declarar la herramienta en la solicitud. El modelo DeepSeek decide por sí mismo si hace falta buscar; el servidor ejecuta la búsqueda y la lectura de páginas web, organiza los resultados de las herramientas y el contexto, y el modelo continúa razonando hasta devolver la respuesta final junto con las citas de las fuentes. Los pasos 2 a 5 que antes recaían en el cliente ahora se completan íntegramente en el servidor.

A medida que el servidor asume el flujo de ejecución, también asume algunos parámetros de generación. Al activar la herramienta de navegación integrada, la verificación de seguridad o la función de título de conversación, es posible que se ignoren temperature, top_p, frequency_penalty, presence_penalty, stop, seed, n y parallel_tool_calls en Chat Completions. max_tokens sigue funcionando, pero limita la longitud de salida de cada paso de razonamiento. En escenarios donde se necesita un control estricto de los parámetros de muestreo, conviene evaluar por separado la idoneidad del modo de herramientas integradas.
La verificación de seguridad se activa mediante el parámetro de solicitud "safety_check": {"level": "high"}, abarca la entrada del usuario, los resultados devueltos por las herramientas y la salida final del modelo; cuando se detecta un riesgo, devuelve un error 400 o termina con una negativa a responder. La documentación oficial advierte claramente que esta capacidad ofrece un control de riesgos básico, pero que los proveedores de aplicaciones siguen obligados a cumplir con la revisión de contenido, el registro de Modelos de Lenguaje Grande, el etiquetado de IA y otras responsabilidades.
3.3 Trabajo que el frontend todavía debe asumir con el conjunto completo de APIs de DeepSeek
DeepSeek se encarga de ejecutar las herramientas y de organizar el contexto, pero la experiencia de producto sigue recayendo en el cliente. Los campos clave de la respuesta que hay que gestionar son:
server_tool_use: qué invocaciones de herramientas se ejecutaron en el servidor.web_search_tool_result,web_fetch_tool_result: resultados de búsqueda y resultados de la captura de páginas web.citations: las referencias a fuentes en la respuesta, que en la salida en streaming se envían mediante eventos comocitations_delta.signature: la firma necesaria para conservar parte del contexto de las herramientas.
En una conversación de varios turnos hay que devolver los bloques de contenido relevantes tal cual. El cuerpo de la página web leído por deepseek_read_url se guarda mediante una firma cifrada, así que si el cliente modifica o descarta la firma, en los turnos siguientes ya no será posible recuperar el contexto de la página. Las citas deben vincularse al bloque de texto correspondiente en la presentación. En escenarios de streaming hay además un detalle: puede ocurrir que parte del contenido ya se haya mostrado y que solo al final se determine una negativa a responder; en ese caso el frontend debe retirar lo ya mostrado y sustituirlo por el mensaje de rechazo.
El Chat Demo de código abierto de la compañía es una referencia muy útil. Implementa la generación automática de títulos de conversación, la edición de mensajes, la regeneración, la generación continua, la importación y exportación del historial de conversaciones, el renderizado de Markdown y Mermaid, temas claro y oscuro, la revisión de seguridad de imágenes y la entrada de voz con lectura en voz alta; tanto la clave API como el historial de conversaciones y las imágenes se guardan localmente en el navegador. Una aplicación comercial completa todavía necesita añadir, sobre esta base, capas de negocio como cuentas, gestión de datos, pagos, permisos y revisión de seguridad.
4. Tipos de producto que mejor aprovechan el conjunto completo de APIs de DeepSeek
4.1 Consultas de actualidad y asistente de investigación con IA
Cuando el usuario pregunta sobre lanzamientos recientes de modelos, novedades del sector y otra información en tiempo real, el modelo obtiene material mediante búsqueda en internet, abre anuncios oficiales para verificarlo y después entrega una respuesta con citas. La búsqueda con razonamiento profundo funciona bien para preguntas de investigación que requieren verificación cruzada de varias fuentes; la lectura de enlaces resulta útil cuando el usuario pega directamente una URL y pide un resumen o una comparación.
