El predeterminado de OpenAI en Replit reemplaza a Claude al frente de Agent
Replit ha convertido a OpenAI en su proveedor de modelos predeterminado, revirtiendo su anterior dependencia de Anthropic, aunque Claude sigue disponible. El predeterminado de OpenAI en Replit cambia qué modelos encuentran primero la mayoría de los clientes dentro de Replit Agent. También convierte una decisión de infraestructura en una competencia visible sobre costes, rendimiento en programación y alineamiento comercial.
El CEO Amjad Masad describió inicialmente el cambio de forma más tajante en TechCrunch Disrupt. Afirmó que Replit ya no trabajaba con Anthropic y sostuvo que ChatGPT se había vuelto más adecuado para las necesidades de la empresa. Su posterior aclaración matizó esa afirmación: Replit sigue siendo compatible con Claude, pero OpenAI es ahora su socio preferente.
Esa distinción importa. Replit no ha eliminado a Anthropic de su plataforma ni ha abandonado su postura de neutralidad respecto a los modelos. Ha cambiado el valor predeterminado, lo que aun así puede redirigir un uso considerable porque muchos clientes aceptan la selección inicial de la plataforma.
El cambio también sigue a una alianza más profunda con OpenAI anunciada en agosto. Los modelos de OpenAI ya impulsaban el Free Mode de Replit, mientras Replit había empezado a publicar observaciones de producción sobre modelos más recientes de ambos proveedores.
La historia resultante no es una expulsión limpia de Anthropic. Es una inversión estratégica en la que Replit sitúa a OpenAI en el centro, al tiempo que conserva suficiente capacidad de elección entre modelos para responder si el rendimiento, la economía o la demanda de los clientes vuelven a cambiar.
Lo que realmente cambia con el predeterminado de OpenAI en Replit
OpenAI ocupa ahora la posición preferente en Replit Agent, pero Anthropic sigue presente en el producto y en su infraestructura operativa.
Masad dijo a TechCrunch que Replit seleccionó OpenAI por el rendimiento, la economía y la solidez de la alianza. Sus comentarios siguieron a una aparición en TechCrunch Disrupt el 15 de octubre de 2026.
La declaración original sonaba concluyente. Masad afirmó que Replit ya no trabajaba con Anthropic y citó evaluaciones internas, costes y la relación comercial entre las empresas.
Para el fin de semana, la posición de Replit se había vuelto más precisa. Según el informe actualizado sobre el modelo predeterminado, los clientes pueden seguir eligiendo Claude y otros modelos compatibles. OpenAI es el socio preferente que impulsa Replit Agent, no su proveedor exclusivo.
Esa aclaración separa tres decisiones que resulta fácil confundir.
En primer lugar, Replit controla el modelo que se presenta como predeterminado. Esa elección afecta a los usuarios habituales que no revisan ni modifican la configuración del modelo.
En segundo lugar, Replit puede dirigir distintas tareas a distintos modelos. Un agente de programación no está necesariamente vinculado a un único modelo fundacional durante todo un proyecto.
En tercer lugar, los clientes pueden seguir realizando una elección explícita de modelo en Replit cuando el producto lo permite. Por tanto, Claude sigue siendo relevante incluso cuando OpenAI recibe la carga de trabajo inicial.
La lista pública de subencargados de tratamiento de Replit refuerza la distinción. Su actualización de agosto de 2026 incluye tanto a OpenAI como a Anthropic como proveedores de modelos de IA. También incluye a Google y OpenRouter, lo que indica una cartera de proveedores más amplia en lugar de una arquitectura de proveedor único.
El efecto práctico sigue favoreciendo a OpenAI. Los valores predeterminados moldean el comportamiento porque reducen el esfuerzo necesario para iniciar una tarea. Es más probable que un cliente que abre Replit Agent use el modelo situado directamente en la ruta estándar que uno que exige una selección deliberada.
Eso puede redirigir una gran parte del gasto en inferencia sin bloquear los modelos de la competencia. Masad afirmó que Replit había sido recientemente uno de los cinco mayores clientes de Anthropic, aunque ninguna de las empresas reveló el gasto o uso subyacente.
