Anthropic 的 Claude Code 幫助定義了自主式 AI 程式碼工具的市場，但其訂閱價格與使用限制，正為開源競爭者打開機會之門。根據 VentureBeat 的報導，Block 的 Goose 提供類似的代理導向工作流程，且不收軟體費用，並可在本地執行，讓開發者能選擇自己的模型、將程式碼留在自己的機器上，並在沒有網路連線的情況下工作。

這項比較並不是聲稱兩款產品會產生完全相同的結果。Claude Code 可存取 Anthropic 的專有模型與雲端基礎設施，而 Goose 則取決於開發者所選擇的模型與硬體。Goose 的重要性更多在於架構層面：它將程式碼代理與模型供應商及訂閱方案分離，讓使用者對成本、隱私與部署擁有更多控制權。

為什麼 Claude Code 的定價已成為產品辯論的一部分

VentureBeat 報導，Claude Code 可透過 Anthropic 的付費方案取得，月費約從 20 美元到 200 美元不等，視方案等級與使用額度而定。免費方案不包含存取權。較低價的訂閱會施加以提示詞數量或時間為基礎的限制，而較昂貴的 Max 方案則提供更多容量，以及 Anthropic 最高階模型的存取權。

由於 Anthropic 將部分額度以小時計而非以簡單的請求數呈現，這些限制對開發者來說變得難以解讀。實際消耗會因程式碼庫大小、對話長度與任務複雜度等因素而異。VentureBeat 引用獨立分析指出，實務上的限制可換算為以 token 為基礎的工作階段上限，但這些數字並未被呈現為 Anthropic 的官方定價指標。

報導也描述了開發者的抱怨：密集的程式撰寫工作階段可能很快就耗盡額度。Anthropic 表示，這些限制影響的使用者不到 5%，且是針對持續在背景執行 Claude Code 的帳戶。VentureBeat 指出，Anthropic 並未澄清該百分比是適用於所有使用者，還是較狹義的訂閱者群體，因此問題的規模仍然不明。

對產品團隊而言，這場爭論凸顯了以使用量計價的 AI 軟體更廣泛的問題：月費未必能提供可預測的工作量。打造代理式工作流程的開發者不僅需要知道訂閱成本，還需要知道服務在工作被中斷前，允許多少上下文、工具使用與反覆迭代。

Goose 如何改變部署模式

Goose 是由 Block 開發並以開源軟體形式發行的 AI 代理。VentureBeat 報導指出，它同時提供命令列介面與桌面應用程式，且 Block 針對主要桌面作業系統提供建置版本。

這套軟體的設計目的是執行開發作業，而不僅僅是建議程式碼。根據 VentureBeat 所描述的工作流程，Goose 可以建立與編輯檔案、執行命令、執行測試、診斷失敗、組裝專案，並與外部服務互動。這些能力仰賴工具呼叫，也就是由語言模型請求動作，接著由代理在使用者的系統上執行這些動作。

核心差異在於，Goose 不受模型綁定。開發者可以將它連接到 Anthropic、OpenAI、Google 等公司的託管模型，使用 Groq 與 OpenRouter 等路由服務，或在本地執行開源語言模型。常見的本地設定會將 Goose 與 Ollama 搭配，Ollama 是一個可將模型下載並在個人電腦上提供服務的工具。

這種配置可以移除訂閱費與雲端速率限制，但並不代表運算是免費的。使用者需要提供硬體、模型儲存空間、電力與設定時間。VentureBeat 引述 Block 文件，建議 32 GB RAM 可作為較大型模型的實用基準，而較小的模型則可在記憶體較少的系統上執行。效能也會因機器是否具備足夠能力的 GPU，或是依賴 CPU 推論而有所不同。

Goose 也支援 Model Context Protocol，簡稱 MCP，可將代理連接到檔案系統、資料庫、搜尋工具與第三方 API。對開發者而言，這意味著產品價值有一部分取決於所連接的擴充功能與模型，而不僅僅是代理的介面。

證據顯示了什麼，以及沒有顯示什麼

VentureBeat 報導，在該篇文章發表時，Goose 在 GitHub 上擁有超過 26,100 顆星、362 位貢獻者與 102 次發布，而版本 1.20.1 被標示為最新版本。這些數字顯示了可見的開源活動，但不等同於活躍使用者、生產部署或商業採用。GitHub 星號可以反映興趣，卻無法顯示工具實際被使用的頻率，或是否能在關鍵工作流程中可靠運作。

文章中的效能比較也需要謹慎看待。它引用 Berkeley Function-Calling Leaderboard 來描述 Claude 模型在工具呼叫方面表現強勁，同時指出來自 Meta、Alibaba、Google 與 DeepSeek 的開放模型正在進步。排行榜結果衡量的是定義好的任務，不應被視為對軟體工程品質的完整評估。

同樣地，聲稱 Goose 提供與 Claude Code「幾乎相同的功能」，主要指的是代理可使用的行動類別。這並不能證明在推理品質、上下文處理、速度、安全控制或成功率上具有同等水準。VentureBeat 的報導指出，Anthropic 的專有模型在某些複雜程式設計任務上仍然更強，並受益於大型上下文視窗與雲端硬體。

隱私與離線優勢則更直接取決於設定。使用本地模型的 Goose 安裝可以將提示詞與原始碼保留在機器上，而連接到託管供應商的 Goose 設定仍會將相關資料傳送給該供應商。因此，買家應評估模型端點、記錄政策、權限與 MCP 整合，而不是把「本地代理」視為所有部署的保證。

對開發者與企業買家的意涵

對個別開發者與小型團隊而言，Goose 提供了一種在不承諾持續訂閱的情況下試驗 AI 代理 的方式。它對敏感儲存庫、離線環境，或開發者想在不同模型之間切換的工作流程，可能特別有用。代價是運營層面的：模型設定、硬體管理與故障診斷都變成使用者的責任。

對企業而言，決策不只是單純的免費與付費比較。本地部署的代理可以支援資料駐留要求，並降低對單一供應商的依賴，但組織仍需在命令執行、憑證、軟體更新、稽核日誌與模型治理方面加入自有控制。能夠修改檔案並呼叫外部 API 的代理，所需的權限邊界比傳統自動完成工具更嚴格。

商業產品仍保有重要優勢。Claude Code、Cursor 與類似服務提供受管理的基礎設施、完善的整合，以及高能力專有模型的存取權。對開發組織來說，真正的問題是，這些優勢是否足以證明其持續成本與供應商限制合理。Goose 透過讓團隊重用既有模型存取權，或為日常工作選擇更小、更便宜的模型，使這項比較更具競爭性。

市場壓力也可能從模型存取轉向工作流程品質。如果開放模型持續進步，AI 程式碼工具供應商可能必須改以可靠性、上下文管理、安全性、協作功能與可預測容量來競爭，而不只是提供更強模型的存取權。

接下來值得觀察的重點

最有用的訊號會是可衡量的，而不是宣傳性的。開發者應觀察 Goose 的發布活動是否轉化為穩定升級、更好的文件，以及跨作業系統與模型供應商的可靠整合。

模型品質是另一個關鍵變數。工具呼叫、長上下文推理與程式修復的進展，將決定本地設定有多常能取代高價雲端工作流程。硬體需求與推論速度則會顯示這些提升在一般開發者機器上是否實用。

在商業層面上，Anthropic 對速率限制批評的回應很重要。更清楚的額度、修訂過的方案，或更可預測的使用方式，都可能降低替代方案的吸引力。相反地，若容量方面持續不明朗，可能會促使更多開發者測試 Goose、Ollama 與其他本地 AI 代理。

Creati.ai 觀點

Goose 的重要性不在於它讓付費程式碼代理過時，而在於它為開發者提供了對抗高度綁定式軟體訂閱的可信替代方案。透過將代理與模型及託管層分離，它把成本、隱私與離線運作從固定的產品屬性，變成可選項。

更難的問題是可靠性。本地部署可以帶來控制權，但開發者仍需要有能力的模型、足夠的硬體、安全的權限與可重複的結果。Goose 擴大了 AI 程式碼工具 的設計空間；它是否會改變購買行為，取決於開放模型能多快縮小品質差距，而不讓設定與維護成為新的隱性成本。