17 октября 2026 года глава Replit Амджад Масад на TechCrunch Disrupt заявил: провайдером модели по умолчанию в Replit Agent становится OpenAI, а не Anthropic. Claude с платформы не исчез, он остаётся доступен тем, кто выбирает модель вручную (публикация TechCrunch).
Изменение затрагивает больше людей, чем кажется. Большинство клиентов не трогают настройку модели по умолчанию, поэтому смена провайдера меняет фактический инструмент у основной массы пользователей, а не только у тех, кто экспериментирует с настройками. Для Replit это ещё и способ заметно сократить расходы на Anthropic.
Дальше всё, что относится к причинам и цифрам, идёт из публичного заявления CEO и материала TechCrunch. Независимых замеров нет, названия тестов, метрики и числа не раскрыты. Ниже разделено, где заявление компании, где данные инсайдеров, а где общая механика платформ.
Что изменилось: OpenAI вместо Anthropic по умолчанию в Replit Agent
В Replit Agent есть модель, с которой агент работает, если пользователь не выбрал альтернативу. Эту роль выполняла модель Anthropic, теперь её занимает модель OpenAI. Открываете Replit Agent, запускаете задачу без выбора модели, получаете результат от OpenAI.
Claude остаётся в списке доступных моделей. Меняется то, что достаётся по умолчанию, а не сам набор инструментов.
Чем смена дефолта отличается от отказа от Claude
Провайдер по умолчанию и список доступных моделей, две разные вещи. Дефолт определяет путь «из коробки»: что получит человек, который не открывал настройки. Список доступных моделей определяет, что можно выбрать сознательно. Смена первого не означает изменения второго.
Для тех, кто выбирает модель при каждом запуске, изменение может пройти незаметно. Для остальных меняется сам инструмент: другой стиль генерации кода, другие типичные ошибки, другой результат на ту же формулировку задачи.
Формулировки в публикациях расходятся. Заголовок и адрес материала TechCrunch говорят о прекращении работы с Anthropic, тогда как источники, знакомые с партнёрством, утверждают, что оно продолжается. Смена дефолта объясняет поведение продукта, а не разрыв отношений с вендором, и путать эти вещи не стоит.
Кто такой Амджад Масад и почему его слова - не независимый тест
Амджад Масад руководит Replit. Его заявления описывают позицию компании и её продуктовые решения. Когда он говорит, что модели OpenAI лучше собирают приложения с нуля, это оценка вендора, который одновременно объявляет о смене поставщика модели.
Бенчмарки названы внутренними и публичными, но в источнике нет ни названий наборов задач, ни метрик, ни чисел, ни размера выборки. Воспроизвести сравнение по этой публикации нельзя.
Редакция AI-Manual собственных тестов Replit Agent не проводила и опирается на публичное заявление и материал TechCrunch. Всё дальше размечено по статусу: заявление CEO, данные инсайдеров или общая механика платформ.
Почему Replit выбрал OpenAI: стоимость, партнёрство и бенчмарки
Масад назвал три причины в связке: стоимость, партнёрство и результаты бенчмарков. Ни одна из них не раскрыта в цифрах, и это главное ограничение новости.
| Причина | Что сказано | Что осталось за кадром |
|---|---|---|
| Стоимость | Экономика названа одним из факторов выбора | Цены за токен, объёмы, условия контракта |
| Партнёрство | Сотрудничество с OpenAI как часть решения | Сроки, эксклюзивность, техническая поддержка |
| Бенчмарки | Внутренние и публичные тесты | Названия тестов, метрики, размер выборки |
Что именно сравнивали: сборка приложений с нуля
По словам Масада, модели OpenAI лучше справляются со сборкой приложений с нуля. Это узкий класс задач: генерация структуры проекта, набора файлов, базовой логики и связок между ними, когда отправная точка, пустой репозиторий и короткое описание.
Остальные сценарии этим заявлением не покрыты. Правки в существующем коде на сотни файлов, длинный контекст, миграции, отладка ошибок сборки, работа с чужими конвенциями. На них расклад может быть обратным, и проверять его придётся самостоятельно.
