logo

DeepSeek 工具 API 计费拆解与接入要点

作者:有好多问题2026.11.17 03:22浏览量:1

简介:DeepSeek 把联网搜索、网页抓取、文件 OCR、语音等能力开放为 API。模型仍按 token 计费,工具按次收费,费用高低取决于工具触发率和检索内容带来的 token 膨胀。本文给出成本公式和敏感性测算,说明接入步骤与排错要点,并讨论内置工具与自建链路的取舍,帮你判断在自己的业务里是否划算。

先说结论:多出来的成本在工具调用上

DeepSeek 开放了一批原本只在 App 里使用的能力,包括联网搜索、网页读取、文件解析、OCR、语音识别与合成,以及安全审核。模型的 token 计费方式不变,新增费用主要来自工具调用,并且通常按次计费。判断这套能力是否划算,要看每天会触发多少次工具调用,以及工具返回的内容会让输入 token 增加多少。

具体单价请以 DeepSeek 开放平台的官方定价页面为准。价格可能调整,也可能有限时优惠。本文不引用未经核实的价格数字,只给出可以套用的计算方法。

一、开放了哪些能力

能力 作用 计费方式(以官方页面为准)
对话内置联网工具 模型判断是否需要搜索,服务端完成检索并把结果放入上下文 按次
搜索与网页抓取接口 独立调用的检索和正文抓取 按次
文件输入与 OCR 服务端解析 PDF、图片等文件 按次或按页
语音识别与合成 录音转文字,文本转语音 按时长或字数
安全审核 输入输出合规过滤 以官方口径为准

以前的做法是自己编排一条链路:判断是否搜索,调用搜索接口,抓取正文,清洗切分,再拼接 prompt。现在可以在原请求中加入工具配置,由服务端完成检索和拼接。这样省下的是工程时间,但费用结构变成了”工具费加上膨胀后的 token 费”。

二、成本怎么算

单日成本的计算方式如下:

单日成本 = 输入 token 费 + 输出 token 费 + 工具调用费

其中:

  • 输入 token 费 = 输入 tokens 总量 ÷ 1,000,000 × 输入单价
  • 输出 token 费 = 输出 tokens 总量 ÷ 1,000,000 × 输出单价
  • 工具调用费 = 工具调用次数 ÷ 1,000 × 每千次单价

工具返回的内容会进入上下文,并计入输入 tokens。因此实际输入量等于原始输入加上触发检索后带回的内容。

下面用一组假设数字演示计算。假设日均 1000 次请求,每次原始输入 2000 tokens,输出 500 tokens。每次触发检索后,检索结果平均增加 3000 tokens 输入。单价只是示例:输入 2 元每百万 tokens,输出 8 元每百万 tokens,工具每千次 5 元。

基础 token 费为:输入 1000 × 2000 ÷ 1,000,000 × 2 = 4 元,输出 1000 × 500 ÷ 1,000,000 × 8 = 4 元,合计 8 元。

改变触发率后,日成本如下:

触发率 触发次数 工具费 膨胀输入 token 费 日合计
10% 100 0.5 元 30 万 tokens,0.6 元 9.1 元
30% 300 1.5 元 90 万 tokens,1.8 元 11.3 元
50% 500 2.5 元 150 万 tokens,3.0 元 13.5 元
100% 1000 5.0 元 300 万 tokens,6.0 元 19.0 元

按这组假设,每次请求都触发检索时,日成本约为基础 token 费的 2.4 倍。触发率越高,工具费和膨胀的 token 费增长越快。做预算前,应先从实际日志中估算触发率,不要直接套用极端假设。

有三种做法可以控制成本:

  1. 控制触发率。 模型自身知识能回答的问题不开启工具,只对时效性问题开启。
  2. 错峰跑批量任务。 如果官方对非高峰时段有价格优惠,就把离线摘要、批量翻译、日志分析放在非高峰时段执行。
  3. 加缓存。 相同问题的检索结果在有效期内复用,减少重复付费。缓存时要注意内容时效,并核对检索内容的使用条款。

三、怎么接入

接入一般分三步:

  1. 在 DeepSeek 开放平台创建 API Key,并存入环境变量,不要写进代码或日志。
  2. 确认接口协议、接口地址和模型名。官方文档会列出支持的协议格式和可用模型,请以文档为准。
  3. 在请求中加入工具配置。工具字段名和可选参数同样以官方文档为准。

下面是示意代码,占位符必须替换为官方文档中的内容:

  1. import os
  2. from openai import OpenAI, APIError
  3. client = OpenAI(
  4. api_key=os.environ["DEEPSEEK_API_KEY"],
  5. base_url="<官方文档给出的 base_url>",
  6. timeout=60,
  7. max_retries=2,
  8. )
  9. try:
  10. resp = client.chat.completions.create(
  11. model="<官方文档给出的模型名>",
  12. messages=[{"role": "user", "content": "总结本周 AI 大模型领域的重要发布"}],
  13. # 示意写法,工具字段需以官方文档为准
  14. extra_body={"tools": [{"type": "web_search"}]},
  15. )
  16. print(resp.choices[0].message.content)
  17. except APIError as e:
  18. print(f"调用失败:{e}")

运行前需要注意几点。依赖包可以用 pip install openai 安装,版本以官方示例为准。tools 字段只是示意,不保证直接可用。工具调用可能在响应中先返回中间状态,解析前最好打印完整响应,确认 choices 与 message 的实际结构。

实际接入时还要处理以下问题:

  • 流式输出时,工具调用可能先返回中间状态。前端需要显示”检索中”的占位,并设置超时。
  • 文件与 OCR 通常通过独立的上传接口调用。单文件大小、页数和格式限制以官方文档为准,上线前先用真实文件测试。
  • 设置超时和重试。工具调用失败时,可以降级为纯模型回答,并告知用户结果可能不含最新信息。
  • 安全审核默认生效,但业务侧仍应保留自己的兜底话术和合规检查。

四、内置工具还是自建链路

维度 内置工具 自建链路
上手成本 低,加配置即可 高,需要编排多个服务
可控性 检索源和排序无法干预 站点范围、时间、条数可控
成本结构 按次计费,便于预测 搜索、抓取、存储、运维由自己承担
适用场景 C 端助手、快速验证 企业知识库、强合规、需要审计引用

具体选择可以参考以下几种情况:

  • C 端助手或快速 Demo。 内置工具通常更划算,主要节省的是工程时间。
  • 高频大流量。 先用日志统计触发率。工具费可能成为最大的成本项。
  • 企业知识库与强合规业务。 主检索链路建议自建,内置工具只作补充。
  • 需要限定站点、发布时间或引用条数。 更适合使用独立的搜索组件。检索私有知识库时,可以考虑支持知识库检索的接口。

很多团队的做

发表评论

活动