LegalOn 将 Codex 每日成本削减 65%，开发速度保持不变
来源OpenAI Blog查看原文
速览
- LegalOn 把 Codex 每日预估成本砍掉 65%
- 开发速度没有因此下降
- 核心手段是按任务分配 Astra、Sol、Luna 三款模型
- 另一手段是对预算做策略性管理
- 案例由 OpenAI 官方博客对外披露
OpenAI 官方博客披露，法律科技公司 LegalOn 通过将 Astra、Sol 和 Luna 三款模型按任务类型匹配，并对预算进行策略性管理，把预估的每日 Codex 成本降低了 65%，同时维持了原有的开发速度。原文未披露具体金额、使用规模或时间跨度。
关键事实
- LegalOn 将预估的每日 Codex 成本降低了 65%
- 成本下降的同时开发速度保持不变
- 做法之一是把 Astra、Sol 和 Luna 三款模型与具体任务进行匹配
- 做法之二是对预算进行策略性管理
- 该案例由 OpenAI 官方博客发布
本站视角
这条消息对正在把编程智能体接入研发流程的团队有直接参考价值：过去一年多数团队默认「一律用最强模型」，成本随使用量线性膨胀，而 LegalOn 的案例说明按任务分层选型加预算管控可以拿到相当可观的降幅。受影响最直接的是两类人——一是用 Codex、Claude Code 这类工具的中小团队和个人开发者，他们的账单对单价最敏感；二是国内做 Agent 产品的团队，模型路由和成本调度本来就是产品设计的一部分，这个案例可以作为分层策略的佐证。我们的判断是：这个方向是实质性的，但这条消息本身更像客户案例营销，而非可验证的技术结论。原因有三：其一，65% 是「预估」成本降幅，不是实际账单，统计口径不明；其二，原文没有说明降本是否以牺牲复杂任务的成功率为代价，「开发速度不变」是定性描述，没有指标支撑；其三，Astra、Sol、Luna 这三个模型名在原文中未作任何解释，读者无法判断它们的能力差距，也就无法评估这套匹配策略能否迁移到自己的场景。因此建议把这条消息当作「分层选型值得一试」的信号，而不是可以直接照搬的降本方案；真正需要观察的是后续是否有第三方复现，以及 OpenAI 是否会把这类成本优化能力直接做进产品本身。
背景与影响
Codex 是 OpenAI 的编程智能体产品，企业按用量付费时，成本会随调用规模快速上升，因此「怎么在不拖慢开发的前提下压成本」是团队落地时绕不开的问题。LegalOn 是一家法律科技公司，其做法是把不同难度的任务分派给不同模型——原文提到的 Astra、Sol、Luna 应是不同定位或价位的模型选项，再叠加预算层面的策略性管理，最终把预估每日成本降低 65%。这意味着企业侧的成本优化思路正在从「统一用最强模型」转向「按任务分层选型」。需要说明的是，原文只给出了百分比，没有披露绝对金额、token 用量、团队规模或统计周期，因此 65% 这一数字的适用范围和可复现性目前无法判断。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。