Anthropic 的 Claude Code 已成為自主式 AI 輔助軟體開發的代表案例，但其訂閱價格與使用限制也為替代方案留下了空間。VentureBeat 報導指出，Block 的開源 Goose 提供了類似代理式的寫程式工作流程，而且不需要強制訂閱，尤其是在搭配本地語言模型時。

這兩者的對比很直接，但並非絕對：Claude Code 提供對 Anthropic 託管模型與基礎設施的存取，而 Goose 則讓開發者能掌控代理、模型供應商與執行環境。這使 Goose 對於關注經常性成本、雲端依賴、隱私與離線工作的開發者很有吸引力——但也把更多責任轉移到使用者的硬體與技術設定上。

Claude Code 的定價讓使用限制成為焦點

根據 VentureBeat 的報導，Claude Code 可透過 Anthropic 的訂閱方案使用，價格約為每月 20 美元到 200 美元。免費方案不包含寫程式代理的使用權限。報導中的 Pro 等級大約可在每五小時使用 10 到 40 次提示，而 Max 方案則提供更高的限制與更強大模型的存取。

Anthropic 也引入了每週限制，以 Sonnet 與 Opus 模型的使用時數來描述。VentureBeat 指出，這些實際上是以 token 為基礎的限制：開發者能完成多少工作，取決於程式碼庫大小、對話長度與任務複雜度，而不是單純的時鐘時間。這使得限制很難換算成可預測的工程工作量。

報導稱，有些開發者抱怨在密集的寫程式階段中耗盡了使用額度。Anthropic 為這些限制辯護，表示它們影響不到 5% 的使用者，且是針對持續在背景執行 Claude Code 的人。不過，報導也指出，Anthropic 並未說明這個比例是否適用於所有使用者，還是僅限於 Max 訂閱者等部分族群。

對於個別開發者與小型團隊來說，這場爭議不只是價格問題。不可預測的消耗限制會讓專案規劃更複雜，而高價方案對偶爾使用或試驗性用途而言也可能難以證成。

Goose 將代理移到使用者的電腦上

Goose 由 Block 開發為一款在本機運行的 AI 代理。VentureBeat 將其描述為一種命令列與桌面工具，能安裝軟體、建立與編輯檔案、執行程式碼、測試專案、除錯失敗，並協調跨多個檔案的工作。

重要的差異在於，Goose 不受模型綁定。開發者可以將它連接到 Anthropic、OpenAI、Google、Groq 或 OpenRouter 等供應商的託管模型。也可以透過 Ollama 使用本地模型；Ollama 會將開源模型下載到使用者電腦並在本機執行。

這樣的架構意味著 Goose 本身不需要訂閱。開發者可以選擇為外部模型 API 付費，或使用本地模型，而不將提示詞與原始碼傳送給第三方服務。在完全本地的設定下，Goose 即使沒有網路連線也能持續運作，這是 VentureBeat 引述的示範中強調的功能。

Goose 也支援 Model Context Protocol，也就是 MCP，讓代理能連接檔案系統、資料庫、搜尋引擎與 API 等工具和外部系統。這讓產品超越程式碼補全。代理可以直接對專案採取行動，而不只是提出可供人類貼進編輯器的片段。

證據支持的是動能，而非完全等價

VentureBeat 報導指出，在文章發表時，Goose 擁有超過 26,100 個 GitHub stars、362 位貢獻者與 102 次發布。這些數字顯示出可見的開源活動，但並不能證明 Goose 擁有與 Claude Code 相同的可靠性、使用者基礎或生產環境採用率。GitHub stars 與貢獻者數量只是興趣訊號，並非軟體品質或商業使用的獨立衡量標準。

該文也引用 Berkeley Function-Calling Leaderboard，將 Anthropic 的 Claude 模型描述為在工具呼叫方面表現強勁。文中提到，來自 Meta、Alibaba、Google 與 DeepSeek 的開源選項正在進步，但並未證明它們在真實世界的軟體專案中能穩定匹敵 Anthropic 的最佳模型。

