DeepSeek - precios de API - automatización - Python - fuentes oficiales
7 min lectura

Radar de precios de API con fuentes: Search, Fetch y revisión humana

Guía copiable para vigilar una tarifa oficial con DeepSeek Search & Fetch y Python: hash, alerta, revisión de precios, costo y límites.

Radar de precios de API con fuentes: Search, Fetch y revisión humana

Imagínate que calculaste el costo de tu producto con la tarifa de una API de hace tres meses. Un cambio de precio, de modelo o de condiciones puede volver inútil tu presupuesto antes de que alguien del equipo se entere. La solución mínima no es pedirle a un chatbot que «me avise si sube»: es vigilar una URL oficial, guardar evidencia de cuándo se revisó y decidir con una persona si la tabla de precios realmente cambió.

Desde noviembre de 2026, la API de DeepSeek ofrece dos operaciones independientes: Search encuentra páginas y Fetch devuelve el contenido de una URL en Markdown. Eso permite construir un radar pequeño sin usar un modelo para interpretar cada resultado. Este tutorial vigila como ejemplo la página oficial de precios de la API de OpenAI. Puedes cambiarla por la página de tu proveedor; conserva siempre la URL original como referencia.

Qué hace el radar y qué no

Search descubre posibles páginas oficiales y muestra título, enlace y fecha si la fuente la proporciona. La fecha del índice es una pista, no prueba de que la tarifa se actualizó ese día. Fetch lee una página específica que nosotros ya elegimos. Un hash SHA-256 del contenido extraído detecta diferencias frente a la lectura anterior. Si hay diferencia, el script avisa; no publica una noticia ni afirma que subió o bajó el precio. El HTML, el menú o una nota legal pueden cambiar sin alterar la tabla. A la inversa, una lectura incompleta puede ocultar cambios. Hay que abrir la fuente oficial y comparar la cifra, la unidad, el plan, la región y la fecha.

Flujo de radar de precios: Search descubre páginas, Fetch lee una URL oficial y una persona revisa la tabla
La automatización encuentra señales; la verificación editorial decide qué cambió.

Prepara una versión que puedas copiar

Necesitas Python 3 y una clave de DeepSeek con saldo. Guárdala en la variable de entorno DEEPSEEK_API_KEY; nunca la escribas en el archivo ni la subas a Git. El código usa solo la biblioteca estándar. Guárdalo como radar_deepseek.py y ejecútalo desde una carpeta propia. El archivo pricing-page.sha256 será la referencia local. Evita ejecutar el script simultáneamente desde dos procesos sobre el mismo archivo.

"""Read-only source radar using DeepSeek Search and Fetch.

Requires DEEPSEEK_API_KEY. It does not extract or assert a price change.
"""
import hashlib
import json
import os
from pathlib import Path
from urllib.request import Request, urlopen

BASE = "https://api.deepseek.com"
SOURCE = "https://developers.openai.com/api/docs/pricing"
STATE = Path("pricing-page.sha256")


def post(path, payload):
    key = os.environ.get("DEEPSEEK_API_KEY")
    if not key:
        raise SystemExit("Set DEEPSEEK_API_KEY in your environment")
    request = Request(
        BASE + path,
        data=json.dumps(payload).encode("utf-8"),
        headers={
            "Authorization": f"Bearer {key}",
            "Content-Type": "application/json",
        },
        method="POST",
    )
    with urlopen(request, timeout=30) as response:
        return json.load(response)


def main():
    found = post("/v1/tools/search", {
        "query": "OpenAI API pricing site:developers.openai.com",
        "count": 5,
        "need_content": False,
    })
    print("Search leads; inspect dates and original pages:")
    for item in found.get("results", []):
        if item.get("url", "").startswith("https://developers.openai.com/"):
            print(item.get("date"), item.get("title"), item["url"])

    page = post("/v1/tools/fetch", {"url": SOURCE})
    content = page.get("content", "")
    if not content:
        raise SystemExit("No page content returned; no baseline changed")
    digest = hashlib.sha256(content.encode("utf-8")).hexdigest()
    previous = STATE.read_text().strip() if STATE.exists() else None
    print("Source:", SOURCE)
    print("Title:", page.get("title", ""))
    print("Status:", "first baseline" if previous is None else
          "possible page change: review manually" if previous != digest else
          "same fetched content")
    # Keep alerting until a person has checked and accepted the new baseline.
    if previous is None or previous == digest:
        STATE.write_text(digest + "\n")
    else:
        print("After checking the official price table, approve the new baseline manually.")


