DeepSeek 以模型與搜尋 API 定價改變 AI 搜尋成本格局
DeepSeek Just Repriced the Search Stack
DeepSeek 本週更新 V4.1 Flash 1017，並推出 Search & Fetch API，文章將兩者視為模型推理與網頁搜尋兩線價格競爭的一部分。
文章把 V4.1 Flash 1017 的模型成本與 Search & Fetch API 定價並列，呈現 DeepSeek 如何從模型推理和網頁搜尋兩端改變 AI 開發者的成本結構。
DeepSeek 剛為搜尋技術堆疊重新定價
DeepSeek 本週推出了兩項新功能，單看任何一項都值得報道。兩者合起來，則顯示出一套業界尚未完全消化的定價策略。
首先是 V4.1 Flash 1017 更新——DeepSeek 自家的模型卡將它標示為「小幅更新」——但 11 項已公佈的基準測試成績全部有所提升。Terminal-Bench 4.0 從 31.2% 升至 42.3%。DeepSWE v1.1 達到 77%，水平與 GPT-5.6 Sol 相若，輸出價格卻只有大約十六分之一。五位 YouTube 創作者在 24 小時內各自報道了這項更新。「小幅」這個標籤實在有點名不副實。
其次，DeepSeek 悄然推出了 Search & Fetch API，搜尋和網頁擷取的收費均為每 1,000 次成功請求 $0.75。相關討論帖在不到 12 小時內於 Hacker News 獲得 439 分。
核心論點並非「DeepSeek 價格低廉」。我們一個月前已寫過這點。真正的論點是，DeepSeek 現在正同時在兩條戰線打價格戰——模型推理和網頁搜尋——而預測市場幾乎尚未注意到這一點。
1017 更新：「小幅」根本是謊言
DeepSeek 的 V4.1 Flash 1017 模型卡將這次更新稱為小幅更新，基準測試卻有不同看法。
Bijan Bowen 的分析説明瞭這些提升的意義：Terminal-Bench 4.0 在五週內由 31.2% 升至 42.3%，相對提升了 35%。這並非一次小版本更新，而是單一基準測試上達到世代級別的躍升；看來這是透過持續進行後訓練最佳化，而非推出新的基礎模型達成。
大家最關注的頭條數字是 DeepSWE v1.1 的 77%，令 V4.1 Flash 達到 GPT-5.6 Sol 的水平。但更能説明問題的數字是每項任務的成本：約 $0.20，相比之下 Sol 約為 $3.20。每執行一項 GPT-5.6 Sol 任務的成本，就足以執行 16 項 DeepSeek 任務；而兩者在軟件工程基準測試上的品質差異仍在誤差範圍內。
WorldofAI 對 1017 版本進行了一系列全面測試，得出相同結論：模型整體表現都有提升，並非只在經過挑選的基準測試上有所進步。
\n \n 真實應用成本：619 million tokens 只需 $4.20
基準測試的表現是一回事，成本則是另一回事。
AI超元域透過 DeepSeek Harness，使用 V4.1 Flash 1017 執行了七項完整開發任務，包括動畫、3D 場景、坦克遊戲、原生 iOS 應用程式等。總費用為：619 million 個 tokens，約 $4.20。並非每項任務都完美成功——海戰遊戲的操控失靈、部分 3D 場景遭到裁切，平板電腦上的導覽流程亦告失效——但失敗模式是「以近乎零邊際成本實現足以應付所需的 Agent 式編碼」。
💡 關鍵計算：在非繁忙時段，輸入 tokens 每 1M 收費 $0.14，輸出 tokens 每 1M 收費 $0.28；執行一個耗用 50M tokens 的 Agent 式編碼循環，成本約為 $14。使用 GPT-5.6 Sol 執行相同循環，成本約為 $225；使用 Claude Opus 5，則約為 $375。能力差距收窄的速度，比價格差距快得多。
Search API：$0.75 改變經濟效益
V4.1 Flash 更新本身已足以成為一則新聞。但同一週，DeepSeek 推出了 Search & Fetch API，為整個搜尋增強型 AI 技術堆疊重新定價。
收費差距十分明顯：
