El proyecto de código abierto Goose de Block está emergiendo como una alternativa directa a Claude Code de Anthropic, ofreciendo a los desarrolladores un agente de programación autónomo que puede ejecutarse en sus propias máquinas en lugar de requerir una suscripción mensual. El contraste se ha acentuado a medida que el precio de Claude Code alcanza los 200 dólares al mes en su nivel más alto y los usuarios siguen debatiendo cómo sus límites de uso se traducen en tiempo real de desarrollo.

La elección no es simplemente entre dos productos equivalentes. Claude Code ofrece acceso a los modelos propietarios y la infraestructura en la nube de Anthropic, mientras que Goose da a los usuarios control sobre el modelo, el hardware y la ruta de los datos. Para los desarrolladores que valoran el trabajo sin conexión, el acceso local predecible o mantener el código fuente alejado de servidores externos, esa diferencia de arquitectura puede importar tanto como el precio.

El precio de Claude Code sitúa el uso en el centro

Según VentureBeat AI, Claude Code de Anthropic está disponible mediante planes de suscripción que van desde 20 hasta 200 dólares al mes, y el plan gratuito no ofrece acceso al agente de programación. La publicación informó que los usuarios Pro reciben aproximadamente entre 10 y 40 prompts cada cinco horas, mientras que los planes Max ofrecen mayores asignaciones a 100 y 200 dólares al mes.

Anthropic también ha introducido límites semanales descritos en horas de uso de Sonnet 4 y Opus 4. Esas cifras no corresponden al tiempo del reloj habitual: el consumo real depende del volumen de tokens, del tamaño de la base de código, del historial de conversación y de la complejidad de la tarea. Eso dificulta que los desarrolladores estimen cuánto trabajo soporta un plan antes de alcanzar un límite.

VentureBeat informó de que desarrolladores se quejaron de que las sesiones intensivas agotaban rápidamente sus asignaciones. Anthropic ha dicho que las restricciones afectan a menos del 5% de los usuarios y están dirigidas a personas que ejecutan Claude Code de forma continua en segundo plano. La declaración de la empresa, tal como la presentó la publicación, no aclara si ese porcentaje se refiere a todos los usuarios o a un grupo concreto de suscripción.

La disputa sobre precios importa porque los agentes de programación están diseñados para un trabajo prolongado e iterativo. Un desarrollador puede pedir a un agente que inspeccione un repositorio, modifique varios archivos, ejecute pruebas, diagnostique fallos y repita el proceso. Los límites que parecen generosos en una simple comparación por número de prompts pueden sentirse restrictivos cuando un agente opera en un proyecto grande.

Goose cambia la ecuación de coste y control

Goose, desarrollado por Block, adopta un enfoque en la propia máquina. Sus interfaces de escritorio y de línea de comandos pueden instalar software, editar y ejecutar código, probar proyectos y coordinar tareas de varios pasos. En lugar de vincular esas capacidades a un único modelo propietario, Goose puede conectarse a APIs comerciales, servicios de modelos alojados o modelos locales.

Ese diseño agnóstico al modelo es la principal distinción del producto. Los desarrolladores pueden usar servicios de Anthropic, OpenAI, Google, Groq u OpenRouter cuando sea apropiado, pero también pueden conectar Goose a Ollama y ejecutar un modelo de código abierto localmente. En esa configuración, el software en sí no conlleva cargo de suscripción y las solicitudes pueden permanecer en el ordenador del usuario.

La ejecución local elimina varias restricciones de los servicios en la nube: no hay una asignación de prompts impuesta por el proveedor, no hay una suscripción recurrente del agente y no se requiere conexión a Internet durante una tarea. Eso no hace que la configuración general sea gratuita. Los usuarios siguen necesitando hardware capaz, electricidad, almacenamiento y, potencialmente, acceso de pago al modelo si eligen un proveedor alojado.

Goose también utiliza el Model Context Protocol para conectar agentes con herramientas y sistemas externos. Eso puede permitir que un agente trabaje con archivos, bases de datos, servicios de búsqueda e interfaces de programación de aplicaciones, aunque la seguridad y la fiabilidad de cada conexión dependen de su configuración y del modelo subyacente.

Las pruebas muestran impulso, pero no paridad

VentureBeat informó que Goose había superado las 26.100 estrellas en GitHub, atraído a 362 colaboradores y alcanzado 102 versiones, identificando la versión 1.20.1 como la más reciente en el artículo fuente. Esas cifras indican una actividad visible de código abierto, pero no prueban que Goose tenga la misma adopción, fiabilidad o rendimiento de tareas que Claude Code.

El artículo también citó el Berkeley Function-Calling Leaderboard al describir a los modelos de Claude como fuertes a la hora de traducir solicitudes en acciones ejecutables. Señaló que los modelos de Meta, Alibaba, Google y DeepSeek están mejorando en el uso de herramientas. Se trata de observaciones de benchmarks y del ecosistema, no de una prueba independiente de que una configuración concreta de Goose vaya a igualar a Claude Code en una base de código de producción.

