Goose vs Claude Code: Agen Percuma, Tugas Sama

Goose vs Claude Code: Agen Percuma, Tugas Sama

Claude Code ialah coding agent AI paling berkebolehan sekarang. Ia membaca codebase, menulis kod, menjalankan ujian, deploy perubahan, mengendalikan refactor multi-fail — semua dengan pengawasan minimum. Tapi harganya mahal: plan Max berharga $200 sebulan, dan plan Pro $20 pun mengehadkan kepada 10–40 prompts setiap lima jam. Bila had habis semasa sesi coding yang intensif, terpaksalah menunggu.

Goose, dibina oleh Block (dahulu Square) dan kini ditadbir oleh Agentic AI Foundation di bawah Linux Foundation, buat kerja yang sama tanpa subscription. Coding agent open-source, model-agnostic, berjalan di mesin sendiri — dengan model tempatan, tiada yuran langganan, tiada had penggunaan, dan tiada kebergantungan cloud: kod tidak pernah keluar dari laptop. (Halakan ia kepada model cloud dan caj API biasa tetap dikenakan.)

Projek ini ada ≈54,000 GitHub stars setakat September 2026 dan dihantar sebagai aplikasi desktop dan CLI. Dilesenkan Apache-2.0, aktif disenggarakan, dan menyokong 15+ model provider termasuk Ollama untuk operasi sepenuhnya setempat. Perbandingan dengan Claude Code bukan hipotesis — developer memang sedang membuat perbandingan ini sekarang, dalam pasaran di mana peralatan coding agent cepat disatukan.

Kos Claude Code (dan Apa yang Dapat Sebenarnya)

Struktur harga jelas tetapi ketat. Plan Free tidak termasuk Claude Code — ia hanya meliputi chat. Plan Pro ($20/bulan) mengehadkan kepada 10–40 prompts setiap lima jam. Plan Max pada $100 dan $200 sebulan menawarkan 50–200 dan 200–800 prompts masing-masing, ditambah akses kepada model Opus flagship barisan itu (Claude 4.5 Opus dalam pricing Ogos 2026; barisan model Anthropic kini generasi 5 — semak ketersediaan semasa).

Had mingguan menambah satu lagi lapisan, seperti didokumenkan dalam pricing Ogos–September 2026. Pengguna Pro dapat 40–80 jam penggunaan Sonnet 4 seminggu. Pengguna Max pada $200 dapat 240–480 jam Sonnet 4 ditambah 24–40 jam Opus 4. Tapi "jam" ini sebenarnya had berasaskan token yang berbeza mengikut saiz codebase dan kerumitan perbualan. Satu anggaran bebas meletakkan had setiap sesi pada lebih kurang 44,000 tokens untuk Pro dan 220,000 tokens untuk plan Max $200. Generasi model telah berubah sejak itu — anggap semua angka ini sebagai snapshot era pricing itu, bukan had semasa.

Developer lantang menyuarakan kekecewaan ini. Ada yang melaporkan terkena had harian dalam 30 minit coding intensif. Ada yang membatalkan langganan terus, menyifatkan sekatan ini tidak boleh diguna untuk kerja pembangunan sebenar. Pembelaan Anthropic — had ini menjejaskan kurang 5% pengguna — belum meredakan kemarahan, sebahagiannya kerana syarikat tidak menjelaskan sama ada itu 5% pelanggan Max atau 5% semua pengguna.

Cara Goose Berfungsi (dan Kenapa "Any LLM" Itu Penting)

Goose ambil pendekatan yang jauh berbeza. Command-line tool atau desktop app yang berjalan secara lokal dan connect kepada mana-mana bahasa model yang dipilih. "Any LLM" ialah perbezaan utama.

Boleh point Goose kepada model Claude dari Anthropic kalau ada API access. Atau gunakan OpenAI, Google Gemini, Groq, OpenRouter, atau Azure. Boleh juga jalankan sepenuhnya lokal dengan Ollama, download dan execute model open-source pada hardware sendiri. Dengan setup lokal, tiada subscription fees, tiada usage caps, dan tiada kebimbangan code keluar dari mesin.

