عقب‌نشینی رپلیت از ادعای قطع همکاری با آنتروپیک، تنها در ۲۴ ساعت

سوفیا لیندستروم | ۱۹ اکتبر ۲۰۲۶

امجد مسعد، مدیرعامل رپلیت، روز پنجشنبه ۱۶ اکتبر ۲۰۲۶، روی صحنه رویداد تک‌کرانچ دیسراپت اعلام کرد که شرکتش «دیگر با آنتروپیک همکاری نمی‌کند»؛ اظهارنظری که توجه دو نام بزرگ صنعت هوش مصنوعی را به خود جلب کرد. اما تا روز بعد، زمانی که تک‌کرانچ گزارش این سخنان را منتشر کرد، روایت او با تردیدهای جدی روبه‌رو شده بود. فردی آگاه از رابطه رپلیت و آنتروپیک به این رسانه گفت که همکاری دو شرکت همچنان ادامه دارد. خود مسعد نیز تنها چند ساعت بعد از موضع اولیه‌اش عقب نشست و توضیح داد که رپلیت «همچنان نسبت به مدل‌ها بی‌طرف است». آنچه در ابتدا به‌صورت جدایی کامل یک پلتفرم رو‌به‌رشد برنامه‌نویسی با هوش مصنوعی از یکی از دو تأمین‌کننده اصلی مدل‌هایش به نظر می‌رسید، در نهایت شکل پیچیده‌تری پیدا کرد: تغییر ارائه‌دهنده ترجیحی که برای مدتی کوتاه، به‌عنوان قطع کامل همکاری مطرح شد.

اهمیت این ماجرا فراتر از اختلاف روایت‌های رایج در سیلیکون‌ولی است. رپلیت در مرکز موج «برنامه‌نویسی وایبی» قرار دارد؛ اصطلاحی برای ساخت برنامه با کمک هوش مصنوعی که در آن، یک دستور متنی می‌تواند به نرم‌افزاری قابل اجرا تبدیل شود. هر تصمیم پلتفرمی مانند رپلیت درباره انتخاب مدل، بر قیمت‌گذاری، عملکرد و سهم آزمایشگاه‌های سازنده مدل‌های پایه از اعتبار و درآمد موج بعدی کدنویسی با هوش مصنوعی اثر می‌گذارد. این گزارش بررسی می‌کند که دقیقاً چه گفته شد، اسناد موجود چه چیزی را نشان می‌دهند و این رویداد درباره اقتصاد رقابتی بازار ابزارهای برنامه‌نویسی هوش مصنوعی در آستانه سال ۲۰۲۷ چه معنایی دارد. [گزارش تک‌کرانچ درباره پایان همکاری رپلیت و آنتروپیک](https://techcrunch.com/2026/10/17/replit-is-no-longer-working-with-anthropic-ceo-says/)

مسعد در رویداد تک‌کرانچ دیسراپت دقیقاً چه گفت؟

بر اساس گزارش تک‌کرانچ، مسعد فاصله گرفتن از آنتروپیک را تصمیمی مبتنی بر «هزینه، همکاری و عملکرد» توصیف کرد. او درباره کیفیت مدل‌ها نیز گفت: «فکر می‌کنم ChatGPT اکنون بهتر است»؛ اشاره‌ای به نسل فعلی مدل‌های OpenAI و عملکرد آن‌ها در وظایف برنامه‌نویسی رپلیت. مسعد همچنین مدعی شد که معیارهای ارزیابی داخلی این شرکت نشان می‌دهند مدل‌های OpenAI هنگام ساخت برنامه از صفر، عملکرد بهتری از مدل‌های آنتروپیک دارند. این ادعایی فنی و نسبتاً قاطع بود که او در برابر حاضران یک کنفرانس مطرح کرد.

طبق گزارش‌های منتشرشده درباره این رویداد، دو مدل OpenAI که در این ارزیابی‌ها نام برده شدند، GPT-6 Sol و GPT-6 Astra بودند. این همان نام مدل‌هایی است که توسعه‌دهندگان از طریق [رابط برنامه‌نویسی کاربردی OpenAI](https://tech-insider.org/openai-api-key-gpt-6-1-sol-setup-2026/) در پروژه‌های خود به کار می‌گیرند. اشاره مسعد به این مدل‌ها، آن‌ها را در مرکز رقابت علنی اعتبار میان دو آزمایشگاه هوش مصنوعی قرار داد؛ دو شرکتی که هر دو می‌کوشند به گزینه پیش‌فرض برای تأمین هوش عامل‌های خودکار [برنامه‌نویسی](https://tech-insider.org/band-developers-hy-memory-2-0-ai-coding-agents-2026/) تبدیل شوند.

