Goose: ทางเลือกฟรี! AI ช่วยเขียนโค้ด ทำงานได้แบบออฟไลน์ ไม่ต้องจ่ายรายเดือน

ollama run qwen2:2.5

Goose: ทางเลือกฟรี! AI ช่วยเขียนโค้ด ทำงานได้แบบออฟไลน์ ไม่ต้องจ่ายรายเดือนปฏิวัติวงการเขียนโค้ดด้วย AI กำลังมาแรง แต่ก็มาพร้อมกับค่าใช้จ่ายที่สูงเช่นกัน! Claude Code เอเจนต์ AI แบบเทอร์มินัลจาก Anthropic ที่สามารถเขียน แก้ไข และDeployโค้ดได้อัตโนมัติ ได้รับความสนใจจากนักพัฒนาทั่วโลก แต่ราคาที่ต้องจ่ายตั้งแต่ 20 ถึง 200 ดอลลาร์สหรัฐต่อเดือน ขึ้นอยู่กับการใช้งาน กำลังจุดชนวนให้เกิดการต่อต้านอย่างหนักในหมู่โปรแกรมเมอร์ตอนนี้ มีทางเลือกฟรีที่กำลังได้รับความนิยมอย่างมาก นั่นคือ Goose เอเจนต์ AI แบบโอเพนซอร์สที่พัฒนาโดย Block (บริษัทเทคโนโลยีการเงินที่เคยรู้จักกันในชื่อ Square) ซึ่งมีความสามารถเกือบจะเหมือนกับ Claude Code ทุกประการ แต่ทำงานได้ทั้งหมดบนเครื่องของผู้ใช้โดยตรง✅ ไม่มีค่าธรรมเนียมการสมัครสมาชิก✅ ไม่ต้องพึ่งพาคลาวด์✅ ไม่มีข้อจำกัดการใช้งานที่ต้องรอรีเซ็ตทุก 5 ชั่วโมง"ข้อมูลของคุณจะอยู่กับคุณเท่านั้น" คำกล่าวนี้สะท้อนถึงจุดเด่นหลักของ Goose นั่นคือ การมอบการควบคุมเวิร์กโฟลว์ที่ขับเคลื่อนด้วย AI ให้แก่นักพัฒนาอย่างสมบูรณ์ รวมถึงความสามารถในการทำงานแบบออฟไลน์ แม้กระทั่งบนเครื่องบิน!ทำไม Goose ถึงน่าสนใจ?โปรเจกต์ Goose ได้รับความนิยมอย่างรวดเร็ว โดยมีดาวบน GitHub มากกว่า 26,100 ดวง มีผู้ร่วมพัฒนา 362 คน และมีการปล่อยเวอร์ชันใหม่ถึง 102 ครั้งนับตั้งแต่เปิดตัว เวอร์ชันล่าสุด 1.20.1 ที่เพิ่งเปิดตัวเมื่อวันที่ 19 มกราคม 2026 แสดงให้เห็นถึงความเร็วในการพัฒนาที่ทัดเทียมกับผลิตภัณฑ์เชิงพาณิชย์สำหรับนักพัฒนาที่รู้สึกไม่พอใจกับโครงสร้างราคาและข้อจำกัดการใช้งานของ Claude Code Goose ถือเป็นตัวเลือกที่หาได้ยากในอุตสาหกรรม AI: เป็นตัวเลือกที่ฟรีอย่างแท้จริง และไม่มีเงื่อนไขแอบแฝงสำหรับการทำงานจริงจังข้อพิพาทเรื่องการจำกัดการใช้งานของ Claude Code จุดชนวนให้นักพัฒนาไม่พอใจหากต้องการเข้าใจว่าทำไม Goose ถึงมีความสำคัญ คุณต้องเข้าใจประเด็นเรื่องราคาของ Claude Code ก่อนAnthropic บริษัท AI จากซานฟรานซิสโก ก่อตั้งโดยอดีตผู้บริหารของ OpenAI นำเสนอ Claude Code เป็นส่วนหนึ่งของแพ็กเกจการสมัครสมาชิก