Replit与Anthropic分道扬镳，AI编程平台开始重算模型账

Replit 已经不再与 Anthropic 合作。

Replit CEO Amjad Masad 于当地时间 2026 年 10 月 16 日向 TechCrunch 证实了这一点，并表示终止合作是多方面因素共同作用的结果，其中包括成本。Replit 今年 8 月已经宣布与 OpenAI 建立合作关系，但在此之前，公司并没有公开说明与 Anthropic 的合作已经结束。

这不是一次普通的供应商更换。Replit 的变化说明，AI 编程平台正在从“接入哪个最强模型”转向“如何组合、评估和控制模型成本”。对于依赖模型完成代码生成、调试、部署和数据库操作的产品来说，底层模型不再只是一个能力组件，也正在变成决定毛利率、用户留存和平台控制权的核心变量。

发生了什么：Replit确认结束Anthropic合作

Replit 是一个云端开发平台，用户可以直接在浏览器中创建、运行和部署应用。AI 编程代理是其产品的重要组成部分，用户可以通过自然语言描述需求，让系统生成代码、修改文件、连接数据库并完成部署。

Amjad Masad 没有公开说明合作终止的具体时间，也没有披露双方协议的详细条款。但他确认，成本是决策因素之一。这句话的分量不轻，因为 AI 编程代理的推理成本远高于普通聊天问答。

一个聊天请求可能只需要生成一次回答，而一个编程任务往往要经历多个循环：读取项目结构、检索文件、生成修改方案、执行命令、查看报错、重新修改、运行测试，再将结果反馈给用户。每一次循环都可能调用大模型，复杂任务甚至会产生数十轮模型交互。

因此，模型单价的变化会被放大。假设一次完整任务需要消耗 200 万 tokens，输入和输出价格只要出现 2 倍差异，平台承担的边际成本就可能直接增加数美元。对于每天运行数百万次代理任务的产品而言，这种差异最终会反映在云账单、套餐定价和毛利率上。

Replit 今年 8 月宣布与 OpenAI 合作，外界一度将其理解为新增模型供应商。但从最新表态看，OpenAI 合作很可能已经成为 Replit 重新设计模型栈的一部分：平台不再默认长期绑定 Anthropic，而是根据模型能力、价格、稳定性和任务类型重新安排供应关系。

这不是简单的“Claude输给GPT”

目前没有证据表明 Replit 终止合作意味着 Anthropic 在所有编程任务上落后于 OpenAI，也不能据此得出某个模型全面胜出的结论。

AI 编程平台真正关注的不是公开排行榜上的单项成绩，而是模型在真实代理工作流中的综合表现。一个模型可能在代码补全中更强，另一个模型可能更擅长理解大型代码库，还有模型在执行工具调用、处理长上下文或修复测试失败方面表现更稳定。

Replit 此前的产品思路已经体现了这一点：平台不会简单把底层模型名称全部暴露给用户，而是通过内部评估体系决定某一类任务使用什么模型。Masad 曾解释，Gemini 在部分任务中可能优于 Claude，但在 Agent 场景中未必始终占优。如果让用户仅根据厂商宣传自行选择模型，反而可能损害最终体验。

这意味着，Replit 的产品竞争力并不只取决于是否拥有 Claude、GPT 或 Gemini 的访问权限，还取决于它能否把不同模型编排成一个稳定的开发系统。

Replit可能采用的模型供给方式

Replit 更可能采用“多模型路由”策略，而不是把所有任务交给一个模型。

| 任务类型 | 可能优先考虑的模型能力 | 平台关注指标 | | --- | --- | --- | | 需求理解与项目规划 | 长上下文、复杂推理、稳定遵循指令 | 规划准确率、返工次数 | | 代码生成与重构 | 代码理解、结构化输出、上下文保持 | 一次通过率、修改范围 | | 报错修复 | 工具调用、错误定位、连续迭代 | 修复成功率、平均轮次 | | 文件合并与格式处理 | 低延迟、低成本、结果稳定 | 延迟、单任务成本 | | 测试与部署 | 命令执行、风险识别、权限控制 | 部署成功率、安全事件数 |

