LegalOn Technologies 是一家提供专业 AI 的法律科技公司。他们把 Codex 集成进开发流程后，最初让开发者无限制使用 GPT-5.5 的 Fast 模式，并逐步把 AI 扩展到设计、实现和日常工作。随着使用规模扩大，无上限使用高性能模型必然超出年度预算；但一刀切限制又可能削弱 AI 带来的生产力提升。如何在不放慢开发速度的前提下控制成本，成为核心问题。

他们的解法是放弃“所有任务都用最强模型”，改为按任务复杂度和开发阶段选择模型。内部负责这件事的 AID CoE 先测试和监控模型，再把结论传递给各团队，让工程师能独立为每个任务挑选合适的模型。具体分工是：GPT-6 Luna 是最轻量模型，处理需求明确的代码实现、日常自动化和简单分析；GPT-6.1 Sol 承担标准设计、数据分析、文档准备；GPT-6 Astra 能力最强，负责架构设计等高级判断，并作为 orchestrator 协调其他 agent。团队通常先用轻量模型，任务变复杂再向上迁移。

治理层面，公司默认限制 Fast 模式，只在确有必要时单独开启。虽然一度担心速度下降，但团队用并行执行任务等方式保持节奏。预算方面，按部门、组、个人设置月度使用上限；同时按业务阶段区别对待：成熟业务被要求提升约 20% 的成本效率，而处于启动阶段的新业务拿到宽松预算，用来鼓励大量使用 AI、增加产出。

这些措施叠加后，相比 GPT-5.5，估算的每日成本降低了约 65%。开发速度和质量没有因此缩水，整体预算被控制在范围内，资源也倾向于公司想增长的业务。

LegalOn 并未把“开发更快”当作终点。他们认为 AI 能加速系统开发几乎是必然的，但速度是否转化为客户价值并不清晰。为此，他们设计了一种新指标，把一次功能发布看作一个计量单位，将这次发布带来的客户价值与实际投入的 AI 成本关联，让 ROI 变得可见。目前这个计算管道还在搭建中。公司下一步还计划建立知识库，把工程师们在设计、实现、评审等环节的最佳模型组合沉淀为组织能力；招聘也开始强调 AI 技能。AID CoE 与安全团队正在协作，同时优化性能、成本和风险，建立一个能支持实验的灵活运营框架。