DeepSeek Search와 Fetch, 실시간 웹 액세스에 0.75달러 가격표를 붙이다

DeepSeek가 성공한 요청 1,000건당 0.75달러로 Search 및 Fetch API를 공개했다. AI 에이전트의 실시간 웹 액세스에 눈에 띄게 낮은 가격을 책정한 것이다. DeepSeek Search 및 Fetch 출시는 웹 검색·수집을 모델 추론과 분리해, 개발자가 두 개의 원시 JSON 엔드포인트를 통해 페이지를 검색하거나 추출할 수 있도록 한다.

이는 런타임에 모델에 외부 정보를 제공하는 연구 에이전트, 코딩 어시스턴트, 검색 증강 생성(RAG)의 경제성을 바꾼다. 검색은 흔히 부차적인 기능으로 취급된다. 그러나 프로덕션 에이전트에서는 반복적인 검색과 페이지 가져오기가 별도의 인프라 비용으로 커질 수 있다.

낮은 표면 가격은 즉각 주목을 끌었다. 하지만 더 중요한 경쟁 구도는 DeepSeek와 특정 검색 벤더 간의 대결이 아니다. 저렴한 검색·수집과 신뢰할 수 있는 검색·수집 간의 경쟁이다. 개발자들은 여전히 DeepSeek가 관련성 높은 소스를 반환하고, 까다로운 페이지를 추출하며, 민감한 쿼리를 보호하고, 프로덕션 트래픽을 지속적으로 처리할 수 있다는 근거를 필요로 한다.

비교 대상에는 통합형 모델 플랫폼도 포함된다. OpenAI는 웹 검색 호출과 관련 모델 입력에 별도로 과금하는 반면, 전문 제공업체는 검색, 추출 또는 리서치를 독립 서비스로 판매한다. DeepSeek는 단순한 인터페이스와 공격적인 요청 가격이 웹 액세스를 일반적인 에이전트 기본 기능으로 만들 수 있다는 데 베팅하고 있다.

DeepSeek Search와 Fetch, 검색·수집을 두 개의 API로 분리

DeepSeek는 페이지를 찾고 읽는 두 가지 일반적인 에이전트 작업을 각각 별도 과금 서비스로 전환했다.

Search and Fetch guide는 회사의 기존 API 도메인 아래 두 개의 엔드포인트를 문서화한다. Search는 쿼리를 받아 구조화된 결과를 반환한다. Fetch는 하나의 URL을 받아 페이지 제목과 Markdown 형식의 콘텐츠를 반환한다.

Search 엔드포인트는 1개에서 50개 사이의 결과를 반환할 수 있다. 응답에는 제목, URL, 스니펫, 더 긴 요약, 제공되는 경우 게시 날짜, 권위 점수가 포함된다. DeepSeek는 3점 또는 4점이 매우 권위 있는 소스를 뜻하며, 음수 1점은 권위도를 알 수 없다는 의미라고 설명한다.

개발자는 각 검색 결과와 함께 전체 페이지 콘텐츠를 요청할 수도 있다. need_content 옵션으로 검색 호출 안에서 이를 수행할 수 있지만, 검색·수집에 실패하면 콘텐츠는 비어 있게 된다. 이 설계는 발견 단계와 읽을 수 있는 텍스트가 모두 필요한 에이전트의 오케스트레이션 작업을 줄일 수 있다.

쿼리 문법은 정확한 구문, 제외 조건, 언어 제한, 날짜 범위, 사이트 필터를 지원한다. 개발자는 별도 쿼리 변환기를 구축하지 않고도 결과를 선택한 도메인으로 제한하거나 특정 소스를 제외할 수 있다. 원래 사용자의 질문도 검색 구문과 함께 제공해 DeepSeek가 의도를 해석하도록 도울 수 있다.

Fetch는 더 좁은 작업을 수행한다. 하나의 HTTP 또는 HTTPS URL을 가져와 추출 가능한 콘텐츠를 제목과 링크를 보존하는 일반 텍스트 형식인 Markdown으로 변환한다. 이 출력은 처리되지 않은 HTML 문서보다 언어 모델에 전달하기 쉽다.

