DeepSeek API: Websuche, URL-Lesen, Preise und 400-Fehler

Richten Sie die serverseitige Websuche und das Lesen von URLs mit deepseek-flash über Chat Completions, Messages oder Responses ein. Wählen Sie den passenden Thinking-Modus, erhalten Sie signature über mehrere Gesprächsrunden, berechnen Sie Such- und Abrufkosten zusätzlich zu Tokengebühren und beheben Sie häufige 400-Fehler. Der Leitfaden vergleicht außerdem integrierte Tools mit den eigenständigen Search-, Fetch-, OCR-, ASR- und TTS-APIs.

Inhalt
DeepSeek API: Websuche, URL-Lesen, Preise und 400-Fehler

Wenn Ihr Chatbot Informationen aus dem Web mit Quellenangaben beantworten soll, verwenden Sie deepseek-flash mit deepseek_web_search und deaktivieren Sie thinking. Aktivieren Sie thinking für mehrstufige Recherchen oder nutzen Sie deepseek_read_url, um vom Nutzer angegebene Links zu lesen. Beginnen Sie mit der offiziellen DeepSeek-API. Kompatible API-Gateways übernehmen die speziellen Felder und Ergebnisse der serverseitigen Tools nicht zwangsläufig unverändert.

DeepSeek hat diese Funktionen am 13. November 2026 veröffentlicht. Für Suche, URL-Abruf, Dateiverarbeitung und Sprachdienste fallen zusätzliche Gebühren neben den regulären Modell-Tokenkosten an.

Dieser Leitfaden zeigt die Anfragen für alle drei unterstützten APIs, die Prüfung der Ergebnisse, Abrechnungszähler, häufige 400-Fehler und die Wahl zwischen integrierten und eigenständigen Tools.

Was änderte sich beim DeepSeek-API-Update vom 13. November?

DeepSeek hat mehrere Funktionen seiner Chat-Anwendung nun auch für Entwickler über die API bereitgestellt.

Laut den offiziellen Versionshinweisen vom 13. November unterstützt DeepSeek V4.1 Flash mit der Modell-ID deepseek-flash jetzt:

  • Web- und Bildersuche mit Quellenangaben.
  • Vertiefte Suche mit mehreren Denkschritten, Seitenaufrufen und Textsuche innerhalb von Seiten.
  • Das Lesen von URLs aus Nutzernachrichten.
  • Die Eingabe von PDF-, Office- und Bilddateien mit Texterkennung oder Analyse des Seitenlayouts.
  • Sicherheitsprüfungen für Modelleingaben und -ausgaben.

Diese Funktionen stehen über Messages, Responses und Chat Completions zur Verfügung. DeepSeek führt die Tool-Aufrufe auf dem Server aus und fügt die Ergebnisse dem Modellkontext hinzu.

Ihre Anwendung muss bei Verwendung der integrierten Tools weder selbst Suchanfragen ausführen noch Webseiten herunterladen.

Daneben bietet DeepSeek eigenständige APIs für Search, Fetch, OCR, ASR und TTS an. Sie liefern Suchergebnisse, extrahierte Texte, Transkripte oder Audiodaten direkt an Ihren Code zurück.

Den passenden Suchmodus wählen

Die Einstellung thinking bestimmt, wie deepseek_web_search arbeitet.

ModusTool-DeklarationThinkingVerhalten
Normale Websuchedeepseek_web_searchDeaktiviertDas Modell sucht bei Bedarf und antwortet mit Quellen
Vertiefte Suchedeepseek_web_searchAktiviertDas Modell sucht, öffnet Seiten und durchsucht Texte in mehreren Schritten
URL-Lesendeepseek_read_urlDeaktiviert oder ohne Websuche aktiviertDas Modell prüft URLs aus der letzten Nutzernachricht
Websuche und URL-LesenBeide ToolsDeaktiviertDas Modell entscheidet zwischen Suche und Lesen angegebener Links

Die vertiefte Suche kann vor der Antwort ungefähr bis zu 20 Tool-Aufrufe ausführen. Diese dokumentierte Obergrenze ist nur ein Richtwert. Die tatsächliche Zahl der Aufrufe ist nicht garantiert.

Bei gemeinsamer Deklaration der Tools gilt eine wichtige Besonderheit.

Wenn thinking aktiviert und deepseek_web_search deklariert ist, verwendet die Anfrage die vertiefte Suche. Das separate URL-Lesen über deepseek_read_url wird dabei nicht ausgeführt.

Soll Ihre Anwendung bestimmte vom Nutzer gelieferte URLs untersuchen, deklarieren Sie nur deepseek_read_url.

Die Deklaration eines Server-Tools erzwingt keinen Aufruf. Das Modell entscheidet selbst, ob es suchen oder eine Seite abrufen soll.

Weitere Informationen zum Modell finden Sie im Leitfaden zu DeepSeek V4.1 Flash, Coding und Preisen.

deepseek_web_search in Chat Completions aktivieren

Senden Sie eine Anfrage an POST https://api.deepseek.com/chat/completions. Verwenden Sie deepseek-flash als Modell und deklarieren Sie die Suche im Feld tools.