| 服務提供者 | 搜尋成本（每 1K 次請求） | 備註 |
|---|---|---|
| DeepSeek Search | $0.75 | 固定費率，每次查詢最多 50 個結果 |
| Perplexity Sonar | $5.00 - $12.00 | 視乎搜尋深度而定 |
| Perplexity Sonar Pro | $6.00 - $14.00 | 另計：每百萬輸入／輸出 tokens $3/$15 |
| Google Custom Search | $5.00 | 每日免費 100 次；網頁模式將於 2027 年 1 月終止 |
DeepSeek 的價格比 Perplexity 最便宜的方案低 6.7 倍。與 Perplexity 的中等深度搜尋方案相比——這是大部分開發者實際使用的級別——差距達 10.7 倍。與 Google Custom Search 相比，差距是 6.7 倍；而 Google 的「搜尋整個網絡」模式預定於 2027 年 1 月 1 日停止服務。
Hacker News 討論串完美反映了開發者的反應。熱門留言直言：「這些服務之所以存在，只是因為 Google 拒絕提供付費搜尋 API。」
你實際可獲得的內容
搜尋 API（POST /v1/tools/search）會傳回結構化網絡搜尋結果，包括標題、URL、摘要、較長的面向模型摘要、網站權威級別、相關性評分及發布日期。它支援用於網站篩選、日期範圍、精確詞組及語言指定的查詢運算子。速率限制：每秒 5 次請求。
Fetch API（POST /v1/tools/fetch）接收 URL，並以 Markdown 格式傳回網頁內容。價格相同，速率限制亦相同。
兩者只會對成功的請求收費——失敗的呼叫、空白結果及逾時均免費。更重要的是，透過 DeepSeek Harness、Claude Code 或 Codex 發出的呼叫，在 2026 年 11 月 1 日前均免費。這是為期兩週的零成本測試完整技術組合的時段。
🔧 開發者行動提示：如果你正在運行 RAG 或搜尋增強型 Agent，成本計算方式已經改變。DeepSeek Search（$0.75/1K）加上 V4.1 Flash 生成（每百萬輸入 tokens $0.14、每百萬輸出 tokens $0.28），每次查詢只需約 $0.001，包括搜尋及生成。Perplexity Sonar 每次同等查詢的費用為 $0.005 - $0.012。11 月 1 日前的免費期就是你的測試時段。
Polymarket 的滯後：資金未流向之處
以下訊號顯示，這不只是一則價格新聞。
Polymarket 的「10 月底最佳中國 AI 公司」市場目前的比例為：Xiaomi 60%、Alibaba 16%、Moonshot 14%。DeepSeek——其模型更新剛剛主導了 AI YouTube 圈，而其 Search API 亦剛登上 Hacker News 首頁——似乎完全沒有令市場重新定價。
與此同時，Polymarket 的「10 月底最佳 AI 模型」市場顯示，Google 佔 74%（受 Gemini 4 Argon 熱潮帶動）、Anthropic 佔 24%，OpenAI 佔 1%。預測市場資金正流向 Gemini 的編碼示範，而非 DeepSeek 帶來的成本變革。
這種分歧本身就是一個訊號。當五位 YouTube 創作者各自報道同一項模型更新、關於該公司新 API 的 Hacker News 討論串獲得 439 分，而預測市場卻沒有重新定價，以下兩種情況必有其一：
市場反應滯後。Polymarket 的中國 AI 市場可能缺乏足夠流動性或關注度，未能隨模型更新週期重新定價。YouTube 到博彩市場的傳導鏈，對中國實驗室的反應比對美國實驗室慢。
市場判斷正確，而 YouTube 判斷錯誤。DeepSeek 的基準測試結果由公司自行公佈，而「最佳中國 AI 公司」市場定價的因素可能不止模型能力本身，還包括部署規模、生態系統及消費者覆蓋範圍——在這些方面，Xiaomi 確實領先。
