Resumo:A DeepSeek abre para desenvolvedores as capacidades de busca, análise de arquivos, leitura de links e voz presentes no app, com o servidor da API executando os fluxos essenciais das ferramentas.
Em 13 de novembro de 2026, a DeepSeek lançou oficialmente a API do pacote completo de aplicativos. Recursos antes integrados apenas ao app e à versão web da DeepSeek — busca na web, busca com raciocínio profundo, leitura de links, entrada de arquivos e verificação de segurança do modelo — além das interfaces independentes Search, Fetch, OCR, ASR e TTS, agora podem ser chamados via API. A principal mudança desta atualização é: depois que o desenvolvedor declara ferramentas como deepseek_web_search e deepseek_read_url na requisição, a busca, a leitura de páginas web e a montagem do contexto são feitas pelo servidor da DeepSeek; o cliente não precisa mais orquestrar sozinho a cadeia de chamadas “modelo → busca → captura → retorno → nova requisição”. Segundo a empresa, com essa API é possível implementar funcionalidades basicamente equivalentes às do app DeepSeek.
A seguir, vamos primeiro explicar quais capacidades foram abertas desta vez e quais modelos e protocolos podem ser usados; depois detalhar, item por item, os fluxos técnicos e as limitações de busca na web, busca profunda, arquivos e links, voz e OCR; em seguida comparar as duas formas de desenvolvimento — antiga e nova — e esclarecer o que o front-end ainda precisa fazer; por fim, com base em três tipos de produto — perguntas e respostas sobre notícias, leitura de relatórios financeiros e assistentes de voz — apresentar critérios de escolha entre as duas rotas de integração: ferramentas integradas e ferramentas independentes.

Para saber: Termos relacionados à API da suíte completa DeepSeek
| Termo | Explicação |
|---|---|
| API | Interface pela qual softwares trocam requisições e resultados em um formato previamente acordado |
| Harness | Estrutura de execução que gerencia o fluxo de execução do Agent, o modelo, as ferramentas e o contexto |
| Server-side Tool | Ferramenta executada no servidor do modelo; o cliente recebe apenas o resultado da execução |
| Deep Thinking Search | O modelo realiza várias buscas, abre páginas da web e procura informações durante o raciocínio |
| Chat Completions | Interface tradicional de complementação de chat no estilo OpenAI |
| Responses API | Interface que oferece suporte a respostas estruturadas, chamada de ferramentas e interação em múltiplas rodadas |
| Messages API | Interface de mensagens no estilo Anthropic |
| Files API | Interface para fazer upload e análise de arquivos e retornar file_id para referência em conversas |
| OCR | Reconhece texto em imagens ou documentos, convertendo-o em texto processável |
| ASR | Converte fala em texto |
| TTS | Converte texto em fala |
| Citation | Mecanismo de citação que associa o conteúdo da resposta a fontes específicas de informação |
| tool_choice | Parâmetro de requisição usado para controlar como o modelo invoca ferramentas |
1 A API do pacote completo da DeepSeek abre as capacidades centrais do App para desenvolvedores
1.1 O que a API do pacote completo da DeepSeek lançou em 13 de novembro
As capacidades lançadas nesta atualização se dividem em dois tipos: ferramentas de servidor embutidas na conversa, que o modelo chama por conta própria ao responder; e interfaces de ferramentas independentes, que os desenvolvedores podem chamar separadamente e combinar livremente.