4.2 Informes financieros en PDF y asistente de conocimiento empresarial
Los informes financieros, whitepapers técnicos y presentaciones internas suelen incluir muchos gráficos. Con el modo rich_layout_recognition, el modelo puede entender a la vez el texto principal y el contenido de gráficos como las curvas de tendencia de ingresos, y responder preguntas del tipo «qué trimestre creció más rápido» que dependen de esos gráficos. Para contratos y documentos normativos puramente textuales, basta text_recognition, con un costo menor.
4.3 Aplicaciones de interacción por voz
La combinación de ASR, deepseek-flash y TTS cubre preguntas y respuestas por voz, organización de grabaciones de reuniones, transcripción de entrevistas y aplicaciones de lectura en voz alta. Hay que tener en cuenta que ASR admite como máximo 120 segundos por segmento de audio y realiza reconocimiento no streaming, por lo que las grabaciones largas deben dividirse en el cliente; TTS permite síntesis streaming por WebSocket, de modo que se puede generar y reproducir a la vez, reduciendo la espera hasta el primer carácter.
Los precios de las herramientas oficiales de DeepSeek son los siguientes, según el documento oficial de precios del 15 de noviembre de 2026:
| Capacidad | Unidad de facturación | Precio de lista | Oferta por tiempo limitado |
|---|---|---|---|
| Search (búsqueda) | 1000 solicitudes exitosas | ¥5 | ¥5 |
| Fetch (obtención de páginas web) | 1000 solicitudes exitosas | ¥5 | ¥5 |
| Análisis de archivos | 1000 páginas | ¥1.5 | ¥1.5 |
| OCR | 1000 páginas | ¥1.5 | ¥1.5 |
| ASR | 1 hora de audio | ¥0.78 | ¥0.39 |
| TTS | 10,000 caracteres facturables | ¥3 | ¥1.5 |
Las tarifas de las herramientas se calculan por separado de las tarifas de tokens del modelo. El precio de salida de DeepSeek-V4.1-Flash por cada millón de tokens es de ¥4 en horario valle y ¥8 en horario pico; el horario pico corresponde a los días laborables de 09:00—12:00 y 14:00—18:00, hora de Beijing. Las solicitudes de herramientas que fallan, no obtienen resultados o agotan el tiempo de espera no se cobran. La búsqueda integrada en el modelo se factura según el número real de términos de consulta de búsqueda; la obtención de páginas web se factura según el número de páginas obtenidas con éxito; la búsqueda dentro de la página durante la búsqueda profunda no se cobra por separado, por lo que una sola conversación puede generar varios cargos por búsqueda.
5. La suite completa de APIs de DeepSeek: de la invocación de un solo modelo a una aplicación de IA integral
La suite completa de APIs reduce la barrera de ingeniería que implica integrar capacidades en una aplicación: búsqueda, lectura, documentos, voz y control de riesgos se concentran en una sola cuenta y en un único sistema de facturación, de modo que los desarrolladores pueden centrar su esfuerzo en la interacción del producto y en la lógica de negocio. En cuanto a la capacidad de conexión a internet, hoy hay dos vías de integración disponibles.