두 서비스 모두 bearer 인증과 일반 JSON 요청을 사용한다. 독점 소프트웨어 개발 키트에 한정되지 않는다. 애플리케이션은 함수 도구, 워크플로 엔진, 명령줄 에이전트 또는 맞춤형 백엔드에서 이를 호출할 수 있다.

이러한 분리는 검색과 추출이 서로 다른 방식으로 실패하기 때문에 중요하다. 검색은 관련 결과를 반환하지 못할 수 있고, Fetch는 차단된 도메인, 지원되지 않는 형식 또는 사용 가능한 콘텐츠가 없는 페이지를 만날 수 있다. 작업을 분리해 두면 개발자는 어느 단계든 재시도, 교체 또는 캐시할 수 있다.

DeepSeek는 잘못된 입력, 계정 잔액 부족, 보안 거부, 사용할 수 없는 콘텐츠, 속도 제한, 다운스트림 타임아웃에 대한 명시적 오류 코드를 제공한다. 타임아웃, 속도 제한, 서버 오류는 재시도하도록 권고하지만, 다른 클라이언트 오류는 요청을 변경하지 않은 채 재시도하지 말라고 안내한다.

이 서비스는 읽기 전용이다. 콘텐츠를 발견하고 가져올 수는 있지만 버튼을 클릭하거나 양식을 제출하거나 브라우저 세션을 조작하지는 않는다. 팀은 여전히 상호작용형 웹사이트, 인증된 리소스 또는 사용자 작업 뒤에 중요한 정보를 렌더링하는 애플리케이션을 위해 브라우저 자동화 계층이 필요하다.

Search 요청에는 계정 수준에서 초당 100건의 제한이 있다. Fetch에는 별도의 초당 25건 제한과 도메인별 추가 제한이 적용된다. 별도 할당량은 추출 작업 급증이 모든 검색 용량을 소진하는 일을 막는다.

이 세부 사항들은 이번 출시를 단순한 모델 기능 이상으로 만든다. DeepSeek는 자사 모델 옆이나 더 넓은 에이전트 시스템 내부에 배치할 수 있는 검색·수집 인프라를 제공하고 있다. 다음 질문은 과금 규칙이 애플리케이션 설계를 어떻게 바꾸는가다.

0.75달러 요금은 성공한 검색·수집에 보상한다

DeepSeek는 모든 시도가 아니라 사용 가능한 응답에 과금하며, 검색·수집 실패 위험의 일부를 제공업체로 다시 이전한다.

Search의 가격은 성공한 요청 1,000건당 0.75달러다. Fetch에도 같은 요금이 적용된다. DeepSeek는 비어 있지 않은 결과 배열을 포함한 HTTP 200 응답을 성공한 Search 요청으로 정의한다. Fetch는 페이지 콘텐츠를 반환할 때만 과금 대상이 된다.

실패한 호출, 타임아웃, 결과가 없는 검색에는 과금하지 않는다. 결과 수는 요청 가격을 바꾸지 않으므로, 50개 결과를 요청해도 1개를 요청할 때와 같은 검색 요금이 부과된다. 모델 처리 및 기타 API 사용량은 별도 비용으로 남는다.

따라서 한 번 검색하고 다섯 페이지를 가져오는 워크플로는 과금될 수 있는 검색·수집 호출 6건을 만든다. 공개된 요금 기준으로 이러한 워크플로 1,000건은 성공한 호출 6,000건과 4.50달러의 검색·수집 비용을 발생시킨다. 토큰 처리는 추가 비용이 된다.

이 구분은 표면 가격을 오해하는 일을 막는다. 광고된 수치가 전체 리서치 작업의 비용이 0.00075달러라는 뜻은 아니다. 에이전트는 쿼리를 재구성하고, 여러 소스를 검토하고, 인용을 따라가고, 답변을 작성하기 전에 여러 페이지를 가져올 수 있다.

심층 리서치 워크플로는 수십 건의 호출을 만들 수 있다. 자율 에이전트 역시 소스가 충돌하거나 초기 쿼리에 유용한 결과가 없을 때 검색을 반복할 수 있다. 저렴한 단가도 중요하지만, 최종 청구액은 오케스트레이션이 결정한다.