| Capacidade | Nome em inglês | Forma de chamada | Função |
|---|---|---|---|
| Pesquisa com acesso à internet | Web Search | Ferramenta embutida na conversa | O modelo decide por conta própria se deve pesquisar e retorna uma resposta com citações |
| Pesquisa com raciocínio profundo | Deep Thinking Search | Ferramenta embutida na conversa | Pesquisa em várias etapas, abre páginas da web e faz buscas dentro da página |
| Leitura de links | Read URL | Ferramenta embutida na conversa | Lê links de páginas da web presentes nas mensagens do usuário |
| Entrada de arquivos | File Input | Files API + conversa | PDFs, arquivos do Office e imagens são processados e enviados ao contexto |
| Segurança do modelo | Safety Check | Parâmetros da requisição | Verifica a entrada, os resultados das ferramentas e a saída |
| Pesquisa na web | Search API | Interface independente | Retorna resultados de pesquisa estruturados |
| Captura de páginas web | Fetch API | Interface independente | Extrai o corpo da página web |
| OCR | Optical Character Recognition | Interface independente | Reconhece texto em imagens e documentos, além da posição na página |
| ASR | Automatic Speech Recognition | Interface independente | Converte áudio em texto |
| TTS | Text-to-Speech | Interface independente | Converte texto em fala, com suporte a streaming via WebSocket |
Esta atualização está concentrada na camada de capacidades aplicadas do modelo. Além da capacidade de raciocínio do próprio modelo, componentes dos quais a experiência em nível de App depende — pesquisa, documentos, voz, controle de riscos etc. — foram abertos como um conjunto. O que os desenvolvedores recebem é uma infraestrutura que pode ser montada diretamente em produtos.
No mesmo dia, a DeepSeek também abriu o código do Chat Demo, uma interface front-end leve que serve como implementação de referência para reproduzir a experiência do App. Como contexto, em 13 de agosto a DeepSeek abriu o código do DeepSeek Harness, o framework de execução de agentes. Ele e a API do pacote completo pertencem, respectivamente, à camada de framework e à camada de interfaces, sendo duas linhas de produto independentes, mas relacionadas entre si.
1.2 Quais modelos e protocolos a API do pacote completo da DeepSeek suporta
A integração completa de ferramentas no nível de conversa atualmente é fornecida pelo deepseek-flash, correspondente à versão oficial DeepSeek-V4.1-Flash-1017. Esse modelo suporta os modos de raciocínio e de não raciocínio, pesquisa com acesso à internet, pesquisa com raciocínio profundo, leitura de links, análise de arquivos, compreensão de imagens e verificação de segurança. A janela de contexto é de 1M, com saída máxima de 384K. A integração de ferramentas anunciada é explicitamente voltada ao deepseek-flash; o escopo de suporte a ferramentas de outros modelos, como o DeepSeek-V4-Pro, está sujeito a esclarecimentos oficiais posteriores.
| Protocolo | Endereço da requisição | Características |
|---|---|---|
| OpenAI Chat Completions | POST api.deepseek.com/chat/completions |
Completude de chat tradicional, com o menor custo de migração |
| OpenAI Responses | POST api.deepseek.com/responses |
Respostas estruturadas e interação com ferramentas em múltiplos turnos |
| Anthropic Messages | POST api.deepseek.com/anthropic/v1/messages |
Formato de mensagens no estilo Anthropic |
Os três protocolos permitem usar a pesquisa do lado do servidor, a leitura de links e as capacidades de arquivo, mas os parâmetros da requisição e a estrutura das respostas são diferentes. Equipes que já têm código com o OpenAI SDK podem priorizar o Chat Completions ou o Responses; projetos construídos sobre o ecossistema Claude podem optar pelo protocolo Messages.
2 Como a suíte completa de APIs do DeepSeek realiza tarefas que antes eram fragmentadas
2.1 Pesquisa na web do DeepSeek: o modelo decide quando pesquisar
Depois de declarar deepseek_web_search em tools na requisição, o modelo avalia a pergunta para decidir se deve acessar a internet, gera automaticamente os termos de busca, faz a pesquisa ser executada no servidor e, por fim, organiza as informações com citações das fontes. A ferramenta cobre tanto pesquisa na web quanto pesquisa de imagens.
Tomando como exemplo consultas sobre notícias de tecnologia, como “Quais novos recursos de API o DeepSeek lançou recentemente?”, o conteúdo retornado inclui os termos de consulta da pesquisa, resultados estruturados, URLs das fontes, títulos, datas de publicação e informações de citação. O corpo da requisição Chat Completions mostrado na documentação oficial é o seguinte; ele ativa ao mesmo tempo o modo de raciocínio, a pesquisa na web e a leitura de links:
{
"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
}
As regras de controle das chamadas de ferramentas exigem atenção especial:
- Depois de declarar uma ferramenta em
tools, é o modelo que decide se ela será chamada. tool_choicenão consegue forçar a escolha dedeepseek_web_searchoudeepseek_read_url.tool_choice: nonedesativa todas as ferramentas.- A combinação de ferramentas de pesquisa na web com outras ferramentas do servidor tem restrições de compatibilidade; combinações fora do escopo suportado retornam erro 400.