| Dimensión | Herramientas de servidor integradas en el modelo | Herramientas independientes Search / Fetch |
|---|---|---|
| Forma de invocación | Se declaran deepseek_web_search y deepseek_read_url en la solicitud de conversación |
Se llaman por separado las interfaces de búsqueda y de extracción |
| Control del flujo | El modelo decide cuándo buscar y qué páginas leer | El desarrollador decide cuándo buscar, cómo filtrar los resultados y cómo combinarlos |
| Alcance de modelos | deepseek-flash |
No está atado a un modelo; se puede integrar con Agent, RAG y cualquier Modelo de Lenguaje Grande |
| Forma de facturación | Se factura por término de consulta y por páginas extraídas, más el Token aparte | Se factura por número de llamadas exitosas; en sí no consume Tokens del modelo |
| Escenarios de uso | Replicar rápidamente preguntas y respuestas con conexión a internet al estilo de una App | Cuando se necesita un proceso de recuperación controlable y reutilizar los resultados de búsqueda entre modelos |
| Plataformas disponibles | API oficial de DeepSeek | API oficial de DeepSeek; APIYI apiyi.com ya tiene disponibles deepseek-search y deepseek-fetch |
APIYI lanzó el 21 de octubre las dos interfaces de herramientas independientes deepseek-search y deepseek-fetch, disponibles en los grupos default y svip. En cuanto a la búsqueda integrada en el modelo, abierta el 13 de noviembre, APIYI incluye en su documentación el trabajo de compatibilidad para que los clientes invoquen la búsqueda integrada como planificación futura. Por eso, para usar la capacidad de conexión a internet de DeepSeek a través de APIYI, hoy se adopta la vía de las herramientas independientes: llamar uno mismo a la búsqueda y a la extracción, y luego entregar los resultados a cualquier modelo para que haga la inferencia.
5.1 Acceso a DeepSeek Search mediante una herramienta independiente
Un ejemplo minimalista: llamamos a Search para obtener resultados estructurados (los nombres de los campos de la solicitud se rigen por la documentación de APIYI):
import requests
BASE_URL = "https://api.apiyi.com/v1" # Interfaz unificada de APIYI
headers = {"Authorization": "Bearer YOUR_API_KEY"}
resp = requests.post(f"{BASE_URL}/tools/search", headers=headers, json={
"model": "deepseek-search",
"query": "DeepSeek 全家桶应用 API",
"count": 5,
})
print(resp.json())
Ver la implementación completa: búsqueda + extracción + resumen del modelo
import requests
import openai
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.apiyi.com/v1" # Búsqueda, extracción e invocación del modelo comparten el mismo endpoint
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
def search(query: str, count: int = 5) -> dict:
"""Invoca deepseek-search y devuelve resultados de búsqueda estructurados (los nombres de campo se rigen por la documentación)"""
r = requests.post(f"{BASE_URL}/tools/search", headers=HEADERS, json={
"model": "deepseek-search", "query": query, "count": count,
}, timeout=30)
r.raise_for_status()
return r.json()
def fetch(url: str) -> dict:
"""Invoca deepseek-fetch y devuelve el cuerpo Markdown de la página web; las solicitudes fallidas no consumen crédito"""
r = requests.post(f"{BASE_URL}/tools/fetch", headers=HEADERS, json={
"model": "deepseek-fetch", "url": url,
}, timeout=60)
r.raise_for_status()
return r.json()
def answer(question: str, context: str, model: str = "your-model-id") -> str:
"""Entrega el contenido recuperado a cualquier modelo para generar una respuesta con fuentes"""
client = openai.OpenAI(api_key=API_KEY, base_url=BASE_URL)
resp = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": "根据提供的资料回答,并注明来源 URL。"},
{"role": "user", "content": f"资料:\n{context}\n\n问题:{question}"},
],
)
return resp.choices[0].message.content
if __name__ == "__main__":
q = "DeepSeek 11 月 13 日开放了哪些 API 能力?"
results = search(q)
# Extrae las primeras URL según la estructura real de respuesta, luego recupera el cuerpo y pásalo al modelo
print(results)
🚀 Consejo para empezar rápido: si quieres validar primero la calidad de la recuperación, puedes registrarte en APIYI apiyi.com para obtener crédito de prueba y usar una sola clave API para invocar deepseek-search, deepseek-fetch y modelos de conversación populares al mismo tiempo, y así comparar la calidad de las respuestas entre distintos modelos usando el mismo resultado de búsqueda.
Los datos de autodiagnóstico de APIYI muestran que Search devuelve resultados en aproximadamente 1,8 segundos con count=5 y en unos 3 segundos con count=50; 20 solicitudes concurrentes se completaron todas en alrededor de 2 segundos. Fetch tarda unos 1,6 segundos en extraer el cuerpo Markdown de unas 6400 palabras de una página web común. Se trata de resultados de pruebas puntuales en un entorno de red específico; el tiempo real depende del sitio de destino.