عقب‌نشینی: «رپلیت همچنان نسبت به مدل‌ها بی‌طرف است»

تا زمانی که گزارش تک‌کرانچ منتشر شد، مسعد از شدت اظهارات خود روی صحنه کاسته بود. او به این رسانه گفت: «رپلیت همچنان نسبت به مدل‌ها بی‌طرف است» و افزود: «کاربران ما می‌توانند کلودِ آنتروپیک یا دیگر مدل‌های پشتیبانی‌شده را انتخاب کنند... اکنون OpenAI شریک ترجیحی ما برای تأمین توان Replit Agent است؛ تصمیمی که بر اساس عملکرد، ملاحظات اقتصادی و قدرت همکاری‌مان گرفته شده است.»

این توضیح با ادعای «دیگر با آنتروپیک همکاری نمی‌کنیم» تفاوت اساسی دارد. عبارت نخست از قطع رابطه حکایت می‌کند، در حالی که عبارت دوم به تغییر ارائه‌دهنده پیش‌فرض اشاره دارد؛ تصمیمی معمول در زیرساخت‌های فناوری که پلتفرم‌های ابری مرتب می‌گیرند، بی‌آنکه لزوماً به خبر مهمی تبدیل شود.

اصل ماجرا در فاصله میان این دو اظهارنظر نهفته است. بر اساس توضیح اصلاح‌شده مسعد، توسعه‌دهندگانی که از رپلیت استفاده می‌کنند، دسترسی خود به مدل‌های آنتروپیک را از دست نمی‌دهند. تغییر اصلی این است که Replit Agent به‌طور پیش‌فرض از کدام مدل استفاده می‌کند و کدام آزمایشگاه سهم بیشتری از هزینه‌های اجرای مدل‌ها و توجه بازاریابی رپلیت را به خود اختصاص می‌دهد.

ردپای کلود در وبلاگ مهندسی خود رپلیت

مهم‌ترین مدرکی که روایت اولیه مسعد را زیر سؤال می‌برد، نه از سوی رقیبی منتشر شد و نه از سوی یک منبع داخلی ناراضی؛ این مدرک در نوشته‌های تیم مهندسی خود رپلیت وجود داشت. این شرکت در ۲۹ سپتامبر ۲۰۲۶، یعنی کمتر از دو هفته و نیم پیش از رویداد دیسراپت، مطلبی فنی با عنوان «آزاد کردن مدل‌ها: طراحی سازوکار اجرایی در مرز فناوری» منتشر کرد. طبق گزارش‌ها، این مطلب ترافیک محیط عملیاتی را در سه مدل مقایسه می‌کرد: Claude Fable 5 که در اوت ۲۰۲۶ اجرا می‌شد، Claude Fable 5.1 که در سپتامبر همان سال به کار گرفته شده بود و GPT-6 Astra که آن هم در سپتامبر در حال اجرا بود.

به بیان دیگر، چند هفته پیش از آنکه مدیرعامل رپلیت در برابر حاضران یک کنفرانس بگوید شرکتش «دیگر با آنتروپیک همکاری نمی‌کند»، کلود همچنان در محیط عملیاتی رپلیت فعال بود. این موضوع به‌تنهایی ثابت نمی‌کند که همکاری دو شرکت در فاصله اواخر سپتامبر تا اواسط اکتبر به‌طور پنهانی پایان نیافته بود؛ بااین‌حال، تناقضی مشخص، تاریخ‌دار و مستند است که خبرنگاران و توسعه‌دهندگان بدبین پس از انتشار گزارش تک‌کرانچ به‌سرعت به آن اشاره کردند.

خط زمانی: ماجرای رپلیت، آنتروپیک و OpenAI چگونه پیش رفت؟

با مرتب کردن رویدادها بر اساس تاریخ، ماجرا بیشتر به تغییر تدریجی ارائه‌دهنده مدل شباهت دارد تا قطع همکاری ناگهانی؛ تغییری که با عباراتی بسیار قاطع‌تر از آنچه واقعیت‌های موجود تأیید می‌کنند، توصیف شد.