Por tanto, el valor predeterminado actúa como una decisión de compra a escala. Determina qué proveedor recibe el tráfico rutinario, qué modelo recopila más comentarios de producción y qué socio queda más estrechamente asociado con la experiencia de usuario de Replit.
Sin embargo, la opción restante de Claude limita hasta dónde puede llevarse el anuncio. Replit no ha demostrado que todas las cargas de trabajo rindan mejor con OpenAI. En cambio, ha decidido que OpenAI ofrece la mejor combinación general para su experiencia estándar en este momento.
Esa última matización es importante. El rendimiento de los modelos cambia rápidamente, y el propio trabajo de ingeniería de Replit parte de que la mejor elección puede variar entre tareas. La empresa está eligiendo a un líder sin cerrar permanentemente la competición.
El coste y la distribución hicieron oportuna la alianza
El cambio siguió a meses de integración de producto que dieron a OpenAI tanto un argumento económico como un canal directo de distribución a través de Replit.
Replit y OpenAI ampliaron públicamente su alianza en agosto de 2026. Replit presentó Free Mode con GPT-5.6 Luna, un modelo posicionado para el trabajo cotidiano rápido y económico.
Con ese diseño, los usuarios pueden planificar, explorar ideas, solicitar comentarios y gestionar tareas más ligeras sin consumir el mismo límite de uso que las compilaciones más complejas. Replit puede entonces trasladar el trabajo exigente a otros modos de Agent.
OpenAI describió la alianza de Free Mode como resultado de la mejora en la economía de los modelos. Masad afirmó que las reducciones de precios de OpenAI ayudaron a Replit a ofrecer esa experiencia a millones de usuarios.
Por separado, Replit dijo que Free Mode permitía a los clientes crear hasta 30 veces más con su diseño de producto revisado. Esa cifra procede de Replit y debe entenderse como una afirmación de la empresa, no como una medida auditada de forma independiente sobre software completado.
Aun así, la lógica de producto es clara. El coste del modelo no es una preocupación secundaria para una plataforma de programación con IA. Cada turno del agente puede desencadenar planificación, generación de código, llamadas a herramientas, pruebas, recuperación de errores y razonamiento posterior.
Una pequeña diferencia en el coste de una respuesta puede volverse significativa a lo largo de una larga sesión de desarrollo de software. El efecto aumenta de nuevo cuando la plataforma atiende a millones de personas.
Replit también tiene un incentivo para hacer invisible esa complejidad. La mayoría de los usuarios quiere una aplicación funcional, no un ejercicio de aprovisionamiento que involucre a varios proveedores de modelos.
La empresa introdujo Intelligent Model Routing en agosto para seleccionar modelos según la calidad, la velocidad y el coste a medida que se desarrollaban las tareas. Replit afirmó que sus pruebas ofrecieron una calidad de resultado comparable con un coste un 65 por ciento inferior al del anterior sistema Max Mode.
Ese resultado de routing es otra cifra comunicada por la empresa. Replit no ha publicado suficientes pruebas independientes como para tratarlo como un resultado universal en todos los proyectos.
Sin embargo, el routing y los valores predeterminados resuelven problemas distintos. El routing selecciona un modelo o una configuración durante el trabajo. Un valor predeterminado establece el punto de partida comercial y técnico preferente para todo el sistema.
OpenAI también obtuvo una ventaja de distribución fuera de la propia interfaz de Replit. Desde enero de 2026, los usuarios de ChatGPT pueden invocar Replit para crear, actualizar y desplegar aplicaciones desde una conversación.
Esa integración conecta la interfaz de consumo de OpenAI con el entorno de desarrollo y despliegue de Replit. Da a ambas empresas un incentivo para que la transición resulte coherente.
Para OpenAI, la relación extiende sus modelos a un servicio integral de producción de software. Para Replit, ChatGPT se convierte en otro lugar desde el que los potenciales clientes pueden empezar a crear.
Anthropic sigue manteniendo una posición sólida en programación. Los modelos Claude continúan integrados en varios productos para desarrolladores y tienen reputación entre los programadores por su generación de código y razonamiento.
