Replit OpenAI 默认选择取代 Claude，成为 Agent 的首选

Replit 已将 OpenAI 设为默认模型提供商，扭转了此前对 Anthropic 的依赖，尽管 Claude 仍可使用。Replit OpenAI 默认选择改变了大多数客户在 Replit Agent 中最先接触的模型，也让一项基础设施决策演变为围绕成本、编程性能和商业协同的公开竞争。

CEO Amjad Masad 最初在 TechCrunch Disrupt 上对这一变化作出了更为强硬的表述。他称 Replit 已不再与 Anthropic 合作，并表示 ChatGPT 已更适合公司的需求。随后他澄清了这一说法：Replit 仍支持 Claude，但 OpenAI 现已成为其首选合作伙伴。

这一区别至关重要。Replit 并未将 Anthropic 移出平台，也未放弃其模型中立立场。它改变的是默认选项，而这依然可能重新导向大量使用量，因为许多客户会接受平台的初始选择。

这一调整也紧随双方在 8 月宣布的更深层 OpenAI 合作关系。OpenAI 模型当时已为 Replit 的 Free Mode 提供支持，而 Replit 也开始发布涉及两家提供商新模型的生产环境观察结果。

因此，这并非一场彻底清除 Anthropic 的行动，而是一次战略逆转：Replit 将 OpenAI 置于核心位置，同时保留足够的模型选择空间，以便在性能、经济性或客户需求再次变化时作出回应。

Replit OpenAI 默认选择实际改变了什么

OpenAI 现在占据 Replit Agent 的首选位置，但 Anthropic 仍存在于产品及其运营技术栈中。

Masad 向 TechCrunch 表示，Replit 基于性能、经济性和合作关系的强度选择了 OpenAI。他的评论是在 2026 年 10 月 15 日的 TechCrunch Disrupt 亮相后发表的。

最初的表态听起来十分明确。Masad 称 Replit 已不再与 Anthropic 合作，并援引了内部评估、成本以及双方的商业关系。

到周末，Replit 的立场变得更为准确。根据更新后的默认模型说明，客户仍可继续选择 Claude 和其他受支持模型。OpenAI 是为 Replit Agent 提供支持的首选合作伙伴，而非唯一提供商。

这一澄清区分了三个容易混淆的决定。

首先，Replit 控制作为默认选项呈现的模型。这一选择会影响那些不会查看或更改模型设置的普通用户。

其次，Replit 可以将不同任务路由至不同模型。一个编程 Agent 不一定会在整个项目中始终绑定于同一个基础模型。

第三，客户仍可在产品允许的范围内明确作出 Replit 模型选择。因此，即使 OpenAI 获得初始工作负载，Claude 依然具有相关性。

Replit 的公开子处理商名单进一步印证了这一区别。其 2026 年 8 月更新同时将 OpenAI 和 Anthropic 列为 AI 模型提供商，并列出 Google 和 OpenRouter，表明其供应商组合更广泛，而非采用单一提供商架构。

实际影响仍然倾向于 OpenAI。默认设置会塑造行为，因为它们降低了开始一项任务所需的操作成本。打开 Replit Agent 的客户，更可能使用标准流程中直接提供的模型，而非需要主动选择的模型。

这可以重新导向很大一部分推理支出，同时又不会阻断竞争模型。Masad 表示，Replit 最近曾是 Anthropic 前五大客户之一，不过两家公司都未披露相关支出或使用量。

因此，默认选项在大规模上相当于一项采购决策。它决定哪家提供商获得常规流量、哪种模型收集更多生产反馈，以及哪位合作伙伴与 Replit 的用户体验联系最紧密。

不过，仍然可选的 Claude 也限制了这一声明能够被解读的程度。Replit 并未证明每一类工作负载在 OpenAI 上表现都更好。它只是认定，就目前而言，OpenAI 为其标准体验提供了最佳整体组合。