Расхождение с позицией инсайдеров по Anthropic
Источники, знакомые с партнёрством, утверждают, что сотрудничество Replit и Anthropic продолжается (TechCrunch). Это прямо расходится с формулировкой о прекращении работы.
Противоречие нужно учитывать, а не сглаживать. На момент публикации однозначной картины нет: есть заявление CEO о смене дефолта, есть позиция инсайдеров о продолжении партнёрства, и нет независимого подтверждения ни тому, ни другому. Практический вывод простой: строить рабочий процесс на модели, доступной только внутри одной платформы, рискованно.
Почему дефолт важнее, чем кажется: как это влияет на разработчика
Большинство клиентов не меняют модель по умолчанию. Настройка по умолчанию, это то, с чем реально работает масса пользователей, а не строчка в документации. Поэтому смена провайдера меняет фактический инструмент у большинства, даже когда формально доступны оба.
Для Replit это ещё и способ заметно сократить расходы на Anthropic: если основная масса запросов уходит другому провайдеру, счёт от прежнего падает без изменения тарифов для пользователя.
Воспроизводимость и командная работа
Если дефолт меняется без ведома команды, два разработчика могут получить разный код на одну задачу. Один запускал утром на прежней модели, второй после обновления на новой. Дальше спор о том, чей вариант правильный, упирается в разные инструменты, а не в качество постановки задачи.
Рабочая привычка: фиксировать модель в описании задачи, в README проекта или в комментарии к пул-реквесту. Указывать модель при обсуждении результатов. Тогда разница в качестве объясняется явно, а не списывается на «агент тупит».
AI-агенты для написания кода: что меняется в поведении
Агентный режим чувствителен к модели сильнее, чем чат. Различаются планирование шагов, готовность править несколько файлов за раз, реакция на ошибку сборки, склонность переписывать файл целиком вместо точечной правки. Модель, которая идёт по плану, экономит итерации. Модель, которая после первой ошибки хаотично меняет файлы, добавляет ручной работы.
Утверждать, какая модель лучше в агентном режиме, без данных нельзя. Метод проверки: одно типовое задание, дословно зафиксированный промпт, счётчик итераций до рабочего результата и число ручных правок после. Как организовать такой замер без шума вокруг релизов, разобрано в материале как не потеряться в потоке запусков AI-моделей.
Экономика Replit: enterprise, B2B и зачем менять провайдера
Масад озвучил динамику выручки: доля enterprise выросла примерно с 2% до 15%, больше половины дохода приходит от B2B. Это цифры из уст CEO, а не аудированная отчётность. В публикации нет ни абсолютных значений выручки, ни периода, за который считали доли.
Связь со сменой дефолта прямая. B2B-клиенты чувствительны к стоимости и стабильности, а дефолтная модель определяет основную часть расходов платформы на инференс. Если та же задача решается дешевле, маржа на агентных запусках растёт без повышения цен.
Обратная сторона тоже есть. Смена модели по умолчанию меняет качество результата у всех, кто не переключался. Для enterprise-клиента это изменение продуктового поведения, о котором лучше узнать из документации, а не из сломанного пайплайна в продакшене.
Что это может значить для цен и лимитов
Прямых данных о тарифах и лимитах в источнике нет. Логика такая: снижение расходов на дорогую модель по умолчанию может улучшить экономику продукта, но направление изменения цен не объявлено. Варианты расходятся: тарифы остаются прежними, меняются лимиты на агентные запуски, премиум-модели уходят на отдельную плату. Любой из них сейчас остаётся предположением.
В таких объявлениях полезно смотреть на три вещи: кто платит за токены (платформа или пользователь), что входит в лимит, меняется ли доступ к моделям на младших тарифах. Пока этих деталей нет, бюджет на агентные запуски стоит планировать с запасом.
Как выбрать модель для вайб-кодинга, когда платформа решает за вас
Безусловной лучшей модели для вайб-кодинга нет. Есть совпадение модели с вашим классом задач, размером проекта и бюджетом. Бенчмарки платформы отражают её сценарии, в случае Replit это сборка с нуля, а не ваш легаси на 400 файлов с тремя фреймворками.