Pero la calidad del modelo por sí sola no decide el valor predeterminado de una plataforma. Replit debe considerar el coste de inferencia, la capacidad, la integración de producto, las condiciones comerciales y la rapidez con la que un proveedor responde cuando fallan los sistemas de producción.
La explicación de Masad combinó todos esos factores. No presentó el movimiento como resultado de una única puntuación de benchmark. Presentó a OpenAI como el mejor socio general para las prioridades actuales de Replit.
Esas prioridades también están cambiando a medida que Replit busca organizaciones más grandes. Masad afirmó que los contratos empresariales representaban alrededor del 2 por ciento de los ingresos de la empresa el año pasado y aproximadamente el 15 por ciento este año. También afirmó que los clientes empresariales representan ahora más de la mitad de los ingresos.
Replit espera que los clientes empresariales y gubernamentales aporten más de la mitad de sus ingresos en 2027. Esos compradores suelen preocuparse por la fiabilidad, los controles de seguridad, la estabilidad de las compras y el soporte, además de la capacidad bruta del modelo.
Una alianza preferente puede simplificar esa narrativa. También puede crear riesgo de concentración si el proveedor elegido sufre interrupciones, aumenta los costes o se queda atrás en cargas de trabajo importantes.
Mantener Claude disponible ayuda a Replit a gestionar ese riesgo. La empresa puede promover OpenAI como el estándar mientras conserva capacidad de negociación y alternativas técnicas.
Replit y Anthropic compiten ahora a través del valor predeterminado
La principal disputa no es el acceso exclusivo a Replit; es el control de la ruta estándar mediante la cual los usuarios de Replit crean software.
Anthropic ocupaba anteriormente un papel central en Replit Agent. Un anterior estudio sobre el despliegue de Claude describía que Replit eligió Claude en Google Cloud tras evaluar varios modelos.
Ese estudio de caso afirmaba que Replit Agent impulsado por Claude daba soporte a más de 100.000 aplicaciones a través de Cloud Run. Presentaba la relación como una combinación de las capacidades de modelo de Anthropic, el sistema de agentes de Replit y la infraestructura de Google Cloud.
Los materiales más recientes de Replit muestran que esa historia no desapareció de la noche a la mañana. A finales de septiembre, la empresa publicó observaciones de producción sobre Fable 5 y Fable 5.1 de Anthropic junto con GPT-6 Astra de OpenAI.
Esas observaciones examinaron cómo los modelos delegaban trabajo en subagentes especializados. Un subagente es un proceso delegado más pequeño que se encarga de una tarea limitada, como explorar código, revisar cambios o probar una interfaz.
Replit informó de que GPT-6 Astra delegaba con mayor frecuencia en trabajadores generales. También señaló que los modelos más recientes de Anthropic mostraban una sólida calidad de ingeniería y reducían la necesidad de un agente independiente de revisión de código.
Esa comparación complica cualquier afirmación simple de que Replit consideraba a Anthropic técnicamente inadecuado. Sus ingenieros seguían describiendo comportamientos valiosos de los modelos de Anthropic poco antes de que Masad anunciara el nuevo valor predeterminado.
Por tanto, la inversión es tanto comercial y arquitectónica como técnica. Replit está evaluando resultados completos de agentes en lugar de preguntar qué chatbot independiente produce la mejor muestra de código aislada.
Un modelo fundacional opera dentro de un arnés, es decir, el sistema circundante que gestiona prompts, herramientas, contexto, pruebas, reintentos y trabajo delegado. El mismo modelo puede comportarse de manera diferente cuando cambia ese arnés.
El sistema de producción de Replit también puede compensar las debilidades de los modelos. Puede enviar la exploración a un componente, la implementación a otro y las pruebas a un proceso de automatización del navegador.
Esto hace que la alianza entre Replit y Anthropic sea menos binaria de lo que sugería el comentario original en el escenario. Anthropic puede perder el estatus predeterminado mientras sus modelos siguen siendo útiles para tareas o clientes específicos.
Para Anthropic, la presión procede del desplazamiento de uso. Si la mayoría de los clientes mantiene el valor predeterminado de OpenAI, Claude recibe menos solicitudes rutinarias a través de una de las plataformas de creación de software con IA más visibles.