2.2 DeepSeek Busca Profunda: de uma única consulta a uma pesquisa em múltiplas etapas
Ao ativar o modo de pensamento, a busca na web é elevada a uma busca com raciocínio profundo. Durante a inferência, o modelo alterna entre três ações: search para buscar palavras-chave, open_page para abrir as páginas encontradas e find_in_page para localizar informações específicas dentro de uma página.
O resultado de cada etapa influencia a decisão da próxima. O modelo pode complementar com novas palavras-chave com base nos resultados da primeira rodada, abrir comunicados oficiais para verificar detalhes e depois cruzar múltiplas fontes, chegando a uma resposta com citações após cerca de 20 chamadas de ferramentas. Para perguntas de pesquisa, isso equivale a embutir um pequeno Agente de recuperação dentro da API.
2.3 DeepSeek Arquivos e Links: permitir que o modelo leia diretamente materiais externos
deepseek_read_url serve especificamente para ler URLs fornecidas pelo usuário, com as seguintes regras:
- Apenas URLs na última mensagem do usuário são reconhecidas, considerando no máximo as 10 primeiras URLs distintas; URLs repetidas contam apenas uma vez.
- Quais URLs são realmente lidas é decisão do modelo.
- Ao ler várias páginas longas na mesma rodada, o contexto disponível para cada página individual diminui.
- Se o modo de pensamento estiver ativado e
deepseek_web_searchfor declarado ao mesmo tempo, a rodada utiliza o mecanismo de busca com raciocínio profundo.
A capacidade de arquivos é implementada via Files API: chame POST /files para enviar o arquivo, e o servidor retorna um file_id após a análise; basta referenciar esse ID na conversa. No upload, é obrigatório especificar a finalidade da análise; a diferença entre os dois modos está em se o modelo consegue ver gráficos:
- text_recognition: mantém apenas texto puro, adequado para materiais textuais como contratos e artigos; o conteúdo de gráficos é descartado.
- rich_layout_recognition: mantém o texto e recorta automaticamente imagens e gráficos, entregando-os ao modelo na posição original; adequado para relatórios financeiros, apresentações e relatórios com texto e imagens misturados, consumindo Tokens de imagem adicionais.
Os formatos suportados incluem PDF, DOC/DOCX, PPT/PPTX, além de imagens como PNG, JPEG, WebP, GIF, BMP e TIFF. Cada arquivo pode ter no máximo 100 MiB e até 1000 páginas; upload e análise precisam ser concluídos em até 120 segundos cada, e cada requisição pode referenciar no máximo 20 arquivos. Arquivos como XLSX, CSV e EPUB podem ser enviados como user_data, e o sistema os converte em Markdown sem cobrar taxa de análise.
Depois que o resultado da análise entra no contexto do modelo, ele pode responder, resumir ou comparar com base no texto completo, e o conteúdo de arquivos históricos permanece disponível ao longo de múltiplas rodadas de conversa. Referenciar novamente um arquivo já analisado não gera nova taxa de análise, mas os Tokens de entrada efetivamente incluídos no contexto são cobrados. Há ainda dois detalhes de engenharia: no upload Multipart, o campo purpose deve vir antes do campo file; e, quando um documento muito longo ultrapassa o limite de contexto, a requisição retorna erro 400.
2.4 Voz e OCR do DeepSeek: completando as capacidades de entrada e saída das aplicações
OCR, ASR e TTS são interfaces independentes, com os caminhos /v1/tools/ocr, /v1/tools/asr e /v1/tools/tts, respectivamente.
- OCR: reconhece texto e a posição na página em imagens, PDF, Word e PowerPoint; arquivo único de até 100 MiB e 1000 páginas, com timeout de processamento de 180 segundos. Sua proposta é diferente da análise de arquivos: o OCR extrai texto de forma independente, enquanto a análise de arquivos envia o conteúdo para o contexto do modelo.
