LegalOn senkte die geschätzten Codex-Kosten um 65 Prozent durch gezieltes Task-Routing

OpenAI zufolge hat LegalOn in einer Kundenfallstudie die geschätzten täglichen Codex-Kosten gegenüber GPT-5.5 um rund 65 Prozent gesenkt. Zugleich sollen das Entwicklungstempo und die Qualität gleich geblieben sein. Das Ergebnis führt das Unternehmen auf Modellauswahl, Funktionseinschränkungen und differenzierte Budgets zurück.

Drei Modelle teilen die Arbeit nach Schwierigkeit auf

LegalOn schickt nicht mehr jede Aufgabe durch die leistungsstärkste Konfiguration. GPT-6 Luna übernimmt Implementierungen mit klaren Anforderungen, Routineautomatisierung und einfachere Analysen. GPT-6.1 Sol deckt Standarddesign, Analysen und Dokumenterstellung ab. GPT-6 Astra bearbeitet Architekturfragen, anspruchsvolle Entscheidungen und die Koordination weiterer Agenten.

Außerdem ist Fast mode standardmäßig deaktiviert und nur auf Anfrage verfügbar. Monatliche Limits gelten für Abteilungen und einzelne Personen. Der etablierte Geschäftsbereich sollte seine Kosteneffizienz um bis zu 20 Prozent steigern, während neue Einheiten großzügigere Budgets für Experimente erhielten.

Ausgaben für Coding Agents werden zur Betriebsfrage

Die praktische Lehre steckt nicht in den Namen Astra, Sol und Luna. Teams müssen günstige Routineänderungen von Arbeiten trennen, bei denen ein schlechtes Ergebnis Review, Tests oder Produktion verteuert. Ein billiger Lauf ist teuer, wenn er eine weitere Korrekturrunde auslöst.

LegalOn beschreibt damit eher ein internes Betriebsmodell als einen universellen Rabatt. Jemand muss Modelle laufend testen, Routing-Regeln schreiben und Limits anpassen. API-Einsparungen können in menschlicher Arbeit verschwinden, wenn ein Unternehmen Tokens misst, aber akzeptierte Änderungen ignoriert.

Die 65 Prozent beruhen weiterhin auf der Methodik des Anbieters

OpenAI nennt weder absolute Ausgaben noch Entwicklerzahl, Aufgabenvolumen oder Beobachtungszeitraum. Auch eine Kennzahl für das angeblich konstante Tempo und die Qualität fehlt. Verglichen werden geschätzte Tageskosten mit GPT-5.5, keine geprüften Rechnungen über gleichwertige Zeiträume.

Ohne Daten zu Review-Zeit, zurückgewiesenen Fehlern, Testerfolg und akzeptierten Änderungen bleibt offen, ob Kosten nur vom Modell zu den Entwicklern gewandert sind. Die Fallstudie zeigt eine nützliche Praxis, doch 65 Prozent sind kein übertragbarer Benchmark.

Akzeptierte Änderungen zeigen, ob die günstigere Route wirklich spart

Das nächste brauchbare Signal ist der Preis pro akzeptierter Änderung oder ausgelieferter Funktion. LegalOn arbeitet nach eigenen Angaben noch an dieser Kennzahl. Tagesausgaben müssen neben Durchlaufzeit, Review-Aufwand, Nacharbeit und Vorfällen nach dem Deployment stehen.

Bleiben diese Werte mit leichteren Modellen stabil und kommt das stärkste Modell nur bei Bedarf zum Einsatz, wird Routing zu einem wiederholbaren Betriebswerkzeug. Wächst dagegen die manuelle Kontrolle, bleibt von der Einsparung kaum mehr als eine ordentlich sortierte Token-Rechnung.

Liliths Urteil

LegalOn setzt das stärkste Modell in die Leitstelle und leichtere Modelle in die Alltagsschicht. Gespart ist erst dann, wenn am Feierabend kein Berg von Korrekturen auf die Entwickler wartet.