Sie benötigen einen gültigen DeepSeek-API-Schlüssel sowie Bash, cURL und jq.

Die folgende Bash-Anfrage aktiviert die normale Websuche und die Sicherheitsprüfung. Der erste Befehl liest den API-Schlüssel ein, ohne ihn anzuzeigen. Geben Sie beim Warten auf die Eingabe Ihren in DeepSeek erstellten Schlüssel ein.

read -rs DEEPSEEK_API_KEY && export DEEPSEEK_API_KEY

curl -sS https://api.deepseek.com/chat/completions \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-flash",
    "thinking": {"type": "disabled"},
    "tools": [
      {"type": "deepseek_web_search"}
    ],
    "safety_check": {"level": "high"},
    "messages": [
      {
        "role": "user",
        "content": "What did DeepSeek announce on November 13, 2026? Cite the official sources."
      }
    ]
  }' | jq '{
    error: .error,
    answer: .choices[0].message.content,
    citations: .choices[0].message.annotations,
    tool_calls: .choices[0].message.server_tool_calls,
    finish_reason: .choices[0].finish_reason,
    usage: .usage
  }'

Eine erfolgreiche Antwort mit Websuche kann folgende Felder enthalten:

  • choices[0].message.content: den Antworttext.
  • choices[0].message.annotations: Quellen-URLs und Positionen der Zitate im Text.
  • choices[0].message.server_tool_calls: die auf dem Server ausgeführten Suchschritte.
  • usage.server_tool_use: Zähler für Such- und Seitenabrufvorgänge.

Bei einer vollständigen Antwort steht choices[0].finish_reason = "stop". length bedeutet, dass die Ausgabe wegen einer Längenbegrenzung abgeschnitten wurde. content_filter zeigt eine Ablehnung durch die Inhaltsprüfung an.

Fehlt server_tool_calls, muss die Anfrage nicht fehlgeschlagen sein. Möglicherweise hielt das Modell eine Suche für unnötig. Testen Sie eine Frage zu aktuellen Ereignissen und prüfen Sie die Tool-Aufrufe erneut.

Vertiefte Suche aktivieren

Behalten Sie deepseek_web_search bei und ändern Sie die Thinking-Einstellung:

{
  "thinking": {"type": "enabled"},
  "tools": [
    {"type": "deepseek_web_search"}
  ]
}

Verwenden Sie diesen Modus, wenn mehrere Rechercheschritte oder ein Vergleich verschiedener Quellen erforderlich sind.

Die vertiefte Suche kann Webseiten öffnen und darin gezielt nach Text suchen. Dabei können mehr Inferenz-Tokens und kostenpflichtige Seitenabrufe anfallen als bei der normalen Suche.

Welche Schritte tatsächlich ausgeführt werden, bestimmt das Modell.

URLs ohne Websuche lesen

Deklarieren Sie nur deepseek_read_url und geben Sie die URL in der letzten Nutzernachricht an:

{
  "thinking": {"type": "disabled"},
  "tools": [
    {"type": "deepseek_read_url"}
  ],
  "messages": [
    {
      "role": "user",
      "content": "Summarize https://api-docs.deepseek.com/updates/ and identify the November 13 changes."
    }
  ]
}

Verwenden Sie denselben Chat-Completions-Endpunkt sowie dieselben Angaben für Modell, Authentifizierung und Sicherheitsprüfung wie im ersten Beispiel.

Für das Lesen von URLs gelten folgende Regeln:

  • Nur die letzte Nutzernachricht wird nach URLs durchsucht.
  • Wiederholte URLs zählen jeweils nur einmal.
  • Höchstens die ersten 10 unterschiedlichen URLs werden berücksichtigt.
  • Das Modell entscheidet selbst, welche dieser Links gelesen werden.
  • Beim gleichzeitigen Lesen mehrerer langer Seiten können Inhalte gekürzt werden.

Die Bedingungen stehen in der offiziellen Web-Tools-Dokumentation.

Eine URL, die nur in einer älteren Nachricht steht, löst bei der nächsten Anfrage keinen automatischen erneuten Abruf aus.

Wie unterscheiden sich Messages und Responses bei der Tool-Deklaration?

Alle drei APIs unterstützen die neuen Tools, verwenden aber unterschiedliche Anfrageformate und Antwortstrukturen.

APIEndpunktDokumentierte Tool-DeklarationThinking-Steuerung
Chat Completions/chat/completions{"type":"deepseek_web_search"}thinking.type
Messages/anthropic/v1/messages{"type":"deepseek_web_search","name":"deepseek_web_search"}thinking.type
Responses/responses{"type":"deepseek_web_search"}reasoning.effort

Alle Pfade verwenden den Host https://api.deepseek.com.

In den offiziellen Messages-Beispielen enthalten Tool-Deklarationen sowohl type als auch name. Aus diesen Beispielen lässt sich jedoch nicht ableiten, dass name bei jeder gültigen Anfrage zwingend erforderlich ist.