Eso afecta a algo más que los ingresos inmediatos. El tráfico de producción genera pruebas sobre fallos, flujos de trabajo preferidos, latencia y la forma en que los usuarios no técnicos describen tareas de software.
OpenAI puede obtener una mayor parte de esos comentarios mientras refuerza su posición en la programación agéntica. Anthropic deberá entonces convencer a Replit, a las plataformas competidoras o a los usuarios de que Claude genera suficiente valor adicional como para justificar una elección explícita.
Para Replit, la presión opera en sentido contrario. Una vez que la empresa promociona a OpenAI como estándar, los clientes asociarán la calidad de los resultados de Agent con esa elección.
Una compilación fallida no se interpretará como un problema abstracto de proveedor. Los usuarios lo verán como un problema de Replit, independientemente de que el fallo subyacente se haya originado en el modelo, el entorno de ejecución, la cadena de herramientas o el entorno de la aplicación.
Por tanto, el uso predeterminado de OpenAI en Replit desplaza tanto la responsabilidad como el tráfico. Replit respalda públicamente a un proveedor, al tiempo que conserva la capacidad de usar otros tras la interfaz.
Este acuerdo se parece más a la adquisición de servicios en la nube que a una preferencia por un chatbot de consumo. Las plataformas suelen elegir un proveedor principal por razones económicas y de integración, mientras mantienen alternativas para garantizar resiliencia.
La diferencia es que los modelos fundacionales influyen en el comportamiento visible del producto. Cambiar la opción predeterminada puede modificar el estilo de programación, el diseño de la interfaz, los patrones de error, la selección de herramientas y la cantidad de trabajo completado antes de la intervención humana.
Los desarrolladores no deberían interpretar la decisión como un veredicto sectorial sobre Claude frente a OpenAI. La evaluación de Replit se refiere a su propio entorno de ejecución, cargas de trabajo, contratos y distribución de clientes.
Otra plataforma de programación podría llegar a la conclusión opuesta usando un bucle de agentes o una base de usuarios diferentes. Una empresa que mantiene un gran repositorio existente también tiene necesidades distintas a las de un fundador que genera una nueva aplicación a partir de un prompt.
La conclusión más defendible es más limitada. Actualmente, OpenAI ofrece la combinación que Replit busca para la ruta predeterminada, mientras que Anthropic sigue siendo lo bastante valioso como para mantenerse disponible.
El caso de referencia sigue incompleto
Replit ha explicado los criterios que sustentan su decisión, pero los observadores externos no pueden reproducir de forma independiente la comparación completa.
Masad afirmó que Replit utiliza un benchmark interno que abarca métricas como el rendimiento. También señaló un benchmark público y dijo que los modelos Sol y Astra de OpenAI obtuvieron resultados consistentemente mejores al crear aplicaciones mediante vibe coding desde cero.
El vibe coding describe la creación de software impulsada principalmente por instrucciones en lenguaje natural, con un sistema de IA que produce y revisa gran parte del código. Pone el énfasis en los resultados terminados más que en la implementación manual.
Esa definición plantea un desafío de evaluación. Crear una aplicación desde cero implica más que generar funciones correctas. El agente debe interpretar una solicitud ambigua, elegir una arquitectura, crear una interfaz, conectar servicios, probar el comportamiento y recuperarse de errores.
Un benchmark que capture esos pasos puede ser útil. También puede favorecer el entorno de ejecución y el flujo de trabajo para los que fue diseñado.
Replit es tanto el evaluador como la plataforma que selecciona a un socio comercial. Eso no invalida sus conclusiones, pero limita lo que estas demuestran fuera de Replit.
La empresa ha publicado algunos detalles metodológicos sobre sus evaluaciones de agentes. También ha difundido estadísticas de producción que muestran cómo diferentes modelos delegan trabajo dentro de su sistema.
Estas divulgaciones aportan más sustancia que la simple afirmación de que un modelo se siente mejor. Sin embargo, siguen sin ofrecer una comparación completa y auditada de forma independiente entre OpenAI y Anthropic en coste, fiabilidad, seguridad y calidad de las aplicaciones.
El coste es especialmente difícil de comparar con información pública. Una plataforma de la escala de Replit puede negociar condiciones distintas de las condiciones publicadas para las API.
