Революция в кодировании искусственного интеллекта имеет одну загвоздку: это дорого.
Claude Code, терминальный ИИ-агент Anthropic, который может писать, отлаживать и развертывать код автономно, захватил воображение разработчиков программного обеспечения по всему миру. Но его цена — от 20 до 200 долларов в месяц в зависимости от использования — вызвала растущее восстание среди тех самых программистов, которым он призван служить.
Теперь бесплатная альтернатива набирает обороты. Goose, ИИ-агент с открытым исходным кодом, разработанный Block (финансовой технологической компанией, ранее известной как Square), предлагает почти идентичную функциональность Claude Code, но работает полностью на локальном компьютере пользователя. Никаких абонентских плат. Нет зависимости от облака. Никаких ограничений по ставкам, которые сбрасываются каждые пять часов.
«Ваши данные остаются с вами, и точка», — сказал Парт Сарин, инженер-программист, который продемонстрировал инструмент во время недавней прямой трансляции. Комментарий отражает основную привлекательность: Goose дает разработчикам полный контроль над рабочим процессом с использованием искусственного интеллекта, включая возможность работать в автономном режиме — даже в самолете.
Проект приобрел бешеную популярность. Сейчас Goose может похвастаться более чем 26 100 звездами на GitHub, платформе для обмена кодом, с 362 участниками и 102 релизами с момента ее запуска. Последняя версия, 1.20.1, была выпущена 19 января 2026 года, что отражает темпы разработки, конкурирующие с коммерческими продуктами.
Для разработчиков, разочарованных структурой ценообразования и ограничениями использования Claude Code, Goose представляет собой нечто все более редкое в индустрии искусственного интеллекта: по-настоящему бесплатный вариант без каких-либо условий для серьезной работы.
Новые ограничения ставок Anthropic вызвали бунт разработчиков
Чтобы понять, почему Goose имеет значение, вам нужно разобраться в споре о ценах на Claude Code.
Anthropic, компания по искусственному интеллекту из Сан-Франциско, основанная бывшими руководителями OpenAI, предлагает Claude Code в рамках своих уровней подписки. Бесплатный план не предоставляет никакого доступа. План ThePro стоимостью 17 долларов в месяц с годовым выставлением счетов (или 20 долларов в месяц) ограничивает пользователей всего от 10 до 40 запросов каждые пять часов — ограничение, которое серьезные разработчики исчерпывают за несколько минут интенсивной работы.
Планы TheMax стоимостью 100 и 200 долларов в месяц предлагают больший запас: от 50 до 200 и от 200 до 800 запросов соответственно, а также доступ к самой мощной модели Anthropic, Claude 4.5 Opus. Но даже эти премиум-уровни имеют ограничения, которые возмутили сообщество разработчиков.
В конце июля Anthropic объявила о новых недельных ограничениях ставок. В рамках системы пользователи Pro получают от 40 до 80 часов использования Sonnet 4 в неделю. Пользователи Max на уровне 200 долларов получают от 240 до 480 часов Sonnet 4 плюс от 24 до 40 часов Opus 4. Спустя почти пять месяцев разочарование не утихло.
Проблема? Эти «часы» не являются настоящими часами. Они представляют собой ограничения на основе токенов, которые сильно различаются в зависимости от размера кодовой базы, длины диалога и сложности обрабатываемого кода. Независимый анализ показывает, что фактические ограничения на одну сессию составляют примерно 44 000 токенов для пользователей Pro и 220 000 токенов для плана Max за 200 долларов.
«Это сбивает с толку и расплывчато», — написал один разработчик в широко распространенном анализе. «Когда они говорят «24-40 часов Opus 4», это на самом деле не говорит вам ничего полезного о том, что вы на самом деле получаете».
Реакция на Reddit и форумах разработчиков была жесткой. Некоторые пользователи сообщают о достижении дневного лимита уже через 30 минут интенсивного кодирования. Другие полностью отменили свои подписки, назвав новые ограничения «шуткой» и «непригодными для реальной работы».
Anthropic защищает изменения, заявляя, что ограничения затрагивают менее пяти процентов пользователей и нацелены на людей, использующих Claude Code «постоянно в фоновом режиме, 24 часа в сутки, 7 дней в неделю». Но компания не уточнила, относится ли эта цифра к пяти процентам подписчиков Max или к пяти процентам всех пользователей — различие, которое имеет огромное значение.
