Claude Code de Anthropic ha ayudado a consolidar a los agentes de codificación autónomos como una herramienta de desarrollo seria, pero sus costos de suscripción y límites de uso están abriendo espacio para competidores de código abierto. Goose, de Block, ofrece un flujo de trabajo de agente similar sin una suscripción obligatoria y puede ejecutarse localmente con modelos seleccionados por el desarrollador.

La diferencia importa más allá del precio. Claude Code depende de la infraestructura en la nube de Anthropic, mientras que Goose puede configurarse para usar modelos locales mediante herramientas como Ollama. Eso ofrece a los desarrolladores una vía para el desarrollo sin conexión y mantiene el código fuente y las conversaciones en sus propias máquinas, aunque este enfoque requiere hardware adecuado y acepta concesiones en calidad del modelo, velocidad y esfuerzo de configuración.

El precio de Claude Code pone el foco en los límites de uso

Según VentureBeat AI, Claude Code de Anthropic está disponible mediante niveles de suscripción con precios de 20 a 200 dólares al mes, según el uso. El plan gratuito no incluye acceso al agente de codificación. La publicación informa que el nivel Pro permite aproximadamente entre 10 y 40 indicaciones cada cinco horas, mientras que los planes Max ofrecen límites más altos y acceso a los modelos más capaces de Anthropic.

Anthropic también ha introducido límites semanales descritos en horas de uso de Sonnet 4 u Opus 4. Esas etiquetas no se traducen limpiamente a una cantidad fija de trabajo de programación: el consumo real depende de factores como el tamaño de la base de código, la longitud del contexto y la complejidad de la tarea. VentureBeat citó un análisis independiente que estima límites de sesión basados en tokens de aproximadamente 44.000 tokens para los usuarios Pro y 220.000 tokens para el plan Max de 200 dólares, pero esas cifras no se presentan como una métrica oficial de precios de Anthropic.

Anthropic también ha defendido los límites diciendo que afectan a menos del 5% de los usuarios y que están dirigidos a personas que ejecutan Claude Code continuamente en segundo plano. El informe de origen señala que Anthropic no ha aclarado si ese porcentaje se aplica a todos los usuarios o solo a un grupo concreto de suscripción. Informes de Reddit y foros de desarrolladores describen que algunos usuarios agotan rápidamente los límites durante sesiones intensivas, pero esos relatos son anecdóticos y no datos de uso verificados de forma independiente.

Goose traslada el agente a la máquina del desarrollador

Goose, desarrollado por Block, es un agente de IA de código abierto disponible como aplicación de escritorio e interfaz de línea de comandos. Su propósito declarado va más allá de la autocompletación de código: puede instalar dependencias, crear y editar archivos, ejecutar comandos, lanzar pruebas, depurar fallos y coordinar el trabajo en un proyecto.

La herramienta es agnóstica al modelo. Los desarrolladores pueden conectarla a modelos comerciales de proveedores como Anthropic, OpenAI o Google, usar servicios de enrutamiento como Groq y OpenRouter, o conectarla a un modelo local mediante Ollama. En la configuración local, el modelo se ejecuta en el ordenador del desarrollador en lugar de enviar indicaciones y código a un proveedor remoto.

Esa arquitectura permite trabajar sin conexión y evita una suscripción recurrente a Goose. Sin embargo, no hace que la configuración total sea gratuita en todos los sentidos prácticos: los usuarios siguen necesitando un ordenador capaz de ejecutar el modelo elegido, y las APIs de modelos comerciales pueden generar sus propios cargos si los desarrolladores optan por proveedores en la nube. “Gratis” describe principalmente a Goose en sí y a una pila de software local, no al costo del hardware ni de cada posible conexión con un modelo.

Goose también admite el Model Context Protocol, o MCP, que puede conectar un agente con sistemas de archivos, bases de datos, herramientas de búsqueda y otros servicios. Combinado con la llamada a herramientas, eso permite que el sistema realice acciones en lugar de solo sugerir código. No obstante, el modelo subyacente sigue siendo importante. La fiabilidad de un agente depende de cuán correctamente su modelo interprete instrucciones, elija herramientas, maneje errores y respete las restricciones del proyecto.

Lo que dice la evidencia —y lo que no dice

La comparación proviene de un informe de VentureBeat AI y no de una evaluación independiente cara a cara. El artículo informa que Goose tenía más de 26.100 estrellas en GitHub, 362 contribuyentes y 102 versiones, con la versión 1.20.1 identificada como la más reciente en el momento de la publicación. Las estrellas de GitHub y el número de versiones indican interés y actividad de desarrollo, pero no establecen fiabilidad en producción, retención de usuarios ni paridad con Claude Code.