แผนฟรีไม่สามารถเข้าใช้งานได้เลย ส่วนแผน Pro ราคา 17 ดอลลาร์สหรัฐต่อเดือน (เมื่อจ่ายเป็นรายปี หรือ 20 ดอลลาร์สหรัฐต่อเดือน) จำกัดผู้ใช้เพียง 10-40 prompts ทุกๆ 5 ชั่วโมง ซึ่งนักพัฒนาที่ใช้งานหนักอาจใช้หมดภายในไม่กี่นาทีแผน Max ราคา 100 และ 200 ดอลลาร์สหรัฐต่อเดือน ให้ขีดจำกัดที่สูงขึ้น: 50-200 prompts และ 200-800 prompts ตามลำดับ พร้อมทั้งเข้าถึงโมเดลที่ทรงพลังที่สุดของ Anthropic อย่าง Claude 4.5 Opus แต่ถึงแม้จะเป็นแผนระดับพรีเมียม ก็ยังมีข้อจำกัดที่สร้างความไม่พอใจให้กับชุมชนนักพัฒนาในช่วงปลายเดือนกรกฎาคม Anthropic ได้ประกาศการจำกัดการใช้งานรายสัปดาห์แบบใหม่ ผู้ใช้ Pro จะได้รับ 40-80 ชั่วโมงของการใช้งาน Sonnet 4 ต่อสัปดาห์ ผู้ใช้ Max ที่จ่าย 200 ดอลลาร์สหรัฐ จะได้รับ 240-480 ชั่วโมงของ Sonnet 4 และ 24-40 ชั่วโมงของ Opus 4 แต่ "ชั่วโมง" เหล่านี้ไม่ได้หมายถึงเวลาจริง ๆ แต่หมายถึงการจำกัดตามจำนวนโทเค็น ซึ่งแตกต่างกันไปขึ้นอยู่กับขนาดของโค้ด ความยาวของการสนทนา และความซับซ้อนของโค้ดที่ประมวลผลการวิเคราะห์อิสระชี้ให้เห็นว่า ข้อจำกัดต่อเซสชันจริง ๆ เทียบเท่ากับประมาณ 44,000 โทเค็นสำหรับผู้ใช้ Pro และ 220,000 โทเค็นสำหรับแผน Max ราคา 200 ดอลลาร์สหรัฐ"มันสับสนและคลุมเครือ" นักพัฒนาคนหนึ่งเขียนไว้ในบทวิเคราะห์ที่เผยแพร่อย่างกว้างขวาง "เมื่อพวกเขาบอกว่า '24-40 ชั่วโมงของ Opus 4' นั่นไม่ได้บอกอะไรที่มีประโยชน์เกี่ยวกับสิ่งที่คุณจะได้รับจริง ๆ เลย"เสียงวิพากษ์วิจารณ์บน Reddit และฟอรัมของนักพัฒนาเป็นไปอย่างดุเดือด ผู้ใช้บางรายรายงานว่าใช้โควต้าประจำวันหมดภายใน 30 นาทีของการเขียนโค้ดอย่างเข้มข้น บางคนถึงกับยกเลิกการสมัครสมาชิกโดยสิ้นเชิง โดยเรียกข้อจำกัดใหม่นี้ว่า "เรื่องตลก" และ "ใช้งานไม่ได้จริง"Anthropic ได้ปกป้องการเปลี่ยนแปลงนี้ โดยระบุว่าข้อจำกัดดังกล่าวส่งผลกระทบต่อผู้ใช้น้อยกว่า 5% และมุ่งเป้าไปที่ผู้ที่ใช้งาน Claude Code "อย่างต่อเนื่องตลอดเวลา 24/7" แต่บริษัทก็ยังไม่ได้ชี้แจงว่าตัวเลขนี้หมายถึง 5% ของผู้ใช้ Max ทั้งหมด หรือ 5% ของผู้ใช้ทั้งหมด ซึ่งเป็นความแตกต่างที่สำคัญอย่างยิ่งBlock สร้าง AI ช่วยเขียนโค้ดฟรีที่ทำงานแบบออฟไลน์ได้อย่างไรGoose