تاریخ	رویداد	منبع
اوت ۲۰۲۶	رپلیت از همکاری با OpenAI خبر می‌دهد و مدل GPT-4 و مدل‌های نسل بعدی آن را در پلتفرم توسعه‌دهندگان خود ادغام می‌کند.	گزارش‌های مربوط به اعلام رسمی رپلیت
اوت ۲۰۲۶	بر اساس نوشته فنی خود رپلیت، Claude Fable 5 ترافیک عملیاتی عامل برنامه‌نویسی این پلتفرم را پردازش می‌کند.	وبلاگ مهندسی رپلیت، «آزاد کردن مدل‌ها»
سپتامبر ۲۰۲۶	Claude Fable 5.1 و GPT-6 Astra هم‌زمان در محیط عملیاتی اجرا می‌شوند.	وبلاگ مهندسی رپلیت، «آزاد کردن مدل‌ها»
۲۹ سپتامبر ۲۰۲۶	رپلیت مطلب «آزاد کردن مدل‌ها: طراحی سازوکار اجرایی در مرز فناوری» را منتشر می‌کند و در آن سازوکار هدایت درخواست‌ها میان چند مدل را شرح می‌دهد.	وبلاگ مهندسی رپلیت
۱۶ اکتبر ۲۰۲۶	مسعد در رویداد تک‌کرانچ دیسراپت می‌گوید رپلیت «دیگر با آنتروپیک همکاری نمی‌کند» و هزینه، همکاری و عملکرد را دلایل این تصمیم معرفی می‌کند.	تک‌کرانچ
۱۷ اکتبر ۲۰۲۶	تک‌کرانچ گزارش خود را منتشر می‌کند؛ فردی آگاه از رابطه دو شرکت ادعای قطع همکاری را رد می‌کند و مسعد توضیح می‌دهد که رپلیت همچنان نسبت به مدل‌ها بی‌طرف است.	تک‌کرانچ؛ به‌روزرسانی‌شده در ۱۹ اکتبر ۲۰۲۶

GPT-6 Sol، GPT-6 Astra و Claude Fable 5.1؛ مدل‌های اصلی این اختلاف

اگر پیام‌های تبلیغاتی شرکت‌ها را کنار بگذاریم، اختلاف در اصل به چند مدل مشخص مربوط می‌شود که برای یک هدف رقابت می‌کنند: تولید کد در Replit Agent. جدول زیر تمام مدل‌هایی را که در گزارش‌های مربوط به این ماجرا نام برده شده‌اند و نقشی را که هرکدام داشته‌اند، نشان می‌دهد.

مدل	شرکت سازنده	نقش در ماجرای رپلیت	دوره مورد اشاره
Claude Fable 5	آنتروپیک	پردازش ترافیک عملیاتی برنامه‌نویسی در رپلیت	اوت ۲۰۲۶
Claude Fable 5.1	آنتروپیک	پردازش ترافیک عملیاتی برنامه‌نویسی در کنار GPT-6 Astra	سپتامبر ۲۰۲۶
GPT-6 Astra	OpenAI	اجرا در محیط عملیاتی و معرفی به‌عنوان مدلی قدرتمند در ارزیابی‌های داخلی رپلیت	سپتامبر تا اکتبر ۲۰۲۶
GPT-6 Sol	OpenAI	مدلی که مسعد گفت در ساخت برنامه از صفر عملکرد بهتری از مدل‌های آنتروپیک داشته است	اکتبر ۲۰۲۶

نکته مهم این است که نه در خط زمانی و نه در جدول مدل‌ها، آمار تأییدشده‌ای درباره سهم استفاده از هر مدل، حجم توکن‌های پردازش‌شده، هزینه اجرای هر مدل یا تأثیر این تغییر بر درآمد رپلیت وجود ندارد. گزارش‌های منتشرشده این ارقام را آشکار نکرده‌اند. همچنین تا ۱۹ اکتبر ۲۰۲۶، هیچ بیانیه‌ای از سوی آنتروپیک یا OpenAI در پاسخ به اظهارات مسعد منتشر نشده بود. سکوت هر دو آزمایشگاه قابل توجه است: هیچ‌یک روایت مطرح‌شده درباره رابطه تجاری خود با رپلیت را تأیید یا رد نکرده‌اند و در نتیجه، توسعه‌دهندگان ناچارند از میان اظهارات مدیرعامل و نوشته‌های فنی، واقعیت ماجرا را استنباط کنند.

