Desenvolvedores irritados com o preço e os limites de uso do Claude Code da Anthropic estão começando a olhar com mais atenção para uma alternativa de código aberto da Block. A ferramenta, chamada Goose, não é nova no sentido de um lançamento recém-anunciado, mas a cobertura recente da VentureBeat a transformou em um ponto central de um debate mais amplo sobre quanto devem custar os agentes de codificação com IA, onde eles devem rodar e quem controla o fluxo de trabalho.

Esse debate importa porque o Claude Code se tornou um dos exemplos mais visíveis de um agente de IA indo além do autocomplete para entrar no trabalho de software baseado em terminal: escrever código, editar arquivos, executar testes e lidar com tarefas de várias etapas com supervisão limitada. Mas, segundo a VentureBeat, a frustração dos desenvolvedores cresceu em torno da estrutura de assinatura da Anthropic, que vai de faixas de acesso mais baratas até US$ 200 por mês, além de limites de taxa que alguns usuários dizem ser difíceis de interpretar na prática.

O Goose oferece uma proposta bem diferente. Criado pela Block e distribuído como código aberto, ele pode rodar na máquina do próprio desenvolvedor, conectar-se a vários provedores de modelos e, em algumas configurações, operar totalmente offline por meio do Ollama e de modelos locais como o Qwen 2.5. Para desenvolvedores e equipes corporativas, a verdadeira história não é simplesmente “gratuito versus pago”. É um choque entre duas abordagens de codificação com IA: software premium em nuvem ancorado em modelos proprietários de ponta, e ferramentas locais flexíveis que trocam polimento e qualidade máxima do modelo por controle, menor custo recorrente e localidade dos dados.

Por que o preço do Claude Code virou o gatilho

Segundo a VentureBeat, a insatisfação com o Claude Code acelerou depois que a Anthropic introduziu limites de taxa semanais além dos níveis de assinatura já existentes. A VentureBeat descreveu a linha da Anthropic como incluindo um plano gratuito sem acesso ao Claude Code, um plano Pro de cerca de US$ 20 por mês com limites de prompts mais apertados, e níveis Max mais altos de US$ 100 e US$ 200 por mês que oferecem mais folga e acesso a modelos mais fortes.

A fricção parece vir menos da existência de limites do que da forma como esses limites são comunicados e vividos. A VentureBeat informou que a Anthropic descreve o uso em parte em termos de “horas” disponíveis para uso do modelo, mas que o consumo real depende de variáveis intensivas em tokens, como tamanho da base de código, histórico do chat e complexidade da tarefa. Isso torna difícil para os compradores preverem a vazão em fluxos de trabalho reais de software.

A Anthropic, segundo citado pela VentureBeat, disse que as restrições afetam menos de cinco por cento dos usuários e têm como objetivo conter o uso constante em segundo plano. Mas o relatório observou que a empresa não esclareceu publicamente o denominador desse número. Sem esse contexto, as equipes de produto que avaliam o Claude Code para desenvolvedores individuais ou implantações mais amplas ainda precisam inferir com que frequência o uso intenso, mas legítimo, de engenharia pode bater nos limites.

Essa incerteza importa no mercado de codificação com IA porque os desenvolvedores não compram essas ferramentas como assentos SaaS comuns. Eles as usam em rajadas, muitas vezes em grandes repositórios, e às vezes precisam de horas de interação ininterrupta durante tarefas de depuração ou migração. Se o modelo de cobrança é difícil de mapear para sessões reais, a confiança passa a fazer parte do produto.

Como o Goose se posiciona de forma diferente

O relato da VentureBeat enquadra o Goose como uma alternativa funcional próxima ao Claude Code para tarefas autônomas de codificação, embora não necessariamente como um substituto equivalente em qualidade de modelo. O Goose pode rodar como aplicativo de desktop ou ferramenta de linha de comando e foi projetado para funcionar com vários back ends de modelos em vez da pilha hospedada de uma única empresa.

Esse design agnóstico em relação ao modelo é central para seu apelo. Segundo a VentureBeat, o Goose pode se conectar a modelos da Anthropic por acesso via API, assim como a modelos da OpenAI e do Google, e a camadas de roteamento como Groq e OpenRouter. Ele também pode funcionar com modelos abertos executados localmente por meio do Ollama, o que o transforma de uma opção de menor custo em um fluxo de trabalho potencialmente sem assinatura.

