O Claude Code da Anthropic tornou-se um dos exemplos mais visíveis da nova categoria de agentes de codificação por IA: ferramentas que fazem mais do que o autocompletar e podem, em vez disso, inspecionar arquivos, executar comandos, testar código e realizar tarefas de desenvolvimento diretamente do terminal. Mas, à medida que a adoção cresceu, também cresceram as críticas ao modelo de preços e de uso do produto.

De acordo com a VentureBeat, essa frustração está ajudando a impulsionar o interesse no Goose, um agente de codificação de código aberto desenvolvido pela Block. O Goose é posicionado como uma alternativa sem assinatura que pode se conectar a vários provedores de modelos ou ser executado inteiramente na máquina do próprio desenvolvedor com um modelo local. Para desenvolvedores que receiam pagar até US$ 200 por mês por um fluxo de trabalho de codificação por IA, ou que não gostam de limites de taxa opacos, essa é uma mudança notável no mercado.

O significado não é que o Goose tenha superado definitivamente o Claude Code em desempenho bruto do modelo. A reportagem aponta, em vez disso, para uma mudança de mercado mais imediata: compradores e construtores estão começando a separar o software do agente do modelo subjacente. Se a camada do agente puder ser aberta, local e agnóstica em relação ao provedor, então os fornecedores de modelos premium enfrentarão mais pressão para justificar os custos contínuos de assinatura com um valor mais claro.

Uma disputa de preços está se transformando em uma oportunidade de produto

O gatilho imediato para essa comparação é a reação dos desenvolvedores aos planos pagos e limites de uso do Claude Code, conforme descrito pela VentureBeat. A publicação afirma que a Anthropic não oferece acesso ao Claude Code em seu plano gratuito, com o acesso pago começando em cerca de US$ 20 por mês e variando para níveis de US$ 100 e US$ 200 com maiores franquias de uso e acesso a modelos mais potentes.

A controvérsia, segundo o relato da VentureBeat, diz menos respeito à existência de preços do que à forma como o uso é comunicado e aplicado. Os desenvolvedores citados no relatório contestam limites expressos em termos baseados em tempo, que são controlados, em última análise, pelo consumo de tokens, tamanho da base de código, duração da sessão e complexidade da tarefa. Isso torna difícil para os usuários preverem quanto trabalho a assinatura realmente suportará.

A VentureBeat informa que alguns usuários em fóruns e no Reddit relataram atingir os limites muito mais cedo do que o esperado durante sessões intensas de codificação. A Anthropic, como citado pela publicação, afirmou que os controles mais rígidos visam a uma pequena parcela de usuários que executam a ferramenta continuamente. No entanto, o relatório observa uma ambiguidade não resolvida sobre a qual base de usuários essa porcentagem se refere e quão significativas são as "horas" declaradas na prática.

Essa ambiguidade é importante porque os agentes de codificação são cada vez mais usados em fluxos de trabalho reais, e não apenas em demonstrações ocasionais. As equipes que avaliam ferramentas de codificação de IA precisam saber se um plano pode sustentar longas sessões de depuração, execuções repetidas de testes, análise de grandes repositórios ou uso de agentes em segundo plano. Se o preço parece difícil de modelar, alguns desenvolvedores buscarão arquiteturas que facilitem o controle dos custos.

O que o Goose realmente oferece

Com base na reportagem da VentureBeat, o Goose é a resposta de código aberto da Block a essa demanda por controle. O produto pode operar como uma ferramenta de linha de comando ou aplicativo de desktop e foi projetado para funcionar com vários backends de modelos de linguagem grande, em vez de um único modelo proprietário.

Isso significa que os desenvolvedores podem conectar o Goose à Anthropic, OpenAI, Google, Groq, OpenRouter ou tempos de execução de modelos locais, como o Ollama, de acordo com o relatório. O apelo prático é direto: a interface do agente e o fluxo de trabalho permanecem os mesmos, enquanto a escolha do modelo depende do orçamento, hardware, necessidades de privacidade e expectativas de desempenho do usuário.

A distinção mais importante é a execução local. A VentureBeat relata que o Goose pode ser executado com modelos abertos hospedados diretamente na máquina do desenvolvedor, o que remove as taxas de assinatura vinculadas a um produto de agente hospedado e evita o envio de código para um serviço de nuvem de terceiros. Para organizações com requisitos rígidos de manuseio de código-fonte, ou para desenvolvedores individuais que simplesmente desejam acesso offline, isso é mais do que um item de lista de recursos. Isso altera a aquisição, a revisão de conformidade e a usabilidade do dia a dia.

