精选2天前0 投票
LegalOn 将 Codex 成本减半，开发速度不减
在 AI 编程助手日益普及的今天，如何平衡性能与成本成为企业的新难题。日本法律科技公司 LegalOn Technologies 通过精细化模型选择和战略性预算管理，成功将 Codex 的预估每日成本降低了 65%，同时保持了开发速度，为行业提供了可借鉴的范本。
从无限使用到成本危机
LegalOn 致力于提供专业 AI 法律服务，并将 AI 融入自身开发流程。起初，公司为开发者提供了对主要模型 GPT-5.5 Fast 模式的无限访问权限，鼓励在設計、实现和日常工作中广泛使用 AI，并通过实验探索人与 AI 的最佳分工。
然而，无限使用高性能模型导致成本飙升，预计将超出年度预算。如何在不牺牲开发效率的前提下控制成本，成为亟待解决的问题。
模型匹配与预算策略
公司的 AI 驱动开发卓越中心（AID CoE） 制定了模型选择指南。他们测试并监控了 GPT-6（Astra、Luna） 和 GPT-6.1 Sol 等模型，根据任务复杂度和开发阶段选择最合适的模型。例如，简单任务使用轻量级模型，复杂任务才动用高性能模型。
同时，预算分配与各业务的增长阶段对齐，确保资源用在刀刃上。 managers 将测试结果分享给团队，使每位工程师都能独立选择最适合的模型。
成果与启示
通过这一策略，LegalOn 在成熟业务领域实现了 20% 的成本降低，整体预估每日成本更是减少了 65%，而开发速度丝毫未受影响。这一案例表明，精细化运营而非简单限制，是释放 AI 生产力同时控制成本的关键。
对于越来越多依赖 AI 编程助手的团队而言，LegalOn 的经验值得借鉴：不是所有任务都需要最强大的模型，合理的模型分层和预算管理能带来显著的效益。