Los desarrolladores molestos por el precio y los límites de uso de Claude Code de Anthropic están empezando a fijarse más en una alternativa de código abierto de Block. La herramienta, llamada Goose, no es nueva en el sentido de un lanzamiento recién anunciado, pero la reciente cobertura de VentureBeat la ha convertido en un punto central de un debate más amplio sobre cuánto deberían costar los agentes de codificación con IA, dónde deberían ejecutarse y quién controla el flujo de trabajo.

Ese debate importa porque Claude Code se ha convertido en uno de los ejemplos más visibles de un agente de IA que va más allá del autocompletado hacia el trabajo de software basado en terminal: escribir código, editar archivos, ejecutar pruebas y gestionar tareas de varios pasos con supervisión limitada. Pero, según VentureBeat, la frustración de los desarrolladores ha aumentado en torno a la estructura de suscripción de Anthropic, que va desde niveles de acceso de menor coste hasta 200 dólares al mes, además de límites de tasa que algunos usuarios dicen que son difíciles de interpretar en la práctica.

Goose ofrece una propuesta marcadamente distinta. Creado por Block y distribuido como código abierto, puede ejecutarse en la propia máquina del desarrollador, conectarse a múltiples proveedores de modelos y, en algunas configuraciones, funcionar completamente sin conexión mediante Ollama y modelos locales como Qwen 2.5. Para desarrolladores y equipos empresariales, la verdadera historia no es simplemente «gratis frente a pago». Es un choque entre dos enfoques de la codificación con IA: software premium en la nube anclado en modelos propietarios de primer nivel, y herramientas locales flexibles que intercambian pulido y calidad máxima del modelo por control, menor coste recurrente y localización de los datos.

Por qué el precio de Claude Code se convirtió en el detonante

Según VentureBeat, el descontento con Claude Code se aceleró después de que Anthropic introdujera límites de tasa semanales además de los niveles de suscripción existentes. VentureBeat describió la oferta de Anthropic como un plan gratuito sin acceso a Claude Code, un plan Pro de alrededor de 20 dólares al mes con límites de prompts más estrictos, y niveles Max más altos de 100 y 200 dólares al mes que ofrecen más margen y acceso a modelos más potentes.

La fricción parece provenir menos de la existencia de límites que de cómo se comunican y se experimentan. VentureBeat informó que Anthropic describe el uso en parte en términos de «horas» disponibles para usar el modelo, pero que el consumo real depende de variables intensivas en tokens como el tamaño de la base de código, el historial del chat y la complejidad de la tarea. Eso dificulta que los compradores predigan el rendimiento en flujos de trabajo reales de software.

Anthropic, según citó VentureBeat, ha dicho que las restricciones afectan a menos del cinco por ciento de los usuarios y están destinadas a frenar el uso constante en segundo plano. Pero el informe señaló que la empresa no aclaró públicamente el denominador de esa cifra. Sin ese contexto, los equipos de producto que evalúan Claude Code para desarrolladores individuales o despliegues más amplios todavía tienen que inferir con qué frecuencia el uso intensivo pero legítimo de ingeniería podría topar con los límites.

Esa incertidumbre importa en el mercado de codificación con IA porque los desarrolladores no compran estas herramientas como asientos SaaS normales. Las usan a ráfagas, a menudo sobre repositorios grandes, y a veces necesitan horas de interacción ininterrumpida durante tareas de depuración o migración. Si el modelo de facturación es difícil de traducir a sesiones reales, la confianza pasa a formar parte del producto.

Cómo Goose se posiciona de forma diferente

El relato de VentureBeat presenta Goose como una alternativa funcional cercana a Claude Code para tareas de codificación autónoma, aunque no necesariamente como un sustituto equivalente en calidad de modelo. Goose puede ejecutarse como aplicación de escritorio o como herramienta de línea de comandos, y está diseñado para funcionar con múltiples back ends de modelos en lugar de con la pila alojada de una sola empresa.

Ese diseño agnóstico al modelo es central para su atractivo. Según VentureBeat, Goose puede conectarse a modelos de Anthropic mediante acceso API, así como a modelos de OpenAI y Google, y a capas de enrutamiento como Groq y OpenRouter. También puede funcionar con modelos abiertos ejecutados localmente a través de Ollama, lo que lo convierte de una opción de menor coste en un flujo de trabajo potencialmente sin suscripción.

