Открытый проект Block Goose становится прямой альтернативой Claude Code от Anthropic, предлагая разработчикам автономного агента для программирования, который может работать на их собственных машинах вместо необходимости ежемесячной подписки. Контраст стал особенно заметным, поскольку цена Claude Code достигает 200 долларов в месяц на самом высоком уровне, а пользователи продолжают обсуждать, как его ограничения по использованию соотносятся с реальным временем разработки.

Выбор — это не просто выбор между двумя эквивалентными продуктами. Claude Code предоставляет доступ к фирменным моделям и облачной инфраструктуре Anthropic, тогда как Goose даёт пользователям контроль над моделью, аппаратной частью и путём прохождения данных. Для разработчиков, ценящих офлайн-работу, предсказуемый локальный доступ или желание держать исходный код вдали от внешних серверов, это архитектурное отличие может быть не менее важным, чем цена.

Ценообразование Claude Code делает использование центральным элементом

Согласно VentureBeat AI, Claude Code от Anthropic доступен по подписочным планам от 20 до 200 долларов в месяц, при этом бесплатный план не даёт доступа к агенту для кодинга. Издание сообщило, что пользователи Pro получают примерно 10–40 запросов каждые пять часов, тогда как планы Max предоставляют более высокие лимиты за 100 и 200 долларов в месяц.

Anthropic также ввела недельные лимиты, описываемые в часах использования Sonnet 4 и Opus 4. Эти цифры не соответствуют обычному часовому времени: фактическое потребление зависит от объёма токенов, размера кодовой базы, истории диалога и сложности задачи. Это затрудняет для разработчиков оценку того, сколько работы поддерживает план до достижения лимита.

VentureBeat сообщила о жалобах разработчиков, которые говорили, что интенсивные сессии быстро исчерпывают их квоты. Anthropic заявила, что ограничения затрагивают менее 5% пользователей и нацелены на тех, кто непрерывно запускает Claude Code в фоновом режиме. Заявление компании, как его представило издание, не уточняет, относится ли этот процент ко всем пользователям или к определённой группе подписки.

Спор о ценах важен, потому что агенты для кодинга предназначены для длительной, итеративной работы. Разработчик может попросить агента изучить репозиторий, изменить несколько файлов, запустить тесты, диагностировать сбои и повторить процесс. Лимиты, которые кажутся щедрыми при простом сравнении количества запросов, могут ощущаться жёсткими, когда агент работает над большим проектом.

Goose меняет уравнение стоимости и контроля

Goose, разработанный Block, использует подход «на машине». Его десктопный и командный интерфейсы могут устанавливать ПО, редактировать и выполнять код, тестировать проекты и координировать многошаговые задачи. Вместо привязки этих возможностей к одной проприетарной модели Goose может подключаться к коммерческим API, хостинговым сервисам моделей или локальным моделям.

Этот независимый от модели дизайн — ключевое отличие продукта. Разработчики могут использовать сервисы Anthropic, OpenAI, Google, Groq или OpenRouter там, где это уместно, но также могут подключить Goose к Ollama и запускать модель с открытым исходным кодом локально. В такой конфигурации само ПО не требует подписки, а запросы могут оставаться на компьютере пользователя.

Локальное выполнение устраняет несколько ограничений облачных сервисов: нет навязанной провайдером квоты запросов, нет повторяющейся подписки на агента и не требуется подключение к интернету во время выполнения задачи. Это не делает весь стек бесплатным. Пользователям по-прежнему нужны мощное железо, электричество, хранилище и, возможно, платный доступ к модели, если они выбирают хостинг-провайдера.

Goose также использует Model Context Protocol для подключения агентов к инструментам и внешним системам. Это может позволить агенту работать с файлами, базами данных, поисковыми сервисами и интерфейсами программирования приложений, хотя безопасность и надёжность каждого соединения зависят от его конфигурации и базовой модели.

Данные показывают импульс, но не паритет

VentureBeat сообщила, что Goose превысил 26 100 звёзд на GitHub, привлёк 362 участников и достиг 102 релизов, при этом версия 1.20.1 была указана как последняя в исходной статье. Эти цифры указывают на заметную активность в open source, но не доказывают, что Goose имеет такое же распространение, надёжность или производительность задач, как Claude Code.

В статье также упоминалась Berkeley Function-Calling Leaderboard, где модели Claude были описаны как сильные в преобразовании запросов в исполнимые действия. Было сказано, что модели Meta, Alibaba, Google и DeepSeek улучшаются в использовании инструментов. Это наблюдения по бенчмаркам и экосистеме, а не независимое доказательство того, что конкретная конфигурация Goose сможет сравняться с Claude Code на производственной кодовой базе.

