Block 的 Goose 以本地開源 AI 挑戰 Claude Code 的 200 美元定價

Block 的開源 Goose 正逐漸成為 Anthropic Claude Code 的低成本替代方案，提供開發者一個可從終端機或桌面介面撰寫、執行、測試與除錯軟體的 AI 智能代理。不同於 VentureBeat 報導的 Claude Code 訂閱方案每月介於 20 到 200 美元，Goose 可搭配開源模型在本地運作，且代理本身不需要持續性的月費。

當開發者討論高級 AI 寫程式工具是否值得其價格與使用限制時，這項差異就很重要。Goose 並非在所有工作流程中都能直接取代 Anthropic 最強的模型，但它本地化、與模型無關的設計，讓建構者對資料、模型選擇與營運成本擁有更多控制權。

Claude Code 的定價對高級寫程式工具形成壓力

根據 VentureBeat，Anthropic 的 Claude Code 可透過付費訂閱方案使用。報導指出，Pro 方案按年付費時每月 17 美元，按月付費時則為 20 美元；Max 方案則為每月 100 與 200 美元。該媒體表示，這些方案設有提示次數或使用量額度，在密集開發時段中很快就可能用完。

VentureBeat 也報導，Anthropic 為 Claude Code 使用者引入了每週限制，以可存取 Sonnet 4 與 Opus 4 的小時計算。這些數字無法直接對應到工時，因為實際消耗取決於 token 數量、程式碼庫大小、對話歷史與任務複雜度。

據報導，Anthropic 表示受限制影響的使用者不到 5%，並將最重度使用者描述為持續在背景執行 Claude Code 的人。現有報導並未釐清該百分比是指所有使用者，還是特定訂閱群組。這種不確定性使得僅憑公開資訊很難評估爭議的規模。

對開發者而言，核心問題是可預測性。紙面上看似寬裕的訂閱，在代理反覆讀取檔案、執行測試、修改程式碼並維持長上下文時，可能變得昂貴或受限。這對沒有企業預算的獨立開發者與小型團隊尤其相關。

Goose 將成本從訂閱轉移到基礎設施

由 Block 開發的 Goose 採取不同做法。它是一個可在機器上運作的 AI 代理，既可連接商業 API，也可搭配使用者自己電腦上託管的模型。其文件描述的系統不只是建議程式碼片段，而是能安裝軟體、執行命令、編輯檔案、測試專案並與外部服務互動。

這個代理與模型無關。開發者可以將它連接到 Anthropic、OpenAI、Google、Groq 或 OpenRouter 等供應商，也可以搭配 Ollama 執行本地模型。如此一來，軟體代理本身是免費的，程式碼也能保留在開發者的機器上。若所選模型已在本地安裝，也可離線使用。

但這並不代表本地 AI 在所有實際層面都沒有成本。使用者仍需要合適的硬體、儲存空間、電力與設定系統的時間。透過 Goose 使用付費 API 的開發者，同樣仍會產生模型費用。若使用者本來就有足夠的硬體，並選擇本地模型，財務上的優勢最為明顯。

VentureBeat 引述 Block 的指引指出，對於較大的模型與較長輸出，32GB RAM 是合理的基準；較小的模型則可能在 16GB 的系統上運作。效能會因模型、硬體、上下文長度，以及是否有獨立 GPU 而有所不同。

支持 Goose 吸引力的證據仍然混雜

報導中最強的採用訊號來自 Goose 的 GitHub 活動。VentureBeat 指出，該專案有超過 26,100 顆星、362 位貢獻者與 102 次釋出，且版本 1.20.1 報稱於 2026 年 1 月 19 日發布。GitHub 星數與貢獻者數量顯示的是興趣與參與度，但不能證明實際使用、正式生產部署，或 Claude Code 的商業替代。

關於能力的說法也需要保留。Goose 能透過工具呼叫執行代理式任務，並可連接 Model Context Protocol，讓它存取檔案系統、資料庫、搜尋工具與第三方 API。不過，這些操作的品質高度取決於底層模型，以及圍繞命令執行的安全機制。

文中引用的來源提到 Berkeley Function-Calling Leaderboard，以支持 Anthropic 的 Claude 模型目前在工具使用上的強勁表現。它也指出 Meta、Alibaba、Google 與 DeepSeek 的開源模型是持續改進中的替代方案。這些都是基準測試與產品定位訊號，並不能證明任何本地模型在複雜程式碼庫中都能與 Claude Code 相匹敵。

實務上也有取捨。本地模型可能較慢、預設上下文視窗較短，且比託管產品更需要額外設定。專有系統也可能提供更完善的快取、結構化輸出、除錯行為與支援。相對地，把原始碼保留在裝置上可降低暴露於外部服務的風險，並簡化離線工作流程，但前提是本地機器與模型堆疊必須安全。

這個選擇對建構者與企業意味著什麼

對個別開發者來說，Goose 讓自動化寫程式的實驗更容易入手。團隊可以先從較小的本地模型開始，連接到受控的程式碼庫，並在承諾購買高級訂閱前，評估代理式工作流程是否能改善測試、文件、重構或專案設定。

對產品團隊而言，更重要的問題不是 Goose 是否與 Claude Code「一樣」，而是團隊是重視模型品質、速度與部署容易度，還是更看重控制權與可預測的基礎設施成本。對難度高的任務與大型程式碼庫，託管的 Claude 工作流程可能更合適；而對敏感程式碼庫、離線工作或可重複的內部自動化，Goose 可能更適用。

企業需要審視的不只是授權。本地部署可以支援資料落地與隱私需求，但也把硬體、修補、存取控制、模型更新、監控與代理權限的責任轉移給組織。一個能在程式碼庫中執行命令的代理，也需要核准門檻、沙箱、稽核紀錄，以及對外部存取的明確限制。

競爭壓力不只來自單一工具。Goose 加入了 Cline 與 Roo Code 等專案，而 Cursor、GitHub Copilot 及其他商業助理則在整合式使用者體驗上競爭。如果開源模型持續進步，付費產品可能需要透過可靠性、上下文處理、安全性、協作功能與營運支援來證明其價格合理，而不僅僅是提供模型存取。

接下來要關注什麼

最清楚的訊號將是 Goose 的貢獻者活動是否轉化為持續使用與正式部署，以及 Block 是否持續以報導中的速度發布版本。開發者也應關注本地模型在工具呼叫、上下文視窗支援、延遲與硬體效率方面的改善。

Anthropic 的回應同樣重要。若 Claude Code 調整限制、提供更清楚的使用說明、推出更低價方案，或加強企業控制，都可能降低替代方案的吸引力。在 Goose 方面，關鍵測試在於安裝摩擦、權限管理、故障復原，以及在大型真實程式碼庫上的表現，而不是單一任務的展示。

Creati.ai 觀點

Goose 的重要性不在於它會讓 Claude Code 過時，而在於它揭示了 AI 軟體開發中的新斷層。市場正把代理介面與模型供應商分離，讓使用者可以選擇推論發生的地點，以及自己保留多少控制權。

這種彈性不會消除託管模型的價值，尤其是在要求嚴苛的工程工作中。但它提供開發者一個可信的方法來測試本地代理，並迫使供應商更容易說明使用限制、隱私做法與總成本。對 AI 建構者與企業採購者而言，策略性決策正日益成為部署問題，也同樣是模型品質問題。