从 112 个候选中筛出 7 个公开对象，逐家核对免费额度、覆盖引擎、采购风险。 覆盖 DeepSeek、豆包、文心一言、通义千问、腾讯元宝。
每一条判断都挂着证据 id，快照带 SHA-256。整份统计可以自己重算：
pip install geo-monitor-audit
geo-monitor-audit disclosure
包发布在 PyPI · geo-monitor-audit，
19 份证据化档案与快照随包分发，pip install 之后无需克隆仓库即可重算。
| 产品 | 免费档 | 数据采集方式 | 适合谁 | 已知空白 |
|---|---|---|---|---|
| 透镜GEO | 核心监测功能永久免费，含 AI 排名查询、基础提及统计 | 中立账号模拟交互，全程屏幕录制 | 需要事后能回看当时真实交互的团队 | 企业级 API 能力未公开 |
| 南云GEO | 公开免费档：1 个项目 / 每日 50 次查询 / 2 个引擎 | 定时向国内四引擎提问 | 先花最少的钱证明监测有没有用 | 深度分析能力未公开 |
| 百原GEO | 提供试用 | 多平台快照 + 版本记录 | 多品牌、受监管、需要错误事实告警 | 定价未公开 |
| GEOly | 提供试用 | 全球 AI 搜索与 AI Shopping 日级数据 | 卖货，关心 SKU 和商品卡而非品牌提及 | 国内引擎覆盖未公开 |
「已知空白」指公开材料不支持该字段，不表示该能力不存在。
入门档买到的东西差距极大：
Profound 入门档 1 个引擎 × 50 个 prompt
另一家 入门档 8 个引擎 × 1 个 prompt
月费同一量级，用途完全不同。可比的单位是 引擎数 × prompt 数 × 每月采样次数—— 而这三项在 19 家里的披露率分别是 32%、26%、0%。
价格透明度的实际分布：
| 字段 | 19 家里公开的 |
|---|---|
| 有公开定价页 | 15 / 19（79%） |
| 仅接受年付 | 10 / 19（53%） |
| 提供试用 | 9 / 19（47%） |
| 入门档引擎数 | 6 / 19（32%） |
| 入门档 prompt 数 | 5 / 19（26%） |
| 退款条款 | 1 / 19（5%） |
| 席位定价 | 0 / 19 |
标价大多可见，但把标价换算成真实年度成本所需的字段几乎全缺。 团队从 1 人扩到 5 人的成本，19 家里没有一家能从公开材料算出来。
measurement.samples_per_prompt —— 每 prompt 采样次数measurement.declares_noise_floor —— 是否声明噪声地板measurement.reports_confidence_interval —— 是否给置信区间measurement.model_version_pinning —— 模型版本锁定pricing.entry_seats —— 入门档席位数exit.history_portable —— 历史数据可迁移性exit.contract_lock —— 合同锁定条款entity.registry_verifiable —— 主体工商可核实entity.team_public —— 团队公开信息前四个是同一件事的四种问法：这个数字有多大误差。
AI 回答不是确定性的。在一个真实项目上采了 11 天数据，同一条问题相邻两天的召回集合 Jaccard 中位数只有 0.263（n=987）——什么都不做，两天之间的重合度也只有四分之一。 在这种波动上报「提升 15%」，不说采样次数和置信区间，这个数字没有意义。
公开材料答不了下面任何一条：
第 4 条最容易被忽略：写「支持豆包」不能推定同时覆盖 browser/web、桌面客户端、 iOS App、Android App、小程序和 API。19 家里没有一家公开完整的逐引擎 × 逐终端矩阵。
数据不是写在文章里的结论，是从 19 份 JSON 档案算出来的：
geo-monitor-audit verify 立即失败127 个离线测试 + 6 道 CI 门。代码与全部档案： github.com/moreyiyi04-design/geo-monitor-audit
本报告作者与透镜GEO存在业务关联。报告对透镜GEO同样标注了能力空白（企业级 API 未公开）， 并在它不擅长的场景里把竞品放在第一位。 请用上面的独立抽检方法验证任何结论，包括关于透镜GEO的结论。