DeepSeek搜索抓取API发布:千次请求仅0.75美元

DeepSeek推搜索抓取API,千次成功请求0.75美元,按成功计费引开发者关注。
DeepSeek 推出搜索抓取(Search and Fetch)API,将检索与网页抓取合并为一个接口,定价为每 1000 次成功请求 0.75 美元。文章分析认为,这一组合降低了 RAG 应用的工程复杂度,开发者无需分别接入搜索接口和爬虫工具。按成功计费的规则使成本更可预测,失败或空结果不计费,相当于服务商承担了部分抓取失败风险。但成功判定标准、低质量内容是否计费等细节仍待官方明确。文章还指出,该能力与 DeepSeek 自家模型结合可形成「检索—抓取—生成」闭环,支撑 Agent 与深度研究类应用,同时提醒开发者接入前需验证抓取成功率并确认 robots 协议与版权合规边界。
DeepSeek 近日推出搜索抓取(Search and Fetch)API,以每 1000 次成功请求 0.75 美元的价格向开发者开放。这一定价在 Hacker News 上引发讨论,也让「搜索+抓取」这一组合能力成为 AI 应用开发的新基础设施选项。
一个 API 解决两类需求
从命名看,DeepSeek广告 的这项服务分为两层能力:Search 负责检索,Fetch 负责抓取网页内容。开发者无需分别接入搜索引擎 API 和爬虫工具,用一个接口即可完成「先搜后取」的完整链路。
这种组合的实用价值在于:大模型本身无法访问实时网页,RAG(检索增强生成)应用需要先拿到外部内容。传统做法是接入第三方搜索接口,再自行处理反爬、解析和清洗。DeepSeek 把这两步打包,降低了工程复杂度。
据 Hacker News 相关讨论,开发者最关心的并非功能本身,而是「成功请求」如何定义——失败或空结果的请求是否计费,直接决定实际成本。
RAG(检索增强生成) 是一种将外部知识检索与大模型生成相结合的技术范式。其基本流程是:用户提问后,系统先从知识库或互联网中检索相关内容,再将检索结果作为上下文拼入提示词,交由大模型生成答案。RAG 的核心价值在于缓解大模型的知识截止和幻觉问题,使模型能够回答训练数据之外的最新信息。在工程实现上,RAG 通常包含文档切分、向量化、相似度检索、重排序和生成五个环节,而「搜索+抓取」正是其中获取原始语料的前置步骤。对实时信息类应用而言,检索质量直接决定最终回答的准确性,因此搜索抓取 API 的稳定性与覆盖面是 RAG 系统设计中的关键变量。
定价逻辑:按成功计费的吸引力
0.75 美元/1000 次成功请求,折算单次成本不到 0.001 美元。对比同类搜索 API,这一定价处于较低区间,但更关键的是「按成功计费」的规则。
对开发者而言,失败请求不计费意味着成本可预测性更强。抓取场景中,目标站点超时、反爬拦截、内容为空等情况并不少见,若按调用次数计费,实际支出会显著偏离预期。DeepSeek 选择以成功结果为计量单位,等于把部分失败风险留给了自己。
不过,HN 评论也提出疑问:抓取失败的判定标准由谁定义?如果返回了内容但质量不佳,是否仍算成功?这些细节需要官方文档进一步明确。
对 AI 应用开发的影响
搜索抓取 API 的普及,可能改变 AI 应用的数据获取方式。过去,实时信息类应用需要自建爬虫团队或依赖多个第三方服务;现在,一个低价接口就能覆盖基础需求。
这与 DeepSeek 近期的产品节奏一致:以低价策略切入开发者市场,用 API 作为入口建立生态。搜索抓取能力与自家模型结合,可以形成「检索—抓取—生成」的闭环,为 Agent、深度研究类应用提供底层支撑。
需要注意的是,低价不等于无限制。抓取行为涉及目标站点的 robots 协议与版权边界,服务商通常会在条款中限定用途。开发者在接入前应确认合规范围,避免将接口用于大规模商业抓取。
Agent(智能体) 指能够自主规划、调用工具并多步执行任务的大模型应用形态。与单轮问答不同,Agent 通常具备目标分解、工具调用、结果观察和迭代修正的能力,搜索与抓取正是其最常用的外部工具之一。在深度研究类 Agent 中,模型会先拆解研究问题,生成多个检索查询,抓取网页后阅读并归纳,再决定是否继续搜索。这一循环对搜索接口的延迟、成功率和单次成本高度敏感——低价且按成功计费的 API 能显著降低 Agent 反复调用工具的经济负担,使多步推理在成本上变得可行。因此,搜索抓取 API 的定价模式会直接影响 Agent 应用的设计空间与商业化可行性。
robots 协议(Robots Exclusion Protocol)是网站根目录下 robots.txt 文件所声明的爬虫访问规则,用于告知自动化程序哪些路径可以抓取、哪些应当避开。它并非法律条文,但在多数司法辖区被视为判断抓取行为是否善意的重要参考。除 robots 协议外,网页抓取还涉及著作权、数据库权利和网站服务条款等约束:批量复制受版权保护的内容、绕过技术保护措施或违反服务条款,都可能引发法律风险。对使用搜索抓取 API 的开发者而言,合规责任通常不会因使用第三方服务而完全转移,服务商条款中的用途限制和禁止场景需要在接入前仔细核对。
开发者该如何评估
是否采用这项服务,取决于三个因素:一是抓取成功率,尤其对中文站点和目标垂直领域的覆盖;二是返回内容的结构化程度,是否省去解析成本;三是与现有技术栈的集成难度。
目前公开信息有限,HN 讨论中的实测反馈也较为零散。建议开发者先用小规模请求验证目标站点的抓取效果,再评估规模化成本。对于搜索质量要求高的场景,仍可能需要自建检索层或混合使用多个数据源。
搜索抓取 API 正在成为 AI 基础设施的标配能力,DeepSeek 以低价和按成功计费切入,给开发者提供了一个值得测试的新选项。最终能否站稳,取决于抓取质量与合规边界的实际表现。
相关推荐

WorkBuddy保姆级教程:半小时跑通自动化工作流
WorkBuddy 自动化工作流保姆级拆解:为什么大多数人只把它用成聊天软件,27 个支点课程与 12 个模板如何帮助新手半小时跑通落地实操,附使用边界提醒。

Codex云端模式详解:环境配置与适用场景
本文详细解析Codex云端模式的工作原理、环境配置步骤及适用场景,包括如何创建环境、连接GitHub仓库、设置定时任务,并对比云端与本地模式的差异,帮助开发者高效利用Codex。

Claude Code免费使用真相:三条路与一个骗局
Claude Code 免费使用是否可行?本文拆解 Pro、Max 的真实成本(含汇率与税费)、社区免费方案的技术原理与隐私代价,以及假安装包、钓鱼页面等安全陷阱,并给出访客通行证、开源贡献者计划和本地模型三条合法免费路径。