O relatório descreve o Goose como capaz de escrever código, editar arquivos, executar comandos, depurar falhas e interagir com sistemas externos por meio de chamadas de ferramentas. Também afirma que o Goose suporta o Model Context Protocol (MCP), um padrão emergente para conectar aplicativos de IA a ferramentas e fontes de dados externas. Se esse suporte for robusto na prática, ele torna o Goose relevante não apenas como uma ferramenta para entusiastas, mas como uma estrutura potencialmente extensível para fluxos de trabalho de desenvolvimento de agentes.

O lado local e aberto traz compromissos reais

A narrativa da alternativa gratuita é atraente, mas a comparação não é simples. A própria VentureBeat observa várias áreas em que o Goose, especialmente quando emparelhado com modelos abertos locais, não é necessariamente equivalente ao Claude Code.

Primeiro, a qualidade do modelo. O artigo diz que os principais modelos do Claude da Anthropic continuam sendo algumas das opções mais fortes para tarefas de engenharia de software, particularmente para interpretar instruções complexas e navegar em grandes bases de código. O Goose pode usar esses mesmos modelos se um desenvolvedor tiver acesso à API, mas a configuração totalmente local e sem taxas depende de modelos abertos que ainda podem ficar atrás em trabalhos difíceis.

Segundo, o tamanho do contexto e a velocidade. A VentureBeat relata que os modelos locais geralmente têm janelas de contexto padrão mais curtas do que os principais modelos hospedados e podem ser executados mais lentamente em hardware de consumo. Isso afeta uma das promessas centrais dos agentes de codificação: lidar com tarefas amplas e multifuncionais com configuração manual mínima. Um modelo local que apresenta dificuldades com repositórios maiores ou retarda o trabalho iterativo ainda pode ser útil, mas pode não ser um substituto completo para um sistema premium hospedado.

Terceiro, o hardware. O relatório cita a documentação da Block sugerindo 32 GB de RAM como uma base sólida para modelos locais maiores e diz que modelos menores podem funcionar em máquinas mais modestas. Essa é uma ressalva importante. "Gratuito" em termos de software ainda pode exigir um orçamento de hardware significativo, particularmente para desenvolvedores que desejam uma latência decente na inferência local.

Em outras palavras, o Goose reduz o custo recorrente de software e a dependência da nuvem, mas pode transferir o ônus para a complexidade da configuração, recursos da máquina e ajuste do modelo. Para alguns usuários, essa é uma troca aceitável. Para outros, a conveniência de um serviço gerenciado polido ainda vence.

Evidências, benchmarks e o que é verificado

As alegações factuais mais fortes nesta história vêm das descrições de produtos relatadas pela VentureBeat e de sinais de projeto visíveis publicamente que ela cita, como o número de estrelas no GitHub, a contagem de colaboradores e a atividade de lançamento do Goose. Esses indicadores podem mostrar o interesse dos desenvolvedores e a manutenção ativa, mas não são a mesma coisa que adoção empresarial medida ou uso em produção.

Algumas das alegações de desempenho mais amplas no relatório devem ser tratadas com cautela. O artigo faz referência ao Berkeley Function-Calling Leaderboard para apoiar a ideia de que os modelos da Anthropic são atualmente fortes na chamada de ferramentas. Esse é um sinal de benchmark relevante, mas o desempenho em benchmarks não se traduz automaticamente em melhores resultados para o usuário final em todos os fluxos de trabalho de codificação.

A matéria também cita modelos abertos mais recentes que se aproximam dos principais sistemas proprietários em algumas avaliações. Novamente, isso pode indicar lacunas técnicas diminuindo, mas não prova que um modelo aberto local possa substituir o Claude Code para todos os usuários hoje. O desempenho do agente de codificação no mundo real depende de mais do que o modelo base: design de prompt, orquestração de ferramentas, manuseio de contexto, novas tentativas e ergonomia do desenvolvedor, tudo isso importa.

As reclamações dos desenvolvedores sobre os limites do Claude Code, por sua vez, são apresentadas pela VentureBeat como reações de fóruns e da comunidade. Esses relatos são sinais de mercado úteis, mas são anedóticos, a menos que a Anthropic publique distribuições de uso mais claras ou pesquisadores independentes testem os planos sistematicamente.