Su gasto total también incluye generaciones fallidas, contexto almacenado en caché, reintentos, herramientas, subagentes y soporte. Un modelo con un coste unitario más alto puede resultar más barato en conjunto si completa las tareas con menos intentos.
También puede ocurrir lo contrario. Un modelo de menor coste puede elevar el gasto total si genera más errores, usa más tokens o requiere una revisión más intensa.
La fortaleza de la asociación es aún menos cuantificable. Puede incluir ingeniería conjunta, compromisos de capacidad, tiempos de respuesta, marketing, distribución de productos y condiciones comerciales negociadas.
Por ello, los lectores deberían separar la decisión de Replit de una clasificación universal de modelos de programación. La empresa dispone de evidencia suficiente para su propia elección de producto, pero no ha publicado lo suficiente para que observadores independientes reproduzcan todas las conclusiones.
El momento de la decisión plantea otra incertidumbre. La publicación técnica de Replit de septiembre describía un sólido comportamiento en producción de modelos asociados con ambas empresas. OpenAI se convirtió en el socio preferido solo unas semanas después.
Eso sugiere que la decisión implicó algo más que una repentina victoria técnica. El lanzamiento de Free Mode en agosto, la distribución de ChatGPT, la economía de los modelos y la estrategia empresarial probablemente reforzaron los resultados del benchmark.
También existe una discrepancia sobre el estado de la relación con Anthropic. Personas familiarizadas con la asociación habrían cuestionado la declaración inicial de Masad de que Replit ya no trabajaba con Anthropic.
La aclaración posterior de Replit se alinea más estrechamente con la evidencia de su producto público. Claude sigue siendo seleccionable, Anthropic sigue figurando como subprocesador y la empresa continúa describiéndose como agnóstica respecto a los modelos.
La interpretación más prudente es que Anthropic perdió el estatus preferente, no el acceso a la plataforma. Cualquier afirmación más contundente excedería la evidencia actualmente verificada.
Los usuarios también deberían preguntarse cómo se manifiesta en la práctica la elección de modelos de Replit. Un selector visible no revela necesariamente todos los modelos invocados durante una larga sesión de agente.
La arquitectura de Replit permite que un modelo central delegue en otros procesos. El enrutamiento inteligente también puede cambiar el comportamiento del sistema a medida que evoluciona una tarea.
Los compradores empresariales necesitan respuestas más claras sobre registro, gestión de datos, retención, residencia y qué proveedores procesan el contexto de los proyectos. La divulgación de subprocesadores de Replit identifica proveedores, pero los equipos de compras pueden necesitar detalles a nivel de carga de trabajo.
Los equipos de desarrollo también necesitan registros que conecten los cambios de modelo con el código y las decisiones resultantes. Una base de conocimiento de ingeniería con capacidad de búsqueda puede ayudar a preservar notas de evaluación, hallazgos de incidentes y contexto arquitectónico durante estos cambios.
La seguridad sigue formando parte de la evaluación, en lugar de ser una función que cualquier modelo fundacional resuelva por sí solo. El hábitat de agentes de Replit incluye sandboxing, controles de red, identidad, autorización, orquestación y recuperación de errores.
Masad ha sostenido que los agentes necesitan ese entorno circundante para trabajar de forma segura. El argumento respalda la estrategia de plataforma de Replit, pero también significa que una comparación de modelos no puede sostener por sí sola toda la afirmación de seguridad.
La posición predeterminada de OpenAI debería juzgarse mediante resultados observables: aplicaciones completadas, tasas de defectos, comportamiento de recuperación, incidentes de seguridad, latencia y coste total por tarea completada con éxito.
Hasta que Replit publique datos comparables en esas dimensiones, el anuncio seguirá siendo una decisión de plataforma bien fundamentada, más que un veredicto técnico definitivo.
Tres señales pondrán a prueba la apuesta de Replit por OpenAI
La siguiente fase mostrará si la opción predeterminada mejora el trabajo completado, supera el escrutinio empresarial y se mantiene abierta a una elección real de los clientes.
La primera señal será el próximo conjunto de evaluaciones públicas de agentes de Replit. La publicación más útil compararía modelos de OpenAI y Anthropic en las mismas tareas, dentro del mismo entorno de ejecución, incluyendo costes totales y tasas de fallo.
