DeepSeek卖搜索0.75刀1000次
视频的核心观点是：DeepSeek 开放低价 Search 与 Fetch 接口，意义在于把搜索能力变成可独立调用的基础服务，而研究型 Agent 的质量仍取决于检索、抓取、模型、工作流、引用核验和成本的整体表现。
-
两个接口各司其职，推理仍由模型完成。 据视频介绍，DeepSeek 于 2026 年 10 月 17 日开放两个独立 HTTP 接口：Search 用于发现候选来源，Fetch 用于获取网页正文。它们不负责聊天或直接生成研究报告，开发者需要自行组织检索、筛选、阅读和推理流程。
-
Search 返回适合 Agent 使用的结构化结果。 输入 query，通过 count 指定返回 1—50 条结果，包含标题、网址、短摘要、更长的 summary，以及发布时间、排名分数、来源站点和权威度等级。支持站点、语言、时间范围等查询限制，方便按官方文档、GitHub 或近期更新筛选信息。
-
Fetch 将网页转换为便于模型阅读的 Markdown。 输入 URL 后返回标题和正文，减少导航栏、广告及界面装饰的干扰。但登录墙、反爬机制、访问权限和复杂前端渲染都可能导致抓取失败；成功抓取也不代表内容可信。
-
两个接口均按成功请求计费：每千次 0.75 美元。 视频称，失败、超时及空结果不收取相应接口费用。若回答一个问题需要 1 次 Search + 3 次 Fetch，接口费为 0.003 美元；执行 1,000 次同样流程共 3 美元，但不包含模型 Token、服务器、重试和缓存等成本。
-
Search 按请求次数收费，不按结果条数收费。 返回 1 条、10 条或 50 条结果，均算一次请求，适合先批量获取候选来源，再按分数、域名和时间筛选。不过，count 越大，上下文、去重和处理成本可能越高，也会增加接触错误信息及提示注入内容的机会。
-
搜索服务应通过同题实测评估。 关键指标包括中文覆盖、最近 24 小时内容的时效性、能否找到论文原文、是否充斥 SEO 内容，以及 Fetch 能否读取 GitHub README 和动态站点。官方宣称其自建搜索引擎每天处理数亿次请求、索引数千亿网页，但视频强调这些属于厂商披露，未经第三方核验。
-
三类“联网能力”的调用方式和计费边界不同。
- 独立 Search / Fetch API：开发者自行控制搜索、抓取、筛选与模型调用。
- 模型内置
web_search：模型在生成过程中触发搜索；按视频所述，官方 Responses 文档当时仅支持 V4 Pro，Flash 会忽略该工具请求。
- 客户端通过 DeepSeek Apps 调用搜索：如 Claude Code、Codex 等客户端，由工具层调用；视频称该部分阶段性免费，计划于 北京时间 11 月 1 日开始计费。
-
同期模型更新体现了对整条 Agent 工作流的优化。 视频称，V4.1 Flash 同日更新至 1017 版本，其首发版本为 9 月 10 日。官方报告中的 Terminal-Bench 4.0 成绩从 31.2 升至 42.3，另一项转写为“DeepSeek 1.1”的评测从 74.2 升至 77.0，同时缩短任务耗时和输出长度。上述结果依赖指定 Harness，不能直接等同于实际项目表现；其中第二项评测名称可能存在转写误差。
-
模型权重开放不等于搜索系统开源。 视频称，权重已同步发布到 Hugging Face 和 ModelScope，仓库标注 MIT 许可；搜索索引及搜索基础设施并未开源。
-
落地需要处理限流、重试、缓存与安全。 Search 和 Fetch 每个账号各限每秒 5 次请求，Fetch 对同一站点另有限流，超限返回 429。超时和 5xx 可采用退避重试，鉴权失败或参数错误应先修正原因；对相同 URL 做缓存与去重，并将网页正文始终视为不可信数据，不能把其中的指令提升为系统指令。
-
保留证据和调用记录，才能追踪答案质量。 应记录原始 URL、抓取时间、搜索结果、引用、费用及耗时。视频建议将搜索提供商设计为可替换组件，以便独立评估来源质量、定位问题并降低迁移成本。
-
评估研究型 Agent 的六个维度是：搜索质量、抓取能力、模型判断、工作流控制、引用核验和成本。 低价只改善其中一项；成熟系统既要给出答案，也要说明证据来自哪里、何时获取、花费多少。
⋯ 已提交 AI 生成深度整理，预计需要 10~60 秒（取决于文字稿长度），请稍候…
▸ 原始转写文字稿（2697 字符）
大家好,我是为什么叫QQ?2026年10月17日,Deepseek开放了两个接口一个叫Search,一个叫Fetch价格很醒目,每千次成功请求各收0.75美元很多人看到这条新闻第一反应是又一家厂商在打价格战我看完文档后的感受不太一样价格确实低,但真正让我停下来的是Deepseek把自己养的搜索引擎做成了任何开发者都能单独调用的服务一个模型公司开始卖信息入口了这件事值得认真聊一聊先得说清楚一件事语言模型本身没有联网能力训练结束之后,参数里存的东西就固定了今天刚发布的内容模型靠自己是不知道的所以agent要在真实世界里干活得有人替他检索替他打开网页,替他把内容带回来Deepseek这次开放的Search和Fetch是两个独立的HTTP接口他们不负责聊天也不会替你铲出一份现成的研究报告一个负责找线索,一个负责拿原文判断和推理还是交给你选的模型和工作流先看Search你传一个Query