Как Блок создал бесплатный агент кодирования искусственного интеллекта, работающий в автономном режиме
Гуз использует радикально иной подход к той же проблеме.
Созданный платежной компанией Block, возглавляемой Джеком Дорси, Goose представляет собой то, что инженеры называют «машинным агентом искусственного интеллекта». В отличие от Claude Code, который отправляет ваши запросы на обработку на серверы Anthropic, Goose может полностью работать на вашем локальном компьютере, используя языковые модели с открытым исходным кодом, которые вы загружаете и контролируете самостоятельно.
В документации проекта описано, что он выходит «за рамки предложений кода» и «устанавливает, выполняет, редактирует и тестирует с помощью любого LLM». Последняя фраза — «любой LLM» — является ключевым отличием. Goose по своей сути не зависит от модели.
Вы можете подключить Goose к моделям Anthropic Claude, если у вас есть доступ к API. Вы можете использовать GPT-5 от OpenAI или Gemini от Google. Вы можете маршрутизировать его через такие сервисы, как GroqorOpenRouter. Или — и здесь все становится интереснее — вы можете запускать его полностью локально с помощью таких инструментов, как Ollama, которые позволяют загружать и запускать модели с открытым исходным кодом на вашем собственном оборудовании.
Практические последствия значительны. При локальной настройке отсутствуют абонентская плата, ограничения на использование, ограничения по скорости и отсутствие опасений по поводу отправки вашего кода на внешние серверы. Ваши разговоры с ИИ никогда не покидают вашу машину.
«Я постоянно использую Ollama в самолетах — это очень весело!» — отметила Сарин во время демонстрации, подчеркнув, как местные модели освобождают разработчиков от ограничений подключения к Интернету.
Что Goose может сделать, чего не могут традиционные помощники по написанию кода
Goose работает как инструмент командной строки или настольное приложение, которое может автономно выполнять сложные задачи разработки. Он может создавать целые проекты с нуля, писать и выполнять код, отлаживать сбои, организовывать рабочие процессы в нескольких файлах и взаимодействовать с внешними API — и все это без постоянного контроля со стороны человека.
Архитектура опирается на то, что в индустрии искусственного интеллекта называют «вызовом инструмента» или «вызовом функции» — способность языковой модели запрашивать определенные действия от внешних систем. Когда вы просите Goose создать новый файл, запустить набор тестов или проверить статус запроса на извлечение GitHub, он не просто генерирует текст, описывающий, что должно произойти. Он фактически выполняет эти операции.
Эта возможность во многом зависит от базовой языковой модели. Модели Claude 4 от Anthropic в настоящее время лучше всего справляются с вызовами инструментов, согласно данным таблицы лидеров по вызову функций Беркли, которая ранжирует модели по их способности переводить запросы на естественном языке в исполняемый код и системные команды.
Но новые модели с открытым исходным кодом быстро догоняют эту тенденцию. В документации Goose выделено несколько вариантов с мощной поддержкой вызова инструментов: серия Meta от Llama, модели Qwen от Alibaba, варианты Gemma от Google и архитектуры DeepSeek, ориентированные на рассуждения.
Инструмент также интегрируется с протоколом контекста модели (MCP), новым стандартом для подключения агентов ИИ к внешним сервисам. Через MCP Goose может получить доступ к базам данных, поисковым системам, файловым системам и сторонним API, расширяя свои возможности далеко за пределы того, что предоставляет базовая языковая модель.
Настройка Goose с локальной моделью
Для разработчиков, заинтересованных в совершенно бесплатной установке с сохранением конфиденциальности, процесс включает в себя три основных компонента: сам Goose, Ollama (инструмент для локального запуска моделей с открытым исходным кодом) и совместимую языковую модель.
Шаг 1. Установите Олламу
Ollama — это проект с открытым исходным кодом, который значительно упрощает процесс запуска больших языковых моделей на персональном оборудовании. Он выполняет сложную работу по загрузке, оптимизации и обслуживанию моделей через простой интерфейс.