Por tanto, la afirmación de que Goose puede realizar un trabajo “casi idéntico” al de Claude Code debe tratarse con cautela. Ambas herramientas pueden respaldar flujos de trabajo de codificación autónoma, pero eso no significa que ofrezcan resultados equivalentes. El reportaje de VentureBeat identifica varias diferencias: los modelos estrella de Anthropic siguen siendo mejores en tareas difíciles de ingeniería de software, los servicios en la nube suelen ofrecer inferencia más rápida y la gran capacidad de contexto de Claude puede ser valiosa para repositorios complejos.

Los despliegues locales introducen sus propias restricciones. La documentación de Block supuestamente recomienda 32 gigabytes de RAM como una base sólida para modelos y salidas más grandes, mientras que los modelos más pequeños pueden ejecutarse en sistemas con menos memoria. Las ventanas de contexto más largas pueden requerir memoria adicional y reducir la velocidad de respuesta. Estos límites hacen que un agente local sea más atractivo para trabajos sensibles a la privacidad o sin conexión que para cualquier flujo de trabajo de ingeniería de alta intensidad.

El progreso de los modelos de código abierto es otro factor reportado, pero las comparaciones de benchmarks no deben confundirse con la equivalencia en el mundo real. VentureBeat señaló modelos como Llama, Qwen, Gemma, DeepSeek, Kimi K2 y GLM 4.5 como evidencia de una reducción de la brecha de calidad. La fuente no ofrece una prueba controlada de Goose frente a Claude Code, por lo que las afirmaciones sobre productividad comparable siguen sin demostrarse.

Por qué la elección importa para creadores y empresas

Para desarrolladores individuales y equipos pequeños, Goose cambia el cálculo económico. Un despliegue local elimina los límites de uso de la suscripción y puede facilitar la experimentación, especialmente en proyectos que no justifican un plan mensual de 100 o 200 dólares. También da a los equipos más control sobre dónde se procesan el código propietario, las credenciales y la documentación interna.

La contrapartida es la responsabilidad operativa. Los equipos que adopten Goose deben seleccionar modelos, gestionar la capacidad de memoria y cómputo, configurar integraciones y comprobar si se puede confiar al agente cambios de archivos o comandos de shell. Las empresas también necesitarían gobernanza en torno al origen del modelo, los controles de acceso, los registros de auditoría, las actualizaciones de dependencias y el manejo de datos sensibles. Un agente local puede reducir la exposición a la nube, pero no proporciona automáticamente seguridad ni cumplimiento empresarial.

El modelo de desarrollo también importa. Herramientas comerciales como Claude Code y Cursor agrupan infraestructura, acceso al modelo, actualizaciones y una experiencia de usuario pulida. Goose separa esas capas. Eso puede reducir la dependencia de un proveedor y permitir la personalización, pero traslada más trabajo al comprador o al equipo de ingeniería.

Para Anthropic y otros proveedores, la presión no es simplemente que exista una herramienta gratuita. Goose demuestra que la capa de agente puede separarse del modelo y ofrecerse como infraestructura abierta. Si los modelos locales siguen mejorando, los productos premium de codificación quizá necesiten competir mediante fiabilidad, manejo de contexto, integraciones, controles de seguridad y calidad del flujo de trabajo, en lugar de solo por el acceso a acciones autónomas.

Qué vigilar a continuación

La señal más importante será si la adopción de Goose se traduce en contribuciones sostenidas, despliegues documentados en producción y resultados repetibles en repositorios reales, no solo interés en GitHub. Los desarrolladores también deberían vigilar mejoras en la llamada a herramientas de los modelos locales, el soporte de ventanas de contexto, la velocidad de inferencia y la eficiencia de memoria.

En el ámbito comercial, seguirá siendo importante la interpretación de Anthropic sobre sus límites de uso, incluidas definiciones más claras del uso y cualquier cambio en los planes de Claude Code. Más comparaciones con Cursor, GitHub Copilot y otros productos de codificación agéntica podrían mostrar si el mercado se está dividiendo entre agentes premium alojados y sistemas locales más configurables.

Perspectiva de Creati.ai

Goose es significativo porque desafía la suposición de que la codificación autónoma debe comprarse como una suscripción en la nube empaquetada. Su propuesta más fuerte es el control: los desarrolladores pueden elegir el modelo, el entorno de ejecución y el límite de datos en lugar de aceptar el precio y la infraestructura de un solo proveedor.

Eso no convierte a Goose en un reemplazo directo de Claude Code. La verdadera prueba es si su menor costo y sus ventajas de privacidad compensan los compromisos de hardware, configuración y calidad del modelo para un flujo de trabajo determinado. Para los creadores, la lección práctica es evaluar por separado el agente, el modelo y la capa de despliegue, y medir la fiabilidad en su propia base de código antes de tratar cualquier herramienta local gratuita o acceso premium alojado como una solución completa.