AI调用签名凭证
ProofMeter 是一个面向 AI 系统成本与用量证明的开发者工具。它的核心不是直接做账单管理，而是在每次可计费事件后记录结构化用量，并生成 Ed25519 签名收据，再通过哈希链和 Merkle settlement root 形成可验证、可追溯的证据链。页面强调 estimated spend 来自声明的 price book，actual billed cost 必须等待 invoice reconciliation。
其工作流分为 Instrument、Attest、Verify：开发者在 billable event 后调用 SDK，记录 provider、model、tokens、cost；ProofMeter 对 receipt 进行哈希、签名并链接前序收据；任何人可用命令行验证签名、Merkle chain 和收据完整性。它能证明用量事件被记录、payload 与签名匹配、序列未被篡改、price book hash 与估值匹配；但默认不能证明云厂商内部账单、客户私有合同价、provider-side attestation 或监管合规。
页面给出 TypeScript 调用示例，也出现 pip install proofmeter，说明至少覆盖 JS/TS 使用方式和 Python 包安装入口。ProofMeter 还被描述为 benchd-harness 内置的 spend attestation layer，可在运行 benchmark 并设置 --budget 时自动生成签名用量收据。它提供 Open Explorer、Docs、spec、GitHub 入口，文档在信任边界解释上比较扎实，但缺少部署架构、权限管理、支持语言矩阵和生产实践细节。
网页没有提供 ProofMeter 自身的定价、套餐或付费方式。它提到的“public estimate、private contract rates、usage-only mode、future invoice reconciliation”更像成本视图与对账能力，而不是产品价格。若用于企业财务核算，仍需确认私有 price book 授权、发票 reconciliation 和供应商签名链路是否可用。
优点是信任模型透明，采用标准签名与可验证数据结构，适合 AI 评测、预算控制、用量审计和多方核验。缺点是当前信息更偏协议与开发者底层能力，缺少 SaaS 控制台、告警、账单聚合和商业支持说明。适合构建 AI 基准测试、LLM 成本审计、内部成本证据系统的工程团队；若只是想要现成 FinOps 面板，可能需要结合 Langfuse、Helicone、OpenMeter 或云成本工具。
页面未提供中国大陆访问、镜像、支付或合规部署说明，china_access 暂定未知。若依赖 GitHub、外部文档站或 OpenAI 等海外服务，实际使用中可能需要根据网络环境评估。
本测评基于公开资料整理,不构成购买建议,请以 proofmeter.com 官网实际信息为准。
为LLM/API调用生成可验证收据，适合AI审计。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。