最后这一限定很重要。模型性能变化迅速，而 Replit 自身的工程工作也假定，不同任务中的最佳选择可能不同。公司正在选定领跑者，但并未永久关闭竞争。

成本与分发让这一合作恰逢其时

这一调整之前，双方已进行了数月的产品整合，这既为 OpenAI 提供了经济层面的理由，也通过 Replit 带来了直接的分发渠道。

Replit 和 OpenAI 在 2026 年 8 月公开扩大了合作关系。Replit 推出了使用 GPT-5.6 Luna 的 Free Mode，该模型定位于快速且经济的日常工作。

在这一设计下，用户可以规划、探索想法、请求反馈并处理较轻量的任务，而无需消耗与更复杂构建相同的使用额度。随后，Replit 可以将高要求工作转移到其他 Agent 模式中。

OpenAI 将Free Mode 合作描述为模型经济性改善的成果。Masad 表示，OpenAI 的降价帮助 Replit 向数百万用户提供这一体验。

Replit 还称，在修订后的产品设计下，Free Mode 可让客户创建的内容增加多达 30 倍。这一数字来自 Replit，应被视为公司主张，而非对已完成软件的独立审计指标。

不过，产品逻辑很清晰。对于 AI 编程平台而言，模型成本并非次要问题。每一次 Agent 交互都可能触发规划、代码生成、工具调用、测试、错误恢复和后续推理。

单次响应成本的微小差异，可能在漫长的软件构建会话中变得显著。当平台服务数百万人时，这种影响会进一步放大。

Replit 也有动力让这种复杂性对用户不可见。大多数用户想要的是可运行的应用，而不是涉及多家模型供应商的采购流程。

公司在 8 月推出了 Intelligent Model Routing，根据任务进展，按质量、速度和成本选择模型。Replit 表示，其测试在输出质量相当的情况下，成本比此前的 Max Mode 系统低 65%。

这一路由结果同样是公司自行报告的数据。Replit 尚未发布足够的独立证据，无法将其视为适用于每一个项目的普遍结论。

不过，路由和默认选项解决的是不同问题。路由会在工作过程中选择模型或配置；默认选项则为整个系统确立首选的商业与技术起点。

OpenAI 还在 Replit 自身界面之外获得了分发优势。自 2026 年 1 月起，ChatGPT 用户便能够调用 Replit，从对话中创建、更新和部署应用。

这一整合将 OpenAI 的消费级界面与 Replit 的开发和部署环境连接起来，让两家公司都有动力使交接过程保持一致。

对 OpenAI 而言，这一关系将其模型延伸至端到端的软件生产服务。对 Replit 而言，ChatGPT 则成为潜在客户开始构建的另一入口。

Anthropic 在编程领域仍占据强势位置。Claude 模型依然嵌入多种开发者产品中，并因代码生成和推理能力而在程序员群体中享有声誉。

但模型质量本身并不能决定平台默认选项。Replit 必须考虑推理成本、容量、产品整合、商业条款，以及生产系统故障时提供商的响应速度。

Masad 的解释综合了所有这些因素。他并未将此次调整描述为某一个基准分数的结果，而是将 OpenAI 定位为最适合 Replit 当前优先事项的整体合作伙伴。

随着 Replit 追求更大型的组织客户，这些优先事项也在变化。Masad 表示，企业合同去年约占公司收入的 2%，今年约占 15%。他还称，企业客户如今已贡献超过一半的收入。

Replit 预计，到 2027 年企业和政府客户将贡献其超过一半的收入。这类买家除了关注原始模型能力外，通常也重视可靠性、安全控制、采购稳定性和支持服务。

首选合作关系可以简化这一叙事。但如果所选提供商发生故障、提高价格，或在重要工作负载上落后，也可能带来集中化风险。

保留 Claude 选项有助于 Replit 管理这一风险。公司可以将 OpenAI 推广为标准选项，同时保留议价能力和技术替代方案。

Replit 与 Anthropic 如今通过默认选项竞争

主要竞争并非 Replit 的独家访问权，而是掌控 Replit 用户构建软件时所经过的标准路径。

Anthropic 此前在 Replit Agent 中占据核心地位。早期一项Claude 部署研究描述了 Replit 在评估多个模型后，选择在 Google Cloud 上部署 Claude。

