Block 的開源 Goose 正逐漸成為 Anthropic Claude Code 的直接替代方案，為開發者提供一個可在自己電腦上執行的自主式程式碼代理，而不必依賴每月訂閱。隨著 Claude Code 最高手續費達到每月 200 美元，而使用者持續討論其使用限制如何換算成實際開發時間，兩者的對比變得更加鮮明。

這個選擇並不只是兩個等價產品之間的差異。Claude Code 提供對 Anthropic 專有模型與雲端基礎設施的存取，而 Goose 則讓使用者掌握模型、硬體與資料路徑。對於重視離線工作、可預測的本機存取，或希望將原始碼遠離外部伺服器的開發者而言，這種架構差異的重要性可能與價格一樣高。

Claude Code 的定價把使用量放在核心位置

根據 VentureBeat AI，Anthropic 的 Claude Code 透過每月 20 到 200 美元的訂閱方案提供，免費方案則無法存取這個程式碼代理。該媒體報導，Pro 使用者每五小時可獲得約 10 到 40 次提示，而 Max 方案在每月 100 與 200 美元時提供更高額度。

Anthropic 也推出了以 Sonnet 4 與 Opus 4 使用時數來描述的每週限制。這些數字並不等同於一般時鐘時間：實際消耗取決於 token 數量、程式碼庫大小、對話歷史與任務複雜度。這使開發者很難在達到限制之前估算一個方案能支援多少工作。

VentureBeat 報導，有開發者抱怨密集的使用會很快耗盡他們的額度。Anthropic 表示，這些限制影響不到 5% 的使用者，且目標是那些在背景中持續運行 Claude Code 的人。不過，媒體所呈現的公司聲明並未說明該比例是指所有使用者，還是某一特定訂閱群組。

這場價格爭議之所以重要，是因為程式碼代理本來就設計用於長時間、反覆迭代的工作。開發者可能會要求代理檢查儲存庫、修改多個檔案、執行測試、診斷失敗，然後重複此流程。單純以提示次數比較看似寬鬆的限制，在代理處理大型專案時可能會顯得相當緊。

Goose 改變了成本與控制的方程式

由 Block 開發的 Goose 採取本機端的運作方式。其桌面與命令列介面可以安裝軟體、編輯與執行程式碼、測試專案，並協調多步驟任務。Goose 不把這些能力綁定在單一專有模型上，而是可以連接商業 API、託管模型服務或本地模型。

這種與模型無關的設計，是該產品最核心的差異。開發者可以在需要時使用 Anthropic、OpenAI、Google、Groq 或 OpenRouter 的服務；也可以將 Goose 連接到 Ollama，在本機執行開源模型。在這種配置下，軟體本身不收訂閱費，而且請求可以保留在使用者自己的電腦上。

本機執行移除了幾項雲端服務的限制：沒有供應商強加的提示額度、沒有反覆的代理訂閱、也不需要在任務期間保持網路連線。這並不代表整體設定完全免費。使用者仍然需要足夠的硬體、電力、儲存空間，若選擇託管供應商，還可能需要付費模型存取。

Goose 也使用 Model Context Protocol，將代理與工具及外部系統連接起來。這可以讓代理處理檔案、資料庫、搜尋服務與應用程式介面，但每個連線的安全性與可靠性都取決於其設定與底層模型。

證據顯示動能，但不代表同等能力

VentureBeat 報導，Goose 的 GitHub 星數已超過 26,100 顆，吸引 362 位貢獻者，並達到 102 次發行，來源文章中指出 1.20.1 是最新版本。這些數字顯示出可見的開源活動，但不能證明 Goose 在採用率、可靠性或任務表現上與 Claude Code 相同。

文章也引用 Berkeley Function-Calling Leaderboard，形容 Claude 模型擅長將請求轉為可執行的動作。它並指出 Meta、Alibaba、Google 與 DeepSeek 的模型在工具使用上持續進步。這些是基準與生態觀察，而不是獨立證據，無法證明某一特定 Goose 配置能在生產程式碼庫上與 Claude Code 相匹配。

技術上的取捨相當明顯。VentureBeat 報導，32GB RAM 是較大型本地模型的實用基準，而較小模型可在更少記憶體的系統上運行。本地推論通常比雲端推論慢，而上下文視窗可能較短，或需要更細緻的設定。根據文章的比較與引用的開發者經驗，像 Anthropic 的 Opus 這類專有模型在某些複雜軟體任務上仍然更強。

因此，Goose 的 GitHub 活躍度與發行數量，最好被視為開發熱度的訊號，而不是已驗證的性能主張。從這個來源能得出的最強結論，是關於架構與價格彈性，而不是能力完全相同。

這個選擇對開發者與企業意味著什麼

對個別開發者與小型團隊而言，Goose 提供了一種測試 AI 代理 的方式，而不必承諾每月 100 或 200 美元的方案。團隊可以先從較小的本地模型開始，只連接需要的工具，之後再決定託管模型是否值得額外成本。這對原型、內部工具，以及在受限或離線環境中進行的開發工作特別有幫助。

代價是營運責任。團隊必須選擇模型、管理更新、監控資源使用、保護憑證，並驗證代理所採取的每一個動作。一個便宜、可本地運行的模型，可能比高階託管模型需要更多重試或人工審核。對企業買家而言，沒有雲端傳輸可簡化某些資料治理決策，但並不能消除存取控制、惡意指令、相依性安全，或未經審核程式碼變更所帶來的風險。

對於優先考量模型品質、受管理的基礎設施與精緻工作流程，而非嚴格成本控制的組織，Claude Code 仍然具吸引力。若隱私、離線存取、模型選擇與可預測的基礎設施擁有權是主要需求，Goose 就更具說服力。因此，這個決定與其說是一個工具是否能普遍取代另一個工具，不如說是團隊想控制哪一層。

更廣泛的市場效應很清楚：開源模型與代理框架正在把程式碼代理介面與模型提供者分離。這削弱了「一個有能力的程式工作流程必須作為單一綁定訂閱來購買」的假設。當商業限制或價格改變時，這也讓開發者擁有更大的籌碼。

接下來要觀察什麼

關鍵訊號將包括 Goose 的貢獻者基礎與發行速度是否持續、在長上下文軟體任務上的本地模型是否進一步改善，以及可靠執行工具需要多少設定。隨著模型變得更大、更強，開發者也應持續關注硬體需求。

Anthropic 的回應同樣重要。若 Claude Code 的速率限制、定價透明度、提示計算方式或模型存取方式有所調整，可能會削弱或強化本機替代方案的吸引力。包括 Cursor 與 GitHub Copilot 在內的商業競爭者，也可能面臨壓力，被迫提供更彈性的使用方式或更強的本機選項。

對評估任一產品的買家而言，真正的測試不是基準測試標題，而是一個具代表性的儲存庫：請衡量任務完成率、審查負擔、延遲、失敗復原，以及所選模型的總營運成本。

Creati.ai 觀點

Goose 並不會讓 Claude Code 變得過時，而把本機 AI 代理稱為「免費」也不完整。使用者仍然要透過硬體、設定時間、較慢的推論，以及——若本地模型不夠強——額外的託管模型成本來付出代價。但 Goose 改變了談判方式。開發者現在可以把代理介面與模型服務分開，並選擇程式碼、提示與執行發生在哪裡。

這種彈性對 AI 建構者來說是重要消息。隨著程式碼代理變得更強，價格與隱私將與原始模型品質一起被評估。走本機開源路線，為團隊提供了一個可信的後備方案，也迫使商業供應商不僅要說明他們的代理能做什麼，還要說清楚使用者實際能獲得多少存取權限。