在这种架构中，最强模型通常不会被用于所有环节。平台可能让高能力模型负责拆解需求，再把文件合并、格式化、简单测试等工作交给价格更低、响应更快的模型。

这与传统的“用户选择模型”不同。用户只看到一个 AI 编程助手，后台却可能同时运行多个模型。模型选择由任务路由器、上下文管理器和评估系统共同决定，最终评价标准是用户是否一次完成了任务，而不是某个模型在单项基准测试中拿到多少分。

Replit真正的护城河可能在模型之外

模型合作关系会变化，但基础设施很难在短期内复制。Replit 此前披露的工程方向表明，公司正在把大量资源投入到模型之外的系统能力上。

其中一个关键方向是快照式网络文件系统。AI 代理可以直接修改用户项目，意味着平台必须支持快速回滚、版本隔离和故障恢复。如果代理错误地覆盖文件，或者生成的代码破坏了整个项目，用户需要能够回到此前可运行的状态。

另一个方向是云端虚拟机安全体系。AI 代理并不只是输出文本，它可能执行安装依赖、运行脚本、读取环境变量甚至访问外部服务。平台必须将这些动作限制在沙箱内，同时防止恶意代码、加密货币挖矿和越权访问影响其他用户。

Replit 还建设了基于 Nyx OS 的全球软件包缓存系统，用于改善依赖安装和构建速度。对于云端开发平台来说，用户体验不只取决于模型生成代码的速度，还取决于项目能否在几秒或几十秒内完成依赖安装、测试和部署。

这些能力的价值经常被模型发布会掩盖。用户感知到的是“AI 帮我做出了一个应用”，但平台能否承受大量并发、能否在出错后恢复、能否控制每个任务的成本，决定了这项服务能不能真正规模化。

文件修改问题说明了工程化的价值

AI 编程代理最容易被低估的问题之一，是它并不总能准确处理差异文件。

大模型经常能够理解“应该把什么功能加进去”，却不一定能准确计算文件中的行号、上下文和变更边界。模型可能生成看似正确的补丁，但因为行号偏移、上下文不匹配或文件已经被其他步骤修改，导致补丁无法应用。

Replit 的做法是将不同任务拆分给不同层级的模型：先由主模型生成差异内容，再调用更适合文件处理和合并的模型完成落地。补丁生成和补丁应用不是同一个问题，前者需要理解产品逻辑，后者更需要精确的结构处理。

这类设计说明，AI 编程平台的最终体验不只是“模型聪不聪明”，而是模型、文件系统、版本控制、执行环境和回滚机制能否形成闭环。只要其中一个环节不稳定，用户就会把问题归咎于整个产品，而不会区分究竟是模型出错、工具调用失败，还是底层文件系统没有正确处理。

Google、OpenAI与Anthropic正在争夺同一个入口

Replit 的模型策略变化，也发生在 AI 编程市场竞争加速的背景下。

Google 此前与 Replit 达成为期多年的合作，Replit 将扩大对 Google Cloud 服务的使用，并在平台中接入更多 Google AI 模型。Google Cloud 还将继续作为 Replit 的主要云服务供应商，并围绕企业客户提供 AI 编程解决方案。

OpenAI 则在 2026 年 8 月与 Replit 建立合作关系。Anthropic 过去通过 Claude Code 等产品直接切入开发者工作流，正在争夺从“写代码”到“运行和维护软件”的完整入口。

| 公司 | 在AI编程市场中的主要位置 | 对Replit的潜在价值 | | --- | --- | --- | | Anthropic | Claude、Claude Code，强调复杂代码任务与代理工作流 | 提供高质量代码推理和长上下文能力 | | OpenAI | GPT 系列模型和开发者生态 | 提供模型能力、产品生态与企业客户协同 | | Google | Gemini、Vertex AI 与 Google Cloud | 提供模型、算力、云基础设施和企业渠道 | | Replit | 云端开发、部署与面向非专业开发者的产品入口 | 将多个模型包装成可直接交付的开发体验 |

竞争的关键不只是模型供应商能否卖出更多 tokens，而是它们能否控制开发者使用 AI 的入口。一个用户如果在 Replit 里完成需求描述、编码、部署和后续维护，模型厂商就有机会通过平台合作获得稳定调用量；而 Replit 则能够借助模型能力提高产品价值，扩大企业客户覆盖范围。