Portanto, as evidências suportam uma conclusão mais estreita do que a estruturação mais provocativa sugere. O Goose parece ser um agente de codificação de código aberto sério com flexibilidade local e de múltiplos modelos. O Claude Code parece estar enfrentando uma frustração genuína em relação aos preços entre alguns desenvolvedores. O que permanece sem comprovação é a alegação mais forte de que o Goose "faz a mesma coisa" de uma maneira que seja amplamente intercambiável em casos de uso profissional.

Por que isso importa para construtores e compradores corporativos

Para os construtores de IA, o Goose destaca uma importante tendência de arquitetura: o software de agentes está se tornando modular. Em vez de comprar um assistente de codificação integrado verticalmente, as equipes podem montar cada vez mais sua própria pilha a partir de um shell de agente aberto, um provedor de modelo preferido, ferramentas de inferência local e conectores externos. Isso facilita a otimização para diferentes restrições: privacidade para uma equipe, custo para outra, raciocínio de alto nível para uma terceira.

Para startups e desenvolvedores independentes, o maior apelo é a previsibilidade de custos. As ferramentas de IA por assinatura geralmente parecem baratas no início e, em seguida, tornam-se mais difíceis de justificar quando os fluxos de trabalho se tornam contínuos, colaborativos ou altamente iterativos. Uma alternativa local ou baseada em API permite que as equipes escolham entre pagar por chamadas de modelos premium apenas quando necessário e usar modelos abertos para o trabalho de rotina.

Para as empresas, a história trata de governança tanto quanto de preço. Um agente de codificação focado no local ou autocontrolado pode simplificar as discussões sobre a exposição do código-fonte, residência de dados e operação offline. Isso não elimina o risco, uma vez que os modelos locais também precisam de controles de política e auditabilidade, mas altera o modelo de ameaça em comparação com o roteamento de todas as interações por meio de um serviço de fornecedor hospedado.

Isso também acirra a concorrência no mercado de assistentes de codificação. Se os agentes de código aberto puderem oferecer autonomia e ferramentas suficientes, os fornecedores premium precisarão competir em confiabilidade, desempenho em grandes bases de código, recursos de colaboração, controles administrativos e preços transparentes. Os dias em que apenas o acesso ao modelo podia justificar preços premium estão se tornando menos garantidos.

O que observar a seguir

O próximo sinal útil será verificar se a Anthropic mudará a forma como comunica os limites do Claude Code. Uma contabilidade de tokens mais clara, planos baseados em carga de trabalho mais previsíveis ou níveis de acesso mais amplos sugeririam que a empresa reconhece que a opacidade dos preços está se tornando uma fraqueza competitiva.

Observe a maturidade do produto Goose tão de perto quanto sua popularidade no GitHub. A cadência rápida de lançamentos e a atividade dos colaboradores são encorajadoras, mas a relevância empresarial dependerá da confiabilidade, controles de segurança, qualidade da documentação e se o projeto pode oferecer suporte a integrações estáveis entre provedores de modelos e ferramentas conectadas ao MCP.

Também valerá a pena acompanhar se mais compradores adotarão implantações mistas: modelos hospedados premium para trabalhos de engenharia de alto risco e modelos abertos locais para tarefas de rotina ou bases de código sensíveis. Esse padrão híbrido pode se mostrar mais durável do que uma troca limpa de ferramentas proprietárias pagas para pilhas de código aberto totalmente locais.

Finalmente, a variável principal continua sendo o progresso do modelo. Se os modelos abertos continuarem a melhorar no uso de ferramentas, manuseio de contexto e qualidade de codificação, o poder de mercado das caras assinaturas de codificação tudo-em-um diminuirá. Se os melhores modelos proprietários mantiverem uma liderança de qualidade grande o suficiente, os preços premium poderão permanecer viáveis apesar da reação negativa.

Perspectiva da Creati.ai

Esta história trata menos de um projeto de código aberto alcançando um rival comercial popular e mais de para onde o valor está se movendo nas ferramentas de desenvolvimento de IA. A camada do agente está começando a se separar da camada do modelo. Assim que isso acontece, os usuários fazem uma pergunta mais difícil sobre cada produto premium: pelo que exatamente estou pagando além do acesso a um modelo forte?

Por enquanto, o Claude Code ainda parece manter vantagens em polimento e desempenho de ponta, especialmente em tarefas de software difíceis. Mas o Goose mostra que o mercado não precisa mais aceitar um pacote restrito de interface de agente, dependência de nuvem e preços de assinatura como padrão. Para construtores e compradores, esse é o verdadeiro desenvolvimento a ser observado.