چرا پلتفرم‌های برنامه‌نویسی هوش مصنوعی از چند مدل استفاده می‌کنند؟

رویکرد «آزاد کردن مدل‌ها» در رپلیت منحصر به این شرکت نیست. امروزه پلتفرم‌های جدی برنامه‌نویسی با هوش مصنوعی درخواست‌ها را میان چند مدل پایه هدایت می‌کنند، زیرا هیچ آزمایشگاهی به‌طور هم‌زمان و دائمی در هزینه، تأخیر پاسخ و کیفیت کد برتری ندارد. ممکن است مدلی کد تمیزتری تولید کند، اما هزینه هر توکن آن سه برابر مدلی باشد که برای ساختاردهی اولیه و کارهای معمولی کیفیت قابل قبولی دارد. همچنین مدلی که در یک فصل بالاترین امتیازهای ارزیابی را کسب می‌کند، ممکن است ظرف چند هفته و با انتشار به‌روزرسانی رقیب، برتری خود را از دست بدهد. توسعه‌دهندگان در طول سال ۲۰۲۶ بارها شاهد جابه‌جایی برتری در آزمون‌های برنامه‌نویسی میان آنتروپیک، OpenAI و گوگل بوده‌اند.

بر اساس مطلب مهندسی رپلیت در سپتامبر، همین پویایی دلیل اصلی ساخت سازوکار هدایت درخواست‌ها یا «هارنس» در این پلتفرم بود: امکان جایگزین کردن مدل‌ها بر مبنای عملکرد اندازه‌گیری‌شده، به‌جای وابسته ماندن به نقشه راه یک فروشنده. از این منظر، سخنان مسعد در رویداد دیسراپت کمتر به اعلام یک تغییر راهبردی بزرگ شباهت دارد و بیشتر نشان می‌دهد که مدیرعامل، تصمیمی فنی درباره مسیریابی درخواست‌ها را که تیم مهندسی پیش‌تر و بدون سروصدا اجرا کرده بود، در برابر مخاطبان عمومی شرح داده و اهمیت آن را بیش از حد بزرگ جلوه داده است. در چنین رویدادهایی، اظهارات قاطع معمولاً بیش از توضیحات دقیق درباره زیرساخت توجه جلب می‌کنند.

واکنش منبع آگاه: «بی‌طرفی نسبت به مدل‌ها» واقعاً چه معنایی دارد؟

فردی که تک‌کرانچ او را آگاه از رابطه آنتروپیک و رپلیت معرفی کرد، تک‌تک ادعاهای مسعد را به‌طور مفصل رد نکرد. مخالفت او محدودتر و مشخص‌تر بود: این ادعا که رپلیت به‌کلی همکاری با آنتروپیک را متوقف کرده است. گزارش‌های موجود ثابت نمی‌کنند که قرارداد پایه میان دو شرکت فسخ شده باشد. همین تفاوت، محور اصلی مناقشه است.

اگر توضیح اصلاح‌شده مسعد را در کنار واکنش این منبع قرار دهیم، هر دو به یک نتیجه اشاره می‌کنند: رپلیت مدل پیش‌فرض Replit Agent را به سمت GPT-6 Sol و GPT-6 Astra از OpenAI تغییر داده، اما کلود آنتروپیک را همچنان به‌عنوان گزینه‌ای قابل انتخاب برای کاربران حفظ کرده است. این تغییر در راهبرد فناوری شرکت واقعی و خبرساز است؛ اما بر اساس شواهدی که تاکنون علنی شده‌اند، نمی‌توان آن را قطع کامل همکاری دانست.

مقایسه رقبا: پلتفرم‌های دیگر چگونه مدل‌های خود را انتخاب می‌کنند؟

رپلیت تنها پلتفرمی نیست که مدل زیربنایی خود را جزئی قابل تعویض می‌داند، نه بخشی جدایی‌ناپذیر از هویت محصول. [Cursor](https://tech-insider.org/replit-vs-cursor-2026/) بخش مهمی از مزیت رقابتی خود را بر امکان انتخاب میان مدل‌های کلود، GPT و جمینای در یک ویرایشگر واحد بنا کرده است. Windsurf، ویرایشگر هوش مصنوعی‌محور ساخته‌شده توسط Codeium، نیز رویکردی مشابه و چندمدلی دارد. [GitHub Copilot](https://tech-insider.org/github-copilot-retires-6-models-gpt-5-6-2026/) هم در طول سال ۲۰۲۶ به‌تدریج گزینه‌های بیشتری را برای مشترکان خود فراهم کرده، به‌جای آنکه تنها روی یک آزمایشگاه شرط ببندد. وجه مشترک این پلتفرم‌ها آن است که مدل پایه به نهاده‌ای قابل جایگزینی تبدیل شده و انتخاب آن بر اساس هزینه و عملکرد در آزمون‌ها صورت می‌گیرد. در مقابل، تجربه کاربری محصول، هماهنگ‌سازی عامل‌ها و ادغام با محیط توسعه نرم‌افزار، حوزه‌هایی هستند که شرکت‌ها می‌کوشند در آن‌ها تمایز ایجاد کنند.