# Install Ollama dan tarik coding model
ollama run qwen3-coder

# Install Goose (contoh macOS)
brew install block/tap/goose

# Configure Goose untuk guna Ollama
goose configure
# → Pilih "Configure Providers" → "Ollama" → http://localhost:11434

Implikasi praktikal lebih jauh daripada kos. Goose berfungsi offline — di dalam kapal terbang, dalam environment air-gapped, di mana-mana tanpa internet. Conversation dengan AI tak pernah keluar dari mesin. Bagi developer yang kerja di codebase proprietari, projek yang dikawal selia, atau infrastruktur sensitif, ini bukan nice-to-have. Ini keperluan.

Apa yang Goose Boleh Buat Sebenarnya

Goose bukan tool code completion. Ia agen autonomous yang boleh bina projek keseluruhan dari sifar, tulis dan execute code, debug kegagalan, orchestrate workflows merentasi beberapa fail, dan berinteraksi dengan API luar. Tool calling — keupayaan bahasa model untuk minta tindakan spesifik dari sistem luar — digunakan untuk execute operasi sebenar, bukan sekadar describe. Kuasa itu sebabnya tool permissions agen wajar ada threat model tersendiri.

Kualiti tool calling bergantung pada model asas. Penarafan bebas seperti Berkeley Function-Calling Leaderboard, yang skor model berdasarkan keupayaan translate bahasa natural kepada kod boleh laksana, wajar disemak bila pilih model mana untuk dihalakan kepada Goose.

Memilih Model di Belakang Goose

Tiga penapis, semuanya daripada fakta di atas. Pertama, kualiti tool-calling: semak penarafan BFCL, kerana model yang tercicir dalam function calls mensia-siakan setiap kelebihan lain. Kedua, konteks lawan memori: tetingkap lebih besar memuatkan lebih banyak codebase tanpa chunking, tetapi model setempat menukar saiz tetingkap dengan memori dan kelajuan — saizkan model mengikut mesin, bukan benchmark. Ketiga, bentuk kos: prompt caching memotong kos input konteks berulang dengan mendadak pada model hosted, manakala model tempatan tidak berkos per token selepas setup. Tiada model terbaik di sini, hanya padanan terbaik untuk mesin dan bajet di depan anda.

Goose integrate dengan Model Context Protocol (MCP), connect kepada 70+ extensions merangkumi database, API, browsers, GitHub, Google Drive, dan banyak lagi. Melalui MCP, Goose boleh capai tools yang jauh melampaui apa yang model bahasa asas sediakan — dan permukaan MCP yang sama ialah tempat tool poisoning hidup.

# Contoh Goose recipe — workflow parameterized
name: test-and-deploy
description: Jalankan tests, build, dan deploy ke staging
steps:
  - tool: terminal
    command: "npm test"
  - tool: terminal
    command: "npm run build"
  - tool: github
    action: create_pr
    branch: "staging-{{version}}"

Recipes tukar agent workflows menjadi YAML yang boleh dikongsi dan dijalankan dalam CI/CD pipelines — falsafah gaya plugin yang turut dikongsi framework agen open-source. Ini jenis feature yang buat Goose berguna melampaui pembangunan individu — ia jadi tool automation pasukan.

Trade-off yang Perlu Difahami

Perbandingan yang jujur perlu akui apa yang Claude Code buat lebih baik.

Kualiti model: Model Opus flagship Claude masih antara AI paling berkebolehan untuk software engineering yang kompleks. Unggul dalam memahami codebase yang besar, mengikut arahan yang bernuansa, dan menghasilkan kod berkualiti tinggi pada percubaan pertama. Model open-source sudah bertambah baik dengan mendadak, tetapi jurang masih ada untuk tugas yang paling mencabar.

Context window: Model Claude semasa (Sonnet 5, Opus 5) menawarkan context window satu juta tokens — cukup untuk memuatkan codebase besar sepenuhnya tanpa chunking. Kebanyakan model setempat default kepada 4,096 atau 8,192 tokens, walaupun banyak boleh dikonfigurasi untuk konteks lebih panjang dengan kos memori dan kelajuan.