그럼에도 DeepSeek의 규칙은 개발자에게 유용한 수준의 예측 가능성을 제공한다. 검색 요금은 결과 수에 따라 변하지 않으며, 실패한 검색·수집은 유료 단위를 소모하지 않는다. 팀은 추가 검색·수집 토큰 흐름을 모델링하는 대신 성공한 도구 호출을 기준으로 비용을 추정할 수 있다.

이번 출시는 DeepSeek의 코딩 및 에이전트 통합에도 영향을 미친다. 문서에 따르면 DeepSeek Harness, Claude Code, Codex의 서버 측 도구 호출은 이미 Search와 Fetch 서비스를 사용한다. 이 호출은 2026년 11월 1일 베이징 시간 자정에 과금이 시작되기 전까지 무료로 유지된다.

이 날짜는 운영 측면에서 중요하다. 개발자가 엔드포인트 요청을 직접 보내지 않아도, 에이전트가 작업을 해결하는 동안 검색을 실행할 수 있다. 따라서 사용량 대시보드와 예산은 사람이 명시적으로 시작한 작업뿐 아니라 자율 도구 호출도 계산해야 한다.

DeepSeek의 Responses API guide는 서버 측 검색이 모델 응답에 참여하는 방식을 보여 준다. 이 구성에서 플랫폼은 검색·수집을 실행하고, 결과를 모델 컨텍스트에 추가한 뒤 생성을 계속한다. 편리함은 긴 에이전트 세션에서 검색 사용량을 덜 눈에 띄게 만들기도 한다.

비교를 위해, 현재 OpenAI API pricing은 웹 검색을 호출 1,000건당 10달러로 명시하며, 검색 콘텐츠 토큰은 선택한 모델의 요율로 과금된다. 서비스가 동일하지 않으므로 수치상 격차가 동등한 가치를 입증하지는 않는다.

통합 검색에는 랭킹, 소스 처리, 인용, 안전 제어, 지역 기능 또는 모델별 최적화가 포함될 수 있다. 독립 API는 검색·수집 루프에 대한 더 많은 제어권을 제공할 수 있다. 구매자는 가격 페이지의 한 줄이 아니라 전체 작업을 비교해야 한다.

그럼에도 DeepSeek의 제안은 시장의 저가 부문에 압력을 가한다. 수천 건의 호출을 실험하는 개발자는 이제 호스팅 검색·수집을 작은 변동 비용으로 취급할 수 있다. 이는 비용 통제를 위해 모든 에이전트 팀이 자체 스크래핑 및 검색 스택을 운영해야 한다는 가정을 약화시킨다.

이 변화는 모듈형 아키텍처에도 유리하다. Search는 한 모델에 제공되고, Fetch는 다른 모델에 콘텐츠를 공급할 수 있다. 팀은 모델 선택을 유지한 채 DeepSeek를 검색·수집 구성 요소로 시험할 수 있지만, 계정 약관과 데이터 처리 방식은 여전히 검토가 필요하다.

저렴한 AI 검색이 통합형 및 전문 제공업체에 압력을 가한다

DeepSeek는 검색이 프리미엄 AI 기능으로 남아야 하는지, 아니면 저렴한 인프라가 되어야 하는지를 시험하고 있다.

AI 애플리케이션은 여러 서로 다른 작업에 웹 검색·수집을 사용한다. 지원 에이전트는 최신 문서를 확인한다. 리서치 어시스턴트는 주장에 대한 근거를 찾는다. 코딩 에이전트는 학습 데이터 마감일 이후 등장한 릴리스 노트, 이슈 트래커, 라이브러리 참조 자료를 읽는다.

이 작업들은 익숙한 검색 결과 페이지 이상의 것을 요구한다. 애플리케이션에는 기계가 읽을 수 있는 출력, 안정적인 응답 필드, 예측 가능한 지연 시간, 그리고 모델 컨텍스트에 넣을 수 있는 텍스트가 필요하다. 또한 합리적인 재시도 동작에 불이익을 주지 않는 과금 시스템도 필요하다.