آنچه وضعیت رپلیت را متفاوت می‌کند، استفاده از چند مدل نیست؛ این کار اکنون در سراسر این بازار رویه‌ای متداول است. تفاوت در آن است که مدیرعامل شرکت تصمیمی داخلی درباره هدایت درخواست‌ها را در یک رویداد عمومی با عباراتی بسیار دراماتیک توصیف کرد و به این ترتیب، بهینه‌سازی آرام زیرساخت را به خبری درباره احتمال از دست رفتن یکی از مشتریان شاخص آنتروپیک در حوزه برنامه‌نویسی تبدیل کرد. این انتخاب، به همان اندازه که درباره مزیت‌های فنی GPT-6 Sol در مقایسه با Claude Fable 5.1 اطلاعات می‌دهد، از فشار استارتاپ‌های برنامه‌نویسی هوش مصنوعی برای جلب توجه رسانه‌ها نیز حکایت دارد.

پیشینه: تاریخچه کوتاه تغییر مدل‌ها در پلتفرم‌های برنامه‌نویسی هوش مصنوعی

حاشیه‌های مربوط به تأمین‌کنندگان مدل در بازار ابزارهای برنامه‌نویسی هوش مصنوعی پدیده تازه‌ای نیست، اما در سال ۲۰۲۶ به‌شدت افزایش یافته است. پلتفرم‌هایی که پیش‌تر به‌طور پیش‌فرض و بی‌سروصدا از رابط برنامه‌نویسی یک آزمایشگاه استفاده می‌کردند، اکنون انتخاب مدل را مذاکره‌ای مستمر می‌دانند و با تغییر قیمت‌ها و نتایج ارزیابی‌ها، گزینه پیش‌فرض خود را جابه‌جا می‌کنند. خود آنتروپیک نیز با توسعه ابزارهای داخلی، از جمله [سامانه کنترل نسخه Scion](https://tech-insider.org/anthropic-scion-source-control-30000-merges-2026/)، وارد این رقابت شده است تا نشان دهد مدل‌هایش توانایی پشتیبانی از تولید کد در مقیاس بزرگ و با سرعت بالا را دارند. OpenAI نیز در مقابل، خانواده GPT-6 را در آزمون‌های تخصصی برنامه‌نویسی و همکاری با ابزارهای توسعه‌دهندگان به‌شدت تبلیغ کرده است.

الگویی که بارها تکرار می‌شود، چنین است: یک پلتفرم به دلیل برتری در آزمون‌ها یا تغییر قیمت‌ها مدل تازه‌ای را انتخاب می‌کند؛ سپس مدیر یا سخنگوی شرکت، این تغییر را با عباراتی فراگیر توصیف می‌کند؛ و پس از پرسش‌های بیشتر خبرنگاران، واقعیت معمولی‌تر روشن می‌شود: شرکت فقط گزینه پیش‌فرض خود را تغییر داده، نه کل رابطه‌اش با تأمین‌کننده را. ماجرای رپلیت در اکتبر ۲۰۲۶ تقریباً به‌طور کامل با همین الگو مطابقت دارد.

داده‌های صنعت: چرا انتخاب مدل به مسئله‌ای در سطح مدیریت ارشد تبدیل شده است؟

اهمیت چنین اختلافی به سرعت گسترش برنامه‌نویسی با کمک هوش مصنوعی بازمی‌گردد؛ روشی که از یک تجربه تازه به بخشی از جریان کاری معمول توسعه نرم‌افزار تبدیل شده است. بر اساس [نظرسنجی توسعه‌دهندگان استک اورفلو در سال ۲۰۲۵](https://survey.stackoverflow.co/2025/ai)، ۸۴ درصد توسعه‌دهندگان اکنون از ابزارهای هوش مصنوعی در فرایند توسعه خود استفاده می‌کنند یا قصد دارند از آن‌ها استفاده کنند و ۵۱ درصد توسعه‌دهندگان حرفه‌ای گفته‌اند که هر روز از این ابزارها بهره می‌برند. این نظرسنجی همچنین نشان داده است که ۶۸ درصد توسعه‌دهندگانی که از ابزارهای آماده کمک هوش مصنوعی استفاده می‌کنند، مشخصاً GitHub Copilot را به کار می‌گیرند. این رقم نشان‌دهنده تمرکز قابل توجه بازار کمک‌برنامه‌نویسی مبتنی بر هوش مصنوعی و میزان رقابتی است که هر پلتفرم برای کسب سهم بازار در برابر بازیگر مسلط با آن روبه‌روست.