Las compensaciones técnicas son sustanciales. VentureBeat informó de que 32 gigabytes de RAM son una base práctica para modelos locales más grandes, mientras que los modelos más pequeños pueden funcionar en sistemas con menos memoria. La inferencia local suele ser más lenta que la inferencia en la nube, y las ventanas de contexto pueden ser más cortas o requerir una configuración más cuidadosa. Los modelos propietarios como Opus de Anthropic siguen siendo más fuertes en algunas tareas complejas de software, según las comparaciones del artículo y las experiencias de desarrolladores citadas.

La actividad de Goose en GitHub y su recuento de versiones deben leerse, por tanto, mejor como señales de interés de desarrollo que como una afirmación de rendimiento verificada. Las conclusiones más sólidas que ofrece esta fuente se refieren a la arquitectura y la flexibilidad de precios, no a capacidades idénticas.

Qué significa la elección para desarrolladores y empresas

Para desarrolladores individuales y pequeños equipos, Goose ofrece una forma de probar agentes de IA sin comprometerse con un plan mensual de 100 o 200 dólares. Un equipo puede empezar con un modelo local más pequeño, conectar solo las herramientas que necesita y decidir más adelante si un modelo alojado merece el coste adicional. Esto puede ser especialmente útil para prototipos, utilidades internas y trabajo de desarrollo realizado en entornos restringidos o desconectados.

La contrapartida es la responsabilidad operativa. Los equipos deben seleccionar modelos, gestionar actualizaciones, supervisar el uso de recursos, proteger credenciales y validar cada acción que realiza un agente. Un modelo local económico de ejecutar puede requerir más reintentos o revisión humana que un modelo premium alojado. Para los compradores empresariales, la ausencia de transferencia a la nube puede simplificar algunas decisiones de gobernanza de datos, pero no elimina los riesgos relacionados con el control de acceso, las instrucciones maliciosas, la seguridad de dependencias o los cambios de código no revisados.

Claude Code sigue siendo atractivo para organizaciones que priorizan la calidad del modelo, la infraestructura gestionada y un flujo de trabajo pulido por encima del control estricto de costes. Goose resulta más convincente cuando la privacidad, el acceso sin conexión, la elección de modelo y la propiedad predecible de la infraestructura son requisitos principales. En consecuencia, la decisión tiene menos que ver con si una herramienta sustituye universalmente a la otra y más con qué capa quiere controlar un equipo.

El efecto de mercado más amplio está claro: los modelos de código abierto y los marcos de agentes están separando la interfaz del agente de programación del proveedor del modelo. Eso debilita la suposición de que un flujo de trabajo de programación capaz deba comprarse como una única suscripción empaquetada. También da a los desarrolladores más poder de negociación cuando cambian los límites comerciales o los precios.

Qué observar a continuación

Las señales clave serán si la base de colaboradores de Goose y su ritmo de versiones continúan, si los modelos locales mejoran en tareas de software de largo contexto y cuánta configuración se requiere para una ejecución fiable de herramientas. Los desarrolladores también deberían vigilar las demandas de hardware a medida que los modelos se vuelven más grandes y capaces.

La respuesta de Anthropic importará tanto como eso. Los cambios en los límites de velocidad de Claude Code, la claridad de los precios, la contabilidad de prompts o el acceso al modelo podrían reducir o intensificar el atractivo de las alternativas locales. Los competidores comerciales, incluidos Cursor y GitHub Copilot, también podrían verse presionados para ofrecer un uso más flexible u opciones locales más potentes.

Para los compradores que evalúan cualquiera de los dos productos, la prueba práctica es un repositorio representativo y no un titular de benchmark: mida la finalización de tareas, la carga de revisión, la latencia, la recuperación de fallos y el coste total de operar el modelo elegido.

Perspectiva de Creati.ai

Goose no vuelve obsoleto a Claude Code, y “gratis” es una descripción incompleta de un agente de IA local. El usuario paga mediante hardware, tiempo de configuración, inferencia más lenta y, si los modelos locales no alcanzan, costes adicionales de modelos alojados. Pero Goose cambia la negociación. Los desarrolladores ahora pueden separar la interfaz del agente del servicio de modelo y elegir dónde tienen lugar el código, los prompts y la ejecución.

Esa flexibilidad es la noticia importante para los creadores de IA. A medida que los agentes de programación se vuelven más capaces, los precios y la privacidad se juzgarán junto con la calidad bruta del modelo. Un camino local y de código abierto ofrece a los equipos una alternativa creíble y obliga a los proveedores comerciales a explicar no solo lo que sus agentes pueden hacer, sino cuánto acceso reciben realmente los usuarios.