ใช้แนวทางที่แตกต่างไปจากเดิมอย่างสิ้นเชิงGoose พัฒนาโดย Block บริษัทด้านการชำระเงิน ก่อตั้งโดย Jack Dorsey เป็นสิ่งที่วิศวกรเรียกว่า "AI agent บนเครื่อง" ซึ่งแตกต่างจาก Claude Code ที่ส่งคำขอของคุณไปยังเซิร์ฟเวอร์ของ Anthropic เพื่อประมวลผล Goose สามารถทำงานได้ทั้งหมดบนคอมพิวเตอร์ของคุณเอง โดยใช้โมเดลภาษาโอเพนซอร์สที่คุณดาวน์โหลดและควบคุมเองเอกสารของโปรเจกต์อธิบายว่า Goose "ก้าวข้ามการแนะนำโค้ด" ไปสู่ "การติดตั้ง เรียกใช้งาน แก้ไข และทดสอบด้วย LLM ใดก็ได้" คำว่า "LLM ใดก็ได้" คือจุดที่สร้างความแตกต่างที่สำคัญ Goose ถูกออกแบบมาให้รองรับโมเดลได้หลากหลายคุณสามารถเชื่อมต่อ Goose เข้ากับโมเดล Claude ของ Anthropic ได้หากคุณมีการเข้าถึง API คุณสามารถใช้ GPT-5 ของ OpenAI หรือ Gemini ของ Google คุณสามารถส่งคำขอผ่านบริการอย่าง Groq หรือ OpenRouter หรือ — นี่คือส่วนที่น่าสนใจ — คุณสามารถรันมันแบบโลคัลทั้งหมดโดยใช้เครื่องมืออย่าง Ollama ซึ่งให้คุณดาวน์โหลดและเรียกใช้โมเดลโอเพนซอร์สบนฮาร์ดแวร์ของคุณเองผลลัพธ์ที่ได้มีความสำคัญอย่างยิ่ง ด้วยการตั้งค่าแบบโลคัล จะไม่มีค่าธรรมเนียมการสมัครสมาชิก ไม่มีข้อจำกัดการใช้งาน ไม่มีข้อจำกัดอัตรา และไม่ต้องกังวลว่าโค้ดของคุณจะถูกส่งไปยังเซิร์ฟเวอร์ภายนอก การสนทนาของคุณกับ AI จะไม่ไปไหนไกลไปกว่าเครื่องของคุณ"ผมใช้ Ollama บนเครื่องบินตลอดเวลา — สนุกมาก!" Sareen กล่าวระหว่างการสาธิต เน้นย้ำว่าโมเดลโลคัลช่วยปลดนักพัฒนาจากข้อจำกัดของการเชื่อมต่ออินเทอร์เน็ตสิ่งที่ Goose ทำได้ ซึ่งผู้ช่วยเขียนโค้ดแบบดั้งเดิมทำไม่ได้Goose ทำงานเป็นเครื่องมือบรรทัดคำสั่ง (command-line tool) หรือแอปพลิเคชันเดสก์ท็อป ที่สามารถทำงานพัฒนาที่ซับซ้อนได้โดยอัตโนมัติ สามารถสร้างโปรเจกต์ทั้งหมดตั้งแต่ต้น เขียนและเรียกใช้โค้ด แก้ไขข้อผิดพลาด จัดการเวิร์กโฟลว์ข้ามไฟล์หลายไฟล์ และโต้ตอบกับ API ภายนอก — ทั้งหมดนี้โดยไม่ต้องมีการควบคุมจากมนุษย์อย่างต่อเนื่องสถาปัตยกรรมนี้อาศัยสิ่งที่วงการ AI เรียกว่า "tool calling" หรือ "function calling" — ความสามารถของโมเดลภาษาในการร้องขอการกระทำเฉพาะจากระบบภายนอก เมื่อคุณขอให้ Goose สร้างไฟล์ใหม่ รันชุดทดสอบ หรือตรวจสอบสถานะของคำขอ GitHub