技術上的取捨相當明顯。Claude Code 運行在專用雲端基礎設施上，並受益於 Anthropic 的模型開發、介面設計與營運支援。Goose 的結果則高度依賴所選模型以及執行它的電腦。VentureBeat 報導指出，本地模型通常預設上下文視窗較小、推理速度較慢，且在艱難的寫程式任務上表現也弱於 Anthropic 的領先產品。

硬體也是另一項限制。Block 的文件據稱建議以 32GB RAM 作為較大型模型與輸出的穩固基準，雖然較小的模型也能在記憶體較少的系統上執行。因此，本地部署雖可消除訂閱費，但也可能提高開發者電腦、設定時間與維護成本。

這使得標題中的對比更具層次。Goose 可以免費重現核心代理工作流程，但它無法自動重現 Claude Code 的模型品質、上下文容量、速度或打磨程度。使用者仍然要在某個地方付出代價——透過硬體、設定投入、API 存取，或較低的效能。

這項選擇對開發者與企業意味著什麼

對開發者而言，Goose 提供了一個實用選項，適合實驗與重視隱私的開發。處理專有原始碼、受監管資料或離線專案的開發者，可以選擇本地模型，並將工作流程留在自己的電腦上。由於 Goose 設計上可與不同供應商合作，團隊也能測試多種模型，而不必重建周邊的代理架構。

這種彈性對無法為每位工程師吸收每月 100 或 200 美元工具支出的新創與獨立開發者尤其有用。它也降低了對單一供應商定價、模型路線圖與速率限制政策的依賴。

這些成本更多是營運性的，而非單純財務性的。採用 Goose 的團隊必須評估模型授權、硬體容量、提示與工具權限、更新流程，以及允許自主代理執行命令所帶來的風險。本地執行可以提升資料掌控度，但不會消除安全疑慮：遭入侵的模型、擴充功能或 MCP 整合仍可能影響開發者的電腦或連接的系統。

因此，企業買家可能會將 Goose 視為基礎設施選擇，而不只是直接替代品。問題在於，組織是否足夠重視部署控制，願意承擔模型託管、評估、可觀測性與支援的責任。商業服務仍較容易標準化，而開源代理則提供更高的控制權與潛在較低的邊際成本。

接下來要觀察什麼

最重要的訊號會是 Goose 的開源模型生態系是否能縮小在複雜、多檔案軟體任務上的品質差距。工具呼叫、長上下文推理與本地推理的進展，將決定這個專案是否能超越成本敏感的試驗階段。

開發者也應關注 Goose 的發布節奏、MCP 安全實務、支援的作業系統，以及與其代理迴圈搭配良好的可靠本地模型數量。對 Anthropic 來說，價格變化、更清楚的使用揭露，以及 Claude Code 效率的改善，將顯示該公司能否在回應對不可預測性的抱怨之下，維持高端需求。

更廣大的市場將取決於使用者偏好整合式便利，還是可組合的基礎設施。像 Cursor 以及其他AI 寫程式代理這類產品，競爭的不只是模型能力，還包括控制權、隱私、工作流程整合與可預測成本。

Creati.ai 觀點

Goose 之所以重要，是因為它將寫程式代理與模型訂閱分離。這項區分讓開發者擁有更多主導權：他們可以更換模型、本地執行，或使用託管供應商，而不必放棄代理工作流程。它也揭露了「免費」本地 AI 的隱藏成本——硬體、設定、治理，以及潛在較弱的結果。

立即的啟示不是 Goose 已讓 Claude Code 過時，而是 AI 寫程式工具正變得足夠模組化，讓建構者能決定智慧運行在哪裡，以及誰來控制周邊工作流程。當隱私、離線存取或可預測的擁有權比最高模型效能更重要時，這種彈性可能迫使高端供應商讓限制更容易理解與證成，同時也為技術團隊提供更可信的替代方案。