该案例研究称，由 Claude 驱动的 Replit Agent 通过 Cloud Run 支持了超过 100,000 个应用。它将双方关系呈现为 Anthropic 的模型能力、Replit 的 Agent 系统和 Google Cloud 基础设施的结合。

Replit 较新的材料表明，这段历史并未一夜之间消失。9 月下旬，公司发布了涉及 Anthropic Fable 5 和 Fable 5.1，以及 OpenAI GPT-6 Astra 的生产环境观察结果。

这些观察研究了模型如何将工作委派给专门的子 Agent。子 Agent 是处理有限任务的较小委派流程，例如探索代码、审查变更或测试界面。

Replit 报告称，GPT-6 Astra 更频繁地将任务委派给通用工作单元。公司还表示，较新的 Anthropic 模型展现出很强的工程质量，并降低了对独立代码审查 Agent 的需求。

这一比较使“Replit 认为 Anthropic 在技术上不合格”的简单说法变得难以成立。就在 Masad 宣布新默认选项之前不久，其工程师仍在描述 Anthropic 模型的有价值表现。

因此，这次逆转在商业和架构层面的意义不亚于技术层面。Replit 正在评估完整的 Agent 结果，而非只问哪个独立聊天机器人能生成最佳的孤立代码样本。

基础模型运行于一个 harness 中，即管理提示词、工具、上下文、测试、重试和委派工作的一套周边系统。同一模型在这个 harness 发生变化时，可能呈现不同表现。

Replit 的生产系统也可以弥补模型的弱点。它可以将探索工作发送给一个组件，将实现工作发送给另一个组件，并将测试交给浏览器自动化流程。

这使 Replit Anthropic 合作关系不像最初的台上评论所暗示的那样非黑即白。Anthropic 即使失去默认地位，其模型仍可在特定任务或客户场景中发挥作用。

对 Anthropic 而言，压力来自使用量转移。如果大多数客户保留 OpenAI 默认选项，Claude 将通过这个最显眼的 AI 软件构建平台之一获得更少的常规请求。

这影响的不仅是即时收入。生产流量会产生关于故障、首选工作流、延迟，以及非技术用户如何描述软件任务的证据。

OpenAI 可以借此在代理式编程领域巩固自身地位的同时获得更多反馈。届时，Anthropic 必须说服 Replit、竞争平台或用户，相比默认选项，Claude 能够带来足以证明其值得被明确选中的额外价值。

对 Replit 而言，压力则来自相反方向。一旦该公司将 OpenAI 推为标准选项，客户就会把 Agent 的输出质量与这一选择联系起来。

一次失败的构建不会被视为抽象的供应商问题。无论根本故障始于模型、执行框架、工具链还是应用环境，用户都会将其视作 Replit 的问题。

因此，Replit 将 OpenAI 设为默认选项，不仅转移了流量，也转移了责任归属。Replit 正在公开背书一家供应商，同时保留在界面背后使用其他供应商的能力。

这种安排更像云服务采购，而非消费者对聊天机器人的偏好。平台通常会出于成本和集成考虑选择主要供应商，同时保留替代方案以增强韧性。

不同之处在于，基础模型会影响产品可见的行为。更换默认选项可能改变编程风格、界面设计、错误模式、工具选择，以及在需要人工介入前能够完成的工作量。

开发者不应将这一决定解读为行业对 Claude 与 OpenAI 的普遍裁决。Replit 的评估针对的是其自身的执行框架、工作负载、合同安排和客户分布。

另一家编程平台可能会基于不同的代理循环或用户群得出相反结论。维护大型既有代码库的企业，其需求也不同于根据提示词创建新应用的创业者。

更合理的结论应当更为有限：OpenAI 目前提供了 Replit 希望用于默认路径的组合，而 Anthropic 仍然足够有价值，因而继续保持可用。

基准测试的证据仍不完整

Replit 已解释其决策背后的标准，但外部人士无法独立复现完整对比。

Masad 表示，Replit 使用了一套涵盖性能等指标的内部基准测试。他还提到一项公开基准，并称 OpenAI 的 Sol 和 Astra 模型在从零构建 vibe coding 应用时始终表现更好。

