جدایی Replit از Anthropic؛ ادعای مدیرعامل و روایت‌های متناقض

مدیرعامل Replit روی صحنه‌ی TechCrunch Disrupt گفت این شرکت دیگر با Anthropic کار نمی‌کند و OpenAI را شریک بهتری می‌داند. اما یک منبع آگاه می‌گوید همکاری هنوز برقرار است و شواهد منتشرشده هم تصویر را پیچیده‌تر می‌کند.

۱. ماجرا از کجا شروع شد؟

در جریان کنفرانس TechCrunch Disrupt، امجد مساد، هم‌بنیان‌گذار و مدیرعامل پلتفرم کدنویسی Replit، درباره‌ی رابطه‌ی شرکتش با Anthropic صحبت کرد. او گفت Replit دیگر با این شرکت کار نمی‌کند و تصمیم را «بر پایه‌ی هزینه، همکاری و عملکرد» توضیح داد. جمله‌ای که بیشترین توجه را جلب کرد این بود: «فکر می‌کنم ChatGPT حالا بهتر است.»

گزارش این صحبت‌ها در ۱۶ اکتبر ۲۰۲۶ منتشر شد و خیلی زود در رسانه‌های فناوری دست‌به‌دست شد. دلیلش روشن است: Replit یکی از شناخته‌شده‌ترین ابزارهای «وایب‌کدینگ» است و Anthropic با مدل‌های Claude سال‌هاست در حوزه‌ی کدنویسی جایگاه ویژه‌ای دارد. هر خبر درباره‌ی جدایی این دو، فوراً به رقابت OpenAI و Anthropic ربط داده می‌شود.

۲. مساد دقیقاً چه گفت؟

مساد توضیح داد که Replit برای سنجش مدل‌ها از یک بنچمارک داخلی و یک بنچمارک عمومی استفاده می‌کند. بر اساس این سنجش‌ها، به گفته‌ی او مدل‌های «Sol» و «Astra» در ساخت اپلیکیشن‌های وایب‌کدینگ از صفر عملکرد بهتری دارند. منظور از وایب‌کدینگ، ساخت نرم‌افزار با توصیف خواسته به زبان طبیعی و سپردن کدنویسی به هوش مصنوعی است.

او همچنین OpenAI را «شریکی بهتر، دست‌کم برای حالا» نامید. این عبارت مهم است، چون نشان می‌دهد قضاوت او مربوط به وضعیت فعلی بازار است و نه حکمی همیشگی. در دنیای مدل‌های زبانی که رتبه‌ها هر چند ماه جابه‌جا می‌شود، چنین احتیاطی منطقی به نظر می‌رسد.

نکته‌ی دیگر این است که مساد ارقام دقیقی درباره‌ی هزینه یا اختلاف عملکرد ارائه نکرد. بنابراین فعلاً نمی‌دانیم فاصله‌ی ادعایی چند درصد است و روش اندازه‌گیری آن چگونه بوده است.

۳. روایت مقابل: همکاری هنوز برقرار است؟

بلافاصله بعد از انتشار خبر، گزارش‌ها از وجود روایت متضاد خبر دادند. بر اساس این گزارش‌ها، فردی آگاه از رابطه‌ی دو شرکت می‌گوید همکاری با Anthropic هنوز سر جایش است. این منبع نامش را اعلام نکرده، پس باید با احتیاط به آن نگاه کرد؛ اما وجودش نشان می‌دهد «پایان همکاری» ادعایی قطعی نیست.

شواهد مستند هم کاملاً یک‌طرفه نیست. یک پست وبلاگ Replit در سپتامبر، مدل‌های Claude Fable 5 و Fable 5.1 را در میان مدل‌هایی نام برده بود که در عامل تولیدی Replit اجرا می‌شوند. افزون بر این، Replit در ژوئن اعلام کرده بود که مستقیم داخل Claude هم در دسترس است. این‌ها مربوط به ماه‌های قبل هستند و ممکن است تا امروز تغییر کرده باشند، اما نشان می‌دهند رابطه سابقه‌ی جدی داشته است.

TechCrunch هم از Replit خواسته موضوع را روشن کند و اعلام کرده در صورت دریافت توضیح، گزارشش را به‌روز می‌کند. تا لحظه‌ی نگارش این مقاله، بیانیه‌ای از Replit یا Anthropic که اختلاف روایت‌ها را حل کند منتشر نشده بود.

