AnthropicのClaude Codeの価格と使用制限に不満を持つ開発者たちは、Blockによるオープンソースの代替案により強い関心を向け始めている。Gooseと呼ばれるこのツールは、発表されたばかりの新製品という意味での新しさはないが、VentureBeatの最近の報道によって、AIコーディングエージェントはどれだけの費用であるべきか、どこで動作すべきか、そして誰がワークフローを制御するのかという、より広い議論の焦点となった。

この議論が重要なのは、Claude Codeが、AIエージェントがオートコンプリートを超えてターミナルベースのソフトウェア作業へ進出する、最も目立つ例の一つになっているからだ。つまり、コードを書く、ファイルを編集する、テストを実行する、そして限定的な監督のもとで複数段階のタスクを処理するということだ。しかしVentureBeatによれば、Anthropicのサブスクリプション構造をめぐる開発者の不満は高まっており、低価格の利用枠から月額200ドルまで幅があり、さらに実際には解釈しにくいと一部ユーザーが指摘するレート制限もある。

Gooseはまったく異なる提案を示している。Blockが開発し、オープンソースとして配布されるこのツールは、開発者自身のマシンで動かせるほか、複数のモデルプロバイダーに接続でき、構成によってはOllamaやQwen 2.5のようなローカルモデルを通じて完全オフラインで動作することもできる。ビルダーや企業チームにとって、本質的な話は単なる「無料対有料」ではない。これは、最高峰の独自モデルに支えられたプレミアムなクラウドソフトウェアと、制御、継続コストの低さ、データのローカル性と引き換えに洗練度やモデル品質を犠牲にする柔軟なローカルツールという、AIコーディングにおける二つのアプローチの衝突だ。

なぜClaude Codeの価格が引き金になったのか

VentureBeatによると、Claude Codeへの不満は、Anthropicが既存のサブスクリプション階層に加えて週次のレート制限を導入した後に加速した。VentureBeatはAnthropicの料金体系を、Claude Codeへのアクセスがない無料プラン、より厳しいプロンプト上限を持つ月額約20ドルのProプラン、そしてより余裕があり強力なモデルへのアクセスを提供する月額100ドルと200ドルの上位Maxプランとして説明した。

摩擦の原因は、制限の存在そのものというより、それがどのように伝えられ、体験されるかにあるようだ。VentureBeatは、Anthropicがモデル利用可能時間を部分的に「hours」で説明している一方で、実際の消費はコードベースのサイズ、チャット履歴、タスクの複雑さといったトークン消費の大きい変数に依存すると報じた。これにより、実際のソフトウェアワークフローにおけるスループットを購入者が予測するのは難しい。

VentureBeatが引用したところによれば、Anthropicはこの制限がユーザーの5%未満に影響し、常時稼働のバックグラウンド利用を抑えることを目的としていると述べている。しかし同報道は、その数値の分母を同社が公に明らかにしていないと指摘した。この文脈がなければ、個人開発者や広範な展開向けにClaude Codeを評価する製品チームは、重いが正当なエンジニアリング利用がどの程度頻繁に上限にぶつかるのかを推測するしかない。

この不確実性はAIコーディング市場では重要だ。開発者はこれらのツールを通常のSaaS席のようには買わない。大規模リポジトリに対して断続的に使い、デバッグや移行作業中には何時間にもわたる中断のない対話が必要になることもある。課金モデルが実際のセッションに結びつけにくいなら、信頼自体が製品の一部になる。

Gooseはどう違う立ち位置なのか

VentureBeatの説明では、Gooseは自律的なコーディング作業においてClaude Codeにかなり近い機能的代替手段として描かれているが、必ずしもモデル品質で同等の置き換えではない。Gooseはデスクトップアプリとしてもコマンドラインツールとしても動作し、単一企業のホスト型スタックではなく、複数のモデルバックエンドと連携するよう設計されている。

このモデル非依存の設計こそが、Gooseの魅力の中心だ。VentureBeatによれば、GooseはAPI経由でAnthropicのモデルに接続でき、OpenAIやGoogleのモデル、さらにGroqやOpenRouterのようなルーティング層とも連携できる。また、Ollama経由でローカルに実行されるオープンモデルとも連携でき、これによって単なる低コストの選択肢から、サブスクリプション不要のワークフロー候補へと変わる。