Vibe coding 指主要通过自然语言指令驱动的软件创建方式，由 AI 系统生成并修改大部分代码。它强调完成的成果，而非手动实现过程。

这一定义带来了评估挑战。从零构建应用不仅仅是生成正确的函数。代理必须理解模糊的需求、选择架构、创建界面、连接服务、测试行为并从错误中恢复。

能够涵盖这些步骤的基准测试可能很有用，但它也可能偏向为其设计的执行框架和工作流程。

Replit 既是评估方，也是选择商业合作伙伴的平台。这并不意味着其结论无效，但限制了这些结论在 Replit 之外能够证明什么。

该公司已公布一些有关其代理评估的方法细节，也发布了生产统计数据，展示不同模型如何在其系统内部委派工作。

这些披露比“某个模型感觉更好”的简单说法提供了更多实质内容。但它们仍未提供一份完整、经独立审计的 OpenAI 与 Anthropic 对比，涵盖成本、可靠性、安全性和应用质量。

仅从公开信息中比较成本尤其困难。达到 Replit 这一规模的平台，可能谈判出不同于公开 API 条款的条件。

其总支出还包括失败生成、缓存上下文、重试、工具、子代理和支持成本。如果模型能以更少尝试完成任务，即使单位成本更高，整体也可能更便宜。

反过来也可能如此。如果低成本模型生成更多错误、消耗更多 token，或需要更密集的审查，便可能提高总支出。

合作关系的强度更难衡量。其中可能包括联合工程、产能承诺、响应时间、营销、产品分发以及谈判达成的商业条款。

因此，读者应将 Replit 的决定与通用的编程模型排名区分开来。该公司拥有足以支持自身产品选择的证据，但尚未公布足够信息，供独立观察者复现每一项结论。

时机也带来了另一层不确定性。Replit 在 9 月发布的工程文章描述了两家公司相关模型均有强劲的生产表现。仅数周后，OpenAI 才成为首选合作伙伴。

这表明，该决定涉及的不只是一次突如其来的技术胜利。8 月的 Free Mode 发布、ChatGPT 分发能力、模型经济性和企业战略，很可能共同强化了基准测试结果。

Anthropic 合作关系的状态也存在分歧。据报道，熟悉双方合作关系的人士对 Masad 最初称 Replit 已不再与 Anthropic 合作的说法提出异议。

Replit 后续的澄清与其公开产品证据更一致。Claude 仍可供选择，Anthropic 仍被列为子处理方，该公司也仍将自己描述为模型无关。

最稳妥的解读是，Anthropic 失去了首选地位，而非平台访问权限。任何更强的结论都会超出目前已验证的证据。

用户还应关注 Replit 的模型选择在实际使用中如何呈现。可见的选择器并不一定会揭示一次漫长代理会话中调用的每一个模型。

Replit 的架构允许核心模型将工作委派给其他流程。智能路由也会随着任务推进而改变系统行为。

企业采购方需要更清晰地了解日志记录、数据处理、保留、驻留，以及哪些供应商会处理项目上下文。Replit 的子处理方披露列出了供应商，但采购团队可能需要工作负载级别的细节。