Загрузите и установите Ollama с сайта ollama.com. После установки вы можете извлекать модели с помощью одной команды. Для задач кодирования Qwen 2.5 предлагает мощную поддержку вызова инструментов:
оллама беги qwen2.5
Модель загружается автоматически и начинает работать на вашем компьютере.
Шаг 2. Установите Goose
Goose доступен как в виде настольного приложения, так и в виде интерфейса командной строки. Версия для настольных компьютеров обеспечивает более визуальный интерфейс, а интерфейс командной строки подходит разработчикам, которые предпочитают работать полностью в терминале.
Инструкции по установке различаются в зависимости от операционной системы, но обычно включают загрузку со страницы выпусков Goose на GitHub или использование менеджера пакетов. Block предоставляет готовые двоичные файлы для macOS (как Intel, так и Apple Silicon), Windows и Linux.
Шаг 3. Настройте соединение
В Goose Desktop перейдите в «Настройки», затем «Настроить поставщика» и выберите «Ollama». Убедитесь, что для хоста API установлено значение http://localhost:11434 (порт по умолчанию для Ollama), и нажмите «Отправить».
Для версии с командной строкой запустите goose configure, выберите «Настроить поставщиков», выберите Ollama и введите название модели при появлении запроса.
Вот и все. Goose теперь подключен к языковой модели, полностью работающей на вашем оборудовании, и готов выполнять сложные задачи кодирования без какой-либо абонентской платы или внешних зависимостей.
Оперативная память, вычислительная мощность и компромиссы, о которых вам следует знать
Очевидный вопрос: какой компьютер вам нужен?
Локальное выполнение больших языковых моделей требует значительно больше вычислительных ресурсов, чем обычное программное обеспечение. Ключевым ограничением является память — в частности, ОЗУ в большинстве систем или VRAM, если для ускорения используется выделенная видеокарта.
В документации Блока говорится, что 32 гигабайта оперативной памяти обеспечивают «надежную основу для более крупных моделей и результатов». Для пользователей Mac это означает, что унифицированная память компьютера является основным узким местом. Для пользователей Windows и Linux с дискретными видеокартами NVIDIA память графического процессора (VRAM) имеет большее значение для ускорения.
Но для начала вам не обязательно нужно дорогое оборудование. Меньшие модели с меньшим количеством параметров работают на гораздо более скромных системах. Например, Qwen 2.5 выпускается в нескольких размерах, а меньшие варианты могут эффективно работать на машинах с 16 гигабайтами оперативной памяти.
«Чтобы получить превосходные результаты, не обязательно запускать самые крупные модели», — подчеркнул Сарин. Практический совет: начните с модели меньшего размера, чтобы протестировать рабочий процесс, а затем увеличивайте ее по мере необходимости.
Для сравнения: MacBook Air начального уровня от Apple с 8 гигабайтами оперативной памяти не сможет справиться с большинством моделей кодирования. А вот MacBook Pro с 32 гигабайтами — все более распространенный среди профессиональных разработчиков — с ними легко справляется.
Почему хранение вашего кода вне облака важно как никогда
Goose с местным LLM не является идеальной заменой Клода Кода. Сравнение предполагает реальные компромиссы, которые разработчики должны понимать.
Качество модели: Claude 4.5 Opus, флагманская модель Anthropic, остается, пожалуй, наиболее подходящим ИИ для задач разработки программного обеспечения. Он превосходно понимает сложные кодовые базы, выполняет подробные инструкции и создает высококачественный код с первой попытки. Модели с открытым исходным кодом значительно улучшились, но разрыв сохраняется — особенно для самых сложных задач.
Один разработчик, перешедший на план Claude Code за 200 долларов, прямо описал разницу: «Когда я говорю «сделай это современно», Opus понимает, что я имею в виду. Другие модели дают мне Bootstrap примерно 2015 года».
Контекстное окно: Claude Sonnet 4.5, доступный через API, предлагает огромное контекстное окно размером в один миллион токенов — достаточное для загрузки целых больших баз кода без проблем с фрагментированием или управлением контекстом. Большинство локальных моделей по умолчанию ограничены 4096 или 8192 токенами, хотя многие из них можно настроить для более длинных контекстов за счет увеличения использования памяти и замедления обработки.