전문 제공업체는 인덱스 범위, 랭킹 품질, 추출 성공률, 최신성, 워크플로 기능을 통해 경쟁한다. 일부는 전체 페이지 텍스트, 답변 합성, 도메인 필터 또는 리서치 엔드포인트를 제공한다. 다른 업체들은 데이터 저장 위치와 계약상 통제를 강조한다.

모델 벤더는 다른 경로를 택한다. 응답 안에 검색을 내장하고 모델이 사용 시점을 결정하게 할 수 있다. 이는 통합 작업을 줄이지만, 검색·수집 동작을 관찰하거나 플랫폼 간 이전하기는 더 어렵게 만들 수 있다.

DeepSeek는 두 접근법의 일부를 결합한다. 원시 엔드포인트는 전문 인프라와 유사한 반면, 서버 측 도구는 검색·수집을 DeepSeek 모델 및 호환 에이전트 클라이언트에 연결한다. 이는 회사에 개발자 스택으로 진입하는 두 가지 경로를 제공한다.

낮은 요금은 빈도가 높고 개별 가치가 크지 않은 작업에서 가장 설득력이 있다. 매시간 벤더 문서를 확인하는 내부 모니터링 시스템을 생각해 볼 수 있다. 검색 품질은 수용 가능한 수준이어야 하지만, 개별 쿼리마다 비싼 리서치 프로세스를 정당화할 수는 없다.

고위험 업무에서는 계산이 달라진다. 법률, 의료, 금융 또는 보안 워크플로는 요청 가격보다 신뢰할 수 있는 소스 범위를 훨씬 더 중시할 수 있다. 권위 있는 문서 하나를 놓치는 비용은 수천 번의 검색 비용보다 클 수 있다.

지연 시간도 중요하다. 채팅 어시스턴트는 모든 짧은 질문 뒤에 느린 검색 및 가져오기 연쇄 작업을 기다릴 수 없다. 리서치 작업은 더 많은 시간을 허용할 수 있지만, 여전히 많은 도메인에서 성공적인 추출이 필요하다.

Hacker News thread에서 이번 출시를 논의한 개발자들은 이러한 트레이드오프의 양쪽 측면을 강조했다. 일부는 호스팅 검색·수집이 스크래퍼를 유지하는 것보다 쉽고 신뢰할 수 있다고 보았다. 다른 이들은 범위, 프라이버시, 속도 제한, 추출 품질에 의문을 제기했다.

이러한 의견은 벤치마크 결과가 아니라 일화에 해당한다. 구매자가 던지는 질문을 보여 주지만, 특정 제공업체가 더 뛰어난 성능을 낸다는 점을 입증하지는 않는다. 이 서비스는 비교를 결론낼 만큼 광범위한 프로덕션 근거가 축적되기에는 아직 너무 새롭다.

자체 호스팅 검색도 또 다른 경쟁자다. 오픈 소스 메타검색 시스템은 요청당 벤더 수수료 없이 공개 검색 엔진을 집계할 수 있다. 직접 추출 도구 역시 많은 일반 페이지를 깔끔한 텍스트로 변환할 수 있다.

하지만 “무료” 셀프 호스팅에도 서버, 프록시, 업데이트, 관측성, 차단 대응이 필요하다. 팀은 이러한 운영 작업이 호스팅 비용을 피할 만큼의 가치가 있는지 판단해야 한다. 답은 규모, 인력, 신뢰성 요구 사항에 따라 달라진다.

DeepSeek의 가격은 해당 인프라를 유지해야 한다는 경제적 근거를 약화시킨다. 하지만 통제권에 대한 논거를 없애지는 않는다. 로컬에서 운영하는 시스템은 쿼리를 조직 내부에 머물게 하고 맞춤형 순위 지정이나 허용 목록을 적용할 수 있다.

실질적인 대응은 측정이다. 팀은 실제 도메인과 질문을 대표하는 고정 평가 세트를 구축해야 한다. 이후 관련성, 출처 다양성, 추출 완전성, 지연 시간, 완료된 작업당 총 호출 수를 비교할 수 있다.