۴. خط زمانی همکاری Replit با OpenAI و Anthropic

برای فهم بهتر ماجرا، ترتیب رویدادهای مستند را مرور کنیم:

• ۱۷ ژوئن ۲۰۲۶: Replit اعلام کرد مستقیم داخل Claude در دسترس است.
• ۱۸ اوت ۲۰۲۶: در پستی درباره‌ی «حالت رایگان»، Replit از همکاری با OpenAI گفت و آن را راهی برای انجام کارهای بیشتر معرفی کرد.
• ۲۶ اوت ۲۰۲۶: Replit مطلبی درباره‌ی «مسیریابی هوشمند مدل‌ها» منتشر کرد.
• ۲۹ سپتامبر ۲۰۲۶: پست مهندسی «آزاد کردن مدل‌ها؛ طراحی هارنس در مرز دانش» به GPT-6 Astra اشاره کرد و درباره‌ی هارنس داخلی Replit ادعاهای بنچمارکی مطرح کرد.
• ۱۶ اکتبر ۲۰۲۶: اظهارات مساد در Disrupt منتشر شد.

این تقویم نشان می‌دهد حرکت به سمت OpenAI چند ماه پیش آغاز شده بود. اما صرف شروع همکاری با OpenAI به معنای حذف کامل Claude نیست. Replit چند مدل را همزمان به کار می‌گیرد و مفهوم «مسیریابی هوشمند مدل‌ها» دقیقاً یعنی هر کار به مدلی سپرده شود که برایش مناسب‌تر است.

۵. چرا هزینه این‌قدر مهم است؟

یکی از سه دلیلی که مساد برشمرد، هزینه بود. برای ابزاری مثل Replit که عامل‌های هوش مصنوعی ساعت‌ها روی یک پروژه کار می‌کنند، هزینه‌ی توکن بخش بزرگی از قیمت تمام‌شده است. اگر یک مدل برای انجام همان کار به توکن کمتری نیاز داشته باشد یا قیمت هر توکنش پایین‌تر باشد، تفاوتش در مقیاس میلیون‌ها کاربر خیلی سریع به عدد قابل‌توجهی تبدیل می‌شود.

البته نباید بیش از حد از این جمله نتیجه گرفت. مساد هیچ عدد مشخصی از قرارداد، قیمت یا حجم مصرف ارائه نکرد، و تحلیل‌هایی که OpenAI را «برنده‌ی جنگ قیمت» می‌نامند، تفسیر نویسندگان است و نه واقعیتی که خود Replit تأیید کرده باشد.

۶. تغییر ترکیب درآمد Replit

در همین گزارش‌ها به یک نکته‌ی تجاری مهم هم اشاره شده است. Replit درآمد سالانه‌ی تکرارشونده‌ی خود را اعلام نکرده، اما گفته سهم مشتریان سازمانی از حدود ۲٪ درآمد سال گذشته به حدود ۱۵٪ امسال رسیده و اکنون بیش از نیمی از درآمد از مشتریان تجاری می‌آید.

این تغییر می‌تواند توضیح بدهد چرا انتخاب شریک مدلی برای Replit حساس‌تر شده است. مشتری سازمانی به پایداری، قیمت قابل‌پیش‌بینی، قراردادهای روشن و پشتیبانی اهمیت می‌دهد و ترازوی «بهترین شریک» لزوماً فقط روی دقت مدل نمی‌ایستد.

۷. چه چیزهایی هنوز تأیید نشده است؟

پرسش‌های بی‌پاسخ

با توجه به اطلاعات موجود، این موارد هنوز روشن نیست:

• آیا مدل‌های Claude واقعاً از Replit حذف شده‌اند و اگر بله، از چه زمانی؟
• تغییر ماهیت تجاری دارد یا فنی؟
• «کار نکردن با Anthropic» در عمل یعنی چه؛ قطع قرارداد، حذف مدل از مسیریاب، یا کاهش سهم آن؟
• اختلاف عملکرد در بنچمارک‌ها چقدر است؟
• موضع رسمی Anthropic چیست؟

تا زمانی که این پرسش‌ها پاسخ نگیرند، دقیق‌ترین جمله این است: «مدیرعامل Replit علناً گفته با Anthropic کار نمی‌کند، اما این ادعا هنوز به‌طور مستقل تأیید نشده و منبعی دیگر خلافش را می‌گوید.»

۸. این ماجرا برای OpenAI و Anthropic چه معنایی دارد؟

برای OpenAI، حتی اگر روایت مساد کامل نباشد، اینکه مدیرعامل یک پلتفرم محبوب علناً مدل‌های آن را بهتر بنامد، یک برگ برنده‌ی تبلیغاتی است. بازار کدنویسی با هوش مصنوعی یکی از پرسودترین بخش‌های این صنعت است و هر پلتفرم بزرگ می‌تواند مصرف توکن بسیار بالایی ایجاد کند.

