Wie nutzt man die neue Web-Such-API von OpenAI im Jahr 2026? DeepSeek-Integrationsleitfaden.

OpenAI hat seine Entwicklerplattform umfassend aktualisiert und die Agent-Entwicklung mit verbesserten Web-Suchfunktionen revolutioniert. Die neue Responses-API ermöglicht integrierte Tool-Aufrufe für die Web- und Dateisuche, sodass Modelle effizient auf Echtzeitdaten zugreifen können. In diesem Leitfaden werden diese Aktualisierungen vorgestellt und erläutert, wie Entwickler die Chat Completion- und Responses-APIs mit der Websuche nutzen können. Außerdem wird eine intelligente Technik zur Integration von DeepSeek R1-Modellen vorgestellt, mit der sich eine außergewöhnliche Leistung erzielen lässt. Erfahren Sie, wie diese Innovationen Ihre KI-Projekte verbessern und Ihre Modelle mit den neuesten Informationen auf dem aktuellen Stand halten können.

Wichtige Punkte

OpenAI hat ein bedeutendes Plattform-Update veröffentlicht, mit dem Web-Suchfunktionen direkt in die Chat Completion API eingebettet wurden.

Die Responses-API enthält jetzt integrierte Tool-Aufrufe für die Web- und Dateisuche und unterstützt die Abfrage von Echtzeitdaten.

Modelle können nun aktuelle Informationen ohne externe Tools abrufen, was die Datenerfassung optimiert.

Die Verwendung von Web-Suchmodellen über die Chat Completion API ist genauso einfach wie der Aufruf anderer OpenAI-Modelle, was die Integration vereinfacht.

Die Perplexity Sonar-Modelle, einschließlich der webfähigen Versionen von Llama 3.3 und DeepSeek R1, sind über den OpenAI API-Client verfügbar.

Die Integration von Perplexity Sonar-Modellen erfordert die Umstellung des OpenAI-API-Schlüssels und die Änderung der Basis-URL.

Das Update bietet budgetfreundliche Optionen, wobei die Eingaben für das gpt-4o-mini-Modell nur 0,15 US-Dollar pro Million Token kosten.

Durch die Verwendung von Anmerkungen können zitierte URLs separat extrahiert werden, was die Datentransparenz und -verifizierung verbessert.

Die neuen Agent-Bausteine von OpenAI

Das OpenAI-Update verstehen

OpenAI hat ein umfangreiches Update für seine Entwicklerplattform veröffentlicht, das sich in erster Linie auf Agent-Bausteine mit integrierten Web-Suchfunktionen konzentriert. Im Mittelpunkt dieses Updates steht die Ausstattung von Entwicklern mit verbesserten Tools zur Erstellung von sachkundigeren und dynamischeren KI-Agenten.

Die Chat Completion API enthält nun Modelle mit integrierter Web-Suchfunktion, was einen bedeutenden Fortschritt beim Zugriff auf und der Nutzung von Echtzeitdaten durch KI darstellt. Die direkte Integration der Websuche über die API bietet eine optimierte Methode zur Informationsbeschaffung und stellt sicher, dass KI-Modelle aktuell und relevant bleiben. Durch die Einbindung von Live-Daten können Anwendungen, die auf der Plattform von OpenAI basieren, genauere, kontextbezogene und zeitnahe Antworten liefern. Die Responses-API verbessert integrierte Tool-Aufrufe wie die Web- und Dateisuche weiter. Diese API vereinfacht die Interaktion von KI-Modellen mit externen Ressourcen und ermöglicht ihnen, Echtzeitinformationen ohne externe Abhängigkeiten abzurufen. Diese Updates erleichtern die Entwicklung leistungsstarker und effizienter KI-Lösungen. Diese neuesten Entwicklungen markieren einen Wandel hin zu integrierteren und leichter zugänglichen KI-Entwicklungswerkzeugen. Durch die Bereitstellung eines direkten Zugriffs auf die Websuche ermöglicht OpenAI Entwicklern die Erstellung intelligenterer, reaktionsschnellerer und besser informierter Anwendungen.