Messages nutzt den Authentifizierungsheader x-api-key. Chat Completions und Responses nutzen Authorization: Bearer.

Wenn Sie zwischen Protokollen wechseln, lesen Sie auch den Vergleich von Messages, Chat Completions und Responses. Dieselbe Modell-ID bedeutet nicht, dass Tool-Aufrufe und Gesprächsverläufe identisch aufgebaut sind.

Beispiel für die Messages API

Diese Bash-Anfrage liest eine URL über das Anthropic-kompatible Messages-Format.

curl -sS https://api.deepseek.com/anthropic/v1/messages \
  -H "x-api-key: ${DEEPSEEK_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-flash",
    "thinking": {"type": "disabled"},
    "tools": [
      {
        "type": "deepseek_read_url",
        "name": "deepseek_read_url"
      }
    ],
    "safety_check": {"level": "high"},
    "messages": [
      {
        "role": "user",
        "content": "Summarize https://api-docs.deepseek.com/updates/"
      }
    ]
  }' | jq '{
    content: .content,
    stop_reason: .stop_reason,
    usage: .usage
  }'

Die Antwort erscheint in content-Blöcken. Server-Tool-Aufrufe werden als server_tool_use-Blöcke dargestellt. Danach folgen die Ergebnisblöcke.

Quellenangaben sind den Textblöcken zugeordnet. Eine vollständige Antwort enthält stop_reason = "end_turn".

Bei Streaming-Antworten steht der vollständige Verbrauch erst im letzten message_delta-Ereignis. usage in message_start umfasst nur den ersten Inferenzschritt.

Beispiel für die Responses API

Responses verwendet reasoning.effort statt thinking.type.

Mit none deaktivieren Sie thinking. Die Werte low, high und max aktivieren thinking mit dem angegebenen Aufwand.

curl -sS https://api.deepseek.com/responses \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-flash",
    "reasoning": {"effort": "high"},
    "tools": [
      {"type": "deepseek_web_search"}
    ],
    "safety_check": {"level": "high"},
    "input": "Research the November 13, 2026 DeepSeek API update and compare the official documentation."
  }' | jq '{
    status: .status,
    output: .output,
    usage: .usage
  }'

Die Responses API gibt Tool-Aktivitäten als web_search_call-Elemente in output zurück. Die endgültige Antwort ist ein message-Element. Die Quellen stehen in den Anmerkungen von output_text.

Eine vollständige Antwort meldet status = "completed". Bei einer Ausgabebegrenzung oder Inhaltsprüfung kann incomplete erscheinen. Ein Generierungsfehler kann failed zurückgeben.

Prüfen Sie vor einer Wiederholung incomplete_details.reason oder error.code.

Verarbeiten Sie die Antwortobjekte nicht mit derselben Struktur für alle drei Protokolle. Besonders beim Speichern der Tool-Historie führen solche Annahmen zu Problemen.

Warum muss signature über mehrere Gesprächsrunden erhalten bleiben?

Nach einem erfolgreichen Aufruf von deepseek_read_url liefert DeepSeek eine verschlüsselte Darstellung des Seiteninhalts im Feld signature zurück.

Der vollständige Seitentext steht nicht als normaler Text im Abrufresultat. Die Felder url, title, data und published_at dienen hauptsächlich der Anzeige.

In späteren Gesprächsrunden kann DeepSeek den vorher gelesenen Seiteninhalt mithilfe von signature im Kontext wiederherstellen.

Senden Sie frühere Assistant-Antworten unverändert zurück, einschließlich kind, signature und der vollständigen Struktur der Server-Tool-Aufrufe.

Das folgende Python-Beispiel verwendet Chat Completions. Es übernimmt die vollständige Assistant-Nachricht in die nächste Gesprächsrunde.

Installieren Sie zuvor requests und exportieren Sie DEEPSEEK_API_KEY als Umgebungsvariable.

import os
import requests

endpoint = "https://api.deepseek.com/chat/completions"

headers = {
    "Authorization": f"Bearer {os.environ['DEEPSEEK_API_KEY']}",
    "Content-Type": "application/json",
}

tools = [{"type": "deepseek_read_url"}]

messages = [
    {
        "role": "user",
        "content": (
            "Read https://api-docs.deepseek.com/updates/ "
            "and summarize the November 13, 2026 entry."
        ),
    }
]


def complete_turn(history):
    response = requests.post(
        endpoint,
        headers=headers,
        json={
            "model": "deepseek-flash",
            "thinking": {"type": "disabled"},
            "tools": tools,
            "safety_check": {"level": "high"},
            "messages": history,
        },
        timeout=180,
    )

    response.raise_for_status()
    data = response.json()

    if data.get("error"):
        raise RuntimeError(data["error"])

    choice = data["choices"][0]

    if choice["finish_reason"] != "stop":
        raise RuntimeError(
            f"Incomplete response: {choice['finish_reason']}"
        )

    return choice["message"]


first_reply = complete_turn(messages)

# Preserve the complete assistant object, including server_tool_calls.
messages.append(first_reply)

messages.append(
    {
        "role": "user",
        "content": "Which developer features does that entry list?",
    }
)

second_reply = complete_turn(messages)
print(second_reply["content"])

Das Beispiel zeigt das dokumentierte Gesprächsformat. Es ist kein Protokoll eines tatsächlich ausgeführten API-Tests.

