Az AI-kódoló ügynökök tényleg felgyorsítják a munkát — csak épp sokszor akkor állnak meg, amikor belelendülnél: limit, várakozás, újrainduló kvóta. Most egy nyílt forrású eszköz pont erre kínál alternatívát: ugyanazt a „kódolós asszisztenst” ígéri, csak előfizetés nélkül.

Mi történt

A VentureBeat szerint az Anthropic terminálalapú AI-ügynöke, a Claude Code (amely képes kódot írni, hibát keresni és akár telepíteni is) komoly érdeklődést váltott ki a fejlesztők körében — de az ára és a használati korlátai egyre több ellenérzést szülnek. A csomagok 20 és 200 dollár között mozognak havonta (használattól függően), miközben a Pro szinten a felhasználók 5 óránként 10–40 prompt körüli keretet kapnak, amit intenzív munkánál gyorsan el lehet égetni.

A helyzetet tovább élezte, hogy az Anthropic új heti rate limiteket vezetett be: a cikk szerint Pro felhasználóknak „40–80 óra” Sonnet 4 jut hetente, a 200 dolláros Max csomagban pedig „240–480 óra” Sonnet 4 és „24–40 óra” Opus 4. A gond az, hogy ezek az „órák” a gyakorlatban nem valódi időt jelentenek, hanem token-alapú korlátokat, amelyek a kódbázis méretétől, a beszélgetés hosszától és a feladat komplexitásától függően nagyon eltérően viselkednek. (Gondolj a tokenre úgy, mint a modell „szöveg-üzemanyagára”: minél több kódot és kontextust küldesz be, annál gyorsabban fogy.) A forrás független elemzésekre hivatkozva azt írja, hogy ez nagyjából 44 ezer token körüli keretet jelenthet Pro szinten, illetve 220 ezer tokent a 200 dolláros Max csomagnál egy-egy tipikus sessionben — de a lényeg pont az, hogy a felhasználó ezt előre nehezen tudja kiszámítani.

Ezzel párhuzamosan egy ingyenes alternatíva kezdett terjedni: a Goose, a Block (a korábbi Square) nyílt forrású AI-ügynöke. A cikk állítása szerint a Goose „közel azonos” funkcionalitást céloz, de teljesen a felhasználó gépén tud futni: nincs előfizetés, nincs felhőfüggőség, és nincsenek olyan kvóták, amelyek „öt óránként újratöltődnek”. A forrás Parth Sareen fejlesztőt idézi: „Your data stays with you, period” — vagyis a fő ígéret a kontroll és az adatkezelés egyszerűsége.

A projekt népszerűségét a GitHub-mutatók is jelzik: a cikk szerint a Goose több mint 26 100 csillagnál jár, 362 közreműködővel és 102 kiadással az indulás óta. A legfrissebb verzióként a forrás a 1.20.1-et említi, 2026. január 19-i dátummal.

Miért fontos

A vita nem pusztán arról szól, hogy „drága-e” egy fejlesztői eszköz. Inkább arról, hogy mennyire tervezhető vele a munka. A „prompt/5 óra” és a tokenből számolt „órák” olyanok, mint amikor egy taxióra helyett egy ismeretlen szabályok szerint ugráló számlálót nézel: lehet, hogy papíron bőven elég, de egy nagyobb refaktor vagy hibakeresés közepén hirtelen kifutsz belőle.

A Goose ezzel szemben a cikk alapján egy másik filozófiát képvisel: on-machine AI agent, azaz „gépen futó” ügynök. Ez azt jelenti, hogy nem szükségszerűen küldöd el a kódodat egy szolgáltató szervereire feldolgozásra, hanem akár helyben futtatható nyílt modellekkel dolgozol. A forrás itt az Ollama-t említi példaként: olyan eszköz, amellyel letölthető és futtatható nyílt nyelvi modellek kerülnek a saját hardveredre. Ennek gyakorlati következménye a cikk szerint: nincs előfizetés, nincs usage cap, nincs rate limit, és az offline munka (akár „repülőn”) is reális.

Fontos részlet, hogy a Goose modell-agnosztikus: nem egyetlen AI-modellhez van láncolva. A cikk szerint ráköthető Anthropic Claude-ra (API-hozzáféréssel), használhat OpenAI- vagy Google-modelleket, és közvetítő szolgáltatásokon (pl. Groq, OpenRouter) keresztül is működhet — vagy teljesen lokálisan.

Mire figyelj

  1. A „limitek” valós jelentése: ha Claude Code-ot (vagy bármely felhős ügynököt) használsz, nézd meg, hogy a csomag milyen mértékegységben korlátoz (prompt, token, „óra”), és ez hogyan viselkedik nagy kódbázisnál.
  2. Adat és megfelelőség: a helyben futó megoldások előnye a kontroll, de a felelősség is a tiéd (modellválasztás, naplózás, hozzáférések). Ha cégben dolgozol, ez könnyen compliance-kérdéssé válik.
  3. Hardver és elvárások: a lokális modellek kényelmesek és olcsók lehetnek, de teljesítményben nem mindig hozzák a legnagyobb felhős modellek szintjét. Érdemes figyelni, a Goose közössége milyen modellekkel és beállításokkal éri el a legjobb fejlesztői élményt.
  4. Közösségi tempó és stabilitás: a cikkben említett gyors release-ciklus jó jel, de azt is jelenti, hogy érdemes követni a változásnaplókat és a kompatibilitást, ha csapatban, éles projekten vezetnéd be.