Command Code: app desktop de agent testado por completo — custa só US$ 1 e Codex já não vale a pena?

Autoria: AICodeKing · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Command Code Desktop Agent App (Fully Tested): It just costs $1 & Codex is not worth it ANYMORE! · Canal: AICodeKing · 10:55 · Assistir no YouTube

Tópicos: Agentes de IA, Engenharia de software com IA, Ferramentas de desenvolvimento com IA, Mercados e economia, Modelos de IA

Resumo

O vídeo testa o app desktop do Command Code em uma tarefa de adicionar busca e filtros a uma lista de tarefas, usando DeepSeek V4 Flash. O agent revisa um plano, implementa a funcionalidade, corrige um problema no ambiente e termina com 11 testes aprovados; o apresentador também verifica manualmente a interface. O app inclui recursos de revisão de código, seleção visual de elementos e ferramentas para avaliar o design. O vídeo apresenta os planos de US$ 1 e US$ 10 como alternativas econômicas, mas ressalta que preço baixo não garante confiabilidade e que a escolha depende do uso e dos modelos necessários.

Pontos-chave

O app desktop está disponível para macOS, Windows e Linux e inclui o runtime do agent, sem exigir a instalação separada da CLI.
O teste usou DeepSeek V4 Flash para adicionar busca insensível a maiúsculas e minúsculas, filtros de status e um estado vazio a um projeto de demonstração.
O apresentador refinou o plano antes da implementação e aprovou as alterações durante o trabalho.
O agent se recuperou de um problema ao localizar o Node no shell e corrigiu a ausência da opção para exibir todos os status.
Os 11 testes passaram, e a busca, os filtros e os estados da interface foram verificados manualmente no navegador do app.
O modo de design permite selecionar um elemento da interface e enviar seu contexto para o chat; há também comandos para revisar e modificar o design.
O recurso Taste registra preferências com base no código aceito, rejeitado ou editado, mas é preciso usar o app por mais tempo para avaliar seu efeito.
O plano Go começa em US$ 1 por mês, mais taxa de processamento, e inclui US$ 10 em créditos mensais; o plano goat custa US$ 10, mais a taxa, e tem limites e créditos compartilhados.
O apresentador considera o Command Code uma alternativa econômica, mas não recomenda que todos cancelem Codex ou Claude, pois a confiabilidade depende do modelo e da base de código.

Capítulos

Início	Capítulo	Resumo
00:02	Apresentação do app e instalação	O apresentador compara o app desktop com planos mais caros, descreve a instalação e mostra a interface e a seleção de modelos.
02:06	Planejamento e implementação da funcionalidade	O agent planeja a busca e os filtros, incorpora as revisões do apresentador e implementa a tarefa, enquanto o vídeo explica o sistema de reparo de chamadas de ferramentas.
04:41	Testes, revisão visual e preferências	O agent se recupera de um problema no ambiente, passa nos testes e é avaliado manualmente; o apresentador também demonstra recursos de design, Taste e revisão de alterações.
07:13	Preços, limites e avaliação final	O vídeo explica os créditos e limites dos planos, sugere como avaliar o custo no uso real e conclui que Command Code pode ser uma alternativa econômica, sem recomendar uma troca universal.

Citações

Só quero um bom coding agent sem outra conta mensal enorme. — 00:02

É o tipo de prompt que eu gosto, porque dá ao agent um objetivo claro. — 02:37

Para essa tarefa pequena, o resultado funcionou. — 05:12

A diferença na assinatura-base em relação a um plano de US$ 200 é de US$ 190 por mês, antes das taxas e de qualquer uso adicional. — 09:20

O preço inicial facilita experimentar; a escolha de modelos dá flexibilidade e o fluxo de trabalho desktop torna o app mais acessível. — 09:50

Conceitos e entidades

Command Code (ferramenta): App desktop de coding agent apresentado e testado no vídeo.
DeepSeek V4 Flash (modelo): Modelo usado no teste para planejar e implementar a funcionalidade no projeto.
GLM-5.2 (modelo): Modelo citado na tabela de créditos do plano goat.
Kimmy (modelo): Uma das opções de modelo mencionadas no seletor do app.
Quinn (modelo): Uma das opções de modelo mencionadas no seletor do app.
Codex (ferramenta): Ferramenta de programação da OpenAI, mencionada na comparação com opções mais caras.
Claude Max 20X (ferramenta): Plano da Claude citado como uma das opções de US$ 200 comparadas no vídeo.
tool call repair system (conceito): Sistema do Command Code que valida argumentos enviados a ferramentas e pode corrigir certas chamadas malformadas.
Taste (conceito): Recurso que registra preferências com base nas alterações de código aceitas, rejeitadas ou editadas pelo usuário.
Go plan (conceito): Plano do Command Code que começa em US$ 1 por mês, mais taxa de processamento, e inclui US$ 10 em créditos mensais.
goat (conceito): Plano do Command Code de US$ 10 por mês, mais taxa de processamento, com limites de uso e créditos compartilhados entre modelos.