مزیت‌های این ابزارها برای افزایش بهره‌وری نیز مستند شده است. [پژوهش مک‌کینزی درباره هوش مصنوعی مولد و بهره‌وری توسعه‌دهندگان](https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/unleashing-developer-productivity-with-generative-ai) نشان داده است که توسعه‌دهندگان نرم‌افزار با کمک هوش مصنوعی مولد می‌توانند وظایف برنامه‌نویسی را تا دو برابر سریع‌تر انجام دهند. همچنین احتمال تکمیل وظایف پیچیده در زمان تعیین‌شده برای توسعه‌دهندگانی که از ابزارهای هوش مصنوعی مولد استفاده می‌کنند، ۲۵ تا ۳۰ درصد بیشتر از افرادی است که از این ابزارها بهره نمی‌برند. این ارقام توضیح می‌دهند که چرا انتخاب مدل پیش‌فرض یک پلتفرم دیگر صرفاً جزئی فنی در پشت صحنه نیست. این انتخاب مستقیماً بر سرعت، هزینه و قابلیت اطمینان تجربه محصول اثر می‌گذارد؛ محصولی که میلیون‌ها توسعه‌دهنده اکنون به‌جای آزمایش موقت، هر روز از آن استفاده می‌کنند.

تأثیر بر بازار: این اتفاق برای آنتروپیک، OpenAI و رپلیت چه معنایی دارد؟

برای آنتروپیک، این ماجرا بر اساس اطلاعات تأییدشده فعلی، بیشتر لطمه‌ای به اعتبار شرکت است تا ضربه‌ای مالی. گزارشی از میزان دقیق اثر بر درآمد منتشر نشده و شرکت نیز بیانیه‌ای عمومی برای تأیید یا رد توصیف مسعد صادر نکرده است. بااین‌حال، زیر سؤال رفتن عملکرد کلود از سوی مشتری‌ای شناخته‌شده و در برابر حاضران یک کنفرانس، حتی اگر این انتقاد کوتاه‌مدت باشد و بخشی از آن بعداً پس گرفته شود، می‌تواند در ذهن توسعه‌دهندگانی باقی بماند که [قیمت‌گذاری و مجموعه مدل‌های آنتروپیک](https://tech-insider.org/claude-haiku-5-5-launch-pricing-2026/) را برای پروژه‌های خود بررسی می‌کنند.

برای OpenAI، مزیت این اتفاق روشن‌تر است: وقتی یک پلتفرم مطرح برنامه‌نویسی مبتنی بر هوش مصنوعی علناً اعلام می‌کند که GPT-6 Sol و GPT-6 Astra در ارزیابی‌های داخلی برنده شده‌اند، این اظهارنظر عملاً تبلیغی رایگان برای OpenAI است؛ فارغ از اینکه عقب‌نشینی بعدی مسعد چگونه تفسیر شود. ریسک رپلیت متفاوت و احتمالاً بزرگ‌تر است. شرکتی که مدیرعاملش ادعایی گسترده و علنی مطرح می‌کند و محتوای وبلاگ مهندسی خودش ظرف ۲۴ ساعت آن را تا حدی زیر سؤال می‌برد، در معرض موشکافی بیشتری قرار می‌گیرد. رقبایی مانند [Cursor و Devin](https://tech-insider.org/cursor-vs-devin-desktop-vs-vscode-copilot-2026/) می‌توانند از چنین وضعیتی هنگام معرفی محصولات خود به مشتریان سازمانی بهره ببرند؛ مشتریانی که به ثبات و سازگاری پیام‌های فروشندگان ابزارهایشان اهمیت می‌دهند.

مسئله اعتماد: وقتی سخنان مدیرعامل از مستندات مهندسی جلو می‌زند

این ماجرا برای کل صنعت ابزارهای برنامه‌نویسی هوش مصنوعی درسی گسترده‌تر دارد و محدود به رپلیت، آنتروپیک یا OpenAI نیست. آزمایشگاه‌های هوش مصنوعی و پلتفرم‌هایی که بر پایه مدل‌های آن‌ها ساخته شده‌اند، در همان کنفرانس‌ها و چرخه‌های خبری برای جلب توجه رقابت می‌کنند. در نتیجه، فاصله میان اظهارات کوتاه و مناسب صحنه و واقعیت فنی کم‌هیجان‌تر اما دقیق‌تری که در وبلاگ‌های مهندسی، گزارش تغییرات و صفحات وضعیت رابط‌های برنامه‌نویسی ثبت می‌شود، رو به افزایش است. توسعه‌دهندگانی که می‌خواهند یک پلتفرم برنامه‌نویسی انتخاب کنند، بیش از گذشته باید خودشان گفته‌های مدیران در مصاحبه‌ها را با مستندات فنی شرکت‌ها تطبیق دهند.

