O Claude Code da Anthropic ajudou a estabelecer agentes de codificação autônomos como uma ferramenta de desenvolvimento séria, mas seus custos de assinatura e limites de uso estão abrindo espaço para concorrentes de código aberto. O Goose, da Block, oferece um fluxo de trabalho de agente semelhante sem assinatura obrigatória e pode ser executado localmente com modelos selecionados pelo desenvolvedor.

A distinção importa além do preço. O Claude Code depende da infraestrutura de nuvem da Anthropic, enquanto o Goose pode ser configurado para usar modelos locais por meio de ferramentas como o Ollama. Isso oferece aos desenvolvedores um caminho para o desenvolvimento offline e mantém o código-fonte e as conversas em suas próprias máquinas, embora a abordagem exija hardware adequado e aceite compensações em qualidade do modelo, velocidade e esforço de configuração.

O preço do Claude Code coloca os limites de uso em foco

Segundo o VentureBeat AI, o Claude Code da Anthropic está disponível por níveis de assinatura que variam de US$ 20 a US$ 200 por mês, dependendo do uso. O plano gratuito não inclui acesso ao agente de codificação. A publicação informa que o plano Pro permite cerca de 10 a 40 prompts a cada cinco horas, enquanto os planos Max oferecem limites mais altos e acesso aos modelos mais capazes da Anthropic.

A Anthropic também introduziu limites semanais descritos em horas de uso do Sonnet 4 ou Opus 4. Esses rótulos não se traduzem de forma simples em uma quantidade fixa de trabalho de programação: o consumo real depende de fatores como tamanho da base de código, comprimento do contexto e complexidade da tarefa. O VentureBeat citou uma análise independente estimando limites de sessão baseados em tokens de aproximadamente 44.000 tokens para usuários Pro e 220.000 tokens para o plano Max de US$ 200, mas esses números não são apresentados como métrica oficial de precificação da Anthropic.

A Anthropic também defendeu os limites dizendo que eles afetam menos de 5% dos usuários e se destinam a pessoas que executam o Claude Code continuamente em segundo plano. O relatório de origem observa que a Anthropic não esclareceu se essa porcentagem se aplica a todos os usuários ou apenas a um grupo específico de assinatura. Relatos do Reddit e de fóruns de desenvolvedores descrevem alguns usuários esgotando os limites rapidamente durante sessões intensivas, mas esses relatos são anedóticos e não dados de uso verificados de forma independente.

O Goose leva o agente para a máquina do desenvolvedor

O Goose, desenvolvido pela Block, é um agente de IA de código aberto disponível como aplicativo de desktop e interface de linha de comando. Seu objetivo declarado vai além da conclusão de código: ele pode instalar dependências, criar e editar arquivos, executar comandos, rodar testes, depurar falhas e coordenar o trabalho em um projeto.

A ferramenta é agnóstica em relação ao modelo. Os desenvolvedores podem conectá-la a modelos comerciais de provedores como Anthropic, OpenAI ou Google, usar serviços de roteamento como Groq e OpenRouter, ou conectá-la a um modelo local por meio do Ollama. Na configuração local, o modelo roda no computador do desenvolvedor em vez de enviar prompts e código a um provedor remoto.

Essa arquitetura oferece suporte ao trabalho offline e evita uma assinatura recorrente do Goose. Ela não torna a configuração total gratuita em todos os sentidos práticos: os usuários ainda precisam de um computador capaz de executar o modelo selecionado, e APIs de modelos comerciais podem gerar suas próprias cobranças se os desenvolvedores optarem por provedores de nuvem. “Gratuito” descreve principalmente o Goose em si e uma pilha de software local, não o custo do hardware ou de toda conexão possível com modelo.

O Goose também suporta o Model Context Protocol, ou MCP, que pode conectar um agente a sistemas de arquivos, bancos de dados, ferramentas de busca e outros serviços. Combinado com chamada de ferramentas, isso permite que o sistema execute ações em vez de apenas sugerir código. O modelo subjacente, no entanto, continua importante. A confiabilidade de um agente depende de quão precisamente seu modelo interpreta instruções, escolhe ferramentas, lida com erros e respeita as restrições do projeto.

O que a evidência diz — e o que ela não diz

A comparação vem de uma reportagem do VentureBeat AI, e não de uma avaliação independente lado a lado. O artigo informa que o Goose tinha mais de 26.100 estrelas no GitHub, 362 contribuidores e 102 lançamentos, com a versão 1.20.1 identificada como a mais recente no momento da publicação. Estrelas no GitHub e contagem de lançamentos indicam interesse e atividade de desenvolvimento, mas não estabelecem confiabilidade em produção, retenção de usuários ou paridade com o Claude Code.