- ASR: oferece suporte a 21 idiomas, incluindo chinês, cantonês, inglês e japonês, com detecção automática do idioma. Os formatos de entrada são WAV PCM de 16 bits ou Ogg Opus; arquivo único de no máximo 8 MiB e até 120 segundos, usando reconhecimento não streaming com upload do arquivo inteiro.
- TTS: oferece duas vozes, stella (Estrela-do-mar, voz feminina, padrão) e tide (Maré Escura, voz masculina), com suporte a 10 idiomas, incluindo mandarim, cantonês e inglês. Aceita até 10.000 caracteres faturáveis por chamada e retorna no máximo 30 minutos de áudio. Os formatos de saída são WAV e PCM, com suporte a síntese em streaming via WebSocket; no momento, não permite ajustar a velocidade da fala.
Ao encadear os três com o modelo de conversa, você obtém uma cadeia completa de assistente de voz: o ASR converte a fala do usuário em texto, o deepseek-flash responde com base em busca ou raciocínio sobre arquivos, e o TTS lê a resposta em voz alta. Já um assistente de documentos pode primeiro usar o OCR em lote para extrair o texto de digitalizações e montar um índice, e depois usar a Files API para permitir que o modelo leia um único arquivo em profundidade.

3 Conjunto completo de APIs do DeepSeek mudou a forma como desenvolvedores fazem a integração
3.1 Como era desenvolver um assistente de IA conectado à internet no passado
Antes do surgimento das ferramentas do lado do servidor, para desenvolver um assistente com acesso à internet, o cliente precisava gerenciar o ciclo de ferramentas por conta própria:
- Depois que o usuário faz uma pergunta, a API do modelo é chamada.
- O modelo decide que precisa pesquisar e retorna uma solicitação de chamada de ferramenta.
- O cliente chama uma API de busca de terceiros.
- O cliente chama um serviço de scraping para obter o conteúdo principal da página.
- O cliente monta os resultados no contexto e faz uma nova chamada ao modelo.
- O modelo gera a resposta final.
Nessa cadeia, os serviços de busca, scraping, análise de arquivos, OCR, voz e moderação de conteúdo geralmente vêm de fornecedores diferentes, e cada um exige integração separada de autenticação, cobrança, tratamento de erros e estratégias de timeout.
3.2 Como o conjunto completo de APIs do DeepSeek encurta a cadeia de invocação
No novo modelo, o desenvolvedor só precisa declarar as ferramentas na requisição. O modelo DeepSeek decide por conta própria se deve fazer a busca, o servidor executa a busca e a leitura das páginas web, organiza os resultados das ferramentas e o contexto, o modelo continua a inferência e, por fim, retorna a resposta junto com as citações das fontes. As etapas 2 a 5, que antes ficavam a cargo do cliente, agora são todas executadas no servidor.

Ao assumir o fluxo de execução, o servidor também assume parte dos parâmetros de geração. Ao ativar a ferramenta de acesso à internet integrada, a verificação de segurança ou o recurso de título de sessão, os parâmetros temperature, top_p, frequency_penalty, presence_penalty, stop, seed, n e parallel_tool_calls do Chat Completions podem ser ignorados. O max_tokens continua valendo, mas agora limita o comprimento da saída de cada etapa de inferência. Em cenários que exigem controle rigoroso dos parâmetros de amostragem, vale avaliar separadamente a adequação do modo de ferramentas integradas.
A verificação de segurança é ativada pelo parâmetro de requisição "safety_check": {"level": "high"} e cobre a entrada do usuário, os resultados retornados pelas ferramentas e a saída final do modelo. Quando há risco, retorna um erro 400 ou termina com uma recusa. A documentação oficial deixa claro que esse recurso oferece um controle de risco básico, e o provedor da aplicação ainda precisa cumprir obrigações como moderação de conteúdo, registro do Modelo de Linguagem Grande e identificação por IA.
3.3 O que o frontend ainda precisa fazer com o conjunto completo de APIs DeepSeek
O DeepSeek fica responsável por executar ferramentas e organizar o contexto, mas a experiência do produto continua sendo tarefa do cliente. Os principais campos de retorno que precisam ser tratados incluem:
server_tool_use: quais invocações de ferramentas foram executadas no lado do servidor.web_search_tool_resulteweb_fetch_tool_result: resultados da busca e resultados da captura de páginas web.citations: as referências de fonte na resposta, enviadas em streaming por meio de eventos comocitations_delta.signature: a assinatura necessária para preservar parte do contexto das ferramentas.