Prüfen Sie first_reply["server_tool_calls"], um festzustellen, ob das Modell die URL gelesen hat. Ohne einen read_link-Aufruf gibt es keine Seitensignatur aus dieser Antwort, die erhalten werden müsste.

Bei den anderen Protokollen müssen die entsprechenden Strukturen übernommen werden:

APIInhalt für die nächste Anfrage
MessagesFrühere content-Blöcke des Assistant, einschließlich kind und signature
ResponsesFrühere output-Elemente, einschließlich web_search_call, kind und signature
Chat CompletionsVollständige Assistant-Nachricht mit server_tool_calls

Wenn ein Framework oder Gateway signature entfernt, kann die nächste Anfrage trotzdem erfolgreich sein. Der Inhalt der zuvor gelesenen Seite wird dann jedoch nicht wieder in den Kontext eingefügt.

Suchergebnisse, bei vertiefter Suche geöffnete Seiten und frühere Denkschritte werden nicht automatisch als vollständiger Quellkontext übernommen. Im Allgemeinen bleibt nur der Antworttext erhalten. Das Wiederherstellen signierter URL-Inhalte bildet die dokumentierte Ausnahme.

Reduzieren Sie die Assistant-Historie daher nicht auf role und content, wenn spätere Antworten auf bereits gelesene Seiten zugreifen müssen.

Wann eigenständige Search-, Fetch-, OCR-, ASR- und TTS-APIs sinnvoll sind

Nutzen Sie eigenständige APIs, wenn Ihre Anwendung den Abruf oder die Verarbeitung von Daten selbst steuern soll.

Anders als integrierte Tools geben diese Schnittstellen die Ergebnisse direkt an Ihren Code zurück. Dort können Sie Inhalte prüfen, filtern, speichern und bei Bedarf an ein Modell übergeben.

Endpunkte und Eingaben der eigenständigen APIs

APIEndpunkt unter https://api.deepseek.comErforderliche EingabeErgebnis
SearchPOST /v1/tools/searchJSON mit queryStrukturierte results
FetchPOST /v1/tools/fetchJSON mit urltitle und Markdown-content einer Seite
OCRPOST /v1/tools/ocrMultipart-Felder file, purposepages[].text und page_count
ASRPOST /v1/tools/asrAudiodatei als Multipart-fileTranskript text und duration_ms
TTSPOST /v1/tools/ttsJSON mit textWAV- oder PCM-Audio

Alle fünf APIs nutzen Bearer-Authentifizierung.

Die folgenden Bash-Befehle zeigen die direkten Anfragen. Sie verwenden die zuvor exportierte Variable DEEPSEEK_API_KEY.

# Search for pages and return structured results.
curl -sS https://api.deepseek.com/v1/tools/search \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"query":"DeepSeek API release","count":5,"need_content":true}' \
  | jq '.results[] | {title, url, summary, content}'

# Fetch one page as Markdown.
curl -sS https://api.deepseek.com/v1/tools/fetch \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"url":"https://api-docs.deepseek.com/updates/"}' \
  | jq '{title, content}'

# Extract text from a local PDF.
curl -sS https://api.deepseek.com/v1/tools/ocr \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -F purpose="text_recognition" \
  -F file="@document.pdf" \
  | jq '{page_count, pages}'

# Transcribe a local audio file.
curl -sS https://api.deepseek.com/v1/tools/asr \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -F file="@speech.wav" \
  | jq '{text, duration_ms}'

# Generate a WAV file.
curl -sS https://api.deepseek.com/v1/tools/tts \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"text":"Hello from DeepSeek.","voice_id":"stella"}' \
  --output speech.wav

Für die OCR- und ASR-Beispiele müssen die entsprechenden Dateien lokal vorliegen. Der TTS-Befehl erstellt speech.wav im aktuellen Verzeichnis.

Wichtige dokumentierte Grenzen mit Stand vom 14. November 2026:

  • Search: query erlaubt 1–128 Unicode-Zeichen. Mit count können 1–50 Ergebnisse angefordert werden. Das Kontolimit beträgt 100 QPS.
  • Fetch: Pro Anfrage wird eine HTTP- oder HTTPS-URL verarbeitet. Die Zugriffsregeln der Zielwebsite gelten weiterhin. Das Kontolimit beträgt 25 QPS; zusätzlich gibt es eine QPS-Grenze pro Domain.
  • OCR: Maximal 100 MiB und 1,000 Seiten pro Datei. Ein Konto kann höchstens 15 Erkennungsvorgänge gleichzeitig ausführen.
  • ASR: Maximal 120 Sekunden und 8 MiB Audio pro Anfrage. Unterstützt werden 16-bit PCM WAV und Ogg Opus.
  • TTS: Maximal 10,000 abrechenbare Zeichen pro Anfrage. Es stehen vollständige Spracherzeugung und WebSocket-Streaming zur Verfügung.

