Vercel suma búsqueda web de DeepSeek a su AI Gateway

Vercel añade búsqueda web y lectura de páginas a su AI Gateway

Vercel sumó DeepSeek Search y DeepSeek Fetch a su AI Gateway, a un precio de US$0,75 por cada 1.000 requests facturables por herramienta. Para un founder que está construyendo agentes con IA, esto significa que ya puede darle a su modelo la capacidad de buscar en la web y leer páginas sin montar su propio scraping ni abrir una cuenta en cada proveedor.

AI Gateway es la capa de Vercel que unifica el acceso a modelos de distintos proveedores con una sola API key: enruta las llamadas, mide consumo y costo, y maneja reintentos y failover. Hasta ahora servía sobre todo para llamar modelos; ahora también resuelve las dos piezas que casi todo agente necesita: encontrar información y leerla.

Qué hacen exactamente DeepSeek Search y DeepSeek Fetch

Search devuelve páginas relevantes con título, URL y resumen. Fetch recupera el contenido de una página en formato Markdown para que el modelo lo lea directamente. La combinación es el patrón clásico de un agente de investigación: buscar, elegir un resultado y leerlo.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Lo relevante es que ambas herramientas funcionan con cualquier modelo que soporte tool calling (la capacidad del modelo de invocar funciones externas) usando una sola AI Gateway API key. No hace falta una cuenta separada de DeepSeek, y las mismas herramientas se mantienen si cambias de proveedor de modelo.

Están disponibles en AI SDK 6.0.321 o superior en la versión 6, y en 7.0.160 o superior en la versión 7. La actualización se hace con pnpm add ai@latest y la variable AI_GATEWAY_API_KEY.

Cómo se combinan búsqueda y lectura en el código

El flujo se arma pasando ambos helpers dentro de tools. Un ejemplo de la documentación usa el modelo deepseek/deepseek-v4.1-flash-1017 con deepseekSearch({ count: 3 }) y deepseekFetch(), y le pide buscar el último anuncio de Vercel AI Gateway, leerlo y resumirlo.

Hay un detalle de diseño que vale la pena notar: el fallback lo dirige el modelo, no una configuración rígida. Si DeepSeek Search falla, puedes declarar también exa_search y parallel_search y dejar que el modelo decida el orden. Fetch puede leer la URL que devuelva cualquiera de esas búsquedas. Vercel aclara que, al ser una decisión del modelo, el orden de proveedores y los límites de reintento son «best effort».

Cuánto cuesta y qué no se cobra

Search y Fetch cuestan US$0,75 por 1.000 requests facturables cada uno. Los requests fallidos, los timeouts y los resultados vacíos no generan cargo por herramienta. Los tokens del modelo se facturan aparte, como siempre.

Ese último punto es el que suele desordenar las cuentas de un equipo: el costo de la búsqueda no reemplaza el costo de la inferencia, se suma. Un agente que hace tres búsquedas y tres lecturas por consulta paga esas seis requests además de todos los tokens que consume el modelo al razonar sobre lo que leyó.

Por qué DeepSeek dentro de AI Gateway importa

DeepSeek dejó de ser un experimento de nicho. Según Latin Times, entre enero y agosto de 2026 los modelos chinos pasaron de representar el 11% al 55% del tráfico de tokens empresariales en el gateway de desarrolladores de Vercel. El mismo medio señala que DeepSeek lanzó sus modelos V4 y V4-Pro el 24 de abril de 2026 y que la API de V4-Pro quedó en US$0,44 por millón de tokens de entrada.

Para Vercel, integrar las herramientas de búsqueda de DeepSeek es una forma de retener a esos usuarios dentro de su propia capa. Para el founder, es una señal de hacia dónde va el mercado: las herramientas de agente se están volviendo parte del gateway, no un servicio aparte que cada equipo integra por su cuenta.

Qué significa esto para tu startup

Primero, deja de construir tu propio pipeline de búsqueda si no es tu producto. Armar scraping, limpieza de HTML y manejo de rate limits consume semanas de ingeniería que no diferencian tu propuesta. Con Search y Fetch, esa parte se resuelve con dos helpers y una API key.

Segundo, mide el costo por tarea, no por token. Con US$0,75 por 1.000 requests, una tarea de investigación con tres búsquedas y tres lecturas cuesta menos de un centavo en herramientas, pero puede dispararse en tokens si el modelo lee páginas enteras. Limita el parámetro count en la búsqueda y sé selectivo con qué URLs mandas a Fetch.

Tercero, aprovecha el fallback para la disponibilidad. Si tu agente depende de una sola fuente de búsqueda y esa fuente falla, tu producto falla. Declarar dos o tres proveedores y dejar que el modelo elija te da resiliencia sin escribir lógica de reintento propia.

Cuarto, prueba el cambio de proveedor antes de comprometerte. La promesa de mantener las mismas herramientas con cualquier modelo es justo lo que necesitas si quieres migrar de un modelo caro a uno más barato sin reescribir tu integración. Vale la pena validarlo con una prueba real antes de apostar tu roadmap a esa abstracción.

Conclusión

Vercel está moviendo la pelea de los agentes de IA desde el modelo hacia la infraestructura que lo rodea. Search y Fetch a US$0,75 por 1.000 requests son baratos en términos absolutos, pero lo importante no es el precio: es que la búsqueda web y la lectura de páginas dejan de ser un proyecto de ingeniería y pasan a ser una línea de configuración. Para un equipo pequeño, esa diferencia es tiempo de producto.