Nas conversas de múltiplos turnos, os blocos de conteúdo relacionados precisam ser devolvidos exatamente como estão. O texto da página web lido por deepseek_read_url é armazenado por meio de assinatura criptografada; se o cliente modificar ou descartar a assinatura, não será possível recuperar o contexto da página web nos turnos seguintes. As citações devem ser exibidas vinculadas ao bloco de texto correspondente. Nos cenários de streaming há um detalhe adicional: parte do conteúdo pode já ter sido exibida quando a decisão final for uma recusa; nesse caso, o frontend precisa retirar o conteúdo já mostrado e trocá-lo pela mensagem de recusa.
O Chat Demo de código aberto oficial é uma ótima referência. Ele implementa geração automática de título da conversa, edição de mensagens, regeneração, continuação da geração, importação e exportação do histórico de conversas, renderização de Markdown e Mermaid, temas claro e escuro, moderação de segurança de imagens, entrada de voz e leitura em voz alta, com a chave API, o histórico de conversas e as imagens armazenados localmente no navegador. Uma aplicação comercial completa ainda precisa complementar essa base com camadas de negócio como contas, gestão de dados, pagamento, permissões e moderação de segurança.
4 Os tipos de produtos mais adequados para a suíte completa de APIs DeepSeek
4.1 Perguntas e respostas sobre notícias e assistente de pesquisa com IA
Quando o usuário pergunta sobre lançamentos recentes de modelos, novidades do setor ou outras informações em tempo real, o modelo busca materiais pela pesquisa na web, abre os comunicados oficiais para verificar e só então monta uma resposta com citações. A busca com raciocínio profundo é ideal para questões de pesquisa que exigem verificação cruzada de várias fontes, enquanto a leitura de links atende bem aos cenários em que o usuário cola diretamente um URL e pede um resumo ou uma comparação.
4.2 Relatórios financeiros em PDF e assistente de conhecimento corporativo
Relatórios financeiros, whitepapers técnicos e PPTs internos costumam trazer muitos gráficos. Com o modo rich_layout_recognition, o modelo consegue entender ao mesmo tempo o texto corrido e o conteúdo de gráficos como os de tendência de receita, respondendo a perguntas que dependem desses gráficos, do tipo “qual trimestre cresceu mais rápido”. Já para contratos e documentos de políticas puramente textuais, basta usar text_recognition, com custo menor.
4.3 Aplicações de interação por voz
A combinação de ASR, deepseek-flash e TTS cobre aplicações de perguntas e respostas por voz, organização de gravações de reuniões, transcrição de entrevistas e leitura em voz alta. Vale ficar atento: o ASR tem limite de 120 segundos por segmento de áudio e faz reconhecimento não streaming, então gravações longas precisam ser fatiadas no lado do cliente; já o TTS suporta síntese em streaming via WebSocket, permitindo gerar e reproduzir ao mesmo tempo, o que reduz o tempo de espera até o primeiro caractere.
Os preços oficiais das ferramentas DeepSeek são os seguintes, tendo como base o documento oficial de preços de 15 de novembro de 2026:
| Capacidade | Unidade de cobrança | Preço de tabela | Promoção por tempo limitado |
|---|---|---|---|
| Busca (Search) | 1000 solicitações bem-sucedidas | ¥5 | ¥5 |
| Fetch de páginas web | 1000 solicitações bem-sucedidas | ¥5 | ¥5 |
| Análise de arquivos | 1000 páginas | ¥1.5 | ¥1.5 |
| OCR | 1000 páginas | ¥1.5 | ¥1.5 |
| ASR | 1 hora de áudio | ¥0.78 | ¥0.39 |
| TTS | 10.000 caracteres cobrados | ¥3 | ¥1.5 |
Os custos das ferramentas são calculados separadamente dos custos de Token do modelo. O preço de saída do DeepSeek-V4.1-Flash por milhão de Tokens é ¥4 no horário ocioso e ¥8 no horário de pico, sendo que o horário de pico corresponde a dias úteis, no horário de Pequim, das 09:00 às 12:00 e das 14:00 às 18:00. Requisições de ferramentas que falham, não retornam resultados ou expiram não são cobradas. A busca integrada ao modelo é cobrada pelo número real de termos de consulta pesquisados, a captura de páginas web é cobrada pelo número de páginas capturadas com sucesso, e a busca dentro da página durante a pesquisa profunda não é cobrada à parte — por isso, uma única conversa pode gerar vários custos de busca.