검색 가능한 내부 기술 자료 모음은 실시간 검색을 보완할 수 있다. 팀에는 최신 공개 소스와 비공개 맥락이 모두 필요한 경우가 많다. 구조화된 엔지니어링 지식 기반은 모든 질문을 공개 웹으로 보내지 않고도 내부 근거를 활용 가능하게 유지할 수 있다.

이러한 결합 아키텍처는 불필요한 검색도 줄인다. 에이전트는 먼저 로컬 자료를 확인하고, 부족한 정보를 파악한 뒤 최신 검증이 필요한 정보에만 외부 검색을 사용할 수 있다.

DeepSeek Search API 품질은 여전히 확인되지 않은 수치다

가격은 검증됐지만, 검색 품질을 판단하는 데 필요한 근거는 아직 불완전하다.

DeepSeek는 Search가 자체 엔진에서 실행된다고 설명한다. 응답 스키마에는 요약, 순위 점수, 신뢰도 수준, 선택적 페이지 콘텐츠가 포함된다. 이러한 필드는 유용하지만, 스키마만으로는 기본 결과가 관련성이 있거나 완전하다는 점을 입증할 수 없다.

검색 품질은 언어, 지역, 주제, 쿼리 유형에 따라 달라진다. 엔진은 중국어 기술 소스에서는 좋은 성과를 낼 수 있지만 현지 북미 보도를 놓칠 수 있다. 공식 문서는 안정적으로 찾더라도 틈새 포럼이나 최근 업데이트된 페이지에서는 어려움을 겪을 수 있다.

Fetch 품질에는 별도의 실패 요인이 있다. 현대적인 사이트는 JavaScript를 요구하거나 자동화 클라이언트를 거부하고, 인증 뒤에 콘텐츠를 두거나, 중요한 정보를 문서 내부에 제공할 수 있다. DeepSeek는 가져오기가 계속해서 사이트 가용성과 접근 정책의 영향을 받는다고 명시한다.

성공적인 HTTP 응답도 유용한 근거를 보장하지는 않는다. 추출된 Markdown은 표를 누락하거나, 탐색 요소를 기사 본문으로 혼동하거나, 캡션과 이미지 간의 관계를 잃을 수 있다. 그러면 에이전트는 불완전한 자료를 바탕으로 확신에 찬 답변을 만들 수 있다.

“성공한 요청”의 과금 정의는 성공적인 작업 완료보다 좁다. Search는 관련성이 없더라도 최소 한 건의 결과를 반환하면 과금 대상이 된다. Fetch는 필요한 사실이 콘텐츠에 없더라도 콘텐츠를 반환하면 과금 대상이 된다.

따라서 팀은 의미론적 성공과 과금상 성공을 별도로 모니터링해야 한다. 유용한 지표에는 올바른 소스가 표시되는지, 추출 결과에 목표 구절이 포함되는지, 최종 답변이 주장에 근거한 인용을 제공하는지가 포함된다.

출처 다양성도 또 다른 시험 항목이다. 동일한 보도의 복제본을 반복적으로 반환하는 엔진은 상호 검증이 이루어진 듯한 인상을 줄 수 있다. URL만으로 중복을 제거해서는 신디케이션되거나 재작성된 자료를 탐지할 수 없다.

개발자는 신뢰도 점수도 살펴봐야 한다. DeepSeek는 척도를 정의하지만, 공개 가이드에서는 전체 점수 산정 방식을 설명하지 않는다. 높은 점수는 순위 지정을 안내할 수는 있어도, 출처에 대한 독립적 판단을 대체해서는 안 된다.

정치 및 지역 보도는 신중한 테스트가 필요하다. 검색 엔진은 색인화, 순위 지정, 안전성, 법적 준수에 관한 선택을 한다. 이러한 선택은 언어 모델이 추론을 시작하기도 전에 에이전트가 무엇을 보는지에 영향을 줄 수 있다.

프라이버시는 별도의 우려 사항이다. 쿼리는 제품 계획, 보안 문제, 고객 이름, 인수 대상, 미공개 연구를 노출할 수 있다. Fetch URL은 조직이 어떤 문서와 시스템을 조사하는지도 드러낼 수 있다.

