Fato verificado
Em declaração no palco do TechCrunch Disrupt na quinta-feira, 15/10/2026, reportada em 16/10 e atualizada em 17/10/2026, o presidente-executivo da Replit, Amjad Masad, afirmou que a empresa passou a usar modelos da OpenAI como padrão no Replit Agent, em lugar dos modelos da Anthropic. Segundo ele, ‘I think ChatGPT is better now’ e ‘It was a decision based on both cost, partnership, and performance’. À TechCrunch, após o evento, Masad afirmou que ‘Replit remains model agnostic’ e que ‘OpenAI is now our preferred partner for powering Replit Agent, based on performance, economics’. A Replit era, até recentemente, um dos cinco maiores clientes da Anthropic, e um post da própria empresa no fim de setembro citava os modelos Claude Fable 5 e 5.1 rodando em produção no Replit Agent; clientes ainda podem selecionar modelos Claude na plataforma, mas a OpenAI passou a ser o padrão. Uma fonte interna não identificada disse à TechCrunch que a parceria com a Anthropic continua em vigor, o que contradiz a formulação usada no palco. Masad informou ainda que a receita corporativa saiu de cerca de 2% no ano passado para cerca de 15% neste ano, que o segmento B2B responde por mais de 50% da receita e que espera mais da metade da receita de 2027 vinda de clientes corporativos e governamentais — números informados pela empresa, sem verificação independente, e sem divulgação da receita total. A reportagem não traz os dados de benchmark citados por Masad.
Por que importa
É um caso documentado de empresa trocando o fornecedor de modelo por custo e desempenho, o que indica que esse insumo já se comporta como commodity contratável, não como escolha definitiva.
Leitura estratégica
Na prática, a portabilidade entre modelos deixou de ser discurso técnico e virou alavanca de negociação: quem mantém a arquitetura capaz de trocar o modelo negocia preço; quem amarra tudo a um fornecedor, não. Vale registrar que a própria empresa e uma fonte interna descrevem o rompimento de formas diferentes, então o que está comprovado é a mudança do padrão, não o fim da relação.
Risco real
Trocar o modelo que sustenta um produto altera comportamento, custo e qualidade de saída, e a reportagem não apresenta os dados de benchmark que embasariam a decisão.
Possibilidade prática
Para quem usa IA em processo próprio, o aprendizado replicável é manter a camada de aplicação separada do modelo e registrar métricas de qualidade e custo por tarefa, de modo que trocar fornecedor seja uma decisão de planilha e não uma reforma do zero.
Fonte: TechCrunch