DeepSeekは11月13日にアプリケーション層向けの一整セットAPIを開放したと発表した。これにより、開発者はDeepSeekアプリケーション内で体験したネットワーク検索、ファイル入力、リンクの読み込み、音声インタラクションおよびセキュリティ検証機能が、モデル推論と連携することが可能となる。自社の製品に類似の機能を実現するためには、従来のDeepSeek APIを接続するだけでなく、外部ツールとの接続や呼び出しの調整に多くの労力を費やす必要があった。現在、これらの機能は同一のインターフェースに統合された。
DeepSeekの具体的な取り組みは、従来のAPIに対応するパラメータを開放し、ツールの呼び出しや文脈の結合をサーバー側で自動的に行うことである。現在、V4.1-Flashモデル（deepseek-flash）は、Messages、Responses、Chat Completionsインターフェースの下でこれらの機能をサポートしている。非思考モードでdeepseek_web_searchを開くと、モデルは質問に基づいて自動的にウェブページや画像の検索を行い、引用を添えて回答することができる。思考モードで同じツールを開くと、モデルは多段階の推論の中で自律的にネットワーク検索やリンクの読み込みを行うことができる。また、ファイル入力はPDF、Office、画像などの形式をアップロードすることをサポートしている。
純テキストの抽出や画像とテキストの混合解析を完了した後、対話の文脈に組み込むことができる。deepseek_read_urlを開くことで、モデルはユーザーのメッセージ内のリンクを自動的に認識し、ウェブページの内容を取得して文脈に基づいて回答することができる。
DeepSeek APIが多様な機能を統合し、開発者体験を向上
セキュリティ面では、検証パラメータを開放すると、サーバー側が基本的なリスク管理を提供し、モデルの入力と出力を審査する。リスクに該当する場合は、拒否応答の識別子を返す。DeepSeekは、外部にアプリケーションサービスを提供する場合は必ずこのパラメータを開放し、コンテンツの安全審査、大モデルの登録、AI識別などの義務を自ら負うように注意を促している。
開発者の既存のワークフローに適応するため、上記の基盤機能と音声機能も独立したインターフェースとして呼び出すことができる。これにはSearch、Fetch、OCR、ASR、TTSが含まれる。これらのインターフェースを組み合わせることで、開発者はDeepSeekアプリケーションと基本的に同じ機能を実現できる。効果を直感的に示すために、公式は新しいAPIに基づいて軽量なフロントエンドデモを構築し、オープンソースとして提供している。このデモはDeepSeekの過去の対話を直接インポートすることをサポートしている。
価格設定に関しては、拡張機能を呼び出す際、Token費用に加えて、対応するツールの呼び出し費用も発生する。