Tradução completa (pt-BR)

00:02 [música] >> Olá, bem-vindos a mais um vídeo. Se você anda de olho nos planos de US$ 200 da OpenAI e da Claude e pensando: “Eu só quero um bom agent de programação sem mais uma conta mensal enorme”, o Command Code agora tem um aplicativo para desktop, e essa é uma opção bem interessante. Já falei do Command Code no canal, incluindo o plano Go de US$ 1 e o plano de 10 Go. Mas ter esse agent dentro de um espaço de trabalho visual de verdade facilita muito mostrar tudo e começar a usar. Você pode trabalhar no seu projeto, inspecionar

00:33 o código e ver o que está criando. E pode escolher entre modelos como DeepSeek, GLM, Kimmy e Quinn, mantendo o custo mensal inicial extremamente baixo. Então, abri o aplicativo e pedi ao DeepSeek V4 Flash para criar um pequeno recurso de painel. Ele terminou com 11 testes aprovados, e eu mesmo conferi a busca e os filtros no navegador dele. Houve alguns problemas pelo caminho, que também vou mostrar. Vamos percorrer esse workflow e falar sobre quando essa opção pode fazer sentido como alternativa a essas assinaturas caras. Vamos direto ao assunto. Primeiro, um esclarecimento rápido sobre a comparação. As opções de US$ 200 de que estou falando são

01:04 o plano mais alto do ChatGPT Pro, que inclui o Codex, e o Claude Max 20X. As duas empresas também têm planos mais baratos, incluindo opções de US$ 20. Então, você não precisa gastar US$ 200 só para usar as ferramentas de programação delas. Mas, se está considerando esse upgrade principalmente para fazer mais trabalho de programação, acho que vale a pena avaliar primeiro quanto do seu trabalho uma configuração mais barata poderia dar conta. Agora, para instalar o Command Code, acesse a página para desktop. Há downloads para macOS, Windows e Linux. No Mac, baixe o DMG, abra-o e mova o aplicativo para a pasta Aplicativos. No Windows, siga o instalador.

01:35 E, nos sistemas Linux compatíveis, use o pacote da sua distribuição. O runtime do agent está incluído, então você não precisa instalar o CLI deles separadamente antes de usar o aplicativo para desktop. Essa é uma melhoria bacana para quem não queria configurar mais uma ferramenta de terminal. Estou usando aqui o aplicativo instalado, já com a sessão iniciada. Para adicionar a demonstração, abri o menu de adicionar projeto, selecionei “abrir pasta” e escolhi um projeto pequeno e descartável. Esse é o fluxo na versão que estou usando. O layout é bem simples. Seus projetos e chats ficam à esquerda, a conversa fica no meio, e a

02:06 bancada de trabalho fica à direita. “Abrir visualização” dá acesso a arquivos, alterações, navegador e plano. O terminal abre como um painel deslizante embaixo do chat, para que você possa manter o servidor em execução enquanto revisa a página. Para este passo a passo, vamos usar um pequeno projeto de painel e adicionar busca e filtros a uma lista de tarefas. Algo prático, que nos permita trabalhar um pouco na interface e um pouco na lógica do aplicativo. Primeiro, abra o seletor de modelos no compositor. Os modelos são agrupados por provedor, e há controles de busca e favoritos. Para este teste, usei o DeepSeek v4 flash com esforço máximo. O seletor dele também mostrava as opções padrão

02:37 e alta, então você pode ajustar isso pela interface. Agora, mude para o modo de planejamento e faça o pedido. Vou dizer: “Inspecione este projeto e planeje como adicionar busca e filtros por status à lista de tarefas. Reutilize os componentes e estilos existentes. A busca deve ignorar maiúsculas e minúsculas e funcionar junto com o filtro de status. Inclua um estado vazio quando nada corresponder e explique como você vai testar isso.” Gosto desse tipo de prompt porque dá ao agent um objetivo claro. Uma caixa de busca que parece boa, mas não funciona com o filtro, ainda seria um recurso incompleto. O agent leu o projeto e abriu a proposta no painel de planejamento. Há

03:09 botões para aceitar e construir, continuar refinando e construir sem perguntar. E foi aqui que realmente usei “continuar refinando”. O primeiro plano descrevia a comparação de substring na direção errada, e um parágrafo não era claro sobre como limpar os filtros. Eu queria que limpar a busca mantivesse o status selecionado e que apenas o botão de limpar filtros redefinisse tudo. Então, enviei esse feedback pelo painel de revisão. Ele revisou o plano, abriu a versão dois e destacou o que mudou. Isso é bem legal. Você tem um lugar apropriado para revisar a abordagem antes que ela vire código. Então, eu

03:39 escolhi “aceitar e construir”. Isso fez o chat pedir aprovação, e aprovei as alterações nos arquivos da demonstração enquanto ele trabalhava. O feed de atividades mostrou as edições e os comandos, então pude acompanhar o que estava acontecendo. Agora, enquanto isso está em execução, vamos falar sobre a importância do agent que acompanha o modelo. Um modelo de programação precisa fazer mais do que escrever uma resposta convincente. Ele precisa solicitar os arquivos certos, fazer alterações utilizáveis, entender a saída dos comandos e continuar trabalhando quando algo dá errado. O Command Code publicou detalhes sobre seu sistema de reparo de tool calling. A abordagem deles é validar os argumentos que um modelo envia para uma ferramenta e reparar certas chamadas malformadas quando

04:11 a validação falha. Chamadas válidas são deixadas intactas. Isso pode parecer um detalhe de implementação entediante, mas pense no que acontece quando um agent tem a ideia certa e formata incorretamente uma solicitação para uma ferramenta. Recuperar-se disso pode ajudar a manter uma tarefa útil em andamento. Esse é um dos motivos pelos quais me interesso por essas ferramentas de programação menores. Há espaço para tornar modelos acessíveis mais úteis com o software que os envolve. Eu ainda avaliaria a combinação em um projeto de verdade, mas a abordagem de engenharia faz sentido. Certo, agora vamos ver o que realmente aconteceu durante

04:41 a construção. O primeiro comando de teste não encontrou o Node no shell do agent. Ele procurou uma versão instalada e tentou novamente usando um caminho absoluto. Então, ter um aplicativo para desktop não elimina todos os problemas do ambiente local, mas ele conseguiu se recuperar deste. Também percebeu que tinha esquecido a opção “todos os status” e a corrigiu sozinho. Depois da implementