DeepSeek フルセット API が せいしきに こうかい:ウェブ けんさく、ファイル、おんせい など 10 の きのう を いっかつで せつぞく

DeepSeek フルセット API が せいしきに こうかい:ウェブ けんさく、ファイル、おんせい など 10 の きのう を いっかつで せつぞく

概要:DeepSeekはAppの検索、ファイル解析、リンク読み取り、音声機能を開発者に開放し、重要なツールフローはAPIサーバー側で実行されます。

2026年11月13日、DeepSeekはフルセットアプリAPIを正式にリリースしました。もともとDeepSeek AppとWeb版に組み込まれていたネット検索、深掘り検索、リンク読み取り、ファイル入力、モデル安全検証、そしてSearch、Fetch、OCR、ASR、TTSの独立インターフェースが、API経由で呼び出せるようになりました。今回のアップデートの核心は、開発者がリクエスト内で deepseek_web_search や deepseek_read_url などのツールを宣言すると、検索・Webページの読み取り・コンテキストの組み立てをDeepSeekのサーバー側が行ってくれる点です。クライアント側で「モデル → 検索 → 取得 → 返送 → 再リクエスト」という呼び出しチェーンを自分で組み立てる必要はなくなりました。公式によれば、このAPIを使えばDeepSeek Appとほぼ同等の機能を実現できます。

以下ではまず、今回どのような機能が開放されたのか、どのモデルとプロトコルが利用できるのかを説明します。続いて、ネット検索、深掘り検索、ファイルとリンク、音声、OCRの技術フローと制限を項目ごとに分解します。そのあと、新旧2つの開発手法を比較し、フロントエンド側が依然として担う必要がある作業を整理します。最後に、情報Q&A、決算資料の読み取り、音声アシスタントという3種類のプロダクトを例に、内蔵ツールと独立ツールという2つの接続ルートの選び方をお伝えします。

deepseek-full-stack-api-web-search-file-voice-ja-image-0


Table of Contents

To Know:DeepSeek ファミリー API 関連用語

用語 説明
API ソフトウェア同士が取り決めた形式でリクエストと結果をやり取りするためのインターフェース
Harness エージェントの実行フロー、モデル、ツール、コンテキストを管理する実行フレームワーク
Server-side Tool モデル提供側のサーバーで実行されるツール。クライアントは実行結果だけを受け取ります
Deep Thinking Search モデルが推論の過程で複数回検索を行い、Web ページを開いて情報を探す仕組み
Chat Completions OpenAI スタイルの従来型チャット補完インターフェース
Responses API 構造化レスポンス、ツール呼び出し、マルチターン対話をサポートするインターフェース
Messages API Anthropic スタイルのメッセージインターフェース
Files API ファイルをアップロード・解析し、file_id を返して対話内で参照できるようにするインターフェース
OCR 画像や文書内の文字を認識し、処理可能なテキストに変換する技術
ASR 音声をテキストに変換する技術
TTS テキストを音声に変換する技術
Citation 回答内の内容を具体的な情報ソースに結びつける引用の仕組み
tool_choice モデルがツールを呼び出す方法を制御するためのリクエストパラメータ

1 DeepSeek フルセット API、App の中核機能を開発者に開放

1.1 DeepSeek フルセット API が 11 月 13 日に発表したもの

今回発表された機能は 2 種類に分かれます。ひとつは会話に組み込まれたサーバー側ツールで、モデルが応答時に自ら呼び出すものです。もうひとつは独立したツールインターフェースで、開発者が単独で呼び出したり、自由に組み合わせたりできます。

機能 英語名 呼び出し形態 説明
ウェブ検索 Web Search 会話組み込みツール モデルが検索の要否を自律判断し、引用付きの回答を返す
深い思考サーチ Deep Thinking Search 会話組み込みツール 多段階の検索、ウェブページのオープン、ページ内検索
リンク読み取り Read URL 会話組み込みツール ユーザーメッセージ内のウェブリンクを読み取る
ファイル入力 File Input Files API + 会話 PDF、Office、画像を解析してコンテキストに送り込む
モデルセーフティ Safety Check リクエストパラメータ 入力、ツール結果、出力を審査
ウェブ検索 Search API 独立インターフェース 構造化された検索結果を返す
ウェブ取得 Fetch API 独立インターフェース ウェブページの本文を抽出
OCR Optical Character Recognition 独立インターフェース 画像やドキュメントの文字とページ内位置を認識
ASR Automatic Speech Recognition 独立インターフェース 音声をテキストに変換
TTS Text-to-Speech 独立インターフェース テキストを音声に変換、WebSocket ストリーミングに対応

今回のアップデートは、モデルのアプリケーション能力レイヤーに集中しています。モデル自体の推論能力に加えて、App レベルの体験を支える検索、ドキュメント、音声、リスク管理といったコンポーネントがまとめて開放されました。開発者が手に入れるのは、プロダクトをそのまま組み立てられるインフラ一式です。

同じ日に、DeepSeek は軽量なフロントエンド Chat Demo もオープンソース化しました。App の体験を再現するためのリファレンス実装という位置づけです。背景として、DeepSeek は 8 月 13 日に Agent 実行フレームワーク DeepSeek Harness をオープンソース化しています。これはフルセット API とはフレームワーク層とインターフェース層という違いがあり、独立しつつ相互に関連する 2 つのプロダクトラインです。

1.2 DeepSeek フルセット API がサポートするモデルとプロトコル

会話レベルでの完全なツール統合は現在 deepseek-flash が担っており、公式バージョンの DeepSeek-V4.1-Flash-1017 に対応します。このモデルは思考モードと非思考モード、ウェブ検索、深い思考サーチ、リンク読み取り、ファイル解析、画像理解、セーフティチェックをサポートし、コンテキスト長は 1M、最大出力は 384K です。発表におけるツール統合は明確に deepseek-flash を対象としており、DeepSeek-V4-Pro など他のモデルのツールサポート範囲については、公式の今後の説明に従います。

プロトコル リクエスト URL 特徴
OpenAI Chat Completions POST api.deepseek.com/chat/completions 従来型の対話補完、移行コストが最も低い
OpenAI Responses POST api.deepseek.com/responses 構造化レスポンスとマルチターンのツール連携
Anthropic Messages POST api.deepseek.com/anthropic/v1/messages Anthropic スタイルのメッセージ形式

3 つのプロトコルはいずれもサーバー側検索、リンク読み取り、ファイル機能を利用できますが、リクエストパラメータとレスポンス構造はそれぞれ異なります。すでに OpenAI SDK のコードを持つチームは Chat Completions または Responses を優先的に選べますし、Claude エコシステムをベースに構築したプロジェクトは Messages プロトコルを選べます。


2 DeepSeek フルセット API で、本来バラバラだった作業をどう実現するか

2.1 DeepSeek のウェブ検索:検索するタイミングをモデルが判断

リクエストの tools に deepseek_web_search を宣言しておくと、モデルが質問に応じてウェブ検索が必要かどうかを判断し、検索語を自動で生成します。検索自体はサーバー側で実行され、最後に情報を整理して出典の引用を付けて返します。このツールはウェブ検索と画像検索に対応しています。

「DeepSeek は最近どのような API の新機能をリリースしたか」といったテクノロジーニュースの検索を例にすると、返される内容には検索クエリ語、構造化された検索結果、ソース URL、タイトル、公開日時、引用情報が含まれます。公式ドキュメントで示されている Chat Completions のリクエストボディは次のとおりで、思考モード、ウェブ検索、リンク読み取りを同時に有効にしています:

{
  "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
}

ツール呼び出しの制御ルールには、特に注意が必要です:

  • tools にツールを宣言したうえで、実際に呼び出すかどうかはモデルが判断します。
  • tool_choice では deepseek_web_search や deepseek_read_url を強制的に指定することはできません。
  • tool_choice: none を指定すると、すべてのツールが無効になります。
  • ウェブ検索ツールと他のサーバー側ツールの組み合わせにはサポート範囲の制限があり、範囲を超えた場合は 400 エラーが返されます。

2.2 DeepSeek ディープサーチ:単発クエリから多段階リサーチへ

思考モードを有効にすると、ネット検索はディープシンキング検索へとアップグレードされます。モデルは推論プロセスの中で、search(キーワード検索)、open_page(検索で見つかった Web ページを開く)、find_in_page(ページ内で指定情報を探す)という 3 つの動作を交互に使いながら進めます。

各ステップの結果が次のステップの判断に影響を与えます。モデルは 1 回目の結果に基づいて新しいキーワードを追加したり、公式のお知らせを開いて詳細を確認したり、複数の情報源を突き合わせたりして、最大およそ 20 回のツール呼び出しを経て、引用付きの回答を返します。リサーチ系の質問にとって、これは小さな検索 Agent を API に内蔵したようなものだと言えるでしょう。

2.3 DeepSeek ファイルとリンク:モデルに外部資料を直接読ませる

deepseek_read_url は、ユーザーが提供した URL を読み取るための機能です。ルールは次のとおりです:

  • 最後のユーザーメッセージに含まれる URL のみを認識し、最大で先頭から 10 個の異なる URL を対象とします。重複する URL は 1 回と数えます。
  • 実際にどの URL を読み取るかはモデルが判断します。
  • 同じターンで複数の長い Web ページを読み取る場合、1 つのページに使えるコンテキストが減少します。
  • 思考を有効にしたうえで deepseek_web_search も同時に宣言した場合、そのターンはディープシンキング検索の仕組みを採用します。

ファイル機能は Files API を通じて実現します。POST /files を呼び出してファイルをアップロードすると、サーバー側での解析完了後に file_id が返され、会話の中でその ID を参照すれば利用できます。アップロード時には解析目的を必ず指定します。2 つのモードの違いは、モデルがグラフや図を見られるかどうかにあります:

  • text_recognition:プレーンテキストのみを保持します。契約書や論文など文字中心の資料に適しており、図表の内容は破棄されます。
  • rich_layout_recognition:テキストを保持したうえで、画像やグラフを自動的に切り出し、元の位置に合わせてモデルへ渡します。決算資料、PPT、図と文章が混在するレポートに適しており、追加で画像トークンを消費します。

対応フォーマットは PDF、DOC/DOCX、PPT/PPTX、さらに PNG、JPEG、WebP、GIF、BMP、TIFF などの画像です。1 ファイルあたり最大 100 MiB、最大 1000 ページまで対応し、アップロードと解析はそれぞれ 120 秒以内に完了する必要があります。1 回のリクエストで最大 20 個のファイルを参照できます。XLSX、CSV、EPUB などのファイルは user_data としてアップロードでき、システムが Markdown に変換します。解析費はかかりません。

解析結果がモデルのコンテキストに入ると、モデルは全文に基づいて回答・要約・比較ができます。複数ターンの会話でも、過去のファイル内容はそのまま保持されます。解析済みファイルを再度参照する場合、解析費はかかりませんが、実際にコンテキストへ入る入力トークンとして課金されます。実装上、もう 2 つ注意点があります。Multipart アップロードの際には、purpose フィールドを file フィールドより前に置く必要があります。また、ドキュメントが長すぎてコンテキストの上限を超えると、リクエストは 400 エラーを返します。

2.4 DeepSeek 音声と OCR:アプリケーションの入出力機能を補完

OCR、ASR、TTS はいずれも独立したインターフェースで、パスはそれぞれ /v1/tools/ocr、/v1/tools/asr、/v1/tools/tts です。

  • OCR:画像、PDF、Word、PowerPoint 内のテキストとページ上の位置を認識します。単一ファイル 100 MiB、1000 ページ、処理タイムアウトは 180 秒です。ファイル解析とは役割が異なり、OCR はテキストを単独で抽出し、ファイル解析はコンテンツをモデルのコンテキストに送り込みます。
  • ASR:中国語、広東語、英語、日本語など 21 言語に対応し、言語を自動識別します。入力形式は 16-bit PCM WAV または Ogg Opus で、単一ファイル最大 8 MiB、最長 120 秒です。ファイル全体をアップロードする非ストリーミング認識を採用しています。
  • TTS:stella(海星、女性音声、デフォルト)と tide(暗潮、男性音声)の 2 音色を提供し、普通話、広東語、英語など 10 言語に対応します。1 回の入力は最大 10,000 課金対象文字、返却される音声は最大 30 分です。出力形式は WAV と PCM で、WebSocket ストリーミング合成に対応しています。話速の調整には現在対応していません。

これら 3 つを対話モデルと組み合わせれば、音声アシスタントの完全なパイプラインを構築できます。ASR がユーザーの音声をテキストに変換し、deepseek-flash が検索やファイル推論を組み合わせて回答し、TTS がその回答を読み上げます。ドキュメントアシスタントでは、まず OCR でスキャン文書のテキストを一括抽出してインデックスを構築し、次に Files API を使ってモデルに単一ファイルを深く読ませることができます。

deepseek-full-stack-api-web-search-file-voice-ja-image-1


3 DeepSeek フルセットAPI が開発者の連携方法を変えた

3.1 これまでネット接続型AIアシスタントをどう開発していたか

サーバーサイドツールが登場する以前は、ネット接続可能なアシスタントを開発する際、クライアント側でツールループを自ら管理する必要がありました。

  1. ユーザーが質問すると、モデルAPIにリクエストを送信します。
  2. モデルが検索が必要と判断し、ツール呼び出しリクエストを返します。
  3. クライアントがサードパーティの検索APIを呼び出します。
  4. クライアントがスクレイピングサービスを呼び出し、Webページの本文を取得します。
  5. クライアントが結果をコンテキストに組み込み、再度モデルにリクエストを送信します。
  6. モデルが最終的な回答を生成します。

この一連の流れでは、検索サービス、スクレイピングサービス、ファイル解析、OCR、音声、コンテンツモデレーションなどが異なるベンダーから提供されることが多く、それぞれ個別に認証、課金、エラーハンドリング、タイムアウト戦略を実装する必要がありました。

3.2 DeepSeek フルセット API で呼び出しチェーンを短縮する方法

新しいモードでは、開発者はリクエストでツールを宣言するだけで済みます。DeepSeek モデルが検索の要否を自律的に判断し、サーバー側が検索とウェブページの読み取りを実行してツール結果とコンテキストを整理し、モデルが推論を続けて最終的に回答と出典引用を返します。従来クライアント側が担っていた第 2 から第 5 ステップは、すべてサーバー側で完了します。

deepseek-full-stack-api-web-search-file-voice-ja-image-2

サーバー側が実行フローを引き継ぐと同時に、一部の生成パラメータも引き継ぎます。組み込みのネット検索ツール、セーフティチェック、または会話タイトル機能を有効にすると、Chat Completions の temperature、top_p、frequency_penalty、presence_penalty、stop、seed、n、parallel_tool_calls は無視される可能性があります。max_tokens は引き続き有効ですが、制限するのは各推論ステップの出力長です。サンプリングパラメータを厳密に制御する必要があるシーンでは、組み込みツールモードの適合性を個別に評価する必要があります。

セーフティチェックはリクエストパラメータ "safety_check": {"level": "high"} で有効になり、ユーザー入力、ツールが返す結果、モデルの最終出力を対象とし、リスクに該当した場合は 400 エラーを返すか拒否応答で終了します。公式は明確に、この機能は基本的なリスク管理を提供するものであり、アプリ提供者は引き続きコンテンツ審査、大規模言語モデルの登録、AI 表示などの義務を果たす必要があると示しています。

3.3 DeepSeek フルセット API においてフロントエンドが依然として担う作業

DeepSeek はツールの実行とコンテキストの編成を担当しますが、製品体験は依然としてクライアント側で完結させます。処理が必要な主要な返却フィールドは次のとおりです:

  • server_tool_use:サーバー側でどのツール呼び出しが実行されたか。
  • web_search_tool_result、web_fetch_tool_result:検索結果とウェブページ取得結果。
  • citations:回答内の出典引用。ストリーミング出力では citations_delta などのイベントを通じて送信されます。
  • signature:一部のツールコンテキストを保存するために必要な署名。

マルチターンの対話では、関連するコンテンツブロックをそのまま返送する必要があります。deepseek_read_url が読み取ったウェブページ本文は暗号化署名によって保存されるため、クライアントが署名を改変したり破棄したりすると、以降のターンでウェブページのコンテキストを復元できなくなります。引用は対応するテキストブロックに紐付けて表示してください。ストリーミングの場面ではもう一つ細かい点があります。一部の内容がすでに表示された後で、最終的に拒否と判定されることがあり、その場合フロントエンドは表示済みの内容を取り下げて、拒否メッセージを表示するよう切り替える必要があります。

公式にオープンソース化されている Chat Demo は非常に良い参考になります。これは会話タイトルの自動生成、メッセージの編集、再生成、生成の継続、履歴会話のインポート/エクスポート、Markdown と Mermaid のレンダリング、ライト/ダークテーマ、画像の安全審査、音声入力と読み上げなどの機能を実装しており、APIキー、履歴会話、画像はすべてブラウザのローカルに保存されます。完全な商用アプリケーションでは、これに加えてアカウント、データ管理、決済、権限、セキュリティ審査などの業務レイヤーを補う必要があります。


4 DeepSeek フルセット API に最適なプロダクトタイプ

4.1 ニュースQ&AとAIリサーチアシスタント

ユーザーが最近のモデルリリースや業界動向などのリアルタイム情報を尋ねると、モデルはウェブ検索で資料を取得し、公式アナウンスを開いて内容を確認したうえで、引用付きの回答を返します。「深い思考を伴う検索」は、複数の情報源を突き合わせて検証する必要があるリサーチ系の質問に適しており、「リンク読み取り」は、ユーザーがURLを直接貼り付けて要約や比較を求めるシーンに適しています。

4.2 PDF決算資料・企業ナレッジアシスタント

決算資料、技術ホワイトペーパー、社内PPTには通常、大量の図表が含まれます。rich_layout_recognition モードを使うと、モデルは本文と売上推移図などの図表内容を同時に理解でき、「どの四半期が最も速く成長したか」のような図表に依存する質問に答えられます。テキストのみの契約書や規程類であれば text_recognition で十分で、コストも低く済みます。

4.3 音声インタラクションアプリ

ASR、deepseek-flash、TTS の組み合わせで、音声Q&A、会議録音の整理、インタビューの文字起こし、読み上げ系アプリをカバーできます。注意点として、ASR は1セグメントあたりの音声が最大120秒で、非ストリーミング認識です。長い録音はクライアント側で分割処理する必要があります。TTS は WebSocket によるストリーミング合成に対応しており、生成しながら再生できるため、最初の音が出力されるまでの待ち時間を短縮できます。

DeepSeek 公式ツールの価格は以下のとおりです(2026年11月15日時点の公式価格ドキュメントに準拠):

機能 課金単位 定価 期間限定割引
Search 検索 1,000 回の成功リクエスト ¥5 ¥5
Fetch ウェブ取得 1,000 回の成功リクエスト ¥5 ¥5
ファイル解析 1,000 ページ ¥1.5 ¥1.5
OCR 1,000 ページ ¥1.5 ¥1.5
ASR 音声1時間 ¥0.78 ¥0.39
TTS 10,000 課金文字 ¥3 ¥1.5

ツール費用はモデルのToken費用とは別に計算されます。DeepSeek-V4.1-Flash の100万Tokenあたりの出力価格は、アイドル時間帯が ¥4、ピーク時間帯が ¥8 です。ピーク時間帯は北京時間の平日 09:00—12:00 と 14:00—18:00 となります。失敗、結果なし、タイムアウトしたツールリクエストは課金されません。モデル内蔵の検索は実際の検索クエリ数で課金され、ウェブ取得は成功したページ数で課金されます。深い検索におけるページ内検索は別途課金されないため、1回の会話で複数回分の検索費用が発生することがあります。


5 DeepSeekフルセットAPIが、単一モデルの呼び出しから完全なAIアプリケーションへと進化させる

フルセットAPIは、アプリケーション機能の統合におけるエンジニアリングのハードルを下げます。検索、読解、ドキュメント、音声、リスク管理が1つのアカウント、1つの課金体系に集約されるため、開発者はプロダクトのインタラクションとビジネスロジックに集中できます。ネット連携機能については、現在2つの接続ルートを選択できます。

deepseek-full-stack-api-web-search-file-voice-ja-image-3

項目 モデル内蔵のサーバーサイドツール 独立したSearch / Fetchツール
呼び出し方法 対話リクエスト内で deepseek_web_search、deepseek_read_url を宣言 検索・取得APIを個別に呼び出す
フロー制御 モデルがいつ検索するか、どのページを読むかを決定 開発者が検索のタイミング、結果のフィルタリング、結合方法を決定
モデル範囲 deepseek-flash モデルに依存せず、Agent、RAG、任意の大規模言語モデルに接続可能
課金方式 検索クエリ数・取得ページ数に応じて課金、別途Tokenを計算 成功した呼び出し回数に応じて課金、それ自体はモデルのTokenを消費しない
適用シーン Appスタイルのネット検索Q&Aを素早く再現 制御可能な検索フローが必要な場合、検索結果をモデル間で再利用する場合
利用可能なプラットフォーム DeepSeek公式API DeepSeek公式API;APIYI apiyi.com では deepseek-search、deepseek-fetch を提供中

APIYIは10月21日に deepseek-search と deepseek-fetch という2つの独立ツールインターフェースを公開しました。defaultとsvipグループで利用可能です。11月13日に開放されたモデル内蔵検索について、APIYIはドキュメント内でクライアント側から内蔵検索を呼び出すための互換対応を今後の計画として位置づけています。そのため、APIYI経由でDeepSeekのネット連携機能を利用する場合、現在は独立ツールのルートを採用することになります。自分で検索と取得を呼び出し、その結果を任意のモデルに渡して推論させる形です。

5.1 独立したツールから DeepSeek 検索を利用する

最小限のサンプルです。Search を呼び出して構造化された結果を取得します(リクエストのフィールド名は APIYI のドキュメントに準拠します)。

import requests

BASE_URL = "https://api.apiyi.com/v1"  # APIYI の統合インターフェース
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())
完全な実装を見る:検索+フェッチ+モデルによる要約
import requests
import openai

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.apiyi.com/v1"  # 検索・フェッチ・モデル呼び出しで同じ入口を共有
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}


def search(query: str, count: int = 5) -> dict:
    """deepseek-search を呼び出し、構造化された検索結果を返す(フィールド名はドキュメントに準拠)"""
    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:
    """deepseek-fetch を呼び出し、Web ページの Markdown 本文を返す。失敗したリクエストは課金されない"""
    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:
    """検索で得た内容を任意のモデルに渡し、出典付きの回答を生成する"""
    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)
    # 実際の返却構造に応じて先頭のいくつかの URL を取り出し、本文を取得したうえでモデルに渡す
    print(results)

🚀 クイックスタートのヒント:まず検索効果を確認したい場合は、APIYI apiyi.com で登録してテスト用の枠を取得してください。1 つの API キーで deepseek-search、deepseek-fetch、そして主要な対話モデルを同時に呼び出せるので、検索結果をさまざまなモデルに渡して回答品質を比較できます。

APIYI の自己検証データによると、Search は count=5 で約 1.8 秒、count=50 で約 3 秒で返却され、20 の同時リクエストもすべて約 2 秒以内に完了しました。Fetch は一般的な Web ページを取得する場合、約 1.6 秒で 6400 文字前後の Markdown 本文を返します。これらは特定のネットワーク環境における単回テストの結果であり、実際の所要時間は対象サイトの影響を受けます。

5.2 DeepSeek のWeb検索接続ルートをどう選ぶか

  • 組み込みツールを選ぶ:DeepSeek App のような体験を最速で再現したい、モデルが自律的に検索経路を決めることを許容できる、かつ deepseek-flash を使う場合。
  • 独立ツールを選ぶ:クエリ語を自分で制御したい、ソースを絞り込みたい、結果をキャッシュしたい、あるいは同じ検索結果を Claude、GPT、Gemini など異なるモデルに渡して処理したい場合。
  • ハイブリッドで使う:フロントの質疑応答には組み込みツールを、バックエンドの一括資料収集や RAG への投入には独立した Search / Fetch を使います。

よくある質問 FAQ

Q1:DeepSeek フルセットAPIとは何ですか?

これは DeepSeek が 2026 年 11 月 13 日に公開した一連のアプリケーション機能 API で、Web検索、ディープシンキング検索、リンク読み取り、ファイル入力、セーフティチェックに加え、Search、Fetch、OCR、ASR、TTS の独立インターフェースをカバーしています。DeepSeek App の背後にある主要な機能を網羅したものと言えます。

Q2:DeepSeek フルセットAPIと DeepSeek Harness の違いは何ですか?

Harness は 8 月 13 日にオープンソース化されたエージェント実行フレームワークで、モデル、ツール、プラグイン、コンテキストの管理を担当します。一方、フルセットAPI はモデルとツールのサービスインターフェースです。開発者は Harness でエージェントを構築し、API 経由で検索、ファイル、音声機能を接続できます。

Q3:どのモデルが DeepSeek フルセットAPI の組み込みツールを使えますか?

対話レベルでの完全なツール統合は現在 `deepseek-flash`(DeepSeek-V4.1-Flash-1017)が提供しており、Chat Completions、Responses、Anthropic Messages の3つのプロトコルに対応しています。OCR、ASR、TTS、Search、Fetch は独立したインターフェースなので、個別に呼び出すことが可能です。

Q4:APIYI 経由でどの DeepSeek フルセットAPI 機能を呼び出せますか?

APIYI では DeepSeek の独立した Search と Fetch ツール(deepseek-search、deepseek-fetch)を提供開始しています。成功した呼び出しのみ課金され、default および svip グループで利用できます。モデル組み込み検索のクライアント互換については計画段階にあり、具体的な対応状況は APIYI apiyi.com のドキュメントをご確認ください。

Q5:DeepSeek 検索とマルチモデル連携の効果を手早く試すには?

1. APIYI apiyi.com で登録し、APIキーとテスト用クレジットを取得します。
2. 本記事のコードを使い、base_url を `https://api.apiyi.com/v1` に設定します。
3. まず deepseek-search を呼び出して結果を取得し、次に deepseek-fetch で本文を読み取り、最後に任意の対話モデルに渡して回答を生成させます。

Q6:DeepSeek フルセットAPI にはどのような既知の制限がありますか?

– `tool_choice` ではWeb検索ツールの呼び出しを強制できず、検索の実行はモデルが判断します。
– 組み込みツールを有効にすると、`temperature`、`top_p` などのサンプリングパラメータが無視される場合があります。
– ASR は1セグメント最大120秒で、非ストリーミングです。TTS は現時点で話速の調整に非対応です。
– ファイルは1件あたり最大100 MiB、1000ページまでで、コンテキストを超えると400エラーが返されます。
– セーフティチェックは基本的なリスク管理を提供しますが、コンテンツ審査の責任は引き続きアプリ提供側にあります。


DeepSeek フルスタック API の核心ポイント Key Takeaways

  • リリース時期:2026年11月13日、Appを支える10の応用機能を公開。
  • 核心的な変化:検索とWebページの読み取りがサーバー側で実行され、クライアントはツールを宣言するだけでよくなりました。
  • 搭載モデル:対話レベルのツール統合は deepseek-flash が提供し、3種類のプロトコルをサポート。
  • ディープサーチ:search、open_page、find_in_page を交互に実行し、最大で約20回のツール呼び出し。
  • ファイル解析:2つのモードは図表を保持するかどうかで区別し、財務系ドキュメントには図文モードを使用。
  • フロントエンドの責務:引用の表示、署名の返送、ストリーミング拒否回答の撤回は依然としてクライアント側で処理。
  • アクセスルート:制御可能な検索が必要な場合は、APIYI apiyi.com 経由で独立した Search / Fetch を呼び出し可能。

まとめ

DeepSeek フルスタック API のポイントは、次の3つに集約できます:

  1. 機能レイヤーの開放:検索、ドキュメント、音声、リスク制御、そしてモデルが1つのAPIに統合され、公式はこれによりApp体験を再現できるとしています。
  2. 呼び出しチェーンの短縮:サーバー側のツールが検索、クロール、コンテキストの組み立てを担うため、開発者はインタラクションとビジネスロジックに集中できます。
  3. 2つのルートが併存:組み込みツールはApp風のQ&Aを素早く構築するのに適し、独立した Search / Fetch は制御可能な検索や複数モデル間での再利用に適しています。

ネット連携Q&Aのプロトタイプを作る際は、まず組み込みツールで体験を検証してみましょう。検索フローを細かく制御したり、複数のモデルを組み合わせたりする場合は、APIYI apiyi.com 経由で独立した検索・クロールツールに接続し、統一されたマルチモデルインターフェースと組み合わせて効果を素早く比較することをおすすめします。


📚 参考資料

  1. DeepSeek がアプリ向け API を一括公開:2026-11-13 公式発表
  2. リンク: api-docs.deepseek.com/zh-cn/news/news261113/
  3. 説明: 今回公開された機能の完全なリスト

  4. DeepSeek ウェブ検索ツールのドキュメント:サーバー側の検索とリンク閲覧

  5. リンク: api-docs.deepseek.com/zh-cn/guides/web_tools/
  6. 説明: ツールの宣言、呼び出しルール、課金方式

  7. DeepSeek ファイル解析ドキュメント:Files API の使い方

  8. リンク: api-docs.deepseek.com/zh-cn/guides/document_parsing/
  9. 説明: 2 種類の解析モードとファイルの制限

  10. DeepSeek で Chatbot を構築するガイド:クライアント開発の要点

  11. リンク: api-docs.deepseek.com/zh-cn/guides/build_a_chatbot/
  12. 説明: 返却されるフィールド、マルチターンでの再送信、引き継がれるパラメータ

  13. DeepSeek のモデルと価格:トークンとツールの料金

  14. リンク: api-docs.deepseek.com/zh-cn/quick_start/pricing/
  15. 説明: ピーク時とアイドル時の料金

  16. DeepSeek Chat Demo:公式オープンソースのフロントエンドサンプル

  17. リンク: github.com/deepseek-ai/chat-demo
  18. 説明: 引用表示、ファイル操作、音声インタラクションのリファレンス実装

  19. APIYI DeepSeek Search & Fetch ドキュメント:独立したツールインターフェースの説明

  20. リンク: docs.apiyi.com/api-capabilities/deepseek-search-fetch/overview
  21. 説明: インターフェースのパラメータ、グループごとの利用可否、料金設定

著者: APIYI 技術チーム
技術に関するお問い合わせ: APIYI のウェブサイトトップページからお気軽にご連絡ください。その他の導入資料は docs.apiyi.com のドキュメントセンターでご覧いただけます

関連記事

類似投稿