LegalOn 将 Codex 成本减半,同时保持开发速度
摘要
法律科技公司 LegalOn 通过把不同任务分配给不同档位的 GPT 模型,并配合预算与治理机制,在保持开发速度不变的前提下把 Codex 成本削减了一半。
核心要点
- 成本结果:预估日常成本下降 65%,成熟业务领域成本再降 20%,公司整体成本减半而开发速度未受影响。
- 起点是“放任式使用”:公司最初给开发者不限量访问主力模型 GPT‑5.5 的 Fast 模式,并把使用扩展到设计、实现与日常工作。
- 选型策略:依据任务复杂度与开发阶段在 GPT‑6(Astra、Luna)与 GPT‑6.1 Sol 之间切换,同时让预算与每条业务的成长阶段相匹配。
- 治理机制:由 AI-powered Development CoE(AID CoE)制定模型选型指南并负责测试与监控,管理者向团队传达结论,最终由工程师独立选择最合适的模型。
- 主体背景:LegalOn Technologies 是亚太地区的创业公司,面向全球提供法律领域的 Professional AI,目标是把组织本身做成 AI-native。
原文佐证
- LegalOn cut costs by 65% while maintaining development speed by matching Astra, Sol, and Luna to tasks and managing budgets strategically.
- The company initially gave developers unlimited access to its main model, GPT‑5.5 in Fast mode.
- The company halved costs while maintaining development speed.
AI 洞察
这条案例的真正信号不是“省钱”,而是企业 AI 的竞争点正从“能不能用上最强模型”转向“能不能把模型分成档、把预算管起来”——成本工程正在成为 AI 原生组织的一项基础能力。对模型厂商而言,客户开始用任务复杂度而非品牌来选择模型,意味着旗舰模型的溢价将取决于它能否在关键任务上证明不可替代性,而日常任务会持续被更便宜的档位吞掉。长期看,模型路由与成本治理层可能被产品化,成为企业 AI 采购中的标准配置。