Claude Code每月收费高达200美元。Goose免费提供相同功能。
Claude Code每月收费高达200美元。Goose免费提供相同功能。
太平洋时间2026年1月19日上午6:00
图片来源：VentureBeat借助Midjourney生成
人工智能编程革命伴随着一个代价：昂贵。
Claude Code是Anthropic的终端AI代理（terminal-based AI agent），能够自主编写、调试和部署代码，它已俘获了全球软件开发者的想象力。但其定价——根据使用情况从每月20美元到200美元不等——却在它本应服务的程序员群体中引发了一场日益高涨的反抗。
如今，一款免费替代品正在获得关注。Goose是Block（前身为Square的金融科技公司）开发的开源AI代理（open-source AI agent），提供与Claude Code几乎相同的功能，但完全运行在用户的本地机器上。没有订阅费，没有云端依赖，也没有每五小时重置的速率限制。
"你的数据始终属于你，句号，"软件工程师Parth Sareen在最近的一次直播中演示该工具时说道。这句话道出了核心吸引力：Goose让开发者完全掌控自己的AI驱动工作流，包括离线工作的能力——即使在飞机上也能使用。
该项目热度暴涨。自发布以来，Goose在代码共享平台GitHub上已获得超过26,100颗星，拥有362位贡献者，发布了102个版本。最新版本1.20.1于2026年1月19日发布，其开发速度可与商业产品相媲美。
对于因Claude Code的定价结构和用量上限而感到沮丧的开发者而言，Goose代表了AI行业中日益罕见的东西：一个真正免费、无附加条件的严肃工作选择。
Anthropic的新速率限制引发开发者反抗
要理解为什么Goose如此重要，你需要了解Claude Code定价争议。
由前OpenAI高管创立的旧金山人工智能公司Anthropic，将Claude Code作为其订阅层级的一部分提供。免费计划完全不提供任何访问权限。Pro计划按年计费每月17美元（或按月计费20美元），将用户限制为每五小时仅10到40个提示——这一约束在密集工作中几分钟内就会被严肃开发者用尽。
Max计划每月100美元和200美元，提供更多空间：分别支持50到200个提示和200到800个提示，此外还可访问Anthropic最强大的模型Claude 4.5 Opus。但即使是这些高级层级也带有限制，激怒了开发者社区。
7月下旬，Anthropic宣布了新的每周速率限制。根据该体系，Pro用户每周可获得40到80小时的Sonnet 4使用量。200美元档次的Max用户可获得240到480小时的Sonnet 4，外加24到40小时的Opus 4。近五个月后，挫败感仍未消退。
问题在于？这些"小时"并非实际小时。它们代表基于token的限制，根据代码库大小、对话长度以及所处理代码的复杂度而剧烈变化。独立分析表明，每会话的实际限制大约相当于Pro用户的44,000个token，以及200美元Max计划的220,000个token。
"它令人困惑且模糊不清，"一位开发者在广为流传的分析中写道。"当他们说'24-40小时Opus 4'时，这并没有真正告诉你任何关于你实际得到什么的有用信息。"
Reddit和开发者论坛上的强烈反对声浪十分激烈。一些用户报告称，在密集编程30分钟内就用完了每日额度。其他用户则完全取消了订阅，称这些新限制是"一个笑话"和"无法用于真正的工作"。
Anthropic 对这些变动作出了辩护，称这些限制仅影响不到 5% 的用户，并且针对的是那些“连续在后台 24/7 运行”Claude Code 的用户。但该公司并未澄清这一数字是指 5% 的 Max 订阅用户，还是 5% 的所有用户——这一区别至关重要。
Block 如何构建了一个可离线使用的免费 AI 编码代理
Goose 针对同样的问题采取了截然不同的方法。
Goose 由 Jack Dorsey 领导的支付公司 Block 构建，工程师们称之为“在机器上运行的 AI 代理”。与 Claude Code 将你的查询发送到 Anthropic 服务器进行处理不同，Goose 可以完全在你的本地计算机上运行，使用你自行下载和控制的开源语言模型。
该项目的文档将其描述为超越“代码建议”，能够“使用任何 LLM（大语言模型）进行安装、执行、编辑和测试”。最后一句——“任何 LLM”——是关键区别。Goose 在设计上是模型无关（model-agnostic） 的。