Polish sedia ada: Claude Code mendapat manfaat daripada jurutera khusus Anthropic. Ciri seperti prompt caching (bacaan cache berharga 10% daripada harga input asas, menjimatkan sehingga 90% untuk kos input konteks berulang) dan structured outputs boleh diharap dan didokumenkan dengan baik. Goose, walaupun aktif dibangunkan dengan 150+ keluaran setakat September 2026, lebih banyak bergantung pada sumbangan komuniti.

Kematangan tooling: Claude Code ada skills, subagents, hooks, dan background execution terbina dalam. Goose semakin mengejar, tetapi integrasi antara model Anthropic dan harness Claude Code lebih ketat daripada pendekatan model-agnostic Goose.

Ledger Lock-in

Nyatakan semula fakta harga di atas sebagai risiko vendor. Prompt per tetingkap (10–40 pada Pro, sehingga 800 pada Max) mengehadkan hari paling sibuk anda. Token-jam mingguan mengehadkan minggu paling sibuk anda. Pembelaan 5% kabur tentang penyebutnya sendiri. Tiada satu pun rahsia — semuanya terma yang diterbitkan — tetapi bersama-sama ia menggambarkan workflow yang silingnya bergerak mengikut budi bicara satu vendor. Inilah rupa vendor lock-in sebelum ia menggigit; selepas ia menggigit, rupanya notis pemotongan.

Soalan Sebenar: Kawalan vs Keselesaan

Perbandingan antara Goose dan Claude Code berpaksi pada satu paksi: siapa yang memiliki workflow?

Goose berlesen Apache-2.0, ditadbir Linux Foundation, dan model-agnostic. Boleh fork, self-host, tukar model dengan bebas, dan workflow tidak terikat kepada mana-mana syarikat. Harga kebebasan itu ialah lebih banyak geseran setup dan keperluan menguruskan sendiri sambungan model provider.

Claude Code proprietari, terintegrasi ketat, dan dioptimumkan untuk model frontier Anthropic. Log masuk dan terus guna. Trade-off untuk polish itu ialah gandingan yang lebih rapat kepada model, pricing, dan roadmap satu vendor.

Ramai developer memilih untuk menggunakan kedua-duanya. Goose sebagai workhorse vendor-neutral untuk tugas harian dan codebase sensitif. Claude Code apabila khusus mahukan model frontier Anthropic dalam harness yang paling lancar. Menggunakan kedua-duanya melindung nilai risiko terbesar: mempertaruhkan seluruh workflow pada model dan pricing satu lab.

Mula Dengan Goose

Laluan paling pantas ke coding agent percuma:

1. Pasang Ollama dan tarik model (ollama run qwen3-coder)
2. Pasang Goose (aplikasi desktop atau CLI)
3. Konfigurasikan Goose untuk bersambung ke Ollama di http://localhost:11434
4. Mula coding

Bagi developer yang mahukan cloud models, Goose bersambung kepada Anthropic, OpenAI, Google, dan 12+ provider lain melalui API keys. Boleh juga gunakan subscription Claude atau ChatGPT sedia ada melalui Agent Client Protocol.

Era $200 sebulan untuk AI coding tools mungkin tidak berakhir, tetapi ia bukan satu-satunya pilihan lagi. Dengan model tempatan, Goose ialah alternatif zero-cost, privacy-preserving yang boleh mengendalikan kerja pembangunan sebenar. Sama ada ia menggantikan Claude Code sepenuhnya atau menjadi pelengkap yang mengisi jurangnya bergantung pada apa yang dioptimumkan — dan semakin ramai developer memilih kedua-duanya.

Goose ada di github.com/aaif-goose/goose. Ollama di ollama.com. Kedua-duanya percuma dan open source.

Sumber

• Agentic AI Foundation: Goose — Repositori GitHub (stars, providers, extensions, lesen)
• Agentic AI Foundation: Goose — Releases
• Anthropic: Anthropic — Pricing (Free tidak termasuk Claude Code)
• Anthropic: Anthropic — Use Claude Code with your Pro or Max plan
• Anthropic: Anthropic — Models overview (konteks 1M pada model semasa)
• Anthropic: Anthropic — Prompt caching (bacaan cache 10% daripada harga input asas)
• UC Berkeley Gorilla Lab: Berkeley Function-Calling Leaderboard