这种关系天然存在张力。模型厂商希望用户直接使用自己的产品，平台厂商则希望模型可以被替换，以便控制价格和产品节奏。只要平台规模足够大，模型供应商就很难把自己视为普通基础设施提供者。

成本会成为AI编程平台的硬约束

AI 编程产品的增长并不等于健康的商业模式。

Replit 此前曾提到，公司月复合增长率达到 45%，实际规模超过此前对 Y Combinator 的承诺。但高速增长也会带来另一面：如果用户大量使用高成本模型完成复杂任务，而订阅价格没有同步调整，用户越活跃，平台的亏损可能越大。

AI 产品尤其容易出现“收入增长、毛利率下降”的情况。用户购买更高档套餐后，可能运行更多代理任务；平台表面上获得了更多收入，但模型推理、云计算、存储和网络资源的成本也同步上升。如果用户在任务失败后反复重试，单个用户的成本还会进一步增加。

因此，Replit 结束与 Anthropic 的合作，可能并不是对某个模型能力的否定，而是一次商业模型重算。平台需要回答三个问题：

• 哪些任务必须使用高能力模型，哪些任务可以交给低成本模型？
• 如何通过缓存、上下文压缩和任务拆分减少无效推理？
• 如何让用户感知到产品价值，同时避免高频使用直接吞掉毛利？

这也是 AI 编程平台从演示产品走向基础设施时必须面对的现实。

对开发者意味着什么

对于 Replit 用户而言，短期内最直接的变化可能不是界面功能，而是模型行为、响应速度和复杂任务稳定性的变化。

如果平台更换底层模型，部分项目可能出现代码风格改变、工具调用习惯变化或修复策略变化。用户不一定能看到模型名称，但会在实际使用中感受到：同一条指令是否需要重复描述、代理是否更容易修改不相关文件、部署失败后能否自动恢复，以及完成一个任务需要多少时间。

企业用户还需要关注供应商透明度。对于生产项目来说，模型版本、数据处理边界、日志保留政策、代码是否用于训练，以及平台能否提供稳定的回滚和审计能力，都比“是否接入最新模型”更重要。

从长期看，开发者不应把项目流程完全绑定在某个模型的特定行为上。更稳妥的做法是保留清晰的测试、版本控制和部署边界，让模型只是开发流程中的一个可替换组件。AI 代理可以提高开发效率，但不能替代权限管理、代码审查和生产环境的变更控制。

判断：模型采购正在变成平台战略

Replit 终止与 Anthropic 的合作，释放出的最大信号是：AI 编程平台不会永远围绕单一模型建立产品。

在早期阶段，平台接入一个能力领先的模型，就能迅速改善产品体验。但当用户规模、任务复杂度和成本压力同时上升后，平台必须拥有自己的模型评估、路由和基础设施能力。否则，供应商一次价格调整、一次限流，或者一次模型行为变化，都可能直接影响产品质量和财务结果。

Replit 的下一步值得关注三个指标：第一，OpenAI 合作是否会带来默认模型或企业级功能变化；第二，Google Cloud 和 Gemini 是否会在平台中承担更多任务；第三，Replit 是否会公开更明确的模型路由、成本控制和评估体系。

如果 Replit 能把多个模型稳定地编排起来，它的价值就不再是“一个接入模型的网页编辑器”，而是一个面向开发者和企业的 AI 软件生产平台。反过来，如果模型切换只带来短期成本下降，却导致代码质量和代理稳定性下降，用户也会迅速转向 Cursor、Claude Code 或其他工具。

AI 编程市场的下一阶段，不会只奖励拥有最强模型的公司，也会奖励能把模型变成可靠生产力的公司。Replit 与 Anthropic 的分手，正是这场竞争从模型能力比拼转向平台经营能力比拼的一个信号。

参考来源

• Replit GitHub 组织页：用于核查 Replit 公开技术生态与开源项目信息。
• GitHub：用于补充 AI 编程工具、开发者平台和软件工程生态的公开信息入口。
• IT之家：国内科技媒体信息入口，可用于跟踪 Replit、OpenAI、Anthropic 与 Google 的后续合作动态。

本文核心事件依据 2026 年 10 月 16 日 TechCrunch 对 Replit CEO Amjad Masad 的报道整理；文中关于模型路由、成本结构和平台战略的部分，为基于公开信息的行业分析，不等同于 Replit 已公开确认的具体技术方案。