Replit OpenAI 合作澄清：Claude 還能用嗎？模型選擇與使用影響
Replit OpenAI 合作變動後，Claude 還能用嗎？本文依 CEO 最新澄清與官方文件，說明優先合作、模型選擇、Effort 推理強度、成本比較及既有專案需要檢查的項目。
Replit OpenAI 合作消息讓不少使用者先想到一個問題：如果平台把 OpenAI 放到優先位置，原本在用的 Claude 是否就不能選了？
Replit 執行長 Amjad Masad 在 台灣時間 2026 年 10 月 18 日凌晨澄清，平台仍保留多模型選擇，用戶可以使用 Anthropic 模型與其他支援選項，OpenAI 則成為 Agent 的優先合作夥伴。
這個差別會影響閱讀新聞的方式。優先合作關係反映供應商如何安排預設體驗，使用者是否能選別的模型，還要看平台實際提供的控制與帳戶條件。
對正在用 Replit 做產品的人，重要的是既有專案能否繼續工作，以及相同任務換模型後，品質、等待時間與花費會怎麼變。
我不建議因合作消息就急著重做專案。比較合理的起點，是先確認帳戶可用模型，再用一項自己熟悉的工作比較結果，把供應策略變動轉成可驗證的選擇。
要判斷是否需要改動工作流程，先把 CEO 澄清的內容和模型文件放在一起看。
Replit OpenAI 合作澄清了什麼？Claude 選項仍然存在
Amjad 的原始澄清貼文表示，Replit 持續採取模型中立策略，用戶仍可選擇 Anthropic 與其他受支援模型。
他同時說明，OpenAI 成為 Agent 的優先合作夥伴，考量包含表現、成本及雙方合作關係。這是公司對產品預設體驗的選擇，不能直接解讀成其他供應商全部退出。
對用戶而言，這也表示「預設用什麼」與「我能選什麼」需要分開確認。有人希望打開就能開始工作，有人則要為特定專案固定模型，兩種需求會接觸到不同設定。
為什麼同一個平台需要多個模型？
寫程式並不是單一工作。有人要求從零做出畫面，有人要讀懂既有程式，有人則要修一個錯誤，再讓測試通過，不同任務的判斷條件並不一樣。
即使平台選了一個整體表現合適的預設模型，某個團隊仍可能因熟悉的回覆方式、特殊程式庫或驗證流程，偏好另一個選項。
所以，保留選擇權對實際專案有意義。不過，選擇越多也越需要比較方法，否則容易把一次看起來不錯的回答，當成所有任務都適用的結論。
優先合作、預設體驗與模型選單，有什麼不同？
這三個概念各自回答不同問題。合作關係講公司如何安排產品，預設體驗講使用者未特別選擇時的路徑，模型選單則是帳戶可以手動控制的範圍。
先分清楚它們，才能看懂哪些新聞會影響自己的操作。
| 名稱 | 回答的問題 | 使用者可以怎麼核對 |
|---|---|---|
| 優先合作夥伴 | 平台主要與誰合作優化 Agent | 看公司正式說明 |
| 預設體驗 | 不特別指定時，平台怎麼安排工作 | 查看模式與產品設定 |
| 可選模型 | 我的帳戶能手動使用哪些模型 | 打開實際模型清單 |
表格中最直接影響下一次工作的，是帳戶裡的實際清單。因此，即使讀到某個模型已上線，仍需要確認自己的方案與組織是否已開放。
Replit 官方模型文件也要求以帳戶顯示的選單為準，因為分批推出、組織設定與授權，都可能影響可用選項。
這種限制不等於產品故障。若同事看得到而你看不到，先比較帳戶條件，會比反覆重新載入專案更接近問題原因。
Replit 怎麼選模型？先確認模式，再看推理強度
截至 2026 年 10 月 18 日，官方文件把手動選擇模型放在 Power 與 Max 模式，Free 模式沒有可自行挑選的模型清單。