Einführung der Responses-API

Die Responses-API ist ein transformatives Tool für Entwickler, die Echtzeitdaten in ihre KI-Modelle integrieren. Diese API vereinfacht integrierte Tool-Aufrufe für die Web- und Dateisuche, deren Implementierung bisher komplexer war. Sie stellt eine leistungsstarke neue API-Primitive dar, die die besten Funktionen der Chat Completions- und Assistants-APIs kombiniert. Dank der Einfachheit und Effizienz der Responses-API können sich Entwickler auf die Erstellung innovativer Lösungen konzentrieren, anstatt sich mit komplexen Konfigurationen zu beschäftigen. Die Verwendung der Responses-API ist unkompliziert, da sie sich nahtlos in die Chat Completions-API integrieren lässt. Anstatt sich für die Informationsbeschaffung auf externe Plugins oder benutzerdefinierten Code zu verlassen, können Entwickler nun die Responses-API verwenden, um direkte Abfragen durchzuführen und aktuelle Daten innerhalb ihrer KI-Modelle zu erhalten. Dadurch können Modelle auf aktuelle Informationen zugreifen, was ihre Genauigkeit und Relevanz verbessert und gleichzeitig die Komplexität verringert. Die Responses-API rationalisiert die Entwicklung und hilft Entwicklern, anspruchsvollere KI-Anwendungen einfacher und effizienter zu erstellen. Diese API ist für Entwickler unverzichtbar, die KI-Modelle erstellen, die sowohl intelligent als auch anpassungsfähig an die sich ständig verändernde Landschaft von Echtzeitdaten sind. Durch die Einführung der Responses-API können Entwickler sicherstellen, dass ihre KI-Anwendungen auf dem neuesten Stand der Technik bleiben.

Websuchfunktionen in der Chat Completion API

Die Integration von Web-Suchfunktionen in die Chat Completion API stellt einen wesentlichen Fortschritt in der Entwicklung der KI dar. Diese Integration ermöglicht es Entwicklern, KI-Agenten zu erstellen, die nicht nur menschenähnliche Texte generieren, sondern auch auf Echtzeit-Webinformationen zugreifen und diese einbeziehen können.

Die Chat Completion API verfügt nun über Modelle, die speziell für die Durchführung von Websuchen entwickelt wurden, sodass KI Fragen beantworten, Einblicke geben und Empfehlungen auf der Grundlage der aktuellsten verfügbaren Daten abgeben kann. Diese Integration bedeutet, dass KI-Agenten in Szenarien eingesetzt werden können, die Echtzeitinformationen erfordern, wie z. B. Nachrichtenaggregation, Marktanalyse und Kundensupport. Durch die Verringerung der Abhängigkeit von externen Tools können Entwickler eigenständigere und effizientere KI-Lösungen erstellen. Der direkte Zugriff auf Informationen über die Chat Completion API stellt sicher, dass KI-Modelle immer mit den aktuellsten Informationen arbeiten, was zu genaueren und relevanteren Ergebnissen führt. Diese Funktion macht es einfacher denn je, informative und zuverlässige KI-Agenten zu entwickeln.

Integration von Perplexity Sonar-Modellen

Zugriff auf DeepSeek R1 und Llama 3.3 über die OpenAI-API

Während die nativen Modelle von OpenAI nun auch die Websuche umfassen, bieten Perplexity Sonar-Modelle seit mehreren Wochen über die OpenAI-API einen webfähigen Zugriff auf Llama 3.3 und DeepSeek R1. Dies stellt eine interessante Alternative dar. Um Perplexity Sonar zu verwenden, müssen Sie einen Perplexity-API-Schlüssel ersetzen und die Basis-URL ändern. Die Codestruktur bleibt nahezu identisch mit den OpenAI-Modellen.

from openai import OpenAIclient = OpenAI(api_key="YOUR_PERPLEXITY_API_KEY",base_url="https://api.perplexity.ai")completion = client.chat.completions.create(model="sonar-reasoning-pro",messages=[{"role": "user", "content": „Hat das US-Repräsentantenhaus heute eine Schließung der Regierung verhindert?“}])print(completion.choices[0].message.content)

Die wichtigsten Unterschiede sind:

• Verwendung Ihres Perplexity-API-Schlüssels.
• Einstellung von base_url auf https://api.perplexity.ai.
• Festlegen eines Perplexity Sonar-Modells (z. B. sonar-reasoning-pro).

Mit diesem Ansatz können Sie fortschrittliche Modelle wie DeepSeek R1 mit minimalen Codeänderungen nutzen.

Nachteile

Perplexity Sonar-Modelle: Wichtigste Funktionen und Angebote

Perplexity Sonar bietet mehrere fortschrittliche Modelle, die für verbesserte Websuch- und Schlussfolgerungsfunktionen entwickelt wurden. Diese Modelle basieren auf Architekturen wie Llama 3.3 und DeepSeek R1 und bieten modernste Leistung bei der Informationsgewinnung und -analyse. Hier finden Sie eine Übersicht über einige wichtige Funktionen und Angebote der Perplexity Sonar-Modelle.