开发团队也需要将模型变更与由此产生的代码和决策关联起来的记录。一个可搜索的工程知识库可以帮助在这些变化中保留评估笔记、事故发现和架构上下文。

安全性仍是评估的一部分，而不是任何基础模型单独就能解决的功能。Replit 的代理环境包括沙箱、网络控制、身份、授权、编排和错误恢复。

Masad 曾表示，代理需要这种周边环境才能安全运行。这一观点支持 Replit 的平台战略，但也意味着模型对比无法承载完整的安全性主张。

应通过可观察的结果来评判 OpenAI 的默认地位：已完成的应用、缺陷率、恢复行为、安全事件、延迟，以及每项成功任务的总成本。

在 Replit 公布这些维度上的可比数据之前，这项公告仍是一项信息充分的平台决策，而非最终的技术裁决。

三个信号将检验 Replit 对 OpenAI 的押注

下一阶段将显示，这一默认选项能否提升已完成工作、经受企业审查，并仍然保留真正的客户选择权。

第一个信号是 Replit 下一组公开的代理评估。最有价值的发布将是在同一执行框架内、针对相同任务比较 OpenAI 和 Anthropic 模型，并纳入总成本和失败率。

如果对比仅限于最终基准分数，关键的经济性主张仍无法得到解答。读者需要知道，每次成功构建分别需要多少轮交互、重试、工具调用和委派任务。

如果 OpenAI 能以更低的总成本维持更高完成率，Replit 的决定将显得具有扎实的技术基础。如果其优势只出现在狭窄的应用生成测试中，更广泛的偏好就会显得更依赖商业协同。

第二个信号是客户围绕 Claude 的行为。Replit 表示用户仍可选择 Anthropic 模型，但尚未披露默认选项改变后用户选择它们的频率。

若有相当比例的客户手动选择 Claude，将表明模型身份仍然重要。这也可能促使 Replit 保留可见的控制项，并防止路由成为选择权的不透明替代品。

较低的切换率则更难解读。它们或许表明用户对 OpenAI 感到满意，也可能只是证实用户很少修改默认设置。

因此，Replit 应将选择率与结果指标结合起来。留存率、任务完成情况、支持请求和重复使用情况，比单独的模型选择器计数更能说明问题。

第三个信号是 Anthropic 在各编程平台上的回应。Anthropic 可以通过模型改进、商业条款、更深度的集成，或针对复杂代码库工作提供更强证据来竞争。

如果新版 Claude 赢得 Replit 自身的评估，将检验“模型无关”这一说法的含义。届时，Replit 将面临在维持首选合作关系与再次更改默认选项之间作出选择。

如果 Replit 会在证据变化时迅速切换，其中立性主张将更具可信度。如果即使面对明显劣势，OpenAI 仍保持默认地位，商业协同就会显得比基准领先地位更具影响力。

企业采用将对这种平衡施加额外压力。Masad 预计，到 2027 年，企业和政府业务将占收入的大多数。

这些客户通常要求可预测的供应商和广泛的控制措施。其中一些客户也倾向于采用多个获批准的模型供应商，以降低对单一厂商的依赖。

Replit 可以在将 OpenAI 保持为标准选项的同时，记录替代方案可用的场景。它还可以为管理员提供对获批准供应商、路由、数据暴露和审计记录的控制。

该公司更大的战略考验关乎信任。Replit 希望用户无需考虑模型选择，但同时也希望将自身描述为模型无关。

这两个目标只有在自动决策保持可检查的情况下才能共存。用户不需要为每一轮都选择模型，但应了解哪些供应商可能处理其工作，以及平台为何改变方向。

Replit 将 OpenAI 设为默认选项，最好被理解为当前偏好，而非永久定论。它反映了 OpenAI 在 Replit 代理系统内部的价格性能、分发能力和结果组合。

Claude 的持续可用使产品内部保持竞争压力。如果 OpenAI 的经济性或性能发生变化，这也为 Replit 提供了替代方案。

对开发者和企业采购方而言，眼下的行动很直接：评估完成的工作流程而非供应商声誉，记录处理关键工作的模型，并密切关注 Replit 下一次基准测试发布。

决定性证据不会是另一句高管引述，而在于 Replit 是否公布可比结果、保留有意义的模型选择，并在底层数据变化时调整其路由。