Para los desarrolladores que manejan repositorios sensibles, la configuración local es el verdadero diferenciador. Si Goose se combina con un modelo que se ejecuta en la misma máquina, el código y los prompts no necesitan enviarse a un proveedor externo. Eso crea una postura diferente de privacidad y cumplimiento frente a un servicio alojado como Claude Code, aunque el modelo local sea más débil.

El proyecto también parece tener un impulso significativo. VentureBeat informó de más de 26.100 estrellas en GitHub, 362 colaboradores y más de 100 versiones para Goose, incluida una versión reciente numerada 1.20.1. Las estrellas de GitHub no son lo mismo que el uso activo en producción, y la popularidad del código abierto no garantiza fiabilidad empresarial. Aun así, esas cifras sugieren que Goose ha dejado de ser un experimento secundario y ha entrado en la clase de herramientas que los desarrolladores observan de cerca.

Qué puede hacer Goose y dónde empiezan las compensaciones

El argumento más sólido a favor de Goose es que no es solo otro complemento de autocompletado de código. VentureBeat lo describió como un agente capaz de crear archivos, editar proyectos, ejecutar código, probar cambios e interactuar con sistemas externos. Eso lo sitúa más cerca de la clase emergente de agentes de IA que de un asistente de codificación tradicional.

El informe también señaló que Goose admite el Model Context Protocol, o MCP, que se está convirtiendo en un estándar de conexión importante para herramientas de agentes que necesitan acceso a archivos, bases de datos, APIs y servicios de terceros. Para los desarrolladores, el soporte de MCP importa porque reduce la cantidad de pegamento personalizado necesario para permitir que un agente opere en un entorno de software real en lugar de en una caja de chat.

Aun así, las compensaciones son sustanciales. VentureBeat dijo explícitamente que Claude 4.5 Opus sigue estando entre las opciones más potentes para trabajos de ingeniería de software difíciles, especialmente en seguimiento de instrucciones, comprensión amplia de bases de código y salida inicial de alta calidad. Esa es una ventaja significativa para Anthropic en entornos empresariales y profesionales donde el tiempo ahorrado puede superar el coste de la suscripción.

La operación local también impone límites de hardware. VentureBeat citó documentación de Block que sugiere 32 GB de RAM como una base sólida para modelos locales grandes, mientras que los modelos más pequeños pueden ejecutarse en sistemas de 16 GB. Eso significa que Goose puede ser gratuito en términos de licencia, pero no necesariamente en la realidad del despliegue para cada desarrollador. Los equipos que quieran IA local a escala todavía pueden acabar pagando mediante ciclos de renovación de hardware, soporte interno e inferencia más lenta.

La longitud del contexto es otra diferencia práctica. Los modelos alojados por Claude pueden admitir contextos mucho mayores que muchas configuraciones locales predeterminadas, lo que afecta a la capacidad de un agente para absorber un repositorio grande o una conversación prolongada. La velocidad también sigue siendo un factor: la inferencia de nivel servidor que sustenta Claude Code suele parecer más rápida que un portátil ejecutando un modelo local.

Evidencia, afirmaciones y qué está verificado

La evidencia de esta historia es relativamente limitada porque la base de fuentes aquí es un único informe de VentureBeat y no una mezcla de documentación de la empresa, estudios de benchmarks y casos de uso empresariales. Eso significa que conviene cierta cautela.

Confirmado a alto nivel: Goose es un proyecto de código abierto de Block, puede ejecutarse localmente, se integra con proveedores incluido Ollama y está diseñado como un agente de codificación con IA y no como una simple herramienta de autocompletado. VentureBeat también informó señales públicas concretas como el número de estrellas en GitHub, los colaboradores y el ritmo de lanzamiento.

Más tentativas son las implicaciones de «hace lo mismo» en el encuadre original del titular. Funcionalmente, Goose y Claude Code pertenecen ambos a la categoría de agentes de IA para el desarrollo de software. Pero pertenecer a la misma categoría no demuestra igual fiabilidad, calidad de modelo, usabilidad ni rendimiento. El propio VentureBeat reconoció brechas de rendimiento persistentes entre los principales modelos propietarios y las alternativas de código abierto en tareas más difíciles.

Las referencias a benchmarks también necesitan contexto. VentureBeat citó el Berkeley Function-Calling Leaderboard para respaldar la idea de que los modelos de Anthropic rinden actualmente bien en el uso de herramientas. Eso es una evidencia direccional útil, pero los resultados de un ranking no son idénticos a los resultados de ingeniería del día a día en un entorno de producción caótico.

