Claude Code от Anthropic стал заметным примером автономной разработки программного обеспечения с ИИ-помощью, но его цены по подписке и ограничения по использованию создают пространство для альтернатив. VentureBeat сообщает, что open-source Goose от Block предлагает похожий агентный рабочий процесс для кодинга без обязательной подписки, особенно в сочетании с локальной языковой моделью.

Контраст прямолинеен, но не абсолютен: Claude Code дает доступ к хостинговым моделям и инфраструктуре Anthropic, тогда как Goose дает разработчикам контроль над агентом, поставщиком модели и средой выполнения. Это делает Goose привлекательным для разработчиков, обеспокоенных повторяющимися расходами, зависимостью от облака, приватностью и работой без интернета — но одновременно перекладывает больше ответственности на оборудование и техническую настройку пользователя.

Ценообразование Claude Code выводит ограничения использования на первый план

Согласно отчету VentureBeat, Claude Code доступен по подписочным планам Anthropic стоимостью примерно от 20 до 200 долларов в месяц. Бесплатный план не включает доступ к агенту для кодинга. Указанный Pro-уровень позволяет примерно 10–40 запросов каждые пять часов, а планы Max дают более высокие лимиты и доступ к более мощным моделям.

Anthropic также ввела еженедельные лимиты, описываемые в терминах часов использования для моделей Sonnet и Opus. VentureBeat отметил, что на деле это ограничения, основанные на токенах: объем работы, который может выполнить разработчик, зависит от размера кодовой базы, длины диалога и сложности задачи, а не от простого времени на часах. Это затрудняет перевод лимитов в предсказуемый объем инженерной работы.

В отчете говорится, что некоторые разработчики жаловались на исчерпание лимитов во время интенсивных сессий кодинга. Anthropic защищала ограничения, заявляя, что они затрагивают менее 5% пользователей и нацелены на людей, постоянно запускающих Claude Code в фоновом режиме. Однако, как говорится в отчете, Anthropic не уточнила, относится ли эта цифра ко всем пользователям или только к части, например к подписчикам Max.

Для отдельных разработчиков и небольших команд спор идет не только о цене. Непредсказуемые лимиты потребления могут осложнять планирование проектов, а дорогой тариф может быть трудно оправдать для эпизодического использования или экспериментов.

Goose переносит агента на машину пользователя

Goose был разработан Block как ИИ-агент, работающий на машине пользователя. VentureBeat описывает его как инструмент для командной строки и рабочего стола, способный устанавливать ПО, создавать и редактировать файлы, выполнять код, тестировать проекты, отлаживать сбои и координировать работу по нескольким файлам.

Важное отличие состоит в том, что Goose не привязан к конкретной модели. Разработчики могут подключать его к хостинговым моделям провайдеров вроде Anthropic, OpenAI, Google, Groq или OpenRouter. Также можно использовать локальные модели через Ollama, которая загружает и запускает open-source модели на компьютере пользователя.

Такая архитектура означает, что сам Goose не требует подписки. Разработчик может либо платить за внешний API модели, либо использовать локальную модель, не отправляя запросы и исходный код стороннему сервису. В полностью локальной конфигурации Goose может продолжать работать без подключения к интернету — эта функция была показана в демонстрации, на которую сослался VentureBeat.

Goose также поддерживает Model Context Protocol, или MCP, который позволяет агентам подключаться к инструментам и внешним системам, таким как файловые системы, базы данных, поисковые системы и API. Это расширяет продукт за пределы автодополнения кода. Агент может действовать в рамках проекта, а не просто предлагать фрагменты, которые человек вставит в редактор.

Данные подтверждают импульс, а не паритет

VentureBeat сообщает, что на момент публикации у Goose было более 26 100 звезд на GitHub, 362 участника и 102 релиза. Эти показатели свидетельствуют о заметной активности open source, но не доказывают, что у Goose такая же надежность, пользовательская база или внедрение в производство, как у Claude Code. Звезды GitHub и число контрибьюторов — это сигналы интереса, а не независимые меры качества ПО или коммерческого использования.

В статье также упоминается Berkeley Function-Calling Leaderboard при описании моделей Claude от Anthropic как сильных в вызове инструментов. В ней говорится, что open-source варианты от Meta, Alibaba, Google и DeepSeek улучшаются, но не утверждается, что они стабильно равны лучшим моделям Anthropic в реальных программных проектах.