มันไม่ได้แค่สร้างข้อความอธิบายสิ่งที่ควรจะเกิดขึ้น แต่เป็นการดำเนินการจริง ๆความสามารถนี้ขึ้นอยู่กับโมเดลภาษาพื้นฐานอย่างมาก โมเดล Claude 4 ของ Anthropic ปัจจุบันทำงานได้ดีที่สุดในการเรียกใช้เครื่องมือ จากข้อมูลของ Berkeley Function-Calling Leaderboard ซึ่งจัดอันดับโมเดลตามความสามารถในการแปลงคำขอภาษาธรรมชาติให้เป็นโค้ดที่เรียกใช้งานได้และคำสั่งระบบแต่โมเดลโอเพนซอร์สใหม่ ๆ ก็กำลังไล่ตามอย่างรวดเร็ว เอกสารของ Goose เน้นย้ำถึงตัวเลือกหลายตัวที่มีการรองรับการเรียกใช้เครื่องมือที่แข็งแกร่ง เช่น ซีรีส์ Llama ของ Meta, โมเดล Qwen ของ Alibaba, โมเดล Gemma ของ Google และสถาปัตยกรรมที่เน้นการให้เหตุผลของ DeepSeekเครื่องมือนี้ยังทำงานร่วมกับ Model Context Protocol (MCP) ซึ่งเป็นมาตรฐานที่กำลังเกิดขึ้นสำหรับการเชื่อมต่อ AI agent กับบริการภายนอก ผ่าน MCP, Goose สามารถเข้าถึงฐานข้อมูล เครื่องมือค้นหา ระบบไฟล์ และ API ของบุคคลที่สาม — ขยายขีดความสามารถให้เหนือกว่าสิ่งที่โมเดลพื้นฐานให้มาการตั้งค่า Goose ด้วยโมเดลโลคัลสำหรับนักพัฒนาที่สนใจการตั้งค่าที่ฟรีและรักษาความเป็นส่วนตัวอย่างสมบูรณ์ กระบวนการนี้ประกอบด้วย 3 ส่วนหลัก: Goose เอง, Ollama (เครื่องมือสำหรับรันโมเดลโอเพนซอร์สแบบโลคัล) และโมเดลภาษาที่เข้ากันได้ขั้นตอนที่ 1: ติดตั้ง OllamaOllama เป็นโปรเจกต์โอเพนซอร์สที่ช่วยให้กระบวนการรันโมเดลภาษาขนาดใหญ่บนฮาร์ดแวร์ส่วนบุคคลง่ายขึ้นอย่างมาก มันจัดการงานที่ซับซ้อนในการดาวน์โหลด ปรับให้เหมาะสม และให้บริการโมเดลผ่านอินเทอร์เฟซที่เรียบง่ายดาวน์โหลดและติดตั้ง Ollama จาก [ollama.com](https://ollama.com) เมื่อติดตั้งเสร็จแล้ว คุณสามารถดึงโมเดลได้ด้วยคำสั่งเดียว สำหรับงานเขียนโค้ด Qwen 2.5 มีการรองรับการเรียกใช้เครื่องมือที่แข็งแกร่ง:ollama run qwen2:2.5โมเดลจะดาวน์โหลดโดยอัตโนมัติและเริ่มทำงานบนเครื่องของคุณขั้นตอนที่ 2: ติดตั้ง GooseGoose มีให้ใช้งานทั้งในรูปแบบแอปพลิเคชันเดสก์ท็อปและส่วนต่อประสานบรรทัดคำสั่ง (CLI) เวอร์ชันเดสก์ท็อปมอบประสบการณ์ที่เห็นภาพได้ชัดเจนกว่า ในขณะที่ CLI ดึงดูดนักพัฒนาที่ชอบทำงานในเทอร์มินัลทั้งหมดคำแนะนำในการติดตั้งจะแตกต่างกันไปตามระบบปฏิบัติการ แต่โดยทั่วไปแล้วจะเกี่ยวข้องกับการดาวน์โหลดจากหน้า Releases ของ GitHub ของ Goose หรือใช้ตัวจัดการแพ็คเกจ Block มีไบนารีที่สร้างไว้ล่วงหน้าสำหรับ macOS (ทั้ง Intel และ Apple Silicon), Windows และ Linuxขั้นตอนที่ 3: กำหนดค่าการเชื่อมต่อใน Goose Desktop ไปที่ Settings จากนั้น Configure Provider และเลือก Ollama ยืนยันว่า API Host ถูกตั้งค่าเป็น http://localhost:11434 (พอร์ตเริ่มต้นของ Ollama) แล้วคลิก Submitสำหรับเวอร์ชันบรรทัดคำสั่ง ให้รัน goose configure, เลือก "Configure Providers", เลือก Ollama, และป้อนชื่อโมเดลเมื่อได้รับแจ้งเท่านี้ Goose ก็เชื่อมต่อกับโมเดลภาษาที่ทำงานบนฮาร์ดแวร์ของคุณเองแล้ว พร้อมที่จะดำเนินการเขียนโค้ดที่ซับซ้อนโดยไม่มีค่าธรรมเนียมการสมัครสมาชิกหรือการพึ่งพาภายนอกRAM, พลังประมวลผล และข้อแลกเปลี่ยนที่คุณควรรู้คำถามที่ชัดเจนคือ: คุณต้องการคอมพิวเตอร์ประเภทไหน?การรันโมเดลภาษาขนาดใหญ่แบบโลคัลต้องใช้ทรัพยากรคอมพิวเตอร์มากกว่าซอฟต์แวร์ทั่วไปอย่างมาก ข้อจำกัดหลักคือหน่วยความจำ — โดยเฉพาะ RAM บนระบบส่วนใหญ่ หรือ VRAM หากใช้การ์ดจอแยกเพื่อเร่งความเร็วเอกสารของ Block แนะนำว่า RAM 32 กิกะไบต์ให้ "พื้นฐานที่แข็งแกร่งสำหรับโมเดลและผลลัพธ์ขนาดใหญ่" สำหรับผู้ใช้ Mac นี่หมายความว่าหน่วยความจำแบบรวมของคอมพิวเตอร์คือคอขวดหลัก สำหรับผู้ใช้ Windows และ Linux ที่มีการ์ดจอ NVIDIA แยก หน่วยความจำ GPU (VRAM) จะมีความสำคัญมากกว่าสำหรับการเร่งความเร็วแต่คุณไม่จำเป็นต้องมีฮาร์ดแวร์ราคาแพงเพื่อเริ่มต้น โมเดลขนาดเล็กที่มีพารามิเตอร์น้อยกว่าสามารถทำงานบนระบบที่พอเหมาะได้มากกว่า Qwen 2.5 ตัวอย่างเช่น มีหลายขนาด และรุ่นย่อยที่เล็กกว่าสามารถทำงานได้อย่างมีประสิทธิภาพบนเครื่องที่มี RAM 16 กิกะไบต์"คุณไม่จำเป็นต้องรันโมเดลที่ใหญ่ที่สุดเพื่อให้ได้ผลลัพธ์ที่ยอดเยี่ยม" Sareen เน้นย้ำ คำแนะนำเชิงปฏิบัติ: เริ่มต้นด้วยโมเดลขนาดเล็กเพื่อทดสอบเวิร์กโฟลว์ของคุณ จากนั้นค่อยๆ ปรับขนาดตามความจำเป็นเพื่อให้เห็นภาพ MacBook Air รุ่นเริ่มต้นของ Apple ที่มี RAM 8 กิกะไบต์ จะทำงานได้ลำบากกับโมเดลที่รองรับhttps://venturebeat.com/infrastructure/claude-code-costs-up-to-usd200-a-month-goose-does-the-same-thing-for-free