我們的判斷是：主要是第一種情況，亦有部分第二種情況。DeepSeek 的優勢在於 API 和開發者生態系統，而非面向消費者的產品。不過，預測市場理應反映所有公開資訊，現時顯然未有跟上。
反方觀點
⚠️ 看淡 DeepSeek 定價的理由：這是以可能無法持續的有利經濟條件支撐的虧本引流策略。DeepSeek 的成本結構有別於美國實驗室——運算成本受中國產業政策影響，沒有展示單位利潤率的壓力，而且有策略誘因在搜尋技術堆疊整合前，先建立對開發者的鎖定效應。
Perplexity 的溢價買到的是 DeepSeek 原始搜尋 API 沒有提供的東西：答案品質工程。包括引用核實、減少幻覺、來源排序，以及能拆解複雜查詢的「Pro Search」推理層。你付的不是 7 倍價錢去取得同樣的 10 條藍色連結，而是為其上層的檢索增強生成流程付費。
Google Custom Search 在 2027 年 1 月停用，反而可能有利於 Perplexity，因為這會促使開發者轉用搜尋加推理整合 API；在這類 API 上，Perplexity 的先發優勢比 DeepSeek 的價格優勢更重要。
再反駁：大部分開發 Agent 的開發者不需要 Perplexity 的答案品質層。他們需要搜尋結果供自己的 RAG 流程使用，而且成本要低。對這類用途而言，DeepSeek 的 API 便宜 7 - 16 倍，並會傳回易於導入的結構化資料。只有當你要直接向用戶提供搜尋結果時，品質溢價才重要，而大部分 Agent 開發者並非如此。
架構透露的資訊
技術社羣一直在研究 DeepSeek 如何達到這樣的成本水平。Jia-Bin Huang 在 X 上的分析指出了三項技術：因果編碼器—解碼器架構、壓縮稀疏注意力，以及將 KV 快取縮減至每個 token 890 bytes——持久快取縮小 8 倍，直接降低推理服務成本。
這不只是靠蠻力最佳化，令推理成本更低；這是一項架構上的押注，認為 Transformer 推理服務的效率下限，遠低於美國實驗室目前推出的水平。如果這項押注正確，DeepSeek 的定價就不是虧本引流，而是預示整個行業的成本走向。
IBM 最近對AI 記憶體牆的講解，提供了理論框架：LLM 推理愈來愈受記憶體頻寬限制，而非受運算能力限制。下一波效率提升將來自記憶體架構，而不是增加 FLOPs。DeepSeek 在 KV 快取上的創新正是針對這個方向。
這對你有甚麼影響
如果你正在開發搜尋增強型 Agent：趁 11 月 1 日前免費測試 DeepSeek Search。它提供的結構化輸出（權威級別、關聯度評分、發布日期）比 Google Custom Search 更豐富，而固定的 $0.75/1K 定價亦容易預算。如果搜尋品質符合你的要求，搜尋成本便可降低 85%。
如果你正為 Agent 迴圈挑選編碼模型：V4.1 Flash 1017 每項任務只需 $0.20，為「夠用」的 Agent 編碼訂下新的最低門檻。它在最艱難的任務上不及 Claude Opus 5 或 GPT-5.6 Sol，但對於 80% 不需要前沿推理能力的 Agent 迴圈，成本差距達 8 - 16x。作出決定前，請先閲讀我們的 按 token 計價陷阱分析——每個 token 成本最低，不一定代表每項任務成本最低。
如果你正在為自己的技術架構評估 AI API：市場格局再次改變。DeepSeek 的模型與搜尋雙線定價，帶來一個一星期前還不存在的全套方案。你是否信任這種定價能否長期持續，取決於你如何看待補貼定價的可持續性；不過，免費試用期至 November 1，測試的風險為零。
如果你正在觀察市場：Polymarket 對 DeepSeek 的反應滯後，可能是機會，也可能反映預測市場看重的是部署規模，而非基準測試表現。無論如何，YouTube 創作者的共識與博彩市場定價之間的分歧，值得在 10 月底前持續追蹤。
DeepSeek 最近在 X 上的動態顯示，這並非一次性的發布，而是持續推出新產品和降價；西方 AI 生態仍在努力追趕。
模型競賽尚未結束，但定價競賽剛迎來一位新的領跑者——而它前進的速度比市場追趕的速度更快。
原文刊載於 ComputeLeap
來源：DEV Community · dev.to