5.2 Cómo elegir la vía de acceso en línea de DeepSeek
- Usar las herramientas integradas: si quieres replicar lo más rápido posible la experiencia de la app de DeepSeek, aceptas que el modelo decida por su cuenta la ruta de búsqueda y usas
deepseek-flash. - Usar herramientas independientes: si necesitas controlar tú mismo los términos de consulta, filtrar fuentes, almacenar en caché los resultados, o quieres pasar los mismos resultados de búsqueda a distintos modelos como Claude, GPT o Gemini.
- Combinar ambas: usa las herramientas integradas para las preguntas y respuestas de cara al usuario, y Search / Fetch independientes para la recopilación masiva de material en segundo plano y la ingesta en RAG.
Preguntas frecuentes (FAQ)
P1: ¿Qué es la API de la suite completa de DeepSeek?
Es un conjunto de API de capacidades de aplicación que DeepSeek abrió el 13 de noviembre de 2026. Incluye búsqueda en línea, búsqueda con razonamiento profundo, lectura de enlaces, entrada de archivos, validación de seguridad, además de interfaces independientes Search, Fetch, OCR, ASR y TTS. En conjunto, cubre las principales capacidades que hay detrás de la app de DeepSeek.
P2: ¿Cuál es la diferencia entre la API de la suite completa de DeepSeek y DeepSeek Harness?
Harness es el framework de ejecución de agentes que se publicó como código abierto el 13 de agosto; se encarga de gestionar modelos, herramientas, plugins y contexto. La API de la suite completa es la interfaz de servicio para modelos y herramientas. Los desarrolladores pueden crear agentes con Harness y luego conectar a través de la API las capacidades de búsqueda, archivos y voz.
P3: ¿Qué modelos pueden usar las herramientas integradas de la API de la suite completa de DeepSeek?
La integración completa de herramientas a nivel de conversación actualmente la ofrece `deepseek-flash` (DeepSeek-V4.1-Flash-1017), con soporte para tres protocolos: Chat Completions, Responses y Anthropic Messages. OCR, ASR, TTS, Search y Fetch son interfaces independientes y se pueden invocar por separado.
P4: ¿Qué capacidades de la API de la suite completa de DeepSeek se pueden invocar a través de APIYI?
APIYI ya ha habilitado las herramientas independientes Search y Fetch de DeepSeek (deepseek-search, deepseek-fetch); se cobra por invocación exitosa y están disponibles en los grupos default y svip. La compatibilidad de cliente para la búsqueda integrada en el modelo aún está en planificación; consulta la documentación de APIYI en apiyi.com para conocer el progreso exacto del soporte.
P5: ¿Cómo probar rápidamente el resultado de combinar la búsqueda de DeepSeek con varios modelos?
1. Regístrate en APIYI (apiyi.com) y obtén tu API Key y cuota de prueba.
2. Usa el código de este artículo y configura base_url como `https://api.apiyi.com/v1`.
3. Primero invoca deepseek-search para obtener resultados, luego usa deepseek-fetch para leer el contenido completo y, por último, pásalo a cualquier modelo de conversación para que genere la respuesta.
P6: ¿Qué limitaciones conocidas tiene la API de la suite completa de DeepSeek?
– `tool_choice` no puede forzar la invocación de herramientas en línea; la búsqueda la decide el modelo.
– Cuando se activan las herramientas integradas, los parámetros de muestreo como `temperature` y `top_p` pueden ignorarse.
– ASR admite un máximo de 120 segundos por segmento y no es en streaming; TTS todavía no permite ajustar la velocidad del habla.
– Cada archivo puede tener un máximo de 100 MiB y 1000 páginas; si excede el contexto, devuelve un error 400.
– La validación de seguridad proporciona controles de riesgo básicos, pero la aplicación que la integra sigue siendo responsable de la revisión de contenido.
Puntos clave de la API del conjunto completo de DeepSeek
- Fecha de lanzamiento: el 13 de noviembre de 2026 se habilitan las 10 capacidades de aplicación que respaldan la App.