如果你拥有 API 访问权限，你可以将 Goose 连接到 Anthropic 的 Claude 模型。你也可以使用 OpenAI 的 GPT-5 或 Google 的 Gemini。你可以通过 Groq 或 OpenRouter 等服务进行路由。或者——这也是最有趣的地方——你可以使用 Ollama 等工具完全在本地运行，这让你可以在自己的硬件上下载并执行开源模型。
其实际意义非常重大。采用本地设置后，没有订阅费用、没有使用上限、没有速率限制，也无需担心你的代码被发送到外部服务器。你与 AI 的对话永远不会离开你的机器。
“我在飞机上经常使用 Ollama——非常有趣！” Sareen 在一次演示中说道，强调了本地模型如何让开发者摆脱互联网连接的限制。
Goose 能做哪些传统代码助手做不到的事
Goose 作为一个命令行工具或桌面应用程序运行，可以自动执行复杂的开发任务。它可以从头开始构建整个项目，编写并执行代码，调试失败，协调跨多个文件的工作流程，以及与外部 API 进行交互——所有这些都不需要持续的人工监督。
其架构依赖于 AI 行业所称的“工具调用（tool calling）”或“函数调用（function calling）”——即语言模型向外部系统请求特定操作的能力。当你要求 Goose 创建一个新文件、运行测试套件或检查 GitHub pull request 的状态时，它不仅仅是生成描述应该发生什么的文本，而是实际执行这些操作。
这种能力在很大程度上依赖于底层语言模型。根据伯克利函数调用排行榜（该排行榜根据模型将自然语言请求转换为可执行代码和系统命令的能力进行排名），Anthropic 的 Claude 4 模型 目前在工具调用方面表现最佳。
但较新的开源模型正在迅速追赶。Goose 的文档重点介绍了几个具有强大工具调用支持的选项：Meta 的 Llama 系列、阿里巴巴的 Qwen 模型、Google 的 Gemma 变体 以及 DeepSeek 的注重推理的架构。
该工具还集成了模型上下文协议（Model Context Protocol，MCP），这是一种用于将 AI 代理连接到外部服务的新兴标准。通过 MCP，Goose 可以访问数据库、搜索引擎、文件系统和第三方 API——将其能力扩展到基础语言模型提供的范围之外。
使用本地模型设置 Goose
对于希望采用完全免费、保护隐私的设置的开发者来说，该过程涉及三个主要组件：Goose 本身、Ollama（一种在本地运行开源模型的工具）以及一个兼容的语言模型。
步骤 1：安装 Ollama
Claude Code 每月费用高达200美元，而Goose免费提供相同功能 | VentureBeat
Ollama 是一个开源项目，极大地简化了在个人硬件上运行大语言模型的过程。它通过一个简单的界面处理模型下载、优化和服务的复杂工作。
从 ollama.com 下载并安装 Ollama。安装完成后，只需一条命令即可拉取模型。对于编码任务，Qwen 2.5 提供了强大的工具调用支持：
ollama run qwen2.5
模型会自动下载并在你的机器上开始运行。
步骤 2：安装 Goose
Goose 既提供桌面应用程序，也提供命令行界面。桌面版提供更直观的视觉体验，而 CLI 则吸引那些完全在终端中工作的开发者。
安装说明因操作系统而异，但通常包括从 Goose 的 GitHub releases 页面 下载，或使用包管理器。Block 为 macOS（Intel 和 Apple Silicon）、Windows 和 Linux 提供了预构建的二进制文件。
步骤 3：配置连接
在 Goose Desktop 中，导航到 Settings，然后选择 Configure Provider，再选择 Ollama。确认 API Host 设置为 http://localhost:11434（Ollama 的默认端口），然后点击 Submit。
对于命令行版本，运行 goose configure，选择 "Configure Providers"，然后选择 Ollama，并在提示时输入模型名称。
就这样。Goose 现在已连接到一个完全在你的硬件上运行的语言模型，可以执行复杂的编码任务，无需任何订阅费用或外部依赖。
你应该了解的 RAM、处理能力以及权衡
一个显而易见的问题是：你需要什么样的电脑？
在本地运行大语言模型需要比典型软件多得多的计算资源。关键限制是内存——具体来说，大多数系统上是 RAM，如果使用专用显卡进行加速，则是 VRAM。