همین شکاف در ماجرای رپلیت رخ داد. اظهارات مسعد روی صحنه و مطلب مهندسی این شرکت در سپتامبر، دو تصویر متفاوت از وضعیت ارائه می‌کردند و تنها پس از انتشار گزارش یک رسانه مستقل، این اختلاف آشکار شد. در بازاری که بسیاری از تیم‌های مهندسی برای اعتماد به کد تولیدشده با هوش مصنوعی از پیش باید ریسک قابل توجهی بپذیرند، چنین رویدادهایی اصطکاک بیشتری به روند پذیرشی اضافه می‌کنند که همچنان در حال گسترش است.

توسعه‌دهندگانی که با رپلیت کار می‌کنند، چه باید بکنند؟

برای توسعه‌دهندگانی که در حال حاضر از رپلیت استفاده می‌کنند، نتیجه عملی این خبر محدودتر از چیزی است که تیترها القا می‌کنند. بر اساس توضیح اصلاح‌شده خود مسعد، دسترسی به کلود از این پلتفرم حذف نشده است. آنچه تغییر کرده، مدل پیش‌فرض پشت Replit Agent است که اکنون به‌جای مدل‌های آنتروپیک، به مجموعه مدل‌های OpenAI متکی است. تیم‌هایی که به دلیل الزامات انطباق، کنترل هزینه یا ترجیح شخصی باید از ارائه‌دهنده مشخصی استفاده کنند، بهتر است بررسی کنند Replit Agent در فضای کاری آن‌ها واقعاً درخواست‌ها را به کدام مدل هدایت می‌کند و فرض نکنند که گزینه پیش‌فرض قبلی همچنان فعال است.

بررسی صریح مسیریابی مدل‌ها به رویه‌ای متداول در این صنعت تبدیل شده است. نمونه‌ای از پیکربندی معمول برای استفاده از چند مدل را می‌توان به این صورت نوشت:

// نمونه: تعیین صریح ترجیح مدل در پیکربندی عامل برنامه‌نویسی چندارائه‌دهنده
{
 "agent": "replit-agent",
 "modelPreference": ["gpt-6-sol", "gpt-6-astra", "claude-fable-5.1"],
 "fallbackOnError": true,
 "logActiveModel": true
}

ثبت نام مدل فعال در هر نشست، همان‌طور که در نمونه بالا نشان داده شده است، ساده‌ترین راه برای جلوگیری از غافلگیری ناشی از تغییرات بی‌سروصدای مسیریابی از سوی ارائه‌دهنده است؛ روشی که صرف‌نظر از پلتفرم مورد استفاده می‌تواند به تیم‌ها کمک کند.

پیش‌بینی‌ها: آینده رابطه سه‌جانبه رپلیت، OpenAI و آنتروپیک

• انتظار می‌رود رپلیت طی هفته‌های آینده توضیحی تکمیلی و مبتنی بر ارقام درباره مطلب «آزاد کردن مدل‌ها» منتشر کند تا به‌جای اظهارنظرهای بیشتر مدیرعامل، با داده‌ها به اختلاف پایان دهد.
• احتمال دارد آنتروپیک درباره اختلاف مشخص خود با رپلیت در عرصه عمومی سکوت کند و در عین حال، به به‌روزرسانی Claude Fable و توسعه ابزارهایی مانند Scion ادامه دهد تا توانایی مدل‌هایش در برنامه‌نویسی را از طریق مشتریان مطرح دیگر نشان دهد.
• احتمالاً OpenAI همچنان در بازاریابی خود بر عملکرد GPT-6 Sol و GPT-6 Astra در آزمون‌ها تأکید خواهد کرد و هرجا امکان داشته باشد از اظهارات مسعد به‌عنوان تأییدیه‌ای از سوی شخص ثالث بهره خواهد برد، بی‌آنکه لزوماً بیانیه رسمی درباره این اختلاف صادر کند.
• پلتفرم‌های دیگر برنامه‌نویسی مبتنی بر هوش مصنوعی احتمالاً پیش‌دستانه اطلاعات بیشتری درباره نحوه هدایت درخواست‌ها میان مدل‌های مختلف منتشر خواهند کرد و شفافیت درباره ترکیب مدل‌ها را به مزیتی رقابتی تبدیل می‌کنند، نه نقطه‌ضعف.
• با ادامه رقابت پلتفرم‌های برنامه‌نویسی هوش مصنوعی برای جلب توجه رسانه‌ها در کنفرانس‌ها، احتمال بروز اختلاف‌های مشابه میان مدیران شرکت‌ها بیشتر می‌شود و وبلاگ‌های مهندسی بیش از پیش نقش مرجع بررسی صحت ادعاهای مدیران را ایفا خواهند کرد.