进去可以设置返回条数一条到五十条返回结果里有标题,有网址,有短摘要还有一段更长的Summary专门给模型读另外还有发布时间排名分数,来源站点和一个权威度等级普通用户用搜索引擎看到的是十条蓝色链接自己决定点哪个agent需要的是能直接进上下文参与排序和过滤的结构化数据这个接口还支持Site语言时间范围这些查询操作服务做技术情报可以先限定GitHub和官方文档搜索从一个界面动作变成了可以编排的代码再看Fetch给它一个URL它把这一页取回来以Markdown的形式返回标题和正文大模型不需要网页里的导航栏广告位和一堆UI装饰它要的是有标题,有段落,适合引用的干净文本Search负责发现候选来源Fetch负责取正文两步分开agent才能自己决定哪些链接值得读你也方便记录每一步花了多少钱要提醒一句Fetch不是万能浏览器登陆墙反爬权限复杂前端渲染都可能让它失败能抓到内容也不等于内容可信接下来算钱官方定价写得很明白Search每千次成功请求0.75美元Fetch一样失败超时空结果不收这个接口的费用假设你的研究agent回答一个问题搜一次再读三个网页一共四次成功请求接口费是0.003美元跑一千次同样的流程三美元听到这里先别激动这个账里没有模型token没有服务器没有重视和缓存便宜的是单次取信息这个动作整套研究系统的成本是另一笔账还有个计费细节容易被忽略Search the count参数可以要1到50条结果按请求次数收费不按条数收费返回10条也是一次的钱对需要候选来源的agent来说这个设计很友好一次拿多个候选再按重排分数来源域名和发布时间筛但别急着把count拉满候选越多上下文越长去重复成本越高错误来源和提示注入的风险也跟着涨工程上要优化的目标很朴素用尽可能少的调用拿到足以回答问题的可靠证据纸笔标价很容易下错结论搜索服务好不好的看同一道题上的表现中文查询行不行过去24小时的更新能不能抓到能不能找到论文原文躲开二手转载结果是不是被SEO内容灌满了Fetch能不能读GitHub的Redmay能不能对付动态站点这些才决定agent的研究质量Deepseek官方说搜索引擎是自荐的每天处理数亿次请求索引数千亿网页这些话出自厂商自己的更新日志没有第三方核验要不要换服得靠同题同标准的实测说话这里要分清楚三个层面第一独立的Search和Fetch你自己管检索抓取筛选和调模型第二模型接口内置的Web下画线Search模型在生成过程中自己出发搜索官方Responses文档写得很清楚这个内置工具目前只给V4 Pro用Flash会直接忽略这个请求第三Harness Cloud Code Codex这些客户端走Deepseek Apps由工具层调搜索这部分目前阶段性免费官方计划北京时间11月1日开始计费三者的调用方式可控程度和计费边界完全不同一句Deepseek免费联网基本是把三件事搅在了一起就在开放搜索的同一天V4.1Flash也更新到了1017版本这是后续升级9月10日那一版才是首发官方报告里Terminal Bench 4.0从31.2涨到42.3Deepseek 1.1从74.2到77.0团队还说缩短了任务耗时和输出长度针对Deepseek Harness做了优化这些数字是官方在指定Harness下跑出来的Terminal Bench用的甚至是Cloud Code框架换成你手里的项目表现未必一样模型权重同步开放到了Hugging Face Model Scope仓库标注MIT许可注意开放的是权重搜索索引和搜索基础设施并没有开源但把模型搜索工具和执行环境放在同一天更新方向已经很清楚了Agent的效果越来越取决于整条工作流这个最小版本离真正能用还有几道工程门槛先看线流Search和Fetch每个账号各自每秒五次Fetch对同一个站点还有单独的频率限制超了直接返回429再看重视超时和5xx可以退避重视健全失败和参数错误重放多少次都没用然后是缓存和去重复同一个URO没必要每来一个问题就重新抓一遍还有一条安全边界网页阵文里可能藏着忽略之前指令这类注入内容检索回来的资料一律按不可信数据处理绝不能升级成系统指令把可观测性也加上记录搜索结果费用耗时和引用出了错才查得回去聊到这里可以说说我的判断了模型厂商有了自己的搜索能力检索总结工具调用就有机会在同一个API生态里闭环集成路径变短成本结构也好优化这是好事但硬币有另一面搜索和模型来自同一家资料完不完整你很难独立判断想换来源的时候迁移成没有多高结果质量波动了问题在索引还是在模型我倾向于把搜索提供商做成可替换的组件每条证据保留原始URL抓取时间和独立评估这个取舍欢迎在评论区说说你的做法这期内容可以浓缩成一个框架一个研究型agent的质量有六个相互独立的变量决定搜索质量抓取能力模型判断工作流控制引用核烟还有成本任何一个变量掉链子最终答案都会出问题换个角度看这也解释了为什么单纯降价掀不起大浪价格只动了六个变量里的一个真正拉开差距的是剩下的五个你以后评估任何一个agent的产品都可以拿这六项逐一对照比盯着发布会的数字靠谱的多总结一下七毛五美元一千字这个数字值得点开文档对于工程师而言值得关注的是SearchFitch模型和Harness连起来的整条信息链一个成熟的agent给得出答案也交代得清证据从哪来什么时候抓的花了多少钱接下来agent平台的竞争拼的恐怕就是这个你现在给agent接搜索用的是传统搜索API专门的抓取平台还是模型自带的工具你最在意中文覆盖时效性还是成本评论区聊聊觉得这期有收获点个赞投个币我是为什么叫QQ我们下期见