操作時，先開啟輸入框的 Agent Mode 選單，選擇符合帳戶資格的模式，再查看 Primary model。這個欄位就是主要模型選擇，能決定下一則訊息使用的選項。
文件列出的選項涵蓋 OpenAI、Anthropic 與其他模型，但清單會隨產品推出調整。因此，教學可以說明入口，不宜把一份名單當成所有帳戶永久不變的承諾。
變更模型會套用在哪裡？
官方說明指出，選擇會用於下一則訊息。這讓使用者可以針對下一項任務調整，但也提醒團隊，需要留下測試時實際使用的模式與模型。
如果比較報告只寫「Replit 做得比較好」，沒有記錄選項，其他人很難重現。下次平台更新預設安排後，甚至可能連同一位使用者都得到不同結果。
比較好的紀錄方式，是保留任務內容、起始專案版本、選用模型及結果。這樣出現差異時，才能回頭區分是模型選擇還是專案本身改變。
Effort 是什麼？為什麼不需要每次都開最大？
Effort 可以理解成推理投入程度，控制模型花多少力氣處理當前回覆。它是模型相關的控制，不是把所有工作都切到同一種「最強模式」。
簡單修改若已經有明確答案，提高推理程度未必改善結果，但需要理解陌生架構、跨多個檔案的工作，可能更需要較深入的判斷。
因此，先用建議設定完成熟悉任務，再針對卡住的工作比較較高投入，較容易知道多出的等待與費用買到了什麼。
延伸閱讀：Replit Agent 教學：AI 爬蟲如何變成金融 Dashboard？
為什麼不能只比單次價格？一個 App 任務會經過多個步驟
對用戶有意義的成本，是完成一個可驗收結果需要多少資源。模型回覆便宜，如果後面一直修錯、重跑測試，整項工作的費用與時間仍可能增加。
Replit 的官方架構文章說明，Agent 會在工作過程裡使用不同角色的子代理，並處理既有上下文與推理投入的安排。
子代理就是主代理交辦特定工作的小幫手，例如先讀程式、檢查變更或執行部分任務。使用者看見一段對話，背後可能已經經過多次模型呼叫。
這也讓單一模型的每次報價，無法完整代表專案成本。還需要看重複讀取多少資訊、是否重做相同工作，以及產出要修改幾輪才符合需求。
以「做出登入頁」為例，怎麼比較比較公平？
如果要求只寫「幫我做登入頁」，兩次執行可能各自選擇不同功能。有的一次只畫介面，有的一次還加了資料驗證，最後很難直接比較。
可以把任務範圍寫成同一份要求，例如指定現有設計、欄位、錯誤提示與測試條件，再讓不同模型從相同版本開始。這是比較設計，不是本文已執行的測試。
任務也要交代哪些功能已經存在。例如登入服務已經接好，這次只改畫面，就應要求保留原本的驗證方式。否則，某個模型重新建立一套簡化流程，表面上變快，實際卻少了既有功能。
比較兩個版本時，可以把不接受的結果一起寫出來，例如不能把錯誤訊息藏起來，也不能為了讓畫面成功而移除必要欄位。這些限制會讓兩邊面對同一個問題，才有比較品質的基礎。
如果一個選項無法完成，也保留失敗在哪一步。它可能只是需要補充特定程式庫的背景，和沒有能力理解整項任務不同，這會影響之後是否值得再次嘗試。
驗收時除了看畫面，也要看提交空白資料、錯誤帳密與成功登入的結果。因為這些分支會影響能否使用，不能只依第一張截圖選出贏家。
完成之後，再記錄總耗時、需要人補充的次數與實際花費。如果一個模型多花一些成本，卻少掉幾輪手動修正，對團隊可能仍比較划算。
別把不同專案狀態當成模型差異
比較時也要固定起點。第一次執行已經建立好元件，第二次卻沿用這些成果，第二次自然可能比較快，這無法直接歸因於模型本身。
