
Iterative KI-Suche, die immer dann abfragt, wenn die ersten Ergebnisse unzureichend sind, und umfassendere Antworten liefert als der Standardmodus.
Iterative KI-Suche, die immer dann abfragt, wenn die ersten Ergebnisse unzureichend sind, und umfassendere Antworten liefert als der Standardmodus.
Auch bekannt als Linkup-Deep-Search
linkup-deep-search/v1/searchPOST/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/linkup-deep-search:generateContentLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Linkup Deep Search bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID linkup-deep-search. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "linkup-deep-search",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="linkup-deep-search",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die Linkup Deep Search API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| query | string | - | - | Die natürliche Sprachanfrage zu search/research/beantworten. |
| output_type | enum | sourcedAnswer | sourcedAnswer, searchResults | searchErgebnisse | sourcedAnswer. sourcedAnswer liefert eine synthetisierte Antwort mit Quellenangaben; searchResults liefert rohe Treffer. |
| domain_filter_mode | enum | None | None, Include, Exclude | Include | ausschließen. Egal, ob der Domainfilter erlaubte oder blockierte Domains auflistet. |
| include_domains | string | - | - | Komma-getrennte Domains oder URLs, einschließlich |
| exclude_domains | string | - | - | Komma-getrennte Domains oder URLs sollten ausgeschlossen werden |
| prioritize_domains | string | - | - | Komma-getrennte Domänen können über Abfrageanleitung bevorzugt werden |
| from_date | string | - | - | Beziehen Sie nur Quellen, die an oder nach diesem Datum veröffentlicht wurden. Format: YYYY-MM-DD. |
| to_date | string | - | - | Beziehen Sie nur Quellen auf, die auf oder vor diesem Datum veröffentlicht wurden. Format: YYYY-MM-DD. |
| include_images | boolean | false | - | Fügen Sie relevante Bild-URLs in die Ergebnisse ein. |
| image_count | number | 6 | 1 bis 45 | Maximale Anzahl der zurückgegebenen Bilder. |
| enable_inline_citations | boolean | true | - | Fügen Sie [N]-Zitate in die synthetisierte Antwort ein. |
| include_sources | boolean | true | - | Gib die Liste der Quell-URLs zusammen mit der Antwort zurück. |
| max_results | number | - | 1 bis 100 | Maximale Anzahl der zurückgegebenen Ergebnisse. |
Iterative Suche - wiederholt, wenn die ersten Ergebnisse unzureichend sind.
Auf EmpirioLabs wird Linkup Deep Search nach Verbrauch abgerechnet: pro Nachricht $0.13 fest. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Linkup Deep Search unterstützt ein Kontextfenster von 100K Token.
Ja. Linkup Deep Search bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID linkup-deep-search verwendest.
Ja. Der EmpirioLabs Playground führt Linkup Deep Search im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.