برای Anthropic، که سابقه‌ی قوی در ابزارهای توسعه‌دهندگان دارد، این خبر یادآوری می‌کند که وفاداری مشتریان در این بازار شکننده است. شرکت‌های واسطه مثل Replit می‌توانند در عرض چند هفته مسیر ترافیک را از یک ارائه‌دهنده به دیگری تغییر دهند. در عین حال، گزارش‌ها از چالش‌های دیگری برای Anthropic هم نام برده‌اند، از جمله اعتراض به فهرست سیاه پنتاگون در دادگاه فدرال، اما ارتباط مستقیم آن‌ها با ماجرای Replit اثبات نشده است.

اگر درباره‌ی شرکت‌های سازنده‌ی این مدل‌ها بیشتر می‌خواهید، مقاله‌ی OpenAI چیست؟ نقطه‌ی شروع خوبی است و آخرین خبرها را هم در بخش اخبار هوش مصنوعی دنبال کنید.

۹. درس برای توسعه‌دهندگان و تیم‌های محصول

مهم‌ترین نتیجه‌ی عملی این است که وابستگی به یک مدل یا یک شریک، ریسک تجاری است. اگر محصول شما به API یک شرکت وصل است، لایه‌ای بسازید که تعویض مدل را ساده کند. بنچمارک داخلی خودتان، روی وظایف واقعی محصول، همیشه از رتبه‌بندی‌های عمومی مفیدتر است؛ همان کاری که به گفته‌ی مساد Replit هم انجام می‌دهد.

موضوع دیگر، کیفیت پرامپت و مهارت استفاده است. بسیاری از تفاوت‌هایی که بین مدل‌ها دیده می‌شود، با نوشتن درست دستور کوچک‌تر می‌شود. اگر تازه‌کار هستید، راهنمای نوشتن پرامپت برای مبتدی‌ها را بخوانید و برای یادگیری کاربردی‌تر به آموزش‌های ChatGPT سر بزنید.

همچنین باید یاد بگیریم که هر ادعای «بهترین مدل» را در زمینه‌ی خودش بسنجیم. مقاله‌ی مقایسه‌ی ChatGPT و DeepSeek نشان می‌دهد نتیجه‌ی مقایسه‌ها به نوع آزمون بستگی دارد، و توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی هم یادآوری می‌کند که هیچ مدلی در همه‌چیز برتر نیست.

۱۰. مهندس واقعی یا وایب‌کدر؟

پشت این بحث‌ها یک سؤال بزرگ‌تر هم هست: وقتی ابزارها این‌قدر سریع تغییر می‌کنند، ارزش مهارت انسانی کجاست؟ ساخت اپلیکیشن کامل از صفر با یک دستور جذاب است، اما تحلیل، معماری، تست و نگهداری هنوز به قضاوت مهندس نیاز دارد. نوشته‌ی توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی همین نکته را بازتر می‌کند.

از منظر کسب‌وکار هم، اهمیت هوش مصنوعی در کسب‌وکار فقط به انتخاب مدل برتر محدود نیست؛ مدیریت هزینه، انتخاب شریک و برنامه‌ی جایگزین هم جزو تصمیم‌های اصلی است.

۱۱. پرسش‌های متداول

آیا Replit واقعاً Claude را حذف کرده است؟

هنوز تأیید مستقل وجود ندارد. مدیرعامل می‌گوید همکاری با Anthropic پایان یافته، اما منبعی آگاه خلاف آن را می‌گوید و Replit هم هنوز توضیح رسمی نداده است.

دلیل جدایی از زبان مساد چه بود؟

او سه عامل را نام برد: هزینه، همکاری و عملکرد. عدد یا جزئیات مشخصی ارائه نشد.

GPT-6 Astra و Sol چه نقشی دارند؟

به گفته‌ی مساد، این مدل‌ها در ساخت اپ‌های وایب‌کدینگ از صفر، در سنجش‌های Replit بهتر از رقیب عمل کرده‌اند. نتیجه‌ی کامل بنچمارک‌ها منتشر نشده است.

آیا این خبر به کاربران عادی Replit مربوط می‌شود؟

احتمالاً در کیفیت و سرعت پاسخ عامل کدنویسی اثر دارد، ولی تا زمان انتشار توضیح رسمی، تغییر مشخصی اعلام نشده است.

من به عنوان توسعه‌دهنده چه کنم؟

مدل را قابل‌تعویض نگه دارید، روی داده‌ی واقعی خودتان بنچمارک بگیرید و هزینه‌ی هر درخواست را پیوسته رصد کنید.