Claude Code de Anthropic se ha convertido en un ejemplo destacado del desarrollo de software autónomo asistido por IA, pero sus precios de suscripción y sus límites de uso están abriendo espacio para alternativas. VentureBeat informa que Goose, de código abierto de Block, ofrece un flujo de trabajo de programación similar al de un agente sin una suscripción obligatoria, especialmente cuando se combina con un modelo de lenguaje local.

El contraste es sencillo, pero no absoluto: Claude Code ofrece acceso a los modelos e infraestructura alojados de Anthropic, mientras que Goose da a los desarrolladores control sobre el agente, el proveedor del modelo y el entorno de ejecución. Eso hace que Goose resulte atractivo para desarrolladores preocupados por los costes recurrentes, la dependencia de la nube, la privacidad y el trabajo sin conexión, pero también traslada más responsabilidad al hardware y a la configuración técnica del usuario.

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

Según el informe de VentureBeat, Claude Code está disponible a través de planes de suscripción de Anthropic que van aproximadamente de 20 a 200 dólares al mes. El plan gratuito no incluye acceso al agente de programación. El nivel Pro reportado permite entre 10 y 40 prompts cada cinco horas, mientras que los planes Max ofrecen límites más altos y acceso a modelos más capaces.

Anthropic también introdujo límites semanales descritos en términos de horas de uso para los modelos Sonnet y Opus. VentureBeat señaló que, en la práctica, estos son límites basados en tokens: la cantidad de trabajo que un desarrollador puede completar depende del tamaño de la base de código, la longitud de la conversación y la complejidad de la tarea, en lugar de un simple reloj. Eso hace que los límites sean difíciles de traducir en una cantidad predecible de trabajo de ingeniería.

El informe dice que algunos desarrolladores se han quejado de agotar sus límites durante sesiones intensivas de programación. Anthropic ha defendido las restricciones diciendo que afectan a menos del 5 % de los usuarios y están dirigidas a personas que ejecutan Claude Code continuamente en segundo plano. Sin embargo, el informe dice que Anthropic no ha aclarado si esa cifra se aplica a todos los usuarios o solo a un subconjunto, como los suscriptores Max.

Para desarrolladores individuales y equipos pequeños, la disputa no es solo sobre el precio. Los límites de consumo impredecibles pueden complicar la planificación de proyectos, mientras que un plan caro puede ser difícil de justificar para un uso ocasional o para experimentar.

Goose traslada el agente a la máquina del usuario

Goose fue desarrollado por Block como un agente de IA en la máquina. VentureBeat lo describe como una herramienta de línea de comandos y de escritorio capaz de instalar software, crear y editar archivos, ejecutar código, probar proyectos, depurar fallos y coordinar el trabajo entre múltiples archivos.

La distinción importante es que Goose es agnóstico al modelo. Los desarrolladores pueden conectarlo a modelos alojados de proveedores como Anthropic, OpenAI, Google, Groq u OpenRouter. También pueden usar modelos locales a través de Ollama, que descarga y ejecuta modelos de código abierto en el ordenador del usuario.

Esa arquitectura significa que Goose en sí no requiere una suscripción. Un desarrollador puede optar por pagar por una API de modelo externa o usar un modelo local sin enviar prompts ni código fuente a un servicio de terceros. En una configuración totalmente local, Goose puede seguir funcionando sin conexión a internet, una característica destacada en una demostración citada por VentureBeat.

Goose también admite el Model Context Protocol, o MCP, que permite a los agentes conectarse con herramientas y sistemas externos como sistemas de archivos, bases de datos, motores de búsqueda y API. Esto amplía el producto más allá de la autocompletación de código. El agente puede actuar sobre un proyecto en lugar de limitarse a sugerir fragmentos para que un humano los pegue en un editor.

La evidencia respalda el impulso, no la paridad

VentureBeat informa que Goose tenía más de 26.100 estrellas en GitHub, 362 colaboradores y 102 versiones en el momento de su artículo. Esas cifras indican una actividad visible de código abierto, pero no prueban que Goose tenga la misma fiabilidad, base de usuarios o adopción en producción que Claude Code. Las estrellas de GitHub y el número de colaboradores son señales de interés, no medidas independientes de la calidad del software o del uso comercial.

El artículo también cita el Berkeley Function-Calling Leaderboard al describir los modelos Claude de Anthropic como fuertes en llamadas a herramientas. Dice que las opciones de código abierto de Meta, Alibaba, Google y DeepSeek están mejorando, pero no establece que igualen de forma consistente a los mejores modelos de Anthropic en proyectos de software del mundo real.