민감한 환경에 배포하기 전에는 DeepSeek의 공개 개인정보 처리방침을 API 계약과 함께 검토해야 한다. Search 및 Fetch 가이드는 기능과 과금을 설명하지만, 이 엔드포인트에 대한 전용 무보존 보장을 제공하지는 않는다.

조달 검토에서는 어떤 요청 데이터가 기록되는지, 어디에서 처리되는지, 얼마나 오래 보존되는지, 서비스 개선에 활용될 수 있는지를 확인해야 한다. 낮은 가격에서 추론한 가정보다 계약상 약정이 중요하다.

보안 팀은 간접 프롬프트 인젝션도 검토해야 한다. 가져온 페이지에는 에이전트를 조작하거나, 비밀 정보를 요청하거나, 동작을 다른 방향으로 돌리도록 설계된 텍스트가 포함될 수 있다. 페이지를 Markdown으로 변환한다고 해서 그 안의 지침이 신뢰할 수 있게 되는 것은 아니다.

애플리케이션은 검색된 콘텐츠를 신뢰할 수 없는 데이터로 취급해야 한다. 도구 권한은 페이지 텍스트와 분리된 상태로 유지해야 하며, 에이전트는 출처에 표시됐다는 이유만으로 지침을 실행해서는 안 된다. 민감한 작업에는 모델이 생성한 계획 외부에서 명시적인 정책 검사가 필요하다.

캐싱은 비용과 노출을 모두 줄일 수 있다. 최신성 요구 사항이 재사용을 허용한다면 자주 요청되는 공개 페이지를 반복해서 가져올 필요는 없다. 캐시는 이전 답변에 정확히 어떤 콘텐츠가 영향을 주었는지 보여주는 기록도 제공한다.

그럼에도 캐싱은 버전 관련 문제를 유발한다. 재현 가능한 결과가 필요하다면 팀은 가져온 시간, 소스 URL, 콘텐츠 해시를 기록해야 한다. 그렇지 않으면 이후 Fetch가 원래 주장을 더 이상 뒷받침하지 않는 변경된 페이지를 반환할 수 있다.

DeepSeek는 비용을 이해하기 쉽게 만들었다. 하지만 검색을 정확하고 안전하며 감사 가능하게 만드는 데 필요한 엔지니어링 작업을 없애지는 못했다.

DeepSeek Search와 Fetch가 에이전트 설계를 바꾸는 방식

이번 출시는 검색을 더 자주 사용해도 될 만큼 비용을 낮췄지만, 좋은 에이전트는 무차별적으로가 아니라 더 신중하게 검색해야 한다.

강력한 워크플로는 실시간 정보가 필요한지 판단하는 것으로 시작한다. 안정적인 정의와 내부 절차는 이미 신뢰할 수 있는 지식 저장소에 존재할 수 있다. 최신 가격, 출시, 정책, 뉴스는 일반적으로 외부 검증이 필요하다.

그다음 에이전트는 사용자의 질문을 작은 검색 계획으로 변환할 수 있다. 한 쿼리는 1차 출처를 겨냥해야 한다. 다른 쿼리는 독립 보도나 비판을 찾아볼 수 있다. 추가 검색은 광범위한 표현을 반복하기보다 구체적인 공백을 다뤄야 한다.

DeepSeek의 연산자는 이러한 패턴을 지원한다. 쿼리는 공식 도메인을 대상으로 하거나, 게시 기간을 설정하거나, 언어를 제한할 수 있다. 이러한 제어 기능은 에이전트가 크고 초점 없는 결과 세트를 수집하는 대신 증거 목적을 가지고 검색하도록 돕는다.

결과 수 역시 최적화 기회를 만든다. 공개된 요청 요금은 결과 1건과 50건 사이에 차이가 없기 때문에, 시스템은 재순위 지정을 위한 충분한 후보를 요청할 수 있다. 다만 반환된 모든 항목으로 모델 컨텍스트를 채우는 일은 피해야 한다.