Las señales de adopción deben leerse de forma similar. La alta actividad en GitHub en torno a Goose sugiere interés de los desarrolladores, pero no es un proxy verificado para despliegues empresariales ni para el uso diario activo. Del mismo modo, las quejas en Reddit y en foros de desarrolladores sobre Claude Code indican frustración real, pero no establecen cuán representativa es esa frustración en toda la base de clientes de Anthropic.

Qué significa esto para los creadores de IA y los compradores empresariales

Para los creadores de IA, Goose refuerza una idea que se ha ido consolidando en toda la capa de herramientas: la capa de agentes se está volviendo separable de la capa de modelos. Un equipo puede elegir cada vez más una capa de orquestación, cambiar a un modelo preferido y decidir si ejecuta en la nube, en un endpoint gestionado o localmente.

Eso importa para las startups porque reduce la dependencia de la experiencia empaquetada de un único proveedor. Si Goose o herramientas similares llegan a ser lo bastante buenas, productos como Claude Code, Cursor y GitHub Copilot tendrán que justificar un precio premium mediante la calidad del flujo de trabajo, los controles de equipo, las funciones de colaboración o el acceso a los mejores modelos, y no solo por la exclusividad del concepto básico de agente.

Para las empresas, el problema principal es el ajuste del despliegue. Claude Code puede seguir siendo la mejor opción cuando la precisión, la velocidad y el manejo de contextos largos dominan y los presupuestos permiten un gasto premium. Goose se vuelve más convincente donde la residencia de datos, el trabajo sin conexión, la fricción de aprovisionamiento o el coste por asiento hacen que las herramientas centradas en la nube sean más difíciles de estandarizar.

También hay un ángulo de gobernanza. Los equipos que evalúan agentes de IA para bases de código reguladas suelen querer un control claro sobre dónde viaja el código fuente. Una pila local de Goose más Ollama no elimina todo el riesgo de seguridad, pero cambia la superficie de riesgo de una manera que algunos equipos de seguridad pueden preferir.

Qué observar a continuación

La siguiente señal a vigilar es si Anthropic cambia la comunicación de precios o la transparencia de los límites de tasa en torno a Claude Code. Si los compradores siguen teniendo dificultades para convertir los términos de suscripción en capacidad práctica de ingeniería, las alternativas más baratas o abiertas ganarán influencia incluso si la calidad del modelo sigue siendo menor.

Una segunda señal es si Goose convierte su popularidad de código abierto en una mayor madurez del producto. Los administradores empresariales querrán mejores pruebas sobre estabilidad, permisos, auditabilidad y patrones de despliegue en equipo antes de tratarlo como algo más que una opción impulsada por desarrolladores.

En tercer lugar, conviene vigilar el ecosistema de modelos locales. Si Qwen 2.5 y otros modelos abiertos mejoran en llamadas a herramientas, calidad de codificación y longitud de contexto mientras siguen siendo utilizables a través de Ollama, el caso de coste-rendimiento para los agentes de IA locales se fortalece. Eso podría presionar no solo a Claude Code, sino también a Cursor y GitHub Copilot, que compiten en flujos de trabajo adyacentes de asistentes de codificación.

Por último, la adopción de MCP importará. Si el Model Context Protocol se convierte en un estándar común entre los agentes de IA, los costes de cambio entre herramientas pueden disminuir y el valor puede desplazarse hacia la calidad de la ejecución, la confianza y los controles operativos en lugar del bloqueo de conectores.

Perspectiva de Creati.ai

El desarrollo importante aquí no es que Goose haya igualado perfectamente a Claude Code. Lo importante es que los desarrolladores ahora tienen una vía creíble de código abierto para la misma categoría de flujo de trabajo: agentes de IA centrados en la terminal que pueden actuar sobre el código, no solo comentarlo. Eso cambia la psicología de precios en las herramientas empresariales de codificación con IA.

A corto plazo, los modelos propietarios premium siguen pareciendo conservar una ventaja de calidad, especialmente para repositorios grandes y tareas de ingeniería ambiguas. Pero una vez que las interfaces de agente, las integraciones MCP y los tiempos de ejecución locales sean lo bastante buenos, los compradores empiezan a hacer una pregunta más incisiva: ¿cuánto de la factura paga por rendimiento real y cuánto paga por el empaquetado alrededor de una capacidad que se está volviendo más modular? Goose ofrece al mercado una forma concreta de probar esa pregunta.