Die eigenständige Search-API unterstützt Suchoperatoren wie site:, lang: und after:. Mit Stand vom 14. November 2026 unterstützt diese Schnittstelle keine Bildersuche. Dafür steht die integrierte Websuche zur Verfügung.

Weitere Details finden Sie in den Anleitungen zu Search und Fetch, OCR, ASR und TTS.

Unterschied zwischen Dateieingabe und eigenständigem OCR

Verwenden Sie die Dateieingabe, wenn das Modell Fragen zu einem Dokument beantworten soll. Die eigenständige OCR-API eignet sich, wenn Ihre Anwendung den extrahierten Text direkt benötigt.

Gehen Sie für die Dateieingabe so vor:

  1. Laden Sie das Dokument mit multipart/form-data an POST https://api.deepseek.com/files hoch.
  2. Senden Sie das Formularfeld purpose vor dem Feld file. Die umgekehrte Reihenfolge kann 400 auslösen.
  3. Geben Sie in purpose entweder text_recognition oder rich_layout_recognition an.
  4. Lesen Sie nach erfolgreicher Verarbeitung id aus der Upload-Antwort aus und verwenden Sie diesen Wert als file_id in einer späteren Anfrage an deepseek-flash.

Das folgende Bash-Beispiel lädt eine lokale PDF-Datei hoch:

curl -sS https://api.deepseek.com/files \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -F purpose="text_recognition" \
  -F file="@report.pdf" \
  | jq '{id, filename, purpose}'

Mit -F erstellt cURL eine Multipart-Formularanfrage. Behalten Sie die dokumentierte Reihenfolge bei: zuerst purpose, dann file. Setzen Sie die Multipart-Grenzzeichen im Content-Type nicht manuell. cURL erzeugt sie selbst.

Die Upload-Antwort enthält id. Verwenden Sie diesen Wert als file_id in der Unterhaltung. Die Dateianalyse findet während des Uploads statt. Eine separate Abfrage des Verarbeitungsstatus ist nicht nötig.

text_recognition extrahiert den Text, ohne Abbildungen für die Modellinterpretation zu erhalten. rich_layout_recognition stellt dem Modell erkannte Abbildungen an den passenden Stellen im Dokument bereit.

In Chat Completions sieht der Dateiverweis in einer Nutzernachricht so aus:

{
  "role": "user",
  "content": [
    {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"},
    {"type": "text", "text": "Summarize the key points of this document."}
  ]
}

Ersetzen Sie die Beispiel-ID durch die tatsächlich beim Upload zurückgegebene file_id.

Eine Anfrage darf höchstens 20 Dokumente referenzieren. Der gesamte extrahierte Text dieser Dokumente ist auf 8 MiB begrenzt.

Die Analyse wird einmalig nach einem erfolgreichen Upload berechnet. Bei späteren Modellanfragen fallen Eingabe-Tokenkosten für die verwendeten Dokumentinhalte an.

Lesen Sie vor der Implementierung den Leitfaden zur Dateianalyse.

Was kosten DeepSeeks Websuche, OCR und Sprach-APIs?

Mit Stand vom 14. November 2026 stellt DeepSeek Modellinferenz und Tool-Nutzung separat in Rechnung.

Die offizielle Preisliste nennt folgende US-Dollar-Beträge:

FunktionAbrechnungseinheitPreis
Textbasierte Websuche1,000 abrechenbare Suchen$0.75
Bildersuche1,000 abrechenbare Suchen$0.75
Web Fetch oder URL-Lesen1,000 abrechenbare Abrufe$0.75
Dateianalyse oder OCR1,000 erfolgreich verarbeitete Seiten$0.225
ASR1 Stunde Audio$0.058 Aktionspreis; $0.116 Listenpreis
TTS10,000 abrechenbare Zeichen$0.225 Aktionspreis; $0.45 Listenpreis

Die ASR- und TTS-Rabatte sind als zeitlich begrenzt gekennzeichnet. In den geprüften Preis- und API-Dokumenten steht kein Enddatum.

Bei TTS zählt ein chinesisches Schriftzeichen als zwei abrechenbare Zeichen. Alle übrigen Zeichen einschließlich Leerzeichen zählen jeweils als eines.

ASR rechnet die Audiodauer sekundengenau ab und rundet angefangene Sekunden auf.

Welche usage-Felder enthalten die abrechenbaren Mengen?

Für die integrierten Web-Tools sind diese Zähler maßgeblich:

  • usage.server_tool_use.tool_search: abrechenbare Textsuchen.
  • usage.server_tool_use.tool_image_search: abrechenbare Bildersuchen.
  • usage.server_tool_use.tool_fetch: abrechenbare Seitenabrufe.