- Cambio principal: la búsqueda y la lectura de páginas web las ejecuta el servidor; el cliente solo tiene que declarar las herramientas.
- Modelo a cargo: la integración de herramientas a nivel de conversación la proporciona
deepseek-flash, con compatibilidad para tres protocolos. - Búsqueda profunda: search, open_page y find_in_page se ejecutan de forma alternada, con un máximo de unas 20 llamadas a herramientas.
- Análisis de archivos: hay dos modos según se conserven o no los gráficos; para documentos de informes financieros, se usa el modo imagen-texto.
- Funciones del frontend: la visualización de citas, el retorno de firmas y la retirada de rechazos durante el streaming siguen en manos del cliente.
- Vías de integración: cuando se necesita una recuperación controlable, se pueden invocar las herramientas independientes Search / Fetch a través de APIYI apiyi.com.
Resumen
Los puntos clave de la API del conjunto completo de DeepSeek se pueden resumir en tres:
- Apertura de la capa de capacidades: búsqueda, documentos, voz, control de riesgos y modelos están unificados en una sola API; según la información oficial, con ella se puede replicar la experiencia de la App.
- Cadena de llamadas más corta: las herramientas del servidor se encargan de la búsqueda, el rastreo y el ensamblado del contexto, para que los desarrolladores se concentren en la interacción y la lógica de negocio.
- Dos vías en paralelo: las herramientas integradas sirven para crear rápidamente preguntas y respuestas estilo App; Search / Fetch independientes son adecuados para una recuperación controlable y para reutilizar entre modelos.
Al crear un prototipo de preguntas y respuestas con acceso a internet, puedes empezar validando la experiencia con las herramientas integradas; si necesitas controlar con precisión el proceso de recuperación o combinar varios modelos, se recomienda integrar las herramientas independientes de búsqueda y rastreo a través de APIYI apiyi.com, y aprovechar la interfaz unificada multimodelo para comparar resultados rápidamente.
📚 Referencias
- DeepSeek lanza la API de su suite completa de aplicaciones: anuncio oficial del 2026-11-13
- Enlace:
api-docs.deepseek.com/zh-cn/news/news261113/ -
Descripción: lista completa de las capacidades disponibles en esta ocasión
-
Documentación de las herramientas web de DeepSeek: búsqueda del lado del servidor y lectura de enlaces
- Enlace:
api-docs.deepseek.com/zh-cn/guides/web_tools/ -
Descripción: declaración de herramientas, reglas de invocación y método de facturación
-
Documentación de análisis de archivos de DeepSeek: guía de uso de Files API
- Enlace:
api-docs.deepseek.com/zh-cn/guides/document_parsing/ -
Descripción: dos modos de análisis y limitaciones de archivos
-
Guía de DeepSeek para crear un chatbot: puntos clave del desarrollo del cliente
- Enlace:
api-docs.deepseek.com/zh-cn/guides/build_a_chatbot/ -
Descripción: campos de respuesta, reenvío en conversaciones multiturno y parámetros administrados por el servicio
-
Modelos y precios de DeepSeek: precios de tokens y herramientas
- Enlace:
api-docs.deepseek.com/zh-cn/quick_start/pricing/ -
Descripción: precios en horas pico y horas valle
-
DeepSeek Chat Demo: ejemplo oficial de frontend de código abierto
- Enlace:
github.com/deepseek-ai/chat-demo -
Descripción: implementación de referencia para visualización de citas, archivos e interacción por voz
-
Documentación de DeepSeek Search & Fetch de APIYI: descripción de la interfaz de herramientas independientes
- Enlace:
docs.apiyi.com/api-capabilities/deepseek-search-fetch/overview - Descripción: parámetros de la interfaz, disponibilidad por grupo y precios
Autor: Equipo técnico de APIYI
Comunicación técnica: puede contactarnos desde la página principal de APIYI; para más recursos de integración, visite el centro de documentación en docs.apiyi.com