Block 的文档建议，32 GB RAM 为“较大的模型和输出提供了一个可靠的基线”。对于 Mac 用户来说，这意味着电脑的统一内存是主要瓶颈。对于使用独立 NVIDIA 显卡的 Windows 和 Linux 用户来说，GPU 内存（VRAM）对加速更为重要。
但你并不一定需要昂贵的硬件才能开始。参数较少的较小模型可以在更普通的系统上运行。例如，Qwen 2.5 有多个规模，较小的变体可以在 16 GB RAM 的机器上有效运行。
“你不需要运行最大的模型来获得出色的结果，”Sareen 强调。实用建议：从一个较小的模型开始测试你的工作流程，然后根据需要扩展。
作为参考，苹果入门级 8 GB RAM 的 MacBook Air 在处理大多数能力强的编码模型时会很吃力。但配备 32 GB RAM 的 MacBook Pro——这在专业开发者中越来越普遍——可以轻松应对。
为什么将代码保留在云端比以往任何时候都更重要
使用本地 LLM 的 Goose 并不是 Claude Code 的完美替代品。这种比较涉及开发者应该了解的实际权衡。
模型质量：Anthropic 的旗舰模型 Claude 4.5 Opus 可以说是软件工程任务中最强大的 AI。它擅长理解复杂的代码库、遵循细微的指令，并一次性生成高质量代码。开源模型已经取得了巨大进步，但差距依然存在——尤其是在最具挑战性的任务上。
一位转而使用 200 美元 Claude Code 计划的开发者直言不讳地描述了这种差异：“当我说‘让它看起来现代’时，Opus 知道我的意思。其他模型给我的是大约 2015 年的 Bootstrap。”
上下文窗口：通过 API 可访问的 Claude Sonnet 4.5 提供了高达一百万个 token 的上下文窗口——足以加载整个大型代码库，而无需分块或处理上下文管理问题。大多数本地模型的默认上下文窗口限制为 4,096 或 8,192 token，不过许多模型可以配置为更长的上下文，但代价是内存使用增加和处理速度变慢。
速度：像 Claude Code 这样的云服务运行在专门为 AI 推理优化的服务器硬件上。而本地模型则跑在消费级笔记本电脑上，处理请求通常更慢。这种差异对于迭代工作流至关重要——当你频繁修改并等待 AI 反馈时，速度直接影响效率。
工具成熟度：Claude Code 得益于 Anthropic 专门的工程资源。提示缓存（对重复上下文最多可降低 90% 成本）和结构化输出等功能经过打磨且文档完善。Goose 虽然目前已有 102 个发布版本并积极开发中，但依赖社区贡献，在特定领域可能缺乏同等的精细化程度。
Goose 与 Cursor、GitHub Copilot 及付费 AI 编程市场的对比
Goose 进入了一个竞争激烈的 AI 编程工具市场，但占据了独特的定位。
Cursor 是一款流行的 AI 增强代码编辑器，其 Pro 版 收费 20 美元/月，Ultra 版 收费 200 美元——其定价与 Claude Code 的 Max 方案 相似。Cursor 在 Ultra 级别每月提供约 4,500 次 Sonnet 4 请求，这与 Claude Code 的每小时重置分配模式截然不同。
Cline、Roo Code 以及类似的开源项目提供 AI 编码辅助，但自主性和工具集成程度各异。许多项目侧重于代码补全，而非定义 Goose 和 Claude Code 的自主任务执行。
亚马逊的 CodeWhisperer、GitHub Copilot 以及主流云提供商的企业级产品，目标客户是采购流程复杂、预算充足的大型组织。它们对寻求轻量、灵活工具的独立开发者和小型团队来说相关性较低。
Goose 集真正的自主性、模型无关性、本地运行与零成本于一身，形成了独特的价值主张。该工具并非试图在打磨度或模型质量上与商业产品竞争，而是在自由——无论是财务自由还是架构自由——方面展开竞争。
AI 编程工具每月 200 美元的时代可能正在终结
AI 编程工具市场正在快速演变。开源模型以持续缩小与专有替代品差距的速度不断改进。Moonshot AI 的 Kimi K2 和 z.ai 的 GLM 4.5 现在的基准测试已接近 Claude Sonnet 4 水平——而且它们是免费提供的。
如果这一趋势持续下去，那么支撑 Claude Code 高端定价的质量优势可能会被侵蚀。届时 Anthropic 将面临竞争压力，必须在特性、用户体验和集成方面而非原始模型能力上展开角逐。
目前，开发者面临一个明确的选择。那些需要绝对最佳模型质量、能够负担高端定价并接受使用限制的开发者，可能会偏好 Claude Code。而那些优先考虑成本、隐...