機微なリポジトリを扱う開発者にとって、ローカル構成こそが本当の差別化要因だ。Gooseを同じマシン上で動くモデルと組み合わせれば、コードやプロンプトを外部プロバイダーに送る必要がない。これは、ローカルモデルの性能が劣っていても、Claude Codeのようなホスト型サービスとは異なるプライバシーとコンプライアンスの姿勢を生み出す。

このプロジェクトはかなりの勢いも持っているようだ。VentureBeatは、GooseのGitHubスター数が26,100以上、コントリビューターが362人、リリースが100回以上あり、最近では1.20.1というバージョンがあると報じた。GitHubスターは実稼働利用と同義ではなく、オープンソースの人気が企業での信頼性を保証するわけでもない。それでも、これらの数字はGooseが単なる片隅の実験を超え、開発者が実際に注目するツール群に入ったことを示している。

Gooseで何ができ、どこでトレードオフが始まるのか

Gooseの最も強い主張は、単なるコード補完アドオンではないことだ。VentureBeatはこれを、ファイル作成、プロジェクト編集、コード実行、変更のテスト、外部システムとの対話ができるエージェントとして説明した。これにより、従来のコーディングアシスタントというより、AIエージェントの新しいカテゴリに近づいている。

同報道はまた、GooseがModel Context Protocol、すなわちMCPをサポートしていると述べた。MCPは、ファイル、データベース、API、サードパーティサービスへのアクセスを必要とするエージェントツールにとって重要な接続標準になりつつある。ビルダーにとってMCP対応が重要なのは、チャットボックスではなく実際のソフトウェア環境全体でエージェントを動かすために必要なカスタム接着剤を減らせるからだ。

とはいえ、トレードオフは大きい。VentureBeatは明確に、Claude 4.5 Opusが依然として難しいソフトウェアエンジニアリング作業、特に指示追従、広範なコードベース理解、高品質な初回出力において最強クラスの選択肢であると述べた。これは、節約できる時間がサブスクリプション費用を上回る企業・専門環境において、Anthropicにとって大きな優位性だ。

ローカル運用にはハードウェア上の制約もある。VentureBeatはBlockのドキュメントを引用し、大きめのローカルモデルには32GBのRAMが堅実な基準であり、小さなモデルなら16GBのシステムでも動くとした。つまりGooseはライセンス上は無料でも、実際の導入ではすべての開発者にとって無料とは限らない。ローカルAIを大規模に求めるチームは、ハードウェア更新サイクル、社内サポート、そして遅い推論という形でなお支払うことになるかもしれない。

コンテキスト長も実務上の違いだ。Claudeのホスト型モデルは、多くのデフォルトのローカル構成よりはるかに大きなコンテキストをサポートでき、これがエージェントが大規模リポジトリや長時間の会話をどれだけ取り込めるかに影響する。速度も要因のままだ。Claude Codeを支えるサーバー級推論は、ローカルモデルを動かすノートPCより通常速く感じられる。

エビデンス、主張、そして確認できること

この話の証拠は比較的限定的だ。ソース基盤が企業ドキュメント、ベンチマーク研究、企業事例の組み合わせではなく、単一のVentureBeatレポートに依拠しているためだ。したがって慎重さが必要になる。

大枠で確認できるのは、GooseがBlockのオープンソースプロジェクトであること、ローカルで実行できること、Ollamaを含むプロバイダーと統合できること、そして単なるオートコンプリートではなくAIコーディングエージェントとして設計されていることだ。VentureBeatはさらに、GitHubスター数、コントリビューター数、リリース頻度といった具体的な公開シグナルも報じた。

より慎重に扱うべきなのは、元の見出しにある「同じことができる」という含意だ。機能的には、GooseもClaude Codeもソフトウェア開発向けAIエージェントのカテゴリに属する。しかし、同じカテゴリにあることは、同等の信頼性、モデル品質、使いやすさ、スループットを証明するものではない。VentureBeat自身も、より難しいタスクでは主要な独自モデルとオープンソース代替の間に性能差が残っていると認めている。