同樣地，已經跑過的依賴安裝、測試環境與資料，也會影響等待時間。因此，至少先保留起始版本，才能讓比較具有參考價值。
若只是為自己挑選日常工具，不必把測試做成研究論文，但把任務、條件與完成標準固定下來，通常就能避免不少錯誤判斷。
Replit 既有專案需要遷移嗎？先看它依賴的是什麼
合作新聞本身，不構成把所有專案搬走或重建的理由。先確認自己的需求是否依賴某個模型，以及該模型在帳戶裡是否仍可使用。
如果專案只是使用 Agent 協助編寫程式，最直接的影響通常是開發流程與產出差異。若程式本身另外呼叫模型服務，還要分開檢查應用程式使用的供應商與憑證。
因為「替你寫 App 的模型」與「App 上線後呼叫的模型」可以是不同東西，不能看到 Agent 合作變更，就假設產品裡的 AI 功能也自動更換。
例如，一個客服 App 可能由 Agent 協助完成介面，真正回覆客戶的模型則由程式設定。前者變更會影響後續開發，後者變更才會直接改變客戶收到的回覆，檢查位置不同。
因此，若團隊擔心既有產品受到影響，可以先列出程式使用的模型服務與測試案例，再查看開發工具的選項。這樣比較容易知道要測哪一段，而不必因新聞標題重新搬動整個產品。
團隊可以先留下哪些設定？
先保留最近一次可正常工作的專案版本，再記錄當時使用的模式與模型。如果下一次產出不符合預期，就有一個具體起點可以比較。
對多人協作的團隊，也可以約定什麼情況允許換模型。例如日常小修改用預設設定，遇到跨檔案變動時才做比較，避免每個人各選一種卻沒有留下紀錄。
這個約定的目的是讓工作可重現，不是永遠固定在某個模型。當供應商更新後，如果相同任務的結果更穩定，團隊仍可依證據調整。
什麼情況值得使用模型比較功能？
官方文件另提供 Compare models 測試功能，可在 Chat 裡比較多個模型的回覆。它適合先看不同模型如何理解需求，而非把對話比較當成完整專案驗收。
例如，準備重構前，可以比較幾個模型對相同程式問題提出的解法，再交由團隊判斷。接著仍要實作與測試，因為說明合理不代表程式一定能運作。
我會把這類功能用在重要決策前的探索。若只是改一行已經確認的文字，每次都比較多個模型，反而可能增加不必要的花費與選擇負擔。
Replit OpenAI 合作常見問題
Replit 已經不能用 Claude 了嗎？
CEO 在台灣時間 10 月 18 日的澄清與本次查閱的官方模型文件，都支持平台仍保留 Anthropic 模型選項。
實際可用清單仍取決於帳戶方案、組織設定與推出進度。
OpenAI 成為優先合作夥伴，代表所有任務都更好嗎？
這是 Replit 對產品安排的判斷，不能直接當成涵蓋所有程式任務的獨立評測。
選擇模型時，仍應以自己常做的任務與完成標準比較。
換模型會讓原本寫好的程式消失嗎？
選擇模型控制的是後續 Agent 工作方式，和刪除專案程式是不同操作。
做重要變更前保留可回復版本，可以讓結果比較與修正更容易。
新手需要先研究所有模型嗎？
可以先用預設體驗完成一項小任務，熟悉如何檢查結果。
當遇到穩定重現的問題，再比較其他選項，會比先背模型排名更有幫助。
Replit 使用者先保留可工作的版本，再決定模型怎麼選
這次 Replit OpenAI 消息的直接結論，是優先合作策略有了更清楚的說明，而用戶的模型選擇仍然保留。
對已有專案的使用者，我會先確認可用選單，保留正常版本，再挑一項熟悉工作比較品質與總成本。當測試結果顯示某個選項更適合，調整工作流程才有依據。
如果今天要開始做一個 App，先寫清楚它必須完成的功能與驗收條件。模型選擇能幫你提高完成機會，但清楚的需求，仍是比較結果的共同起點。