Para desenvolvedores que lidam com repositórios sensíveis, a configuração local é o verdadeiro diferencial. Se o Goose for combinado com um modelo rodando na mesma máquina, código e prompts não precisam ser enviados a um provedor externo. Isso cria uma postura diferente de privacidade e conformidade em comparação com um serviço hospedado como o Claude Code, mesmo que o modelo local seja mais fraco.

O projeto também parece ter um impulso significativo. A VentureBeat informou mais de 26.100 estrelas no GitHub, 362 contribuidores e mais de 100 versões do Goose, incluindo uma versão recente numerada 1.20.1. Estrelas no GitHub não são a mesma coisa que uso ativo em produção, e a popularidade do código aberto não garante confiabilidade empresarial. Ainda assim, esses números sugerem que o Goose deixou de ser um experimento lateral e entrou na categoria de ferramentas que os desenvolvedores estão observando de perto.

O que o Goose pode fazer, e onde os trade-offs começam

O argumento mais forte a favor do Goose é que ele não é apenas mais um complemento de autocompletar código. A VentureBeat o descreveu como um agente capaz de criar arquivos, editar projetos, executar código, testar alterações e interagir com sistemas externos. Isso o aproxima da classe emergente de agentes de IA do que de um assistente de codificação tradicional.

O relatório também observou que o Goose oferece suporte ao Model Context Protocol, ou MCP, que está se tornando um padrão de conexão importante para ferramentas de agentes que precisam acessar arquivos, bancos de dados, APIs e serviços de terceiros. Para desenvolvedores, o suporte a MCP é importante porque reduz a quantidade de cola personalizada necessária para permitir que um agente opere em um ambiente de software real, em vez de apenas em uma caixa de chat.

Ainda assim, os trade-offs são substanciais. A VentureBeat disse explicitamente que o Claude 4.5 Opus continua entre as opções mais fortes para trabalhos difíceis de engenharia de software, especialmente em seguir instruções, compreender bases de código extensas e produzir uma saída inicial de alta qualidade. Essa é uma vantagem significativa para a Anthropic em ambientes corporativos e profissionais, onde o tempo economizado pode superar o custo da assinatura.

A operação local também impõe limites de hardware. A VentureBeat citou documentação da Block sugerindo 32 GB de RAM como uma base sólida para modelos locais maiores, enquanto modelos menores podem rodar em sistemas com 16 GB. Isso significa que o Goose pode ser gratuito em termos de licença, mas não necessariamente gratuito na realidade de implantação para todos os desenvolvedores. Equipes que desejam IA local em escala ainda podem acabar pagando por ciclos de renovação de hardware, suporte interno e inferência mais lenta.

O tamanho de contexto é outra diferença prática. Os modelos hospedados pela Claude podem suportar contextos muito maiores do que muitas configurações locais padrão, o que afeta o quanto um agente consegue absorver de um grande repositório ou de uma conversa longa. A velocidade também segue sendo um fator: a inferência em nível de servidor por trás do Claude Code normalmente parece mais rápida do que um laptop executando um modelo local.

Evidências, alegações e o que está verificado

As evidências desta história são relativamente estreitas porque a base de fontes aqui é um único relatório da VentureBeat, e não uma combinação de documentação da empresa, estudos de benchmark e estudos de caso empresariais. Isso significa que alguma cautela é necessária.

Confirmado em alto nível: o Goose é um projeto de código aberto da Block, pode rodar localmente, integra-se com provedores incluindo o Ollama e foi projetado como um agente de codificação com IA, e não como uma simples ferramenta de autocompletar. A VentureBeat também informou sinais públicos concretos, como contagem de estrelas no GitHub, número de contribuidores e cadência de lançamentos.

Mais tentativas são as implicações de “faz a mesma coisa” no enquadramento original do título. Funcionalmente, Goose e Claude Code pertencem ambos à categoria de agentes de IA para desenvolvimento de software. Mas pertencer à mesma categoria não prova igual confiabilidade, qualidade de modelo, usabilidade ou vazão. A própria VentureBeat reconheceu lacunas persistentes de desempenho entre os principais modelos proprietários e as alternativas de código aberto em tarefas mais difíceis.

As referências a benchmarks também precisam de contexto. A VentureBeat citou o Berkeley Function-Calling Leaderboard para sustentar a ideia de que os modelos da Anthropic atualmente têm bom desempenho no uso de ferramentas. Isso é uma evidência direcional útil, mas resultados de leaderboard não são idênticos aos resultados de engenharia do dia a dia em um ambiente de produção bagunçado.