Технические компромиссы существенны. Claude Code работает на выделенной облачной инфраструктуре и выигрывает от разработки моделей, дизайна интерфейса и операционной поддержки Anthropic. Результаты Goose сильно зависят от выбранной модели и компьютера, на котором она запускается. VentureBeat сообщает, что локальные модели обычно имеют меньшие окна контекста по умолчанию, более низкую скорость инференса и более слабую производительность на сложных задачах кодинга, чем ведущие предложения Anthropic.

Оборудование — еще одно ограничение. В документации Block, как сообщается, рекомендуется 32 ГБ ОЗУ как надежная база для более крупных моделей и результатов, хотя более маленькие модели могут работать и на системах с меньшим объемом памяти. Таким образом, локальная настройка может убрать абонентскую плату, но увеличить стоимость машины разработчика, время настройки и нагрузку на обслуживание.

Это делает сравнение в заголовке более нюансированным. Goose может бесплатно воспроизвести основной агентный рабочий процесс, но он не автоматически воспроизводит качество модели, объем контекста, скорость или отточенность Claude Code. Пользователи все равно платят где-то — через оборудование, усилия по настройке, доступ к API или более низкую производительность.

Что означает выбор для разработчиков и компаний

Для разработчиков Goose создает практичный вариант для экспериментов и разработки с учетом приватности. Разработчик, работающий с проприетарным исходным кодом, регулируемыми данными или офлайн-проектом, может выбрать локальную модель и оставить рабочий процесс на своей машине. Команды также могут тестировать несколько моделей без перестройки окружающей агентной архитектуры, поскольку Goose рассчитан на работу с разными провайдерами.

Такая гибкость может быть особенно полезна стартапам и независимым разработчикам, которые не могут позволить себе ежемесячные расходы на инструменты в размере 100 или 200 долларов на каждого инженера. Она также снижает зависимость от ценообразования, дорожной карты модели и политики rate limit одного поставщика.

Расходы здесь скорее операционные, чем чисто финансовые. Командам, внедряющим Goose, нужно оценить лицензии моделей, возможности оборудования, разрешения для запросов и инструментов, процедуры обновления и риски, связанные с тем, что автономный агент может выполнять команды. Локальное выполнение может улучшить контроль над данными, но не устраняет риски безопасности: скомпрометированная модель, расширение или интеграция MCP все еще могут повлиять на машину разработчика или подключенные системы.

Поэтому корпоративные покупатели могут воспринимать Goose не как прямую замену, а как выбор инфраструктуры. Вопрос в том, достаточно ли организация ценит контроль развертывания, чтобы взять на себя ответственность за хостинг модели, оценку, наблюдаемость и поддержку. Коммерческие сервисы по-прежнему проще стандартизировать, тогда как open-source агенты дают больше контроля и потенциально более низкие предельные издержки.

На что смотреть дальше

Самым важным сигналом будет то, сможет ли open-source экосистема моделей Goose сократить разрыв в качестве на сложных программных задачах с несколькими файлами. Прогресс в вызове инструментов, рассуждениях на длинном контексте и локальном инференсе определит, сможет ли проект выйти за рамки экспериментирования ради экономии.

Разработчикам также стоит следить за частотой релизов Goose, практиками безопасности MCP, поддерживаемыми операционными системами и количеством надежных локальных моделей, которые хорошо работают с его агентным циклом. Для Anthropic изменения цен, более прозрачные данные об использовании и улучшение эффективности Claude Code покажут, сможет ли компания сохранить премиальный спрос, отвечая на жалобы о непредсказуемости.

Более широкий рынок будет формироваться тем, предпочитают ли пользователи упакованное удобство или компонуемую инфраструктуру. Такие продукты, как Cursor и другие ИИ-агенты для кодинга, конкурируют не только по возможностям моделей, но и по контролю, приватности, интеграции в рабочий процесс и предсказуемой стоимости.

Мнение Creati.ai

Goose важен тем, что отделяет агент для кодинга от подписки на модель. Это дает разработчикам больше рычагов: они могут менять модели, запускать их локально или использовать хостинг-провайдера, не отказываясь от агентного рабочего процесса. Это также обнажает скрытую стоимость «бесплатного» локального ИИ — оборудование, настройку, управление и, возможно, более слабые результаты.

Главный вывод не в том, что Goose сделал Claude Code устаревшим. А в том, что ИИ-инструменты для кодинга становятся достаточно модульными, чтобы разработчики могли выбирать, где запускается интеллект и кто контролирует окружающий рабочий процесс. Такая гибкость может заставить премиальных поставщиков делать лимиты более понятными и обоснованными, а техническим командам дать более убедительную альтернативу там, где приватность, офлайн-доступ или предсказуемое владение важнее максимальной производительности модели.