LegalOn srazil odhadované náklady na Codex o 65 %. Rozhodovalo směrování úloh, ne levnější model

OpenAI ve své případové studii uvádí, že LegalOn snížil odhadované denní náklady na Codex přibližně o 65 % proti používání GPT-5.5. Firma zároveň tvrdí, že udržela rychlost a kvalitu vývoje. Výsledek připisuje společně volbě modelu, omezení některých funkcí a rozpočtům podle typu byznysu.

Tři modely rozdělily práci podle náročnosti

LegalOn přestal posílat každou úlohu do nejvýkonnějšího režimu. GPT-6 Luna dostal implementaci podle jasného zadání, běžnou automatizaci a jednodušší analýzu. GPT-6.1 Sol obsluhuje standardní návrh, analýzu a tvorbu dokumentů. GPT-6 Astra řeší architekturu, složitější úsudek a koordinaci dalších agentů.

Firma také vypnula Fast mode jako výchozí možnost a zpřístupňuje jej na žádost. Měsíční limity nastavuje oddělením i jednotlivcům. Zavedený byznys měl zvýšit nákladovou efektivitu až o 20 %, zatímco nové části firmy dostaly volnější rozpočet, aby mohly AI více zkoušet.

Rozpočet na coding agenty se mění v problém řízení provozu

Praktická lekce nespočívá v názvech Astra, Sol a Luna. Týmy potřebují rozlišit levné rutinní změny od práce, kde chyba prodraží review, testování nebo provoz. Nejlevnější běh nemá cenu, pokud vytvoří další kolo oprav.

LegalOn proto ukazuje spíš interní provozní model než univerzální slevu. Někdo musí modely průběžně testovat, psát pravidla pro směrování a upravovat limity. Úspora v API se snadno rozpustí v lidské práci, pokud firma měří jen tokeny a ne přijaté změny.

Číslo 65 % zatím stojí na vendorově metodice

OpenAI nezveřejnila absolutní útratu, počet vývojářů, objem úloh ani délku sledovaného období. Také neukázala metriku, která dokládá zachované tempo a kvalitu. Jde o odhad denních nákladů vůči GPT-5.5, nikoli o auditovaný účet za srovnatelné období.

Bez údajů o době review, vrácených chybách, úspěšnosti testů a přijatých změnách nelze poznat, zda se část nákladů jen přesunula z modelu na vývojáře. Případová studie popisuje užitečný postup, ale 65 % není přenositelný benchmark.

Přijaté změny ukážou, zda levnější cesta opravdu šetří

Další důležitý signál bude cena jedné přijaté změny nebo vydané funkce, kterou LegalOn teprve buduje. Vedle denní útraty musí sledovat dobu cyklu, zatížení review, opakované opravy a incidenty po nasazení.

Pokud lehčí modely udrží tyto ukazatele a silnější model se zapne jen při skutečné potřebě, routing se stane opakovatelným provozním nástrojem. Pokud přibude ruční kontrola, úspora bude jen hezky seřazený účet za tokeny.

Lilithin verdikt

LegalOn posadil silný model na dispečink a lehčí modely na běžné směny. Úspora bude skutečná teprve tehdy, až vývojářům po směně nezůstane hromada oprav.