별도의 순위 지정 단계는 관련성, 신뢰도, 최신성, 다양성을 기준으로 소스를 선택할 수 있다. 이후 Fetch는 답변에 영향을 줄 가능성이 높은 페이지만 가져와야 한다. 이렇게 하면 추출 호출을 줄이고 모델에 유입되는 신뢰할 수 없는 텍스트를 제한할 수 있다.

워크플로는 처리 전반에 걸쳐 인용을 보존해야 한다. 요약은 편리하지만, 최종 답변에는 각각의 중요한 주장을 뒷받침하는 URL과 구절이 필요하다. 근거가 충돌할 때 시스템은 이를 근거 없는 하나의 결론으로 섞기보다 불일치를 보고해야 한다.

Fetch 실패에는 제한된 재시도가 필요하다. 속도 제한이나 시간 초과 요청은 잠시 지연한 후 재시도하는 것이 타당하다. 요청을 바꾸지 않은 채 보안 거부나 지원되지 않는 콘텐츠 오류를 반복하면 시간을 낭비하고 루프를 만들 수 있다.

프로덕션 시스템에는 여러 수준의 예산도 필요하다. 세션 제한은 사용자 요청 하나가 수백 건의 검색을 유발하는 것을 막는다. 일일 계정 제한은 예기치 않은 트래픽을 억제한다. 도메인별 제어는 개별 사이트에 가해지는 부담을 줄인다.

새로운 경제성은 각 호출이 거의 무료처럼 보이므로 과도한 검색을 부추길 수 있다. 이는 실수가 될 것이다. 더 많은 검색 결과는 지연 시간, 중복 근거, 컨텍스트 크기, 프롬프트 인젝션 기회를 늘릴 수 있다.

에이전트 설계자는 API 호출당 비용이 아니라 승인된 답변당 비용을 측정해야 한다. 이 지표에는 검색, 모델 토큰, 재시도, 검증, 사람의 검토가 포함된다. 또한 답변이 실제로 사용자의 문제를 해결했는지도 반영한다.

유용한 평가 세트에는 네 가지 범주가 포함될 수 있다. 최신성 질문은 최근 업데이트를 시험한다. 알려진 항목 질문은 엔진이 특정 권위 있는 페이지를 찾는지 시험한다. 비교 질문은 출처 다양성을 시험한다. 어려운 페이지는 추출 동작을 시험한다.

각 테스트는 예상 소스의 순위, 추출 완전성, 지연 시간, 유료 요청 수를 기록해야 한다. 평가자는 인용 근거를 점수화하고, 답변에 다른 제공업체나 수동 검토가 필요한 경우를 기록할 수 있다.

원시 엔드포인트는 대체 경로 설정도 실용적으로 만든다. 애플리케이션은 일반 검색에 DeepSeek를 먼저 시도한 다음, 범위나 추출이 실패할 때 다른 소스를 사용할 수 있다. 이렇게 하면 낮은 평균 비용을 유지하면서 품질을 보호할 수 있다.

이 전략에는 정규화가 필요하다. 제공업체마다 서로 다른 필드, 점수, 요약, 날짜 형식을 반환한다. 공통 내부 스키마는 애플리케이션의 나머지 부분이 한 공급업체의 응답 형태에 의존하지 않도록 할 수 있다.

따라서 DeepSeek의 API는 테스트하기는 쉽지만 자동으로 대체하기 쉬운 것은 아니다. 개발자는 인증, 오류 처리, 제공업체별 순위 필드를 어댑터 내부에 격리해야 한다. 그러면 에이전트는 어떤 서비스가 이를 실행하는지 알 필요 없이 “검색”을 요청할 수 있다.

이 아키텍처는 가격 경쟁을 구매자 우위로 전환한다. 제공업체는 측정 가능한 성과로 트래픽을 확보해야 하며, 팀은 정책이나 품질이 바뀔 때 워크로드를 옮길 수 있는 능력을 유지한다.

낮은 가격의 의미를 결정할 세 가지 신호

다음 시험은 DeepSeek가 품질이나 신뢰를 약화시키지 않고 개발자의 호기심을 지속적인 프로덕션 사용으로 전환할 수 있는지다.