Os sinais de adoção devem ser lidos da mesma forma. O alto engajamento no GitHub em torno do Goose sugere interesse de desenvolvedores, mas não é um proxy verificado para implantação corporativa ou uso diário ativo. Da mesma forma, as reclamações no Reddit e em fóruns de desenvolvedores sobre o Claude Code indicam frustração real, mas não estabelecem o quão representativa é essa frustração em toda a base de clientes da Anthropic.

O que isso significa para criadores de IA e compradores corporativos

Para criadores de IA, o Goose reforça um ponto que vem se consolidando em toda a pilha de ferramentas: a camada de agentes está se tornando separável da camada de modelos. Uma equipe pode cada vez mais escolher um shell de orquestração, trocar por um modelo preferido e decidir se vai rodar na nuvem, em um endpoint gerenciado ou localmente.

Isso importa para startups porque reduz a dependência da experiência empacotada de um único fornecedor. Se o Goose ou ferramentas semelhantes ficarem bons o suficiente, produtos como Claude Code, Cursor e GitHub Copilot terão que justificar preços premium por meio da qualidade do fluxo de trabalho, controles de equipe, recursos de colaboração ou acesso aos melhores modelos — e não pela exclusividade do conceito básico de agente.

Para empresas, o principal problema é o ajuste de implantação. O Claude Code ainda pode ser a melhor escolha quando precisão, velocidade e tratamento de contextos longos dominam e os orçamentos permitem gastos premium. O Goose se torna mais convincente onde residência de dados, trabalho offline, atrito de compras ou custo por assento tornam ferramentas “cloud-first” mais difíceis de padronizar.

Há também um ângulo de governança. Equipes que avaliam agentes de IA para bases de código reguladas muitas vezes querem controle claro sobre para onde o código-fonte vai. Uma pilha local de Goose com Ollama não elimina todo risco de segurança, mas muda a superfície de risco de uma forma que algumas equipes de segurança podem preferir.

O que observar a seguir

O próximo sinal a observar é se a Anthropic muda a comunicação de preços ou a transparência dos limites de taxa em torno do Claude Code. Se os compradores continuarem a ter dificuldade para converter os termos de assinatura em capacidade prática de engenharia, alternativas mais baratas ou abertas ganharão força, mesmo que a qualidade do modelo permaneça inferior.

Um segundo sinal é se o Goose transforma sua popularidade de código aberto em maior maturidade de produto. Administradores corporativos vão querer evidências melhores sobre estabilidade, permissões, auditabilidade e padrões de implantação em equipe antes de tratá-lo como algo mais do que uma opção liderada por desenvolvedores.

Em terceiro lugar, acompanhe o ecossistema de modelos locais. Se o Qwen 2.5 e outros modelos abertos melhorarem chamadas de ferramentas, qualidade de codificação e comprimento de contexto, enquanto permanecem utilizáveis via Ollama, o caso de custo-benefício para agentes de IA locais fica mais forte. Isso pode pressionar não apenas o Claude Code, mas também o Cursor e o GitHub Copilot, que competem em fluxos de trabalho adjacentes de assistentes de codificação.

Por fim, a adoção do MCP vai importar. Se o Model Context Protocol se tornar um padrão comum entre agentes de IA, os custos de troca entre ferramentas podem cair, e o valor pode se deslocar para a qualidade de execução, confiança e controles operacionais em vez de bloqueio por conectores.

Perspectiva da Creati.ai

O desenvolvimento importante aqui não é que o Goose tenha igualado perfeitamente o Claude Code. O importante é que os desenvolvedores agora têm um caminho de código aberto crível para a mesma categoria de fluxo de trabalho: agentes de IA centrados no terminal que podem agir sobre o código, e não apenas comentá-lo. Isso muda a psicologia de preços nas ferramentas corporativas de codificação com IA.

No curto prazo, os modelos proprietários premium ainda parecem manter uma vantagem de qualidade, especialmente para grandes repositórios e tarefas de engenharia ambíguas. Mas, uma vez que shells de agentes, integrações MCP e runtimes locais se tornem bons o suficiente, os compradores passam a fazer uma pergunta mais incisiva: quanto da conta paga por desempenho real e quanto paga pelo empacotamento em torno de uma capacidade que está se tornando mais modular? O Goose oferece ao mercado uma maneira concreta de testar essa pergunta.