5 O pacote completo de APIs DeepSeek impulsiona a invocação de um único modelo para uma aplicação de IA completa
O pacote completo de APIs reduz a barreira de engenharia para integrar capacidades em aplicações: busca, leitura, documentos, voz e controle de risco ficam concentrados em uma única conta e sob um único sistema de cobrança, permitindo que os desenvolvedores se concentrem na interação do produto e na lógica de negócio. Para a capacidade de acesso à internet, atualmente há duas rotas de integração disponíveis.

| Dimensão | Ferramentas de servidor embutidas no modelo | Ferramentas independentes Search / Fetch |
|---|---|---|
| Forma de chamada | Declarar deepseek_web_search e deepseek_read_url na requisição de conversa |
Chamar separadamente as interfaces de busca e de captura |
| Controle de fluxo | O modelo decide quando buscar e quais páginas ler | O desenvolvedor decide o momento da busca, a filtragem e a forma de combinação dos resultados |
| Escopo de modelos | deepseek-flash |
Não vinculado a um modelo, podendo integrar-se a Agent, RAG e qualquer Modelo de Linguagem Grande |
| Forma de cobrança | Cobrança por termo de consulta e por página capturada, além dos Tokens | Cobrança por número de chamadas bem-sucedidas, sem consumir Tokens do modelo em si |
| Cenários de aplicação | Replicar rapidamente perguntas e respostas com acesso à internet no estilo de um App | Necessidade de um fluxo de recuperação controlável e de reutilização dos resultados de busca entre modelos |
| Plataformas disponíveis | API oficial do DeepSeek | API oficial do DeepSeek; a APIYI apiyi.com já disponibilizou deepseek-search e deepseek-fetch |
A APIYI lançou em 21 de outubro as duas interfaces de ferramentas independentes deepseek-search e deepseek-fetch, disponíveis nos grupos default e svip. Quanto à busca embutida no modelo, aberta em 13 de novembro, a APIYI listou em sua documentação o trabalho de compatibilidade para que os clientes chamem a busca embutida como planejamento futuro. Portanto, ao usar a capacidade de acesso à internet do DeepSeek por meio da APIYI, a rota adotada atualmente é a das ferramentas independentes: você mesmo chama a busca e a captura, e depois entrega os resultados à inferência de qualquer modelo.
5.1 Integrando a busca do DeepSeek por meio de ferramentas independentes
Exemplo mínimo: chamada ao Search para obter resultados estruturados (os nomes dos campos da requisição seguem a documentação do APIYI):
import requests
BASE_URL = "https://api.apiyi.com/v1" # Interface unificada do 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 a implementação completa: busca + fetch + resumo pelo modelo
import requests
import openai
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.apiyi.com/v1" # busca, fetch e invocação do modelo usam a mesma entrada
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
def search(query: str, count: int = 5) -> dict:
"""Chama deepseek-search e retorna resultados de busca estruturados (nomes dos campos conforme a documentação)"""
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:
"""Chama deepseek-fetch e retorna o corpo Markdown da página; requisições com falha não são cobradas"""
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 o conteúdo recuperado a qualquer modelo para gerar uma resposta com as fontes"""
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)
# extraia as primeiras URLs conforme a estrutura retornada, faça o fetch do conteúdo e entregue ao modelo
print(results)
🚀 Dica para começar rápido: se quiser validar primeiro a qualidade da busca, registre-se em APIYI apiyi.com, obtenha uma cota de teste e use uma única chave API para chamar deepseek-search, deepseek-fetch e os principais modelos de conversa — assim você compara a qualidade das respostas passando os resultados da busca para modelos diferentes.
