AI搜索开放接口 信源开始按请求计量
2026-11-15博晓通

AI搜索开放接口 信源开始按请求计量

AI搜索开放接口 信源开始按请求计量 文章配图

以 11 月 15 日为界,一次联网搜索的公开标价是 5 元一千次。DeepSeek 在 13 日把应用里的联网搜索、深度思考搜索、读链接、文件输入搬进了 API,文字与图片搜索 5 元/千次、网页抓取 5 元/千次、文字识别 1.5 元/千页、语音识别 0.39 元/小时。对做 AI 搜索可见度的人来说,这张价目表的意义不在省钱,而在引用第一次有了请求级的计量单位:检索有没有被触发、抓了哪个链接、答案里引了谁,都能按请求逐条打日志,不必再靠人工截图比对。代价是每次采样都要花钱,问题库怎么切、样本怎么分层,直接决定这份数据能不能拿去决策。

接口开放之后 引用成了可采样的日志

已知事实未证实需要核实
11 月 13 日 DeepSeek 开放全家桶应用 API各接口是否存在并发或调用频次上限企业账号的实际配额与结算周期
文字与图片搜索 5 元/千次、网页抓取 5 元/千次价格是否随调用量阶梯下降工具费与 Token 费的合并单价
联网搜索在非思考模式下可返回附引用答案引用是否为结构化字段而非纯文本引用字段的实际返回格式

过去几年,AI 搜索可见度的数据来源基本只有一条路:人工在对话框里提问、截图、再人工判断品牌有没有出现。这条路的问题不是不准,而是不可复现——同一个问题隔天问,答案可能换了三个信源,截图没法证明差别来自内容还是来自模型的随机性。接口开放之后,检索变成一次可计费的调用,返回里带引用,调用日志就成了一份能回溯的原始记录。

能力开启方式标价在可见度上能测什么
联网搜索非思考模式下打开搜索工具5 元/千次同一问题是否触发检索、答案里是否出现引用
深度思考搜索思考模式下同一工具5 元/千次多步推理中被抓取的页面序列
网页抓取独立抓取接口5 元/千次被抓 URL 的域名分布与页面类型
文字识别独立 OCR 接口1.5 元/千页图文混排页面能否被读出正文
语音识别独立 ASR 接口0.39 元/小时语音问法下的答案覆盖

非思考与思考两种模式

两种模式的差别不在输出长度,而在检索深度。非思考模式下,模型判断需要联网才发起搜索,拿到结果就直接作答;思考模式下,它会在多步推理中反复搜索和读链接。同一批问题在两种模式下跑,引用来源的数量往往差出一截,这个差值本身就是一条结论:如果你的品牌只在浅层检索里出现,深层推理就很容易把你换掉。

抓取和引用不是一回事

页面被抓取,说明它进了候选池;被引用,才说明它进了答案。这两件事在日志里是两行不同的记录,中间隔着模型对可信度的判断。把抓取率当成可见度,等于把入围当成获奖,报告会好看,生意不会变。

四层拆分:从触发到席位

  • 触发率问题提出后,模型是否发起搜索。触发率低的问题,优化页面没有意义,要先让问题本身具备检索必要性。
  • 抓取命中被检索到的 URL 里,自有域名占多少。命中率看的是入口,不是排名。
  • 引用席位答案给出的信源列表里,品牌排第几位。席位比次数更能说明问题,因为第一位和第五位的说服力不同。
  • 位置权重引用出现在答案开头、正文还是脚注。开头出现意味着被当成主要依据,脚注往往只是补充。

四层要分开记,因为它们的改善路径完全不同。触发率靠问题设计,抓取命中靠站点结构与抓取权限,引用席位靠内容的事实密度,位置权重靠答案与问题的匹配度。合在一起报一个「提及率」,等于把四个不同的问题压成一个数字,看不出该改哪一层。

席位比次数更能说明问题

同样被引用十次,排在第一位和排在第五位是两种处境。行业里已经有可对照的样本:艾瑞咨询与爱搜 GEO 在 2026 年 9 月发布的手机行业研究,监测窗口为 9 月 8 日至 14 日,覆盖四个平台的网页端与 App 端,取到 5,236 条有效回答和 118,865 次品牌引用,前三品牌的份额合计 27%,头名提及率 67%。这组数字说明席位分布极不均匀,只统计「有没有被提到」,会把排在末尾的曝光和头名混为一谈。

采样预算怎么配

按 5 元一千次计算,一千次联网搜索的检索成本是 5 元,加上模型输出的 Token 费用,一次完整采样的单价并不高,但乘以问题数量和复测轮次就不小了。真正要控制的是结构,不是总量:把预算摊在一千个只问一次的问题上,得到的是快照;摊在一百个问题、每问十次上,得到的是分布。

问题库按意图分层

分层的第一步是把问题按意图切开:品牌认知类问「某品牌是做什么的」,场景类问「某场景下选什么」,对比类问「A 和 B 哪个更合适」。三类问题的引用逻辑不同,混在一起测,任何一层的变化都会被另外两层稀释。每层留二十到三十个问题,足够看出趋势,也不至于让单轮成本失控。

同题多跑 看抖动

同一个问题跑十次,引用的信源可能每次都不一样,这个抖动幅度本身就是指标。抖动大的问题,说明模型对该主题没有稳定信源,是补内容的窗口;抖动小且长期不出现品牌的问题,说明信源格局已经固化,投入产出要重新算。

怎么落地这份监测

把接口调用变成一份可复核的监测,需要固定的字段和固定的动作。下面五步按顺序执行,每一步都留下证据,避免结论只存在于某个人的记忆里。

  1. 内容负责人把问题库按品牌、场景、对比三类分层,每层确定问题数量与复测频次,形成固定清单。
  2. 数据负责人配置调用参数,开启联网搜索与引用返回,记录模型版本、调用时间与工具开关状态。
  3. 数据负责人按请求保存返回原文,提取引用信源列表,标注品牌是否出现、席位与出现位置。
  4. 内容负责人核对被引页面是否为目标页面,标出被引用的第三方页面与过时描述。
  5. 项目负责人按双周汇总四层指标,只对变化幅度超过阈值的层给出整改动作。
字段名示例值
问题编号Q-SCENE-014
问题文本家用净水器滤芯多久换一次
检索触发是
引用席位第 2 位
出现位置正文第二段
调用成本0.024 元

字段固定之后,才有资格谈对比。同一份表按周追加,能看到的是曲线;只留一张截图,看到的永远是当天。

常见问题

  • 接口开放后,AI 搜索可见度是不是就能自动化测了?

    检索与引用可以按请求记录,这一层能自动化。判断引用是否准确、是否指向过时描述,仍然需要人工核对,两者不能互相替代。

  • 为什么不能只报一个提及率?

    因为触发、抓取、席位、位置是四条不同的因果链,改善方式各不相同。合成一个数字,等于放弃了定位问题的能力。

  • 同一问题答案不稳定,数据还可信吗?

    可信,但要按分布读。跑十次看品牌出现的比例和席位的波动区间,比单次截图更能反映真实处境。

  • 预算有限时先测哪一层?

    先测席位。席位决定答案的说服力,也最容易通过补充可核验事实来改善。

数据来源