DeepSeek mở API tìm kiếm và giọng nói cho nhà phát triển

Thông báo được DeepSeek đăng ngày 13/11 trên tài khoản X của hãng và trong nhật ký thay đổi của tài liệu API. Đây là lần mở rộng lớn nhất của DeepSeek API kể từ khi hãng đưa công cụ tìm kiếm nội bộ lên API hồi tháng 10, và nó đưa DeepSeek tới gần hơn với nhóm nhà cung cấp lớn của Mỹ vốn đã bán sẵn các gói công cụ tương tự cho nhà phát triển. Điểm khác biệt nằm ở cách DeepSeek đóng gói: công cụ tích hợp sẵn trong lệnh chat cho mô hình nhẹ, cộng thêm các API độc lập để từng nhóm tự lắp ghép theo nhu cầu.

DeepSeek mở những công cụ nào cho nhà phát triển

Danh sách công cụ mới gồm tìm kiếm web với trích dẫn nguồn, đọc nội dung đường link trong tin nhắn, nhập và phân tích tài liệu, kiểm tra an toàn nội dung, tự đặt tiêu đề hội thoại và siêu dữ liệu ngữ cảnh người dùng. Các công cụ này hoạt động qua ba định dạng API hiện có của DeepSeek là Messages, Responses và Chat Completions, trên mô hình deepseek-flash, tức DeepSeek-V4.1-Flash-1017. Theo ghi nhận ban đầu, các công cụ tích hợp chưa hoạt động với mô hình deepseek-v4-pro, nên nhà phát triển cần chọn đúng mô hình khi bật tính năng mới.

Song song với công cụ tích hợp, DeepSeek bán riêng năm API độc lập để gọi từng việc một: Search để tìm kiếm, Fetch để tải nội dung trang web, OCR để trích xuất chữ từ ảnh và tài liệu, ASR để chuyển giọng nói thành văn bản và TTS để chuyển văn bản thành giọng nói. Cách tách riêng này cho phép một ứng dụng chỉ dùng đúng phần mình cần, thay vì phải gọi cả mô hình chat chỉ để trích xuất một file PDF hay đọc một đường link.

Tìm kiếm web và đọc tài liệu chạy ra sao qua API

Với công cụ tích hợp, nhà phát triển bật tính năng bằng tham số trong lệnh gọi API. Khi tắt chế độ suy luận và bật công cụ tìm kiếm, mô hình tự quyết định lúc nào cần tra cứu trên web hoặc hình ảnh rồi trả lời kèm trích dẫn. Khi bật cả chế độ suy luận và công cụ tìm kiếm, mô hình có thể tìm kiếm nhiều bước, đọc thêm trang kết quả rồi mới tổng hợp câu trả lời. Công cụ đọc đường link hoạt động tương tự: mô hình tự tải nội dung của trang mà người dùng gửi tới trong tin nhắn.

API Fetch độc lập trả về nội dung trang web dưới dạng Markdown, tiện cho việc đưa vào pipeline xử lý dữ liệu. Giới hạn tốc độ được DeepSeek công bố là 100 yêu cầu mỗi giây cho Search và 25 yêu cầu mỗi giây cho Fetch, còn tìm kiếm hình ảnh hiện chưa có trong Search API độc lập. Với tài liệu, API chấp nhận file PDF, Word, PowerPoint và hình ảnh, với hai cách xử lý là trích xuất văn bản thuần túy và phân tích theo bố cục trang, để mô hình có thể trả lời dựa trên nội dung trong file thay vì chỉ đọc tên file.

Giọng nói và OCR là dịch vụ riêng, tính phí riêng

Một điểm cần nói rõ là giọng nói và OCR không nằm gọn trong một lệnh chat duy nhất mà là các dịch vụ riêng, dù một số bản tin viết gọn thành “tìm kiếm, tài liệu và giọng nói trong một lệnh”. ASR chuyển bản ghi âm thành văn bản, hỗ trợ 21 ngôn ngữ với khả năng tự nhận diện ngôn ngữ, nhận file WAV 16-bit PCM và Ogg Opus dài tối đa 120 giây, dung lượng tối đa 8 MB. TTS làm chiều ngược lại, hỗ trợ 10 ngôn ngữ với hai giọng đọc là Stella, giọng nữ, và Tide, giọng nam, tối đa 10.000 ký tự mỗi yêu cầu và phát âm thanh trực tuyến qua WebSocket. OCR trích xuất chữ từ ảnh và tài liệu PDF, Word, PowerPoint qua cổng riêng.

Giá của nhóm công cụ này tính riêng ngoài tiền token. Tìm kiếm web và tải trang đều có giá 0,75 USD cho mỗi 1.000 lượt thành công, OCR có giá 0,225 USD cho mỗi 1.000 trang. ASR có giá niêm yết 0,116 USD cho mỗi giờ âm thanh, đang giảm một nửa còn 0,058 USD trong thời gian ưu đãi, còn TTS có giá 0,225 USD cho mỗi 10.000 ký tự, giảm một nửa so với giá niêm yết 0,45 USD. DeepSeek không công bố thời điểm kết thúc đợt ưu đãi cho hai dịch vụ giọng nói.

Giá công cụ và vị trí của DeepSeek trước các đối thủ lớn

Về tiền token, mô hình deepseek-flash có giá giờ cao điểm là 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra, còn giờ thấp điểm chỉ bằng một nửa, tức 0,15 USD và 0,60 USD. Cộng phí công cụ vào, một ứng dụng vừa tìm kiếm vừa đọc tài liệu sẽ tốn thêm vài chục xu cho mỗi nghìn lượt gọi, mức giá vẫn thấp hơn mặt bằng chung của các nhà cung cấp lớn tại Mỹ. Đó chính là lợi thế mà DeepSeek theo đuổi: đưa bộ công cụ đầy đủ tới tay nhà phát triển nhỏ với chi phí dễ dự toán, thay vì chỉ phục vụ doanh nghiệp lớn.

Cùng với đợt mở API, DeepSeek phát hành một ứng dụng chat demo mã nguồn mở để nhà phát triển tham khảo cách lắp ghép các công cụ, và hãng khuyến nghị bật kiểm tra an toàn nội dung với các ứng dụng hướng tới công chúng. Với nhà phát triển muốn thử ngay, cần nhớ bốn điểm: chọn đúng mô hình deepseek-flash khi bật công cụ tích hợp, tính phí công cụ riêng ngoài tiền token, bật kiểm tra an toàn nếu ứng dụng phục vụ người dùng thật, và kiểm tra giới hạn tốc độ cùng danh sách ngôn ngữ của ASR và TTS trước khi đưa vào sản phẩm.

Nguồn tham khảo: DeepSeek