Nyhet

LegalOn kapade Codex-kostnaden med 65 procent genom att välja modell efter uppgift

Det japanska bolaget LegalOn Technologies har enligt OpenAI sänkt sina beräknade dagliga kostnader för kodverktyget Codex med omkring 65 procent utan att utvecklingstakten minskat. Bolaget gick från att använda sin starkaste modell till allt till att välja mellan GPT-6 Astra, GPT-6.1 Sol och GPT-6 Luna efter uppgiftens svårighet. Kundcaset publicerades av OpenAI den 8 oktober 2026.

Det viktigaste i korthet

• LegalOn Technologies, som OpenAI beskriver som ett startup-bolag i regionen Asien-Stillahavsområdet och Oceanien, använder Codex i sin utveckling.

• Enligt OpenAI minskade bolagets beräknade dagliga kostnader med cirka 65 procent jämfört med GPT-5.5.

• Bolaget valde mellan GPT-6 Luna (lättast), GPT-6.1 Sol och GPT-6 Astra (mest kapabel) beroende på uppgift.

• Fast mode begränsades som standard och enskilda förfrågningar tillåts vid behov.

• Mogna affärsområden ska effektivisera kostnaderna med upp till cirka 20 procent, medan nya verksamheter fick generösa budgetar.

• Caset publicerades den 8 oktober 2026.

Vad har hänt

LegalOn Technologies erbjuder AI för juridiskt arbete och andra affärsfunktioner och har byggt in Codex i sin utvecklingsprocess. Användningen spred sig i organisationen, och då uppstod ett nytt problem: kostnadskontroll. Obegränsad användning av kraftfulla modeller riskerade att driva upp utgifterna, medan generella begränsningar kunde äta upp produktivitetsvinsterna.

Från början fick utvecklarna obegränsad tillgång till bolagets huvudmodell, GPT-5.5 i Fast mode. Den användes för design, implementering och vardagsarbete. Bolaget bedömde att det skulle överskrida sin årsbudget om det fortsatte så. Dess interna AI-utvecklingscentrum, AID CoE, tog därför fram riktlinjer för modellval. Centrumet testade och följde modellerna, och cheferna förde vidare resultaten till sina team så att varje ingenjör själv kunde välja lämplig modell.

Idén var att börja med en lätt modell och gå vidare till mer kapabla modeller när uppgiften blir mer komplex. Enligt riktlinjerna används GPT-6 Luna, den lättaste modellen, till kodimplementering med tydliga krav, vardagsautomatisering och enklare uppgifter, främst som delagent. GPT-6.1 Sol används till standarddesign, rutinmässig numerisk analys, dokumentframtagning och uppgifter som ska gå snabbare än med Luna. GPT-6 Astra, den mest kapabla modellen, används till avancerade bedömningar, komplex mjukvarudesign och arkitektur samt som orkestrator som samordnar agenter.

Bolaget införde också styrning via administratörsinställningar, med månatliga användningstak för avdelningar och individer. AID CoE följer användningen och justerar gränserna efter behov. Fast mode begränsades som standard. Det väckte oro för utvecklingstakten, men teamen höll uppe tempot bland annat genom att köra uppgifter parallellt.

Budgetarna sattes på avdelnings-, grupp- och individnivå. Det etablerade LegalOn-företaget ombads effektivisera kostnaderna med upp till cirka 20 procent. Nya verksamheter i startfasen fick generösa budgetar för att uppmuntra aktiv AI-användning. Yuta Tokitake, Senior Engineering Manager på LegalOn, förklarar att de nya verksamheterna prioriterade affärstempo framför kostnadseffektivitet. Enligt OpenAI sänkte modellvalet, funktionsbegränsningarna och de anpassade budgetarna tillsammans de beräknade dagliga kostnaderna med cirka 65 procent jämfört med GPT-5.5.

Bolaget ser också längre fram. Snabbare utveckling bevisar enligt Tokitake inte i sig att AI-satsningen lönar sig, eftersom kopplingen till kundvärde är oklar. LegalOn utvecklar därför ett eget mått där varje funktionsrelease är en enhet. Kundvärdet ska kopplas till de faktiska AI-kostnaderna för releasen. Bolaget bygger nu den pipeline som ska räkna ut måttet.

Nästa steg är en kunskapsbas där bolaget samlar erfarenheter, till exempel vilka modellkombinationer som fungerar bäst för design, implementering och granskning. AI-vinsterna får bolaget att se över arbetsfördelningen mellan människor och AI samt sina personalplaner. Det lägger redan större vikt vid AI-kompetens vid rekrytering.

Vad det betyder för dig i Sverige

Källan säger inget om Sverige, svenska företag eller svenska priser. Det går därför inte att säga att samma besparing gäller här. Själva arbetssättet är däremot generellt: välj modell efter uppgiftens komplexitet, sätt budgettak och mät kostnaden per färdig leverans. Det kan vara relevant för svenska utvecklingsteam som använder Codex och brottas med skenande AI-kostnader. Siffrorna i caset är dock LegalOns egna uppskattningar, återgivna av OpenAI.

Det här vet vi inte än

• Källan anger inga absoluta kostnadsbelopp, priser eller budgetnivåer. Endast procentsatser redovisas.

• Det framgår att kostnadsminskningen gäller beräknade dagliga kostnader jämfört med GPT-5.5. Hur beräkningen gjorts och över vilken period beskrivs inte.

• Det finns inga mätvärden som visar att utvecklingstakten faktiskt hölls uppe. Det anges bara som ett resultat.

• LegalOns mått för kundvärde per funktionsrelease är inte klart, och några resultat av det har inte redovisats.

• Tillgänglighet och prissättning för modellerna i Sverige tas inte upp.