• Sonar Pro: Erstklassige Suchlösung mit Suchgrundlage, die erweiterte Abfragen und Folgeabfragen unterstützt. Ideal für komplexe, mehrstufige Aufgaben, die ein tiefes Verständnis und die Beibehaltung des Kontexts erfordern.
• Sonar Reasoning Pro: Erstklassige Schlussfolgerungslösung auf Basis von DeepSeek R1 mit erweiterter Kettenargumentation sowie Echtzeit-Internetsuche und Zitaten. Perfekt für detaillierte Analysen, die aktuellste Informationen erfordern.
• Sonar: Leichte Lösung mit Suchgrundlage, schneller und kostengünstiger als Sonar Pro. Am besten geeignet für einfache Antworten mit Zitaten, bei denen Geschwindigkeit und Kosten im Gleichgewicht stehen.
• Sonar Reasoning: Leichte Schlussfolgerungslösung, die auf mit DeepSeek R1 trainierten Schlussfolgerungsmodellen basiert und ebenfalls Schlussfolgerungen anhand von Gedankengängen und Zitaten umfasst. Ideal für die Entwicklung von Investmentthesen für bevorstehende US-Börsengänge.

So nutzen Sie die Websuche in Ihren Projekten

Einrichten Ihrer Umgebung

Um die Websuche in Ihren OpenAI-Projekten zu nutzen, richten Sie zunächst Ihre Entwicklungsumgebung ein. Dazu müssen Sie das OpenAI-Modul importieren und Ihren API-Schlüssel authentifizieren. Stellen Sie sicher, dass Sie die neueste Version der OpenAI-Bibliothek installiert haben, um die neuen Funktionen voll nutzen zu können. Sobald das Modul importiert ist, erstellen Sie eine Client-Instanz mit Ihrem API-Schlüssel.

Wichtige Schritte:

1. Importieren Sie das OpenAI-Modul.
2. Legen Sie Ihren API-Schlüssel fest.
3. Erstellen Sie eine Client-Instanz für die Interaktion mit der OpenAI-API.
4. Wählen Sie das für Ihre Aufgabe geeignete Modell mit Websuche aus.

Nachdem Sie Ihre Umgebung eingerichtet haben, können Sie mit API-Aufrufen beginnen, um Websuchen durchzuführen und Echtzeitinformationen abzurufen.

Verwendung der Chat Completion API

Die Chat Completion API ermöglicht die einfache Integration der Websuche in Ihre KI-Modelle. Erstellen Sie zunächst eine Client-Instanz und verwenden Sie dann die Methode chat.completions.create, um mit dem Modell zu interagieren. Geben Sie ein Modell mit Websuche an, z. B. gpt-4o-mini-search-preview oder gpt-4o-search-preview, und geben Sie Ihre Suchanfrage ein.

Code-Beispiel:

from openai import OpenAIclient = OpenAI(api_key='YOUR_API_KEY')completion = client.chat.completions.create(model="gpt-4o-mini-search-preview",messages=[{"role": "user", "content": „Hat das US-Repräsentantenhaus heute eine Schließung der Regierung verhindert?“}])print(completion.choices[0].message.content)

Dieser Code zeigt, wie Sie mit der Chat Completion API einen API-Aufruf mit Websuche durchführen können. Durch Angabe des entsprechenden Modells und der entsprechenden Anfrage können Sie Echtzeitinformationen direkt in Ihre KI-Anwendung abrufen.

Nutzung der Responses-API

Die Responses-API führt integrierte Tool-Aufrufe ein, die die Implementierung der Websuche vereinfachen. Verwenden Sie die Methode responses.create, geben Sie das Modell an, definieren Sie den Parameter tools mit dem Websuche-Tool (web_search_preview) und geben Sie Ihre Eingabeabfrage ein.

Code-Beispiel:

from openai import OpenAIclient = OpenAI(api_key='YOUR_API_KEY')response = client.responses.create(model="gpt-4o-mini",tools=[{"type": "web_search_preview"}],input="Hat das US-Repräsentantenhaus heute eine Schließung der Regierung verhindert?")print(response.output_text)

Dieser Code veranschaulicht, wie die Responses-API für API-Aufrufe mit Websuche verwendet wird. Die Responses-API vereinfacht die Entwicklung und hilft Ihnen, anspruchsvollere KI-Anwendungen einfacher zu erstellen.