Dados de testes internos do APIYI mostram que o Search retorna em cerca de 1,8 segundo com count=5 e em cerca de 3 segundos com count=50, com 20 requisições concorrentes concluídas em aproximadamente 2 segundos; já o Fetch leva cerca de 1,6 segundo para retornar o corpo Markdown de uma página comum, com algo em torno de 6400 caracteres. São resultados de uma única medição em um ambiente de rede específico — o tempo real depende do site de destino.
5.2 Como escolher a rota de acesso à web do DeepSeek
- Optar pelas ferramentas integradas: quando você quer reproduzir o mais rápido possível a experiência do app DeepSeek, aceita que o modelo decida sozinho o caminho de recuperação e usa o
deepseek-flash. - Optar por ferramentas independentes: quando você precisa controlar os termos de busca, filtrar as fontes, fazer cache dos resultados, ou quer entregar o mesmo conjunto de resultados de busca para modelos diferentes como Claude, GPT e Gemini processarem.
- Uso híbrido: use as ferramentas integradas no atendimento de perguntas e respostas em tempo real, e as ferramentas independentes Search / Fetch para coleta em lote de materiais em segundo plano e para alimentar o RAG.
Perguntas Frequentes (FAQ)
Q1: O que é o conjunto completo de APIs do DeepSeek?
É um grupo de APIs de capacidades de aplicação que a DeepSeek abriu em 13 de novembro de 2026, abrangendo busca na web, busca com raciocínio profundo, leitura de links, entrada de arquivos, verificação de segurança, além das interfaces independentes Search, Fetch, OCR, ASR e TTS — cobrindo as principais capacidades que estão por trás do app DeepSeek.
Q2: Qual é a diferença entre o conjunto completo de APIs do DeepSeek e o DeepSeek Harness?
O Harness é o framework de execução de Agents open-sourced em 13 de agosto, responsável por gerenciar modelos, ferramentas, plugins e contexto; o conjunto completo de APIs são as interfaces de serviço dos modelos e das ferramentas. O desenvolvedor pode montar um Agent com o Harness e depois conectar as capacidades de busca, arquivos e voz por meio das APIs.
Q3: Quais modelos podem usar as ferramentas integradas do conjunto completo de APIs do DeepSeek?
A integração completa de ferramentas no nível de conversa é oferecida atualmente pelo `deepseek-flash` (DeepSeek-V4.1-Flash-1017), com suporte aos três protocolos Chat Completions, Responses e Anthropic Messages. Já OCR, ASR, TTS, Search e Fetch são interfaces independentes, que podem ser chamadas separadamente.
Q4: Quais capacidades do conjunto completo de APIs do DeepSeek podem ser chamadas via APIYI?
A APIYI já disponibilizou as ferramentas independentes Search e Fetch do DeepSeek (deepseek-search, deepseek-fetch), cobradas por chamada bem-sucedida e disponíveis nos grupos default e svip. A compatibilidade de cliente para a busca integrada ao modelo ainda está em planejamento; o progresso concreto do suporte deve ser consultado na documentação em APIYI apiyi.com.
Q5: Como testar rapidamente o DeepSeek Search e a combinação com múltiplos modelos?
1. Registre-se em APIYI apiyi.com e obtenha a API Key e a cota de testes.
2. Usando o código deste artigo, defina base_url como `https://api.apiyi.com/v1`.
3. Primeiro chame deepseek-search para obter os resultados, depois use deepseek-fetch para ler o conteúdo completo e, por fim, entregue tudo a qualquer modelo de conversa para gerar a resposta.
Q6: Quais são as limitações conhecidas do conjunto completo de APIs do DeepSeek?
– `tool_choice` não consegue forçar a chamada da ferramenta de busca na web; a busca fica a critério do modelo.
– Depois de habilitar as ferramentas integradas, parâmetros de amostragem como `temperature` e `top_p` podem ser ignorados.
– O ASR tem duração máxima de 120 segundos por segmento e não é streaming; o TTS ainda não permite ajustar a velocidade da fala.
– Cada arquivo pode ter no máximo 100 MiB e 1000 páginas; ultrapassar a janela de contexto retorna erro 400.