첫 번째 신호는 독립적인 검색 벤치마킹이다. 유용한 테스트는 언어, 최근 사건, 기술 문서, 지역 정보, 적대적 페이지를 다뤄야 한다. 단일 평균만이 아니라 쿼리 세트와 점수 산정 방식도 공개해야 한다.

DeepSeek가 지속적으로 권위 있는 소스를 찾고 완전한 콘텐츠를 추출한다면, 낮은 요금은 전략적 중요성을 얻는다. 결과에 반복 검색이나 잦은 대체 제공업체가 필요하다면, 표면적인 이점은 작업 수준에서 줄어들 것이다.

두 번째 신호는 기업 데이터 처리다. 구매자는 쿼리 보존, 처리 위치, 학습 활용, 보안 제어, 계약상 삭제에 관한 명확한 답을 필요로 한다. 문서화된 무보존 옵션은 민감한 워크로드에서 DeepSeek의 입지를 강화할 것이다.

침묵이나 모호함은 반대의 효과를 낳을 것이다. 검색어는 기밀 의도를 노출할 수 있으므로, 많은 조직은 강제 가능한 제어를 위해 더 많은 비용을 지불할 것이다. 저렴한 검색은 받아들일 수 없는 데이터 경로를 보상할 수 없다.

세 번째 신호는 경쟁사의 대응이다. 검색 전문 업체와 모델 플랫폼은 가격을 낮추고, 검색 기능을 묶어 제공하고, 무료 제공량을 늘리거나, 더 높은 품질의 리서치를 강조할 수 있다. 또한 지역별 처리, 인용, 브라우저 실행, 기업 계약을 통해 차별화할 수 있다.

광범위한 가격 대응은 DeepSeek가 기본 검색에 대한 기대치를 재설정했음을 확인해 줄 것이다. 제한적인 대응은 경쟁사들이 구매자가 요청 수수료보다 품질, 통합, 거버넌스를 더 중시한다고 판단한다는 점을 시사할 것이다.

개발자는 11월 1일 과금이 시작된 후의 사용량도 주시해야 한다. 지속적인 도입은 사용자가 초기 무료 기간을 넘어 서비스를 가치 있게 여긴다는 것을 보여줄 것이다. 급격한 감소는 프로덕션 수요가 아니라 호기심이 초기 관심을 이끌었음을 나타낼 것이다.

공개된 요금은 DeepSeek에 실질적인 진입 기회를 제공합니다. Search와 Fetch는 몇 시간 안에 시험해 볼 만큼 간단하며, 실패한 요청에는 검색 요금이 부과되지 않습니다. 이는 실제 평가를 수행하는 비용을 낮춥니다.

그렇다고 구매 결정이 끝나는 것은 아닙니다. 팀은 대표적인 작업을 비교하고, 관련 계약을 검토하며, 쿼리에서 인용된 답변에 이르는 전체 경로를 추적해야 합니다. 또한 고객 또는 회사 데이터를 서비스에 연결하기 전에 실패 조건도 테스트해야 합니다.

DeepSeek Search and Fetch는 한 가지 주장을 무시하기 어렵게 만듭니다. 이제 실시간 웹 접근은 모델에 붙는 비싼 프리미엄일 필요가 없습니다. 남은 질문은 DeepSeek가 그 가격에 신뢰할 수 있고 관리 가능한 검색을 제공할 수 있는지입니다.

현재 공급업체와 DeepSeek에서 동일한 평가 세트를 실행하세요. 관련성 높은 출처, 완전한 추출 결과, 지연 시간, 과금 대상 호출 수, 인용 정확도를 측정하세요. এরপর 데이터 조건이 요구 사항을 충족할 때까지 민감한 쿼리를 제외한 상태로 테스트를 반복하세요. DeepSeek가 개별 호출이 아니라 완전한 작업에서 우위를 보인다면 $0.75 요금은 의미가 있을 것입니다. 가격표에서만 우위를 보인다면, 가장 저렴한 검색 요청이 여전히 더 비싼 답변을 만들어낼 수 있습니다.