一条并不起眼的价格公告，指向智能体产业的下一张账单
从2026年11月1日起，DeepSeek的Search与Fetch按成功请求计费：中国区两项工具各为每1000次5元。单次0.005元，数字不大；一份研究报告如果不断换词搜索、把同一网页反复抓取，账单和交付时间都会一起增加。只盯模型Token单价，已经看不清智能体的实际花费。
官方计费规则比价格数字更值得研究
DeepSeek官方文档写明，Search根据query返回结构化搜索结果，Fetch接收网页地址并返回正文Markdown。两项工具按成功请求计算，而不是按照结果条数或返回Token计算；搜索无结果、抓取失败、超时以及不符合成功条件的调用不产生该项请求费用。接口的账号级限速由搜索和抓取分别管理，文档给出的Search上限为每秒100次、Fetch为每秒25次，同时还存在目标网站层面的抓取速率限制。限速不是性能保证，网页可用性、反爬策略及复杂页面解析仍会影响任务成功率。对于需要稳定交付的研究系统，应该将成功请求的计费事件、失败重试和内容质量分开记录，才能知道工具费花在了真实信息获取上还是重复访问上。尤其是模型可能自发拆解问题并不断搜索，调用数量的分布往往具有长尾，少数困难任务会占掉大量预算。
为什么Search与Fetch天然应该拆开
搜索引擎解决“到哪里寻找信息”的问题，抓取接口解决“把找到的网页变为可读内容”的问题。二者的计算需求完全不同。搜索通常需要倒排索引、排序和片段抽取，返回十条结果可能只消耗几千字符；抓取正文却需要请求目标网站、解析页面、去除导航及广告、处理编码，再将正文组织为Markdown。一个智能体如果先查询20次、找到40条候选，再逐条抓取40篇文章，就形成了60次工具请求；若文章很长，后续模型阅读成本还可能明显高于工具费。把搜索与抓取作为两阶段流程，可以先在标题、摘要、来源、时间上筛选，再抓最有价值的原文。对于专业研究，尤其应当保留发布日期和原始链接，避免把搜索摘要改写成确定事实。工程上还可以对相同URL做去重，对正文计算哈希值，确保重复链接不会多次消耗费用和上下文空间。
算一笔账：从一次研究任务到企业级日报系统
以单价每1000次5元计算，一次成功请求的工具成本是0.005元。一个智能体如果完成一份专业报告需要30次Search和20次Fetch，合计50次成功请求，工具费为0.25元；每天生成100份同规格报告，全年365天，对应182.5万次成功请求，工具费约9125元。这里是纯粹按公开单价进行的算术示例，不包含模型推理、失败请求产生的时间损耗、并发资源以及人工审核。另一种高频业务更值得警惕：如果一条自动化任务配置不合理，在检索中连续尝试几百个搜索词，或者反复抓取同一个页面，服务费也许还可接受，却会迅速抬高模型上下文成本并延迟交付。合理的预算不应简单限定“最多使用多少Token”，而要分别设置每任务搜索次数上限、每主题抓取页数上限、上下文预算以及遇到低质量搜索结果时的停止规则。
检索质量正在成为有形的商业竞争力
企业评估搜索接口往往先看结果覆盖率，其实对于智能体还有几个更难的指标：能否找到原始发布者、更新时效怎样、返回链接是否稳定、英文和中文细分专业资料的表现是否一致，以及网页正文能否准确解析技术表格、公式和代码块。工业软件研究中，CAD供应商的发行说明、某个传感器公司的驱动更新、政府招标附件，可能比转载量最大的行业新闻更重要。一个系统如果每次都把排名最靠前的营销文章抓回来，即便搜索单价很低，也会让下游模型建立偏斜的事实判断。因此衡量成本需要引入“每条被采纳且通过核验的信息的成本”，与传统广告搜索衡量点击成本类似。开发团队可以用人工标注的小型评测集比较不同搜索供应商，逐步积累细分行业的高价值站点目录。这项看似编辑工作的方法，往往比反复修改Prompt更有效。
防止智能体陷入无限检索