– A verificação de segurança oferece controle de risco básico, mas o responsável pela aplicação continua sendo quem deve responder pela moderação do conteúdo.
Principais pontos-chave da API da suíte completa DeepSeek
- Data de lançamento: em 13 de novembro de 2026, foram abertas as 10 capacidades de aplicação que estão por trás do App.
- Mudança central: a busca e a leitura de páginas web passam a ser executadas pelo servidor; o cliente só precisa declarar as ferramentas.
- Modelo responsável: a integração de ferramentas no nível da conversa é fornecida pelo
deepseek-flash, com suporte a três protocolos. - Busca profunda:
search,open_pageefind_in_pagesão executados de forma alternada, com até cerca de 20 chamadas de ferramenta. - Análise de arquivos: os dois modos se diferenciam por manterem ou não gráficos e tabelas; documentos do tipo relatório financeiro usam o modo texto+imagem.
- Responsabilidades do frontend: a exibição de citações, o retorno de assinatura e a retratação de recusas em streaming continuam sendo tratados pelo cliente.
- Rotas de integração: quando for necessário ter recuperação controlável, é possível chamar Search / Fetch independentes via APIYI apiyi.com.
Resumo
Os pontos principais da API da suíte completa DeepSeek podem ser resumidos em três itens:
- Camada de capacidades aberta: busca, documentos, voz, controle de risco e modelos estão unificados em um único conjunto de APIs; a empresa afirma que é possível recriar a experiência do App com base nisso.
- Cadeia de chamadas mais curta: as ferramentas do servidor assumem a busca, a captura e a montagem do contexto, e os desenvolvedores concentram esforços na interação e na lógica de negócio.
- Duas rotas coexistem: as ferramentas integradas são ideais para construir rapidamente Q&A no estilo App, enquanto Search / Fetch independentes atendem a recuperação controlável e à reutilização entre modelos.
Ao criar um protótipo de Q&A com acesso à internet, você pode primeiro usar as ferramentas integradas para validar a experiência; quando precisar de controle refinado do fluxo de recuperação ou combinar vários modelos, recomendamos integrar as ferramentas independentes de busca e captura via APIYI apiyi.com, em conjunto com a interface unificada multi-modelo, para comparar os resultados rapidamente.
📚 Referências
- DeepSeek lança o pacote completo de APIs de aplicativos: anúncio oficial de 2026-11-13
- Link:
api-docs.deepseek.com/zh-cn/news/news261113/ -
Descrição: lista completa das capacidades disponibilizadas nesta ocasião
-
Documentação das ferramentas de acesso à web do DeepSeek: busca no lado do servidor e leitura de links
- Link:
api-docs.deepseek.com/zh-cn/guides/web_tools/ -
Descrição: declaração das ferramentas, regras de invocação e forma de cobrança
-
Documentação de análise de arquivos do DeepSeek: instruções de uso da Files API
- Link:
api-docs.deepseek.com/zh-cn/guides/document_parsing/ -
Descrição: os dois modos de análise e as limitações de arquivos
-
Guia para construir um Chatbot com DeepSeek: pontos-chave do desenvolvimento do cliente
- Link:
api-docs.deepseek.com/zh-cn/guides/build_a_chatbot/ -
Descrição: campos de retorno, reenvio em múltiplos turnos e parâmetros que ficam sob controle do serviço
-
Modelos e preços do DeepSeek: preços de tokens e de ferramentas
- Link:
api-docs.deepseek.com/zh-cn/quick_start/pricing/ -
Descrição: preços em horário de pico e em horário ocioso
-
DeepSeek Chat Demo: exemplo oficial de front-end de código aberto
- Link:
github.com/deepseek-ai/chat-demo -
Descrição: implementação de referência para exibição de citações, interação com arquivos e por voz
-
Documentação do APIYI DeepSeek Search & Fetch: descrição da interface das ferramentas independentes
- Link:
docs.apiyi.com/api-capabilities/deepseek-search-fetch/overview - Descrição: parâmetros da interface, disponibilidade por grupo e preços
Autor: equipe técnica da APIYI
Contato técnico: fique à vontade para falar com a gente pela página inicial do site da APIYI. Há mais materiais de integração no centro de documentação em docs.apiyi.com