Технические компромиссы значительны. VentureBeat сообщила, что 32 гигабайта RAM — практический базовый уровень для более крупных локальных моделей, тогда как более маленькие модели могут работать на системах с меньшим объёмом памяти. Локальный инференс обычно медленнее облачного, а контекстные окна могут быть короче или требовать более тщательной настройки. Проприетарные модели, такие как Opus от Anthropic, по-прежнему сильнее в некоторых сложных задачах по программированию, согласно сравнениям в статье и приведённому опыту разработчиков.

Активность Goose на GitHub и число релизов поэтому лучше всего рассматривать как сигнал интереса к разработке, а не как подтверждённое утверждение о производительности. Самые сильные выводы из этого источника касаются архитектуры и гибкости ценообразования, а не идентичных возможностей.

Что означает этот выбор для разработчиков и компаний

Для индивидуальных разработчиков и небольших команд Goose предлагает способ протестировать ИИ-агентов без обязательств по тарифу за 100 или 200 долларов в месяц. Команда может начать с более маленькой локальной модели, подключить только необходимые инструменты и позже решить, стоит ли хостинговая модель дополнительных затрат. Это особенно полезно для прототипов, внутренних утилит и разработки в ограниченных или изолированных средах.

Обратная сторона — операционная ответственность. Команды должны выбирать модели, управлять обновлениями, следить за потреблением ресурсов, защищать учётные данные и проверять каждое действие, которое совершает агент. Дешёвая в запуске локальная модель может требовать больше повторных попыток или человеческой проверки, чем премиальная хостинговая модель. Для корпоративных покупателей отсутствие передачи данных в облако может упростить некоторые решения по управлению данными, но не устраняет риски, связанные с контролем доступа, вредоносными инструкциями, безопасностью зависимостей или непроверенными изменениями кода.

Claude Code остаётся привлекательным для организаций, которые ставят качество модели, управляемую инфраструктуру и отлаженный рабочий процесс выше строгого контроля затрат. Goose более убедителен там, где первичны приватность, офлайн-доступ, выбор модели и предсказуемое владение инфраструктурой. Следовательно, решение — это не столько вопрос о том, заменяет ли один инструмент другой, сколько о том, какой уровень команда хочет контролировать.

Более широкий эффект на рынок очевиден: модели с открытым исходным кодом и агентные фреймворки отделяют интерфейс агента для кодинга от поставщика модели. Это ослабляет предположение, что полноценный рабочий процесс программирования нужно покупать как единый пакетный подписочный продукт. Это также даёт разработчикам больше рычагов, когда коммерческие лимиты или цены меняются.

Что отслеживать дальше

Ключевыми сигналами будут то, продолжатся ли рост базы контрибьюторов Goose и темпы релизов, улучшатся ли локальные модели в задачах разработки с длинным контекстом и сколько настройки требуется для надёжного выполнения инструментов. Разработчикам также стоит следить за требованиями к железу по мере того, как модели становятся крупнее и мощнее.

Не менее важной будет реакция Anthropic. Изменения в лимитах Claude Code, ясности ценообразования, учёте запросов или доступе к моделям могут как ослабить, так и усилить привлекательность локальных альтернатив. Коммерческие конкуренты, включая Cursor и GitHub Copilot, также могут столкнуться с давлением, чтобы предложить более гибкое использование или более сильные локальные опции.

Для покупателей, оценивающих любой из продуктов, практический тест — это репрезентативный репозиторий, а не заголовок о бенчмарке: измеряйте завершение задач, объём ручной проверки, задержку, восстановление после сбоев и общую стоимость эксплуатации выбранной модели.

Мнение Creati.ai

Goose не делает Claude Code устаревшим, и слово «бесплатный» — это неполное описание локального ИИ-агента. Пользователь платит через аппаратное обеспечение, время настройки, более медленный инференс и — если локальные модели не справляются — дополнительные расходы на хостинговые модели. Но Goose меняет переговоры. Теперь разработчики могут отделить интерфейс агента от сервиса модели и выбирать, где будут происходить код, запросы и выполнение.

Эта гибкость — важная новость для создателей ИИ. По мере того как агенты для кодинга становятся мощнее, цена и приватность будут оцениваться наряду с чистым качеством модели. Локальный путь с открытым исходным кодом даёт командам надёжный запасной вариант и заставляет коммерческих поставщиков объяснять не только то, что их агенты умеют делать, но и какой доступ на самом деле получают пользователи.