A afirmação de que o Goose pode realizar um trabalho “quase idêntico” ao do Claude Code deve, portanto, ser tratada com cautela. Ambas as ferramentas podem oferecer suporte a fluxos de trabalho de codificação autônoma, mas isso não significa que produzam resultados equivalentes. A reportagem do VentureBeat identifica várias diferenças: os modelos principais da Anthropic continuam mais fortes em tarefas difíceis de engenharia de software, os serviços em nuvem geralmente fornecem inferência mais rápida e a grande capacidade de contexto do Claude pode ser valiosa para repositórios complexos.

Implantações locais introduzem suas próprias restrições. A documentação da Block supostamente recomenda 32 gigabytes de RAM como uma base sólida para modelos e saídas maiores, enquanto modelos menores podem rodar em sistemas com menos memória. Janelas de contexto maiores podem exigir memória adicional e reduzir a velocidade de resposta. Esses limites tornam um agente local mais atraente para trabalho sensível à privacidade ou offline do que para todos os fluxos de trabalho de engenharia de alta intensidade.

O progresso dos modelos de código aberto é outro fator relatado, mas comparações de benchmark não devem ser confundidas com equivalência no mundo real. O VentureBeat apontou modelos como Llama, Qwen, Gemma, DeepSeek, Kimi K2 e GLM 4.5 como evidência de uma redução na lacuna de qualidade. A fonte não fornece um teste controlado entre Goose e Claude Code, de modo que as alegações de produtividade comparável permanecem não comprovadas.

Por que a escolha importa para construtores e empresas

Para desenvolvedores individuais e pequenas equipes, o Goose muda o cálculo econômico. Uma implantação local elimina os limites de uso da assinatura e pode facilitar a experimentação, especialmente em projetos que não justificam um plano mensal de US$ 100 ou US$ 200. Também dá às equipes mais controle sobre onde o código proprietário, credenciais e documentação interna são processados.

A contrapartida é a responsabilidade operacional. Equipes que adotam o Goose precisam selecionar modelos, gerenciar capacidade de memória e computação, configurar integrações e testar se o agente pode ser confiável para alterações de arquivos ou comandos de shell. Empresas também precisariam de governança sobre procedência do modelo, controles de acesso, logs de auditoria, atualizações de dependências e tratamento de dados sensíveis. Um agente local pode reduzir a exposição à nuvem, mas não fornece automaticamente segurança ou conformidade empresarial.

O modelo de desenvolvimento também importa. Ferramentas comerciais como Claude Code e Cursor agrupam infraestrutura, acesso ao modelo, atualizações e uma experiência de usuário polida. O Goose separa essas camadas. Isso pode reduzir o aprisionamento a fornecedor e permitir personalização, mas transfere mais trabalho para o comprador ou para a equipe de engenharia.

Para a Anthropic e outros fornecedores, a pressão não é simplesmente a existência de uma ferramenta gratuita. O Goose demonstra que a camada de agente pode ser separada do modelo e entregue como infraestrutura aberta. Se os modelos locais continuarem melhorando, produtos premium de codificação talvez precisem competir por confiabilidade, gerenciamento de contexto, integrações, controles de segurança e qualidade do fluxo de trabalho, e não apenas pelo acesso a ações autônomas.

O que observar a seguir

O sinal mais importante será se a adoção do Goose se traduzir em contribuições sustentadas, implantações documentadas em produção e resultados repetíveis em repositórios reais — e não apenas interesse no GitHub. Os desenvolvedores também devem observar melhorias na chamada de ferramentas de modelos locais, suporte a janelas de contexto, velocidade de inferência e eficiência de memória.

No lado comercial, a interpretação da Anthropic sobre seus limites de uso continuará importante, incluindo definições mais claras de uso e quaisquer mudanças nos planos do Claude Code. Comparações adicionais com Cursor, GitHub Copilot e outros produtos de codificação agentic podem mostrar se o mercado está se dividindo entre agentes premium hospedados e sistemas locais mais configuráveis.

Perspectiva da Creati.ai

O Goose é significativo porque desafia a suposição de que a codificação autônoma precisa ser comprada como uma assinatura em nuvem empacotada. Sua proposta mais forte é o controle: os desenvolvedores podem escolher o modelo, o ambiente de execução e a fronteira de dados em vez de aceitar os preços e a infraestrutura de um único fornecedor.

Isso não torna o Goose um substituto direto do Claude Code. O verdadeiro teste é se seu menor custo e suas vantagens de privacidade superam as compensações em hardware, configuração e qualidade do modelo para um determinado fluxo de trabalho. Para os construtores, a lição prática é avaliar separadamente o agente, o modelo e a camada de implantação — e medir a confiabilidade em sua própria base de código antes de tratar qualquer ferramenta local gratuita ou acesso premium hospedado como uma solução completa.