Berechnen Sie die Kosten nicht aus web_search_requests oder web_fetch_requests.

Diese Felder zählen Ergebnisblöcke einschließlich Fehlern. Es sind Anzeigezähler und keine abrechenbaren Mengen.

Ein einzelner Tool-Aufruf kann mehrere Suchanfragen auslösen. Werden drei Suchanfragen erfolgreich ausgeführt, kann tool_search um drei steigen.

Fehlgeschlagene Suchanfragen und Suchen ohne Ergebnisse werden nicht berechnet.

Bei der Bildersuche zählt jedes Bild als eine Suche. Jede vom Modell innerhalb eines Bildes ausgewählte Region zählt als eine weitere Suche. Fehlgeschlagene Suchen oder Suchen ohne Treffer sind kostenfrei.

Das Lesen einer URL wird berechnet, wenn die Seite erfolgreich abgerufen wurde. Wenn eine anschließende Sicherheitsprüfung das Ergebnis durch einen Fehler ersetzt, kann trotzdem ein Abruf berechnet werden.

Bei vertiefter Suche verursacht das erneute Öffnen einer bereits im Kontext verfügbaren Seite keinen zusätzlichen Fetch-Preis. Das Suchen nach Text innerhalb einer Seite ist ebenfalls kostenlos.

Für eigenständiges Search und Fetch gilt ein anderes Abrechnungsmodell: Jede erfolgreiche API-Anfrage kostet einmal. Die Zahl der Search-Ergebnisse erhöht den Preis dieser einzelnen Anfrage nicht.

Beispielrechnung für 100 Anfragen

Nehmen wir an, 100 Anfragen an DeepSeek Flash ohne thinking erzeugen folgenden Verbrauch:

NutzungAngenommene Menge
Abrechenbare Textsuchen200
Abrechenbare Seitenabrufe100
Nicht aus dem Cache bediente Eingabe-Tokens200,000
Aus dem Cache gelesene Eingabe-Tokens0
Ausgabe-Tokens einschließlich Sicherheitsprüfung50,000
Bildersuchen0

Für deepseek-flash gelten außerhalb der Spitzenzeiten $0.15 pro Million nicht gecachter Eingabe-Tokens und $0.60 pro Million Ausgabe-Tokens.

Daraus ergibt sich:

Text searches = 200 / 1,000 × $0.75 = $0.150
Page fetches  = 100 / 1,000 × $0.75 = $0.075
Input tokens  = 200,000 / 1,000,000 × $0.15 = $0.030
Output tokens = 50,000 / 1,000,000 × $0.60 = $0.030

Estimated total = $0.285 for 100 requests

Die geschätzten Gesamtkosten betragen $0.285 für 100 Anfragen. Dies ist eine Modellrechnung mit angenommenen Werten, keine Messung oder tatsächliche Rechnung.

Laut DeepSeeks Zeitplan liegen die Spitzenzeiten montags bis freitags bei 01:00–04:00 und 06:00–10:00 UTC. Chinesische gesetzliche Feiertage sind davon ausgenommen.

Zu diesen Zeiten betragen die Flash-Preise $0.30 pro Million nicht gecachter Eingabe-Tokens und $1.20 pro Million Ausgabe-Tokens.

Für denselben Verbrauch ergeben sich geschätzte Kosten von $0.345 während der Spitzenzeiten.

Die tatsächliche Rechnung hängt von den Inferenzschritten, Thinking-Tokens, Cache-Treffern, Bildersuchen, Seitenabrufen, Sicherheitsprüfungen und geltenden Tarifen ab.

Thinking-Tokens sind bereits in output_tokens enthalten. Berechnen Sie sie nicht ein zweites Mal.

Können auch fehlgeschlagene Anfragen Kosten verursachen?

Ja. Entscheidend ist, welche Verarbeitungsschritte vor dem Fehler bereits abgeschlossen waren.

Scheitert die Generierung nach ihrem Beginn, kann DeepSeek HTTP 200 zurückgeben, obwohl die Antwort einen Fehler enthält.

Bereits ausgeführte Inferenzschritte, Suchvorgänge und Seitenabrufe werden regulär berechnet.

Bei Streaming müssen Sie das letzte Ereignis und die endgültigen usage-Werte prüfen. Der anfängliche HTTP-Status reicht nicht aus.

Bei Chat Completions ohne Streaming sollten Sie auch bei HTTP 200 nach einem error-Objekt suchen.

Bei Responses prüfen Sie status, insbesondere failed und incomplete.

Häufige 400-Fehler bei DeepSeek-Web-Tools beheben

Viele Validierungsfehler entstehen, weil Server-Tools wie normale Funktionstools erzwungen oder mit nicht unterstützten Optionen kombiniert werden.