ベンチマークの参照にも文脈が必要だ。VentureBeatは、Anthropicのモデルが現時点でツール利用に強いことを示すためにBerkeley Function-Calling Leaderboardを引用した。これは方向性を示す有用な証拠だが、ランキング結果は混沌とした本番環境での日々のエンジニアリング結果と同じではない。

採用シグナルも同様に読むべきだ。Goose周辺の高いGitHub सहभागは開発者の関心を示すが、企業展開や日次アクティブ利用の検証済み代理指標ではない。同様に、Redditや開発者フォーラムでのClaude Codeへの不満は実際のフラストレーションを示すが、それがAnthropicの顧客基盤全体でどれほど代表的かは示していない。

AIビルダーと企業バイヤーにとって何を意味するのか

AIビルダーにとって、Gooseはツールスタック全体で進んできた一つの流れを裏付ける。つまり、エージェント層はモデル層から切り離せるようになってきているということだ。チームはますます、オーケストレーション用のシェルを選び、好みのモデルを差し替え、クラウド、管理型エンドポイント、ローカルのどこで動かすかを決められる。

これはスタートアップにとって重要だ。単一ベンダーのパッケージ化された体験への依存を下げるからだ。Gooseや同様のツールが十分に良くなれば、Claude Code、Cursor、GitHub Copilotのような製品は、基本的なエージェント概念の独占性ではなく、ワークフローの質、チーム制御、コラボ機能、あるいは最高峰モデルへのアクセスによってプレミアム価格を正当化する必要がある。

企業にとっての主な問題は導入との適合だ。精度、速度、長いコンテキスト処理が最重要で、予算がプレミアム支出を許すなら、Claude Codeが引き続き良い選択肢かもしれない。データ所在、オフライン作業、調達上の摩擦、席単価が、クラウドファーストのツールを標準化しにくくする場合、Gooseの方が説得力を持つ。

ガバナンスの側面もある。規制対象のコードベースに対してAIエージェントを評価するチームは、ソースコードがどこへ移動するかを明確に制御したいことが多い。ローカルなGooseとOllamaの組み合わせはすべてのセキュリティリスクをなくすわけではないが、リスク面を変えるため、一部のセキュリティチームには好まれるかもしれない。

次に注目すべきこと

次に注目すべきシグナルは、AnthropicがClaude Codeの価格説明やレート制限の透明性を変更するかどうかだ。サブスクリプション条件を実際のエンジニアリング能力に変換するのに買い手が引き続き苦労するなら、モデル品質が低いままでも、より安価またはオープンな代替案が優位性を増す。

第二のシグナルは、Gooseがオープンソースとしての人気を、より深い製品成熟へ変えられるかどうかだ。企業管理者は、安定性、権限管理、監査可能性、チーム展開パターンについてより良い証拠を求めるだろう。それがないと、単なる開発者主導の選択肢以上には扱いにくい。

第三に、ローカルモデルのエコシステムを注視したい。Qwen 2.5や他のオープンモデルが、Ollama経由で使いやすいまま、ツール呼び出し、コーディング品質、コンテキスト長を改善できれば、ローカルAIエージェントのコストパフォーマンスの主張は強まる。それはClaude Codeだけでなく、隣接するコーディングアシスタント領域で競うCursorやGitHub Copilotにも圧力をかける可能性がある。

最後に、MCPの採用も重要になる。Model Context ProtocolがAIエージェント全体で共通標準になれば、ツール間の乗り換えコストは下がり、価値はコネクタの囲い込みよりも、実行品質、信頼、運用制御へ移るかもしれない。

Creati.aiの見解

ここで重要なのは、GooseがClaude Codeに完全に並んだことではない。重要なのは、開発者が同じ種類のワークフロー、つまりコードに対して働きかけられるターミナル中心のAIエージェントへ、信頼できるオープンソースの道を手にしたことだ。これは企業向けAIコーディングツールの価格心理を変える。

当面は、特に大規模リポジトリや曖昧なエンジニアリング課題では、プレミアムな独自モデルが依然として品質面で優位に見える。しかし、エージェントシェル、MCP統合、ローカルランタイムが十分に良くなると、買い手はより鋭い問いを投げかけ始める。請求額のうち、どれだけが本当の性能に支払われ、どれだけが、よりモジュール化していく能力の周辺を包装するものに支払われているのか。Gooseは市場に、その問いを試す具体的な方法を与えている。