Чек-лист проверки на своей задаче
- Возьмите одну типовую задачу, например небольшое приложение с формой и сохранением данных.
- Зафиксируйте промпт дословно, чтобы прогоны отличались только моделью.
- Запустите на модели OpenAI, которая стоит по умолчанию в Replit Agent.
- Повторите тот же промпт на Claude, выбрав его вручную.
- Считайте три величины: число итераций до рабочего результата, число ручных правок, объём переписанного кода.
- Повторите 2-3 раза. Значение имеет разброс, а не единичный удачный прогон.
Результаты не совпадут с чужими: у всех разные задачи и разное определение готовности. Смысл упражнения в том, чтобы у вас появилась своя точка отсчёта, к которой можно вернуться после следующего обновления платформы.
LLM для разработки приложений с нуля: на что смотреть кроме бенчмарков
- Поддержка ваших языков и фреймворков, а не средняя по рынку.
- Работа с длинным контекстом: сколько файлов модель реально удерживает, прежде чем начинает забывать структуру.
- Поведение при ошибке: точечная правка или переписывание файла целиком.
- Стабильность между запусками на одном и том же промпте.
- Стоимость на вашем объёме, а не цена за миллион токенов в вакууме.
- Доступ через API, если часть пайплайна живёт вне платформы.
- Условия использования данных: где хранится код и попадает ли он в обучение.
Публичные рейтинги и внутренние тесты платформы расходятся, потому что измеряют разное. Как выстроить сравнение по шести критериям с расчётом стоимости инференса, описано в материале шесть критериев выбора нейросетевой модели.
Риски зависимости от платформы и одного провайдера
Случай Replit показывает механику vendor lock-in в чистом виде: решение принимается на стороне платформы, пользователь узнаёт о нём постфактум. Привязка складывается из трёх слоёв. Код и история живут в платформе, модель доступна только там, рабочие привычки заточены под конкретное поведение агента.
Риски конкретные. Смена модели меняет качество и стиль результата. Доступность моделей может меняться без предупреждения. Переход на другой инструмент требует времени, которого в дедлайне обычно нет.
Как снизить зависимость на практике
- Держать код в собственном git-репозитории, а не только в платформе.
- Фиксировать используемую модель в документации проекта и в описании задач.
- Иметь альтернативный доступ к нужной модели: другой инструмент или прямой API.
- Перепроверять ключевые сценарии после обновлений платформы, хотя бы раз в месяц.
Архитектура редакторов и терминальных агентов устроена по-разному: где-то агент и индекс проекта живут в облаке, где-то подключаются локально. Что именно ломается при недоступности облака и как собрать резервный запуск, разобрано в статье анализ устойчивости AI-редакторов.
Что делать пользователю Replit прямо сейчас
- Проверьте, какая модель выбрана по умолчанию в Replit Agent. Названия пунктов меню сверяйте с текущим интерфейсом: статья не заменяет документацию платформы.
- Если задача критична, выберите нужную модель вручную и не полагайтесь на дефолт.
- Прогоните типовую задачу на обеих моделях и сравните число итераций и ручных правок.
- Зафиксируйте выбор в README или в описании задачи, чтобы команда работала на одной модели.
- Проверьте, не изменились ли лимиты и условия вашего тарифа.
Если работа идёт через агентный режим с подпиской, распределение задач между моделями экономит бюджет заметнее, чем выбор «лучшей» модели. Приёмы оркестрации собраны в материале как выжать максимум из подписки на кодинг-агенты.
Короткий итог: что запомнить
- OpenAI стал провайдером модели по умолчанию в Replit Agent, Claude остался доступен пользователям платформы.
- Причины по словам Масада: стоимость, партнёрство и бенчмарки, где модели OpenAI лучше собирают приложения с нуля. Методология и цифры не раскрыты.
- Инсайдеры говорят о продолжении партнёрства с Anthropic, то есть заявление CEO и их позиция расходятся.
- Дефолт определяет работу большинства пользователей, поэтому модель стоит выбирать осознанно и проверять на своих задачах.
Проверка текущего дефолта и один прогон типовой задачи на двух моделях занимают полчаса. Это даёт больше, чем чтение любых рейтингов, включая этот разбор.