if __name__ == "__main__":
    main()

La primera ejecución crea la referencia. Si la siguiente lectura coincide, informa que el contenido extraído es igual. Si cambia, conserva el hash anterior y seguirá alertando hasta que revises la tabla y apruebes manualmente una nueva referencia. Esta decisión evita que una segunda ejecución borre una alerta pendiente. Si la página no entrega contenido, el programa termina sin modificar la referencia.

Prueba y operación diaria

  1. Abre la URL oficial y anota el precio actual, su unidad y el plan exacto. No tomes un resumen de buscador como precio.
  2. Ejecuta el script una vez y comprueba que aparece first baseline. En una segunda ejecución sin cambios debe aparecer same fetched content.
  3. Para probar la lógica sin pagar llamadas, sustituye temporalmente la función post por respuestas simuladas con el mismo contenido y luego con contenido distinto. Verifica que, tras la alerta, el hash guardado sigue siendo el anterior.
  4. Programa una ejecución diaria con tu sistema de tareas o cron. Si aparece possible page change, abre la URL oficial, compara la tabla y registra el dato, fecha y fuente. Solo entonces actualiza la referencia; por ejemplo, elimina el archivo de hash para crear una base nueva en la próxima ejecución.
  5. Antes de difundir una noticia, confirma que el cambio afecta al modelo y a la tarifa que usa tu aplicación. Añade una captura auténtica o una cita de la página oficial si está permitido, y especifica lo que no pudiste verificar.

Costo y límites que importan

La documentación oficial de Search & Fetch indica US$0,75 por 1.000 búsquedas exitosas y otros US$0,75 por 1.000 lecturas exitosas. Por tanto, una búsqueda y una lectura facturables suman US$0,0015; treinta rondas así serían US$0,045. Es un ejemplo aritmético, no una factura: los precios pueden cambiar, las llamadas sin resultados no se cobran según la documentación y una ejecución con más lecturas costará más. Este script no llama a un modelo, por lo que no añade tokens de inferencia.

DeepSeek puede no extraer ciertas páginas por disponibilidad, política del sitio o formato. Un error HTTP 402 requiere saldo; un 429 exige esperar. No fuerces lecturas de páginas bloqueadas. El hash se calcula sobre el Markdown que devuelve DeepSeek, no sobre el documento original completo: cambios de extracción también pueden disparar alertas. Para un sistema de producción agrega registro de errores, control de gasto, revisión de términos de uso y una comparación estructurada de las filas de precios antes de emitir una alerta pública.

Qué probamos aquí: sintaxis del script y tres respuestas simuladas —primera lectura, contenido igual y contenido cambiado—. La referencia quedó intacta ante un cambio. Qué no probamos: una llamada pagada con clave real ni un cambio efectivo en las tarifas de OpenAI. El tutorial muestra cómo preparar la vigilancia, no anuncia un aumento de precios.

Fuentes: DeepSeek Search & Fetch: solicitudes, respuestas, cobro y errores; precios oficiales de DeepSeek; página oficial usada como ejemplo.

Recibe lo nuevo en tu correo

Workshops gratis, herramientas y novedades de IA aplicadas a negocio, sin humo.

🎓 Workshops en vivo🛠️ Herramientas nuevas⚡ Novedades de IA

Sin spam. Te das de baja cuando quieras.

Comentarios

Aún no hay comentarios. Sé el primero.

Deja un comentario