پرسش‌های متداول

آیا رپلیت واقعاً استفاده از مدل‌های کلود آنتروپیک را متوقف کرده است؟

خیر، نه به‌طور کامل. امجد مسعد در رویداد تک‌کرانچ دیسراپت در ۱۶ اکتبر ۲۰۲۶ ابتدا گفت رپلیت «دیگر با آنتروپیک همکاری نمی‌کند»، اما بعداً به تک‌کرانچ توضیح داد که این شرکت همچنان نسبت به مدل‌ها بی‌طرف است و کاربران می‌توانند کلود را انتخاب کنند. در حال حاضر، OpenAI به‌عنوان ارائه‌دهنده پیش‌فرض ترجیحی برای Replit Agent معرفی شده است.

رپلیت اکنون کدام مدل‌های OpenAI را ترجیح می‌دهد؟

در گزارش‌های مربوط به اظهارات مسعد، GPT-6 Sol و GPT-6 Astra به‌عنوان مدل‌هایی معرفی شده‌اند که ظاهراً در ارزیابی‌های داخلی رپلیت برای ساخت برنامه از صفر، عملکرد بهتری از مدل‌های آنتروپیک داشته‌اند.

رپلیت پیش از این تغییر از کدام مدل‌های آنتروپیک استفاده می‌کرد؟

در مطلب مهندسی رپلیت که ۲۹ سپتامبر ۲۰۲۶ منتشر شد، آمده است که Claude Fable 5 در اوت ۲۰۲۶ و Claude Fable 5.1 در سپتامبر همان سال ترافیک عملیاتی را پردازش می‌کردند.

آیا آنتروپیک به اظهارات مسعد واکنش نشان داده است؟

تا ۱۹ اکتبر ۲۰۲۶، هیچ بیانیه عمومی از سوی آنتروپیک در پاسخ به این ادعا گزارش نشده است. تنها واکنش مخالفی که در گزارش‌ها آمده، متعلق به فردی ناشناس است که از رابطه رپلیت و آنتروپیک اطلاع داشته است.

آیا OpenAI درباره معرفی شدن به‌عنوان ارائه‌دهنده ترجیحی جدید رپلیت اظهارنظر کرده است؟

تا ۱۹ اکتبر ۲۰۲۶، هیچ بیانیه عمومی از سوی OpenAI درباره این ماجرای مشخص گزارش نشده است.

چرا پلتفرم‌های برنامه‌نویسی هوش مصنوعی به‌جای یک مدل، از چند مدل استفاده می‌کنند؟

پلتفرم‌هایی مانند رپلیت، Cursor و GitHub Copilot درخواست‌ها را میان چند مدل هدایت می‌کنند، زیرا هیچ آزمایشگاهی به‌طور پیوسته در هزینه، سرعت و کیفیت کد بهترین عملکرد را ندارد. با به‌روزرسانی مدل‌ها از سوی آنتروپیک، OpenAI و گوگل، برتری در آزمون‌ها نیز مرتب تغییر می‌کند.

توسعه‌دهندگانی که از رپلیت استفاده می‌کنند، در واکنش به این خبر چه کاری باید انجام دهند؟

آن‌ها باید بررسی کنند Replit Agent در فضای کاری‌شان واقعاً از کدام مدل استفاده می‌کند و فرض نکنند که گزینه پیش‌فرض قبلی همچنان فعال است. اگر پروژه به کلود نیاز دارد، باید آن را صریحاً انتخاب کنند؛ زیرا طبق توضیح اصلاح‌شده مسعد، این مدل همچنان در دسترس است.

آیا این نخستین بار است که یک پلتفرم برنامه‌نویسی هوش مصنوعی علناً درباره ادعاهای خود در زمینه تأمین مدل اختلاف ایجاد می‌کند؟

هنوز الگویی قطعی از چنین اختلاف‌هایی در سراسر صنعت مستند نشده است، اما در سال ۲۰۲۶ و هم‌زمان با افزایش استفاده از چند مدل در پلتفرم‌های برنامه‌نویسی هوش مصنوعی، مواردی از فاصله میان اظهارات مدیران و مستندات فنی بیشتر شده‌اند.