LegalOn 如何砍 65% Codex 成本?按任務路由 Astra/Sol/Luna 的做法

LegalOn 於 2026 年 10 月 8 日（OpenAI 官方部落格口徑）宣佈，把每日 Codex 估算成本壓低約 65%，開發速度同時維持不變。按 OpenAI 部落格的說法，他們能省下這筆錢，主要是讓 Astra、Sol、Luna 三款模型分工，把每個請求配給能力、成本最合適的模型，並搭配預算管理來控制整體支出。65% 是估算日費的降幅，衡量基礎來自預估而非帳單實付；官方口徑同時確認速度沒有下降。理論上，在速度不變的前提下把估算成本壓掉三分之二，代表多模型架構下的取捨空間，可能比多數工程團隊預設的更大。

從任務分工的邏輯可以推算：三款模型在能力上有層次差異，按任務需求路由後，高規格模型只跑真正需要的請求，其餘由成本較低的模型承接，整體費用因此從偏向最高規格的模式，轉向一個加權平均成本更低的組合。LegalOn 同時強調策略性預算管理是做法的一部分，推測代表模型路由除了靜態任務分配，還搭配動態預算追蹤：費用逼近上限時，系統有空間調度到成本較低的模型，而不是一路往上燒。這兩個機制合在一起，才能在降低費用的同時維持開發速度。

LegalOn 透過 Astra、Sol、Luna 三款模型的分工路由與動態預算管理，在維持開發速度不變的前提下，成功將 Codex 的每日估算成本大幅降低 65%，為多模型架構的成本優化提供了具體的量化實踐路徑。

這個案例給工程團隊的啟示很直接：在多模型環境下，省錢的關鍵不是挑能力最強的那顆，而是把每個任務配給性價比最高的模型，並用預算管理來約束實際運作時的開銷。65% 降幅有一個可以回測的日費估算當錨，工程團隊得到一個可以對照、可以迭代的基準測試，而不只是一個方向感。模型路由因此從架構設計時的口號，變成可以用數字追蹤的工程指標。對於打算在 Codex 上規模化部署的工程團隊來說，LegalOn 這次提供了少見的量化參考：它用能驗證的降幅數字，證明了多模型路由的實用性，而不只是流於概念口號。