有些研究智能体看似“非常认真”，实际在持续做同义词搜索。模型每发现一个尚不清楚的细节就新开查询，又从新页面里发现更多可疑点，最终任务范围被无限扩大。要避免这种现象，可以在任务启动时写出问题清单、证据要求和完成标准：重要新闻必须找到原始出处，关键数字至少交叉核对一次，意见类内容明确标注主体，满足标准后进入撰写而不是继续漫游。还应为每条查询保存意图指纹，识别“同一主体、同一事件、同一时间段”的重复搜索。对有明确截止时间的日报系统，可设置资料冻结窗口，在冻结之后只允许为核验关键事实补检索。工程团队还可以观察检索结果的边际贡献，当连续若干次检索没有增加可用事实时，智能体应主动停止。将停止条件做成流程规则，比单纯在提示词里写“不要浪费Token”可靠得多。
安全和版权会一起进入工具选择题
抓取网页涉及HTTP访问、正文解析和内容安全。目标网站可能包含未经信任的指令文本，模型在读取过程中可能被诱导执行不相关工具，或者泄露内部上下文。可持续运行的智能体应把网页内容视为证据而非系统指令，限制外部文本对工具权限的影响；对抓取下载的文件开展格式及恶意内容检查，并确保凭据不会出现在搜索参数或日志里。与此同时，公开网页不自动代表可以无限复制和再分发。面向新闻分析和技术研究的系统应保存来源、合理摘引、优先转述事实并避免整篇转载。企业知识库连接器则要以员工既有权限为准，不应为了方便检索而汇总为全员可读索引。这些约束会影响检索服务的可选性，也会影响自建搜索与第三方工具的成本比较。
一条制造业智能体工作流怎样消耗Token
举例来说，工程师询问“上周三夜班的焊接质量为什么下降”，系统可能首先解析自然语言并识别产线和日期，然后从MES读取当班工单，从质量系统找到缺陷记录，在时序数据库提取焊机电流与电压趋势，调用异常检测模型定位波动区间，再读取工艺文件核对参数窗口。最后语言模型根据证据生成报告，附上数据出处和建议核查项。这个过程可能产生多次短推理和少量长上下文推理；如果把全部原始时序数据直接塞进模型，不仅成本高，也会降低分析效率。更合理的做法是让结构化系统先计算统计量、趋势图和异常片段，再提供模型用于判断的信息。数据接入和工具设计决定了Token是被有效利用，还是消耗在重复阅读与无关上下文里。因此推理经济的第一条工程原则，应是围绕任务安排计算，而不是任由模型反复吞吐所有信息。
企业采购应要求一张完整的任务成本表
在项目招标和验收时，建议要求供应商公开一套典型业务负载测试。以设备故障诊断为例，记录每单平均调用几次模型、每次平均输入输出Token、访问哪些业务系统、需要多少秒、成功交付比例以及人工复核耗时。还应对轻度、中度和复杂问题分别做统计，因为平均值容易掩盖长尾成本。如果系统部署在厂内服务器，账单可以把硬件折旧、电力、运维以及模型更新工作量分摊到有效任务；使用云端则应包含数据传输、服务订阅和接口费用。这种透明比较有利于企业判断长期运营成本。不同供应商之间的参数规模、Token价格可能无法直接比较，但每百张工单的综合费用与平均节省工时可以比较。随着应用深入，预算制定将从购买“AI平台”转向购买“经过验证的业务能力”。
对一家中型企业，应该怎样设计工具费用仪表盘
假设企业部署了客服知识助手、研发调研助手和售后故障分析助手三类应用。它们需要的检索策略完全不同：客服问题常见，适合高命中率缓存与内部FAQ；研发调研涉及前沿资料，必须关注网页更新时间和原始论文；售后故障分析优先阅读设备手册和历史工单，外部搜索只用于核查厂商更新。管理平台可以分别给它们定义工具预算和质量指标：客服关注单次解决率、转人工比例与平均响应成本；研发关注被采纳资料比例、引用准确率与报告返工率；售后关注诊断工时、误导性建议和首次修复率。每个任务记录模型版本、检索次数、抓取次数、缓存命中数、有效证据数量与最终人工评分。财务部门不必研究提示词，就能够分析不同任务类型的投入产出。项目负责人也能看出高成本来自模型推理还是无效检索。若某类任务70%的网页读取都来自重复URL，优先实施内容缓存可能比更换低价模型有效得多。
收束：下一步看什么
采购时不妨拿真实任务做样本：记录搜索、抓取、模型推理、人工复核各花多少，最后有多少信息被采用。便宜的请求若没有带来有效证据，仍是浪费。
参考资料
- DeepSeek网页搜索与抓取官方文档（2026-11-01规则生效；价格、限速、成功定义）
- 澎湃新闻公告报道（2026-10-18；公告与生效时间）