Die offizielle Web-Tools-Fehlerreferenz nennt folgende Meldungen:

FehlermeldungUrsacheLösung
tool_choice: deepseek_web_search cannot be forcedtool_choice erzwingt ein Server-Web-ToolEntfernen Sie die erzwungene Auswahl
tools: deepseek_web_search can only be declared onceDoppelte Tool-DeklarationDeklarieren Sie das Tool nur einmal
tools: allowed_domains is not supported by deepseek_web_searchNicht unterstützte Domain- oder StandortoptionenEntfernen Sie allowed_domains, blocked_domains und user_location
tools: other tools cannot be used together with deepseek_web_search, deepseek_read_url, safety_check or title yetEin weiteres inkompatibles Server-Tool wurde deklariertEntfernen Sie das konfliktverursachende Server-Tool
safety_check: level must be low or highUngültige SicherheitsstufeVerwenden Sie low oder high
messages: the last assistant message used deepseek_web_search or deepseek_read_url and cannot be continued; resend the previous requestVersuch, eine Antwort mit Web-Tool fortzusetzenSenden Sie die ursprüngliche Anfrage erneut

Im Original sind die Feldnamen innerhalb der Fehlermeldungen zusätzlich durch Backticks gekennzeichnet. In der Tabelle wurden diese Zeichen zur besseren Lesbarkeit weggelassen.

Sie müssen nicht alle Lösungen nacheinander ausprobieren. Suchen Sie die konkrete Fehlermeldung, korrigieren Sie deren Ursache und prüfen Sie die wiederholte Anfrage.

Lässt sich die Websuche mit tool_choice erzwingen?

Nein. Sie dürfen deepseek_web_search oder deepseek_read_url in tool_choice nicht als zwingend auszuführendes Tool angeben.

Mit tool_choice auf none werden alle Tools deaktiviert, einschließlich des URL-Lesens.

Bei Chat Completions und Responses wird tool_choice: "required" mit diesen Web-Tools wie auto behandelt. Auch dadurch wird die Suche nicht garantiert.

Muss Ihre Anwendung eine bestimmte Suchanfrage unbedingt ausführen, verwenden Sie die eigenständige Search-API.

Sind Web-Tools mit normalen function calls kombinierbar?

Die dokumentierte Fehlermeldung betrifft inkompatible Deklarationen von Server-Tools.

Daraus folgt nicht, dass jede benutzerdefinierte Funktion verboten wäre. Die erfolgreiche Kombination mit sämtlichen Agent-Frameworks ist jedoch ebenfalls nicht nachgewiesen.

Bei Responses ist die gemeinsame Deklaration mit web_search unzulässig. Außerdem werden bestimmte Tool-Typen wie custom, namespace und tool_search nicht unterstützt.

Testen Sie vor der Integration in Claude Code, OpenCode oder einen eigenen Agenten mit Funktionen den gesamten Anfrage- und Tool-Antwortablauf.

Eine erfolgreiche OpenAI-kompatible Anfrage ohne Web-Tools belegt noch nicht die Kompatibilität dieser Kombination.

Warum führt das Fortsetzen einer Web-Tool-Antwort zu 400?

Eine neue Gesprächsrunde und die Fortsetzung einer unterbrochenen Antwort sind unterschiedliche Vorgänge.

Bei einer neuen Gesprächsrunde senden Sie die vollständige Assistant-Antwort und danach eine neue Nutzernachricht.

Bei einer Fortsetzung versuchen Sie dagegen, dieselbe unvollständige Assistant-Antwort zu ergänzen.

DeepSeek erlaubt keine Fortsetzung von Antworten, die deepseek_web_search oder deepseek_read_url verwendet haben.

Wurde eine solche Antwort abgeschnitten, senden Sie die ursprüngliche Anfrage mit einem geeigneten Ausgabelimit erneut. Dabei können Suchvorgänge und Seitenabrufe wiederholt und erneut berechnet werden.

Für andere erlaubte Fortsetzungen in Chat Completions dokumentiert DeepSeek prefix: true in der letzten assistant-Nachricht am beta-Endpunkt. Diese Möglichkeit hebt das Verbot für Antworten mit Web-Tools nicht auf.

Was bedeuten url_not_accessible, url_not_allowed und unavailable?

Scheitert der Seitenabruf, liefert DeepSeek ein web_fetch_tool_result_error ohne signature zurück.

Der Wert von error_code beschreibt die Fehlerart.

FehlercodeBedeutungEmpfohlene Maßnahme
url_not_accessibleDer Link konnte nicht gelesen werdenPrüfen Sie URL, Erreichbarkeit, Anmeldung und Zugriffsbeschränkungen
url_not_allowedDas Lesen ist untersagt oder die Sicherheitsprüfung hat die Seite abgelehntUmgehen Sie die Beschränkung nicht; nutzen Sie eine erlaubte Quelle
unavailableDienst nicht verfügbar, Seite in vertiefter Suche nicht geöffnet oder Aufruf nicht abgeschlossenPrüfen Sie den Antwortstatus und wiederholen Sie bei Bedarf begrenzt

Die Fehlercodes beschreiben unterschiedliche Ursachen.

url_not_allowed bedeutet nicht zwangsläufig einen Netzwerkfehler. Die Ablehnung kann durch die Sicherheitsprüfung entstehen.