Las compensaciones técnicas son considerables. Claude Code se ejecuta sobre infraestructura en la nube dedicada y se beneficia del desarrollo de modelos, el diseño de la interfaz y el soporte operativo de Anthropic. Los resultados de Goose dependen en gran medida del modelo seleccionado y del ordenador que lo ejecute. VentureBeat informa que los modelos locales suelen tener ventanas de contexto predeterminadas más pequeñas, velocidades de inferencia más bajas y peor rendimiento en tareas de programación difíciles que las ofertas líderes de Anthropic.

El hardware es otra limitación. La documentación de Block supuestamente recomienda 32 gigabytes de RAM como una base sólida para modelos y salidas más grandes, aunque los modelos más pequeños pueden ejecutarse en sistemas con menos memoria. Una configuración local puede, por tanto, eliminar las tarifas de suscripción, pero aumentar el coste de la máquina del desarrollador, el tiempo de configuración y la carga de mantenimiento.

Esto hace que la comparación del titular sea más matizada. Goose puede reproducir el flujo de trabajo central del agente de forma gratuita, pero no reproduce automáticamente la calidad del modelo, la capacidad de contexto, la velocidad ni el refinamiento de Claude Code. Los usuarios siguen pagando en algún lugar: mediante hardware, esfuerzo de configuración, acceso a la API o menor rendimiento.

Qué significa la elección para desarrolladores y empresas

Para los desarrolladores, Goose crea una opción práctica para la experimentación y el desarrollo sensible a la privacidad. Un desarrollador que trabaje con código fuente propietario, datos regulados o un proyecto sin conexión puede seleccionar un modelo local y mantener el flujo de trabajo en la máquina. Los equipos también pueden probar varios modelos sin reconstruir la arquitectura del agente circundante, ya que Goose está diseñado para funcionar con distintos proveedores.

La flexibilidad puede ser especialmente útil para startups y desarrolladores independientes que no pueden asumir un gasto mensual de 100 o 200 dólares por herramienta para cada ingeniero. También reduce la dependencia de la fijación de precios, la hoja de ruta del modelo y la política de límites de un solo proveedor.

Los costes son operativos, no solo financieros. Los equipos que adopten Goose deben evaluar licencias de modelos, capacidad de hardware, permisos de prompts y herramientas, procedimientos de actualización y los riesgos de permitir que un agente autónomo ejecute comandos. La ejecución local puede mejorar el control de los datos, pero no elimina las preocupaciones de seguridad: un modelo comprometido, una extensión o una integración MCP aún podría afectar la máquina del desarrollador o los sistemas conectados.

Por ello, los compradores empresariales pueden tratar Goose menos como un reemplazo directo y más como una elección de infraestructura. La cuestión es si la organización valora el control del despliegue lo suficiente como para asumir la responsabilidad del alojamiento del modelo, la evaluación, la observabilidad y el soporte. Los servicios comerciales siguen siendo más fáciles de estandarizar, mientras que los agentes de código abierto ofrecen mayor control y potencialmente menores costes marginales.

Qué vigilar a continuación

La señal más importante será si el ecosistema de modelos de código abierto de Goose cierra la brecha de calidad en tareas de software complejas y de múltiples archivos. Los avances en llamadas a herramientas, razonamiento de largo contexto e inferencia local determinarán si el proyecto puede ir más allá de la experimentación sensible al coste.

Los desarrolladores también deberían vigilar el ritmo de lanzamientos de Goose, sus prácticas de seguridad MCP, los sistemas operativos compatibles y el número de modelos locales fiables que funcionen bien con su ciclo de agente. Para Anthropic, los cambios de precios, las divulgaciones de uso más claras y las mejoras en la eficiencia de Claude Code mostrarán si la empresa puede mantener la demanda premium al tiempo que responde a las quejas sobre la imprevisibilidad.

El mercado en general estará moldeado por si los usuarios prefieren la comodidad empaquetada o una infraestructura componible. Productos como Cursor y otros agentes de programación de IA compiten no solo en capacidad de modelo, sino también en control, privacidad, integración del flujo de trabajo y coste predecible.

Perspectiva de Creati.ai

Goose es importante porque separa el agente de programación de la suscripción al modelo. Esa distinción da a los desarrolladores más margen de maniobra: pueden cambiar de modelos, ejecutarlos localmente o usar un proveedor alojado sin abandonar el flujo de trabajo del agente. También expone el coste oculto de la IA local “gratuita”: hardware, configuración, gobernanza y, potencialmente, peores resultados.

La lección inmediata no es que Goose haya dejado obsoleto a Claude Code. Es que las herramientas de programación de IA se están volviendo lo bastante modulares como para que los desarrolladores elijan dónde se ejecuta la inteligencia y quién controla el flujo de trabajo circundante. Esa flexibilidad podría presionar a los proveedores premium para que los límites sean más fáciles de entender y justificar, al tiempo que ofrece a los equipos técnicos una alternativa más creíble cuando la privacidad, el acceso sin conexión o la propiedad predecible importan más que el máximo rendimiento del modelo.