Una comparación limitada a las puntuaciones finales de los benchmarks dejaría sin resolver la principal afirmación económica. Los lectores necesitan saber cuántos turnos, reintentos, llamadas a herramientas y tareas delegadas requirió cada compilación exitosa.
Si OpenAI mantiene mejores tasas de finalización con un coste total menor, la decisión de Replit parecerá técnicamente fundamentada. Si la ventaja aparece solo en pruebas limitadas de generación de aplicaciones, la preferencia más amplia parecerá depender más de la alineación comercial.
La segunda señal será el comportamiento de los clientes en torno a Claude. Replit ha dicho que los usuarios todavía pueden elegir modelos de Anthropic, pero no ha revelado con qué frecuencia lo hacen tras el cambio de opción predeterminada.
Una proporción significativa de clientes que seleccione manualmente Claude mostraría que la identidad del modelo sigue importando. También podría impulsar a Replit a mantener controles visibles y evitar que el enrutamiento se convierta en un sustituto opaco de la elección.
Las bajas tasas de cambio serían más difíciles de interpretar. Podrían indicar satisfacción con OpenAI, pero también podrían simplemente confirmar que los usuarios rara vez cambian las opciones predeterminadas.
Por tanto, Replit debería vincular las tasas de selección con medidas de resultados. La retención, la finalización de tareas, las solicitudes de soporte y el uso repetido revelarían más que el recuento del selector de modelos por sí solo.
La tercera señal será la respuesta de Anthropic en las plataformas de programación. Anthropic puede competir mediante mejoras de modelo, condiciones comerciales, integraciones más profundas o evidencia más sólida para el trabajo con repositorios complejos.
Una nueva versión de Claude que gane las propias evaluaciones de Replit pondría a prueba el significado de «agnóstico respecto a los modelos». Replit tendría entonces que elegir entre mantener su asociación preferente o cambiar de nuevo la opción predeterminada.
Si Replit cambia con facilidad cuando cambia la evidencia, su afirmación de neutralidad será más creíble. Si OpenAI sigue siendo la opción predeterminada pese a una clara desventaja, la alineación comercial parecerá más influyente que el liderazgo en benchmarks.
La adopción empresarial añadirá presión a ese equilibrio. Masad espera que los negocios empresariales y gubernamentales representen una mayoría de los ingresos en 2027.
Esos clientes suelen exigir proveedores predecibles y controles amplios. Algunos también prefieren varios proveedores de modelos aprobados para reducir la dependencia de un solo proveedor.
Replit puede responder manteniendo a OpenAI como estándar mientras documenta dónde están disponibles las alternativas. También puede proporcionar a los administradores controles sobre proveedores aprobados, enrutamiento, exposición de datos y registros de auditoría.
La prueba estratégica más amplia de la empresa gira en torno a la confianza. Replit quiere que los usuarios eviten pensar en la selección de modelos, pero también quiere describirse como agnóstica respecto a los modelos.
Esos objetivos solo pueden coexistir si las decisiones automáticas siguen siendo inspeccionables. Los usuarios no necesitan elegir un modelo en cada turno, pero deberían entender qué proveedores pueden procesar su trabajo y por qué la plataforma cambió de rumbo.
La opción predeterminada de OpenAI en Replit se entiende mejor como una preferencia actual, no como un acuerdo permanente. Refleja la combinación de rendimiento por precio, distribución y resultados de OpenAI dentro del sistema de agentes de Replit.
La disponibilidad continua de Claude mantiene la presión competitiva dentro del producto. También ofrece a Replit una alternativa si cambian la economía o el rendimiento de OpenAI.
Para desarrolladores y compradores empresariales, la acción inmediata es sencilla. Evalúen flujos de trabajo completados en lugar de la reputación de los proveedores, registren qué modelo gestionó el trabajo crítico y sigan de cerca la próxima publicación de benchmarks de Replit.
La evidencia decisiva no será otra cita de un ejecutivo. Será comprobar si Replit publica resultados comparables, preserva una elección de modelo significativa y modifica su enrutamiento cuando cambian los datos subyacentes.