Скорость: облачные сервисы, такие как Claude Code, работающие на выделенном серверном оборудовании, оптимизированном для вывода ИИ. Локальные модели, работающие на потребительских ноутбуках, обычно обрабатывают запросы медленнее. Разница важна для итеративных рабочих процессов, в которых вы вносите быстрые изменения и ждете отзывов от ИИ.
Зрелость инструментов: Клод Код пользуется преимуществами специализированных инженерных ресурсов Anthropic. Такие функции, как быстрое кэширование (которое может снизить затраты до 90 процентов для повторяющихся контекстов) и структурированные выходные данные, отточены и хорошо документированы. Goose, хотя на сегодняшний день активно разрабатывается и имеет 102 выпуска, полагается на вклад сообщества и может испытывать недостаток в аналогичных усовершенствованиях в определенных областях.
Чем Goose отличается от Cursor, GitHub Copilot и рынка платного ИИ-кодирования
Goose выходит на переполненный рынок инструментов ИИ-кодирования, но занимает особую позицию.
Cursor, популярный редактор кода с усовершенствованным искусственным интеллектом, взимает 20 долларов в месяц за уровень Pro и 200 долларов за уровень Ultra — цены, которые отражают планы Claude Code Max. Cursor обеспечивает примерно 4500 запросов Sonnet 4 в месяц на уровне Ultra, что существенно отличается от модели распределения, используемой при почасовом сбросе Claude Code.
Cline, Roo Code и подобные проекты с открытым исходным кодом предлагают помощь в кодировании ИИ, но с разными уровнями автономности и интеграции инструментов. Многие сосредотачиваются на завершении кода, а не на агентном выполнении задач, которое определяет Goose и Claude Code.
AmazonCodeWhisperer, GitHub Copilot и корпоративные предложения от крупных облачных провайдеров ориентированы на крупные организации со сложными процессами закупок и выделенными бюджетами. Они менее актуальны для отдельных разработчиков и небольших команд, которым нужны легкие и гибкие инструменты.
Сочетание подлинной автономии, агностицизма модели, локального управления и нулевых затрат создает уникальное ценностное предложение Goose. Инструмент не пытается конкурировать с коммерческими предложениями по качеству полировки или модели. Он конкурирует за свободу — как финансовую, так и архитектурную.
Эпоха инструментов искусственного кодирования стоимостью 200 долларов в месяц может подходить к концу
Рынок инструментов ИИ-кодирования быстро развивается. Модели с открытым исходным кодом совершенствуются такими темпами, что разрыв с проприетарными альтернативами постоянно сокращается. Кими К2 из Moonshot AI и GLM 4.5 из z.ai теперь соответствуют уровням Claude Sonnet 4 — и они доступны бесплатно.
Если эта траектория продолжится, преимущество в качестве, которое оправдывает премиальные цены Claude Code, может исчезнуть. Тогда Anthropic столкнется с необходимостью конкурировать за функции, пользовательский опыт и интеграцию, а не за возможности сырой модели.
На данный момент разработчики стоят перед очевидным выбором. Те, кому нужно самое лучшее качество модели, кто может позволить себе премиальную цену и принимает ограничения на использование, могут предпочесть Claude Code. Те, кто отдает приоритет стоимости, конфиденциальности, автономному доступу и гибкости, имеют настоящую альтернативу inGoose.
Тот факт, что коммерческий продукт стоимостью 200 долларов в месяц имеет конкурента с открытым исходным кодом с нулевой стоимостью и сопоставимой базовой функциональностью, сам по себе примечателен. Это отражает как развитие инфраструктуры искусственного интеллекта с открытым исходным кодом, так и стремление разработчиков к инструментам, которые уважают их автономию.
Гусь не идеален. Он требует большей технической настройки, чем коммерческие альтернативы. Это зависит от аппаратных ресурсов, которыми обладает не каждый разработчик. Возможности его модели, хотя и быстро совершенствуются, по-прежнему отстают от лучших собственных предложений для решения сложных задач.
Но для растущего сообщества разработчиков эти ограничения являются приемлемым компромиссом в пользу чего-то все более редкого в сфере ИИ: инструмента, который действительно принадлежит им.
Goose доступен для скачивания по адресу github.com/block/goose. Оллама доступна на сайте atollama.com. Оба проекта бесплатны и имеют открытый исходный код.