A Replit, plataforma que permite criar e publicar aplicações no navegador, decidiu deixar de trabalhar com a Anthropic, segundo o CEO e cofundador Amjad Masad. A declaração, feita durante o TechCrunch Disrupt, coloca uma questão cada vez mais importante para quem desenvolve software com inteligência artificial: qual modelo entrega o melhor resultado para uma tarefa concreta, e por quanto tempo vale a pena depender dele?
O que a Replit mudou
Masad afirmou que a decisão teve três motivos principais: custo, parceria e desempenho. A Replit havia anunciado uma parceria com a OpenAI em agosto, mas até então não havia indicado publicamente que a relação com a Anthropic tinha terminado. A empresa usava modelos Claude dentro da sua plataforma, que combina geração de código, execução, correção de erros e publicação de aplicações.
Na explicação do executivo, os modelos Sol e Astra, usados pela Replit, apresentaram resultado melhor em um teste interno voltado à criação de aplicações a partir do zero. A empresa também mantém um benchmark público. Em vez de medir apenas a qualidade de uma resposta isolada, esse tipo de avaliação tenta observar se o agente consegue transformar uma descrição em um projeto que funciona, corrigir problemas e completar uma entrega útil.
Essa distinção é importante. Um modelo pode escrever uma função convincente e ainda assim falhar ao entender a estrutura inteira de um projeto. Em programação assistida por IA, o resultado depende de vários passos encadeados: interpretar o pedido, escolher arquivos, alterar dependências, executar testes, analisar mensagens de erro e revisar o que foi produzido. A escolha do modelo afeta todos esses pontos, não apenas a primeira sugestão de código.
Uma troca de fornecedor não é uma troca simples
A Replit funciona como uma camada entre o desenvolvedor e diferentes modelos. O usuário descreve o que quer, enquanto a plataforma decide como dividir a tarefa, quais arquivos consultar e quando pedir autorização para executar uma ação. Se o modelo de base muda, a experiência também pode mudar, mesmo que a interface continue igual.
Para quem usa a Replit no Brasil, isso significa que recursos disponíveis hoje podem apresentar respostas diferentes ao longo do tempo. Um agente pode ficar mais rápido, reduzir o custo de uma tarefa ou entender melhor um projeto existente. Mas também pode mudar seu estilo de programação, exigir instruções mais detalhadas ou introduzir erros novos. A troca reforça a importância de manter testes, histórico de versões e uma forma de revisar cada alteração antes de colocá-la em produção.
A situação também mostra por que plataformas de desenvolvimento precisam avaliar modelos por tarefa, não só por rankings gerais. Um sistema excelente em raciocínio matemático pode não ser o melhor para atualizar uma aplicação web. Outro modelo pode ser mais barato e rápido em tarefas repetitivas, mas perder qualidade quando precisa trabalhar com muitas partes de um código. O melhor resultado depende do contexto, do tamanho do projeto e do nível de autonomia permitido.
A versão da Anthropic ainda é contestada
A declaração de Masad não encerrou a história. Pessoas familiarizadas com a parceria disseram ao TechCrunch que a relação ainda estaria em vigor. A reportagem também encontrou referências recentes a modelos da Anthropic na documentação, no site e em publicações da Replit. Em setembro, por exemplo, materiais da empresa mencionavam Claude Fable 5 e Claude Fable 5.1 em ambientes de produção. Um funcionário também havia publicado comentários sobre o uso do Opus 5.5.
Essa divergência pode ter mais de uma explicação. A Replit pode estar encerrando gradualmente a parceria, usando modelos da Anthropic em partes específicas do serviço ou mantendo acesso enquanto renegocia condições. Também é possível que a fala do CEO tenha descrito a direção estratégica, enquanto sistemas antigos ainda não foram completamente migrados. Até a publicação da matéria, a empresa não havia esclarecido publicamente a diferença entre a declaração e os sinais encontrados pela reportagem.
O episódio é um lembrete de que a cadeia de software com IA é menos transparente do que parece. Uma aplicação pode anunciar um agente próprio, mas depender de modelos de terceiros, APIs, provedores de nuvem, ferramentas de busca e sistemas de execução. Cada camada acrescenta uma variável de preço, desempenho, disponibilidade e segurança. Para o usuário, acompanhar apenas o nome do produto não é suficiente para entender o que mudou.
O que isso ensina a quem desenvolve
A primeira lição é evitar que o projeto dependa de uma única resposta automática. O código gerado deve passar por testes automatizados, revisão humana e verificação de dependências. Mesmo em protótipos, vale registrar qual modelo foi usado, quais instruções foram dadas e quais arquivos foram alterados. Esse histórico ajuda a investigar regressões quando a plataforma troca o modelo por trás do serviço.
A segunda é separar velocidade de qualidade. Um agente que conclui uma tarefa em menos tempo pode gerar mais trabalho na revisão. Para comparar modelos, o desenvolvedor pode montar um conjunto pequeno de tarefas reais, com critérios claros: testes aprovados, quantidade de correções manuais, tempo total, consumo de créditos e facilidade para explicar as mudanças. A avaliação fica mais útil quando mede o fluxo inteiro, e não uma demonstração isolada.
A terceira é limitar a autonomia. Masad descreveu o ambiente ideal para agentes como uma combinação de orquestração, recuperação de erros, segurança, isolamento, rede, identidade e autorização. Em termos práticos, isso significa que o agente deve ter apenas os acessos necessários, trabalhar em um ambiente separado e pedir confirmação antes de ações com impacto externo. Uma ferramenta que pode criar código também precisa deixar claro quando lê segredos, modifica dados ou publica uma aplicação.
Por fim, a troca entre Replit e Anthropic mostra que o mercado de IA para programação ainda está em formação. Modelos, preços e parcerias mudam rapidamente. Para usuários brasileiros, a consequência não é escolher um vencedor definitivo, mas desenvolver uma rotina que sobreviva às mudanças: projetos versionados, testes independentes, cópias de segurança e atenção às permissões concedidas aos agentes.
O próximo passo é medir o trabalho entregue
A disputa entre fornecedores tende a sair do campo das promessas e chegar ao resultado que uma equipe consegue colocar em produção. Se a Replit estiver certa sobre o desempenho de Sol e Astra, a troca pode pressionar outras plataformas a comparar modelos com tarefas reais e custos transparentes. Se a contestação sobre o uso de Claude estiver correta, o caso também mostrará como é difícil saber quando uma parceria de IA terminou de fato.
O ponto central não é a preferência por Anthropic, OpenAI ou outro fornecedor. É a capacidade de escolher uma combinação adequada para cada trabalho e continuar no controle quando a plataforma mudar. A notícia original do TechCrunch pode ser lida neste link. Para quem programa com IA, acompanhar essa disputa é uma forma de entender o que existe por trás de um agente que parece fazer tudo sozinho.