Extrahieren von Anmerkungen und Zitaten

Sowohl die Chat Completion API als auch die Responses API ermöglichen das Extrahieren von Anmerkungen und Zitaten aus Suchergebnissen. Dies hilft bei der Überprüfung der Genauigkeit und Zuverlässigkeit der Informationen des Modells. Mithilfe des Parameters „annotations“ können Sie URLs und andere Metadaten abrufen, die mit den Suchergebnissen verknüpft sind.

Code-Beispiel (Chat Completion API):

print(completion.choices[0].message.annotations)

Code-Beispiel (Responses API):

print(response.output[1].content[0].annotations)

Diese Codebeispiele zeigen, wie Sie Anmerkungen aus beiden APIs extrahieren können, um Benutzern Informationsquellen zur Verfügung zu stellen.

Die Preisstruktur verstehen

Kostengünstige Optionen für Entwickler

OpenAI bietet verschiedene Preisstufen für seine Modelle mit Websuche an und stellt Entwicklern damit budgetfreundliche Optionen für ihre Projekte zur Verfügung.

Das Modell gpt-4o-mini kostet nur 0,15 USD pro Million Token für Eingaben und 0,60 USD pro Million Token für Ausgaben, was es zu einer wirtschaftlichen Wahl für viele Anwendungen macht. Das Standardmodell gpt-4o-search-preview kostet 2,50 USD pro Million Token für Eingaben und 10,00 USD pro Million Token für Ausgaben.

Hier eine Übersicht über die Preise:

Mit diesen Preisoptionen können Entwickler das Modell auswählen, das ihrem Budget und ihren Leistungsanforderungen am besten entspricht. Durch die sorgfältige Auswahl des geeigneten Modells können Sie den Wert Ihrer OpenAI-Projekte maximieren und gleichzeitig die Kosten kontrollieren.

Vor- und Nachteile

Vorteile

Der Echtzeit-Datenzugriff verbessert die Genauigkeit und Relevanz.

Integrierte Tool-Aufrufe optimieren die Entwicklung.

Anmerkungen und Zitate erhöhen die Transparenz.

Es stehen kostengünstige Optionen zur Verfügung.

Nahtlose Integration in bestehende OpenAI-Modelle.

Nachteile

Höhere Output-Kosten für fortgeschrittene Modelle.

Abhängigkeit von der API und der Verfügbarkeit der Dienste von OpenAI.

Möglichkeit voreingenommener oder ungenauer Suchergebnisse.

Begrenzte Kontrolle über den Suchprozess.

Modelle benötigen möglicherweise mehr Zeit, um Antworten zu generieren.

Wichtige Funktionen der Websuche-Integration von OpenAI

Zugriff auf Echtzeitinformationen

Die Möglichkeit, auf Echtzeitinformationen zuzugreifen, ist ein grundlegendes Merkmal der Websuche-Integration von OpenAI. Diese Funktion stellt sicher, dass KI-Modelle immer mit den aktuellsten Daten arbeiten, was zu genaueren und relevanteren Ergebnissen führt. Durch die geringere Abhängigkeit von externen Tools können Entwickler eigenständigere und effizientere KI-Lösungen erstellen. Die Integration bietet eine direkte Verbindung zum Internet, sodass KI-Agenten Fragen beantworten, Einblicke geben und Empfehlungen auf der Grundlage der neuesten verfügbaren Daten aussprechen können.

Integrierte Tool-Aufrufe

Die Responses-API führt integrierte Tool-Aufrufe für die Websuche und Dateisuche ein und vereinfacht so die Integration dieser Funktionen in KI-Modelle. Diese Funktion rationalisiert die Entwicklung und reduziert den Bedarf an benutzerdefiniertem Code. Die integrierten Tool-Aufrufe sind auf Benutzerfreundlichkeit und hohe Effizienz ausgelegt, sodass sich Entwickler auf die Erstellung innovativer KI-Lösungen konzentrieren können.

Anmerkungen und Zitate

Die Websuche-Integration von OpenAI umfasst Anmerkungen und Zitate, sodass Entwickler die Genauigkeit und Zuverlässigkeit der Informationen des Modells überprüfen können. Diese Funktion gewährleistet Transparenz und schafft Vertrauen in die Ergebnisse der KI. Durch das Extrahieren von Anmerkungen können Sie den Benutzern Informationsquellen zur Verfügung stellen, sodass sie Behauptungen überprüfen und den Kontext genauer untersuchen können.

