Replit перевел маршрутизацию моделей в режим по умолчанию для всех аккаунтов: теперь Auto mode сам решает, какая ИИ-модель лучше подходит для конкретной задачи. Для рынка AI-инструментов это уже не косметическое обновление, а смена базовой логики продукта: пользователю продают не доступ к одной «самой умной» модели, а автоматический выбор между качеством, скоростью и ценой.
Как пишет The New Stack, Replit делает свою систему intelligent model routing стандартным сценарием работы для всей платформы. Идея простая: по мере развития задачи сервис может менять модель под капотом, если это дает более разумный баланс между результатом, задержкой и стоимостью. Для русскоязычной аудитории разработчиков и IT-руководителей здесь важен не столько сам Auto mode, сколько сигнал рынка: выбор модели постепенно превращается из ручной настройки в инфраструктурный слой, который пользователь может вообще не видеть.
У Replit новая схема строится вокруг Free Mode, представленного 18 августа 2026 года. В этом режиме система сама подбирает модель и не дает вручную переключаться между ними. Core- и Pro-подписчики по-прежнему могут уйти в Power или Max и выбрать модель сами, если им нужен более предсказуемый контроль над поведением агента или над стоимостью конкретной сессии. При этом Replit предупреждает: если задача становится сложнее и требует более «тяжелого» режима, платформа может предложить переход, который уже способен расходовать лимиты или влечь дополнительные затраты.
На уровне продукта ход выглядит прагматично. В своем блоге Replit утверждает, что в собственных тестах intelligent model routing дал то же качество результата при снижении стоимости на 65% по сравнению с предыдущей версией Max Mode. Это важная цифра не потому, что она автоматически переносится на всех пользователей, а потому что объясняет мотив компании. AI-платформы давно уперлись в неприятную экономику: если отправлять каждую задачу в максимально мощную модель, продукт быстро становится дорогим и для вендора, и для клиента. Если же научиться вовремя переключать простые запросы на более дешевые модели, а сложные оставлять дорогим, появляется шанс сохранить маржу и не испортить пользовательский опыт.
Маршрутизатор вместо религиозной войны моделей
Replit выходит в тренд не первым. За последние недели вокруг маршрутизации моделей собралась уже отдельная мини-индустрия. В августе Stripe согласилась купить OpenRouter за сумму, которая, по данным The New Stack, оценивается в 8 млрд долларов. В тот же день Ramp запустила Router.com, который направляет запросы в самую дешевую модель, если та проходит заданную планку качества. Еще в июле Cursor представила собственный роутер для задач программирования и заявила, что получает сопоставимый результат при заметно меньшей цене. Параллельно Meta, по сообщениям издания, развивает внутренний роутер Switchboard, который оценивает сложность coding-задач и отдает более простую работу дешевым моделям.
Это уже похоже не на локальную продуктовую моду, а на передел рынка. В первой фазе бума генеративного ИИ компании соревновались моделями: у кого больше контекст, лучше бенчмарки и громче анонс. Во второй фазе выяснилось, что реальная эксплуатация скучнее и дороже пресс-релизов. Большая часть продакшн-нагрузки не требует frontier-модели на каждом шаге. Особенно в агентных сценариях, где один рабочий процесс может включать планирование, разбор контекста, генерацию кода, исправление ошибок и уточняющие итерации. На каждом из этих этапов оптимальная модель может быть разной. Именно поэтому маршрутизация моделей становится не приятным бонусом, а ядром продукта.
Президент и руководитель AI-направления Replit Микеле Катаста прямо говорит об экономике как о ключевой причине сдвига. По его словам, внутри одного семейства моделей цена за токен может различаться на порядки, а возможности более дешевых и компактных моделей уже заметно приблизились к старшим версиям. Переводя это с языка вендора на язык покупателя: переплачивать за «топовую» модель в каждой операции все труднее оправдать даже тем командам, которые в принципе готовы платить за ИИ-инструменты.
Почему это важно для команд и enterprise
Для разработчиков здесь есть как минимум две практические новости. Первая: ручной выбор модели постепенно превращается в опцию для продвинутых пользователей, а не в обязательный ритуал перед началом работы. Вторая: качество AI-инструмента теперь все сильнее зависит не от громкости имени модели, а от того, насколько хорошо платформа понимает тип запроса, контекст проекта и момент, когда задачу надо «эскалировать» на более мощный движок. Проще говоря, конкуренция смещается с витрины моделей на оркестрацию.
Для бизнеса и enterprise-сегмента еще важнее другой момент. Replit обещает, что корпоративные администраторы смогут ограничить Auto mode набором одобренных моделей для каждого workspace. Это компромисс, который многие компании давно ждали: разработчикам не нужно вручную выбирать между десятью провайдерами, но и служба безопасности не получает черный ящик, который в любой момент отправит код или данные в неутвержденную модель. Для CIO, CTO и руководителей платформенных команд такой подход выглядит гораздо ближе к реальной корпоративной политике, чем лозунг «пусть пользователь сам разберется».
У Replit есть и еще один аргумент против независимых роутеров. Компания делает ставку не на владение собственной базовой моделью, а на владение агентом и всей обвязкой вокруг него. Катаста утверждает, что именно доступ к поведению собственного агента и к внутренней инфраструктуре позволяет обучать более точные роутеры, а сторонний провайдер не сможет воспроизвести те же результаты для Replit Agent. Это спорный, но логичный тезис: тот, кто видит полный контекст запроса, итераций, ошибок и переходов между режимами, действительно получает больше данных для настройки маршрутизации, чем нейтральный посредник.
На выходе мы видим неприятную для любителей простых сравнений картину: через год пользователи, возможно, будут выбирать не между «лучшей моделью», а между лучшими системами управления моделями. И если этот сценарий закрепится, ценность AI-платформы начнет измеряться не числом поддерживаемых LLM, а качеством невидимого диспетчера, который решает, когда включать дорогой интеллект, а когда не жечь бюджет зря. Проверить исходные детали анонса можно в материале .