Auch bei unavailable ist ein kostenloser Aufruf nicht garantiert. Möglicherweise wurde die Seite vor dem Fehler bereits geladen.

Bei Streaming sollten Sie Tool-Aufrufe und Ergebnisse anhand ihrer Kennungen verbinden. Werden mehrere Seiten gelesen, kann das Ergebnis zeitversetzt zum jeweiligen Aufruf eintreffen.

Beachten Sie zusätzlich den Abschlussstatus:

  • end_turn bei Messages bedeutet eine vollständige Antwort.
  • max_tokens signalisiert ein erreichtes Ausgabe- oder Kontextlimit.
  • refusal kennzeichnet eine Ablehnung durch die Inhaltsprüfung.

Bei Chat Completions umfassen die entsprechenden Abschlussgründe stop, length und content_filter.

Für öffentlich erreichbare Anwendungen sollten Sie die Sicherheitsprüfung aktivieren:

{
  "safety_check": {"level": "high"}
}

DeepSeek verlangt für öffentlich angebotene Dienste eine aktivierte Sicherheitsprüfung. Sie kontrolliert Eingaben und Ausgaben grundlegend, ersetzt aber nicht Ihre eigene Moderation oder gegebenenfalls geltende Registrierungs- und Kennzeichnungspflichten für KI-generierte Inhalte.

Auch eine abgelehnte Antwort kann Kosten für bereits verbrauchte Tokens verursachen.

Die Dokumentation zu Model Content Safety beschreibt die Meldungen zur Ablehnung für jedes Protokoll.

Integrierte DeepSeek-Tools oder eigene Such-API wählen?

Integrierte Tools eignen sich, wenn das Modell die Recherche während eines Gesprächs selbst steuern soll. Eigenständige APIs sind besser, wenn Ihre Anwendung einzelne Abfragen kontrollieren und Inhalte direkt verarbeiten muss.

AnforderungZuerst wählenGrund
Chatbot mit Quellenangabendeepseek_web_search ohne thinkingWeniger eigene Suchlogik
Recherche mit mehreren Quellendeepseek_web_search mit thinkingDas Modell kann mehrstufig suchen und Seiten prüfen
Links eines Nutzers zusammenfassendeepseek_read_urlLiest geeignete URLs und hält den Kontext über Signaturen vor
Eine bestimmte Website durchsuchenEigenständige Search-APIKontrolle über Operatoren und Suchergebnisse
Markdown aus einer bekannten URL gewinnenEigenständige Fetch-APISeiteninhalt gelangt direkt zum Anwendungscode
Text aus vielen Dokumenten extrahierenEigenständige OCR-APISeitenweise Ergebnisse
Fragen zu hochgeladenen Dateien stellenFile Parsing mit deepseek-flashDokumentinhalt wird Teil des Modellkontexts
Spracheingabe und Vorlesen umsetzenASR und TTSSpezielle APIs für Audio

Für einen bereits eingerichteten Coding-Agenten kann eine externe Suchintegration weiterhin sinnvoller sein. Damit bleiben die vorhandene Tool-Steuerung und die Abrufabläufe erhalten.

Der Leitfaden zur Integration von Parallel Search MCP in bestehende Agenten beschreibt eine Alternative. Vergleichen Sie bei denselben Aufgaben die tatsächlichen Kosten, Tool-Kompatibilität und Qualität der abgerufenen Inhalte.

Was gilt für BetterToken und andere kompatible Gateways?

Mit Stand vom 14. November 2026 war deepseek-flash im Modellkatalog von BetterToken gelistet. Prüfen Sie vor der Wahl des Zugangs die aktuellen Modellpreise.

Die Aufnahme eines Modells in den Katalog belegt jedoch nicht, dass die neuen DeepSeek-Server-Tools unterstützt werden.

Nicht verifiziert wurden die Weiterleitung der Tool-Deklarationen, die Erhaltung von signature, die Rückgabe von usage.server_tool_use und die Abrechnung zusätzlicher Tool-Gebühren über BetterToken.

Daher nutzen alle Codebeispiele dieses Leitfadens den offiziellen DeepSeek-Endpunkt.

Bevor Sie ein kompatibles Gateway einsetzen, testen Sie eine Suchanfrage, eine URL-Leseanfrage und eine zweite Gesprächsrunde mit erhaltener signature. Vergleichen Sie anschließend die usage-Zähler mit den tatsächlich berechneten Beträgen.

Beginnen Sie bei neuen Anwendungen mit der normalen Suche ohne thinking. Kontrollieren Sie Quellenangaben und abrechenbare Aufrufe. Aktivieren Sie die vertiefte Suche nur bei Aufgaben mit mehreren Recherchephasen. Verwenden Sie eigenständiges Search und Fetch, wenn Ihr Code die einzelnen Schritte steuern muss.

Bereit, Ihren LLM-Workflow zu optimieren?

Verbinden Sie Modelle über eine API, verwalten Sie Schlüssel und behalten Sie KI-Kosten im Blick.

Kostenlos starten