Praktische Anwendungsfälle für APIs mit Websuche

Nachrichtenaggregation und Berichterstattung

Websuche-fähige APIs können Nachrichten aus verschiedenen Quellen in Echtzeit aggregieren. Dadurch können KI-Modelle aktuelle Nachrichtenberichte, Zusammenfassungen und Analysen zu zahlreichen Themen bereitstellen. Der Zugriff auf Live-Informationen gewährleistet, dass die bereitgestellten Nachrichten relevant und korrekt bleiben.

Marktanalyse und -forschung

Diese APIs können Marktanalysen und -recherchen durchführen, indem sie Daten aus mehreren Webquellen sammeln. Dadurch können KI-Modelle Einblicke in Markttrends, Wettbewerbsanalysen und Investitionsmöglichkeiten bieten. Der Zugriff auf Echtzeitdaten stellt sicher, dass die Analysen die aktuellen Marktbedingungen widerspiegeln.

Kundenbetreuung und -unterstützung

Websuchfähige APIs können den Kundensupport und die Kundenbetreuung verbessern, indem sie KI-Modelle in die Lage versetzen, Kundenfragen mit den aktuellsten Informationen zu beantworten. Dadurch wird sichergestellt, dass Kundenanfragen präzise und effizient bearbeitet werden. Die Integration kann auch personalisierte Empfehlungen liefern und Probleme in Echtzeit beheben.

Häufig gestellte Fragen

Was ist die Responses-API?

Die Responses-API ist eine neue API-Primitive von OpenAI, die die besten Funktionen der Chat Completions- und Assistants-APIs kombiniert. Sie vereinfacht die Integration von integrierten Tool-Aufrufen wie Websuche und Dateisuche in KI-Modelle. Diese API hilft Entwicklern, dynamischere und informativere KI-Anwendungen mit größerer Leichtigkeit und Effizienz zu erstellen.

Wie funktioniert die Websuche in der Chat Completion API?

Die Chat Completion API enthält jetzt Modelle, die speziell für die Durchführung von Websuchen entwickelt wurden. Wenn Sie die API mit einem für die Websuche aktivierten Modell aufrufen, führt sie automatisch eine Websuche auf der Grundlage Ihrer Anfrage durch und integriert die Ergebnisse in ihre Antwort. Dadurch wird sichergestellt, dass das KI-Modell immer mit den aktuellsten Informationen arbeitet.

Was sind Anmerkungen und Zitate?

Annotationen und Zitate sind Metadaten, die mit Suchergebnissen verknüpft sind und Informationen über Datenquellen liefern. Durch das Extrahieren von Annotationen können Sie Benutzern Zugriff auf Informationsquellen gewähren, sodass sie Behauptungen überprüfen und den Kontext weiter untersuchen können. Diese Funktion sorgt für Transparenz und schafft Vertrauen in die Ergebnisse der KI.

Verwandte Fragen

Wie entscheide ich mich zwischen gpt-4o-mini-search-preview und gpt-4o-search-preview?

Die Wahl zwischen gpt-4o-mini-search-preview und gpt-4o-search-preview hängt von Ihrem Budget und Ihren Leistungsanforderungen ab. Das gpt-4o-mini-Modell ist kostengünstiger und kostet 0,15 USD pro Million Token für Eingaben und 0,60 USD pro Million Token für Ausgaben. Das Modell gpt-4o-search-preview kostet 2,50 USD pro Million Tokens für Eingaben und 10,00 USD pro Million Tokens für Ausgaben. Wenn Sie ein leistungsfähigeres Modell benötigen und höhere Kosten in Kauf nehmen können, ist gpt-4o-search-preview möglicherweise die bessere Wahl. Um Kosten und angemessene Ausgabequalität in Einklang zu bringen, bietet gpt-4o-mini-search-preview ein hervorragendes Preis-Leistungs-Verhältnis. Beachten Sie, dass die aktuellen Preise die Tarife für 2025 widerspiegeln und Änderungen vorbehalten sind.

Kann ich neben den im Video erwähnten Modellen auch andere Modelle mit diesen Techniken verwenden?

Ja, die vorgestellten Techniken können auf andere Modelle angewendet werden, die Websuchfunktionen unterstützen oder in externe Suchwerkzeuge integriert werden können. Der Schlüssel liegt darin, die richtige Modellkonfiguration sicherzustellen, um auf Echtzeit-Webinformationen zugreifen und diese nutzen zu können. Durch die Anpassung der gezeigten Code-Schnipsel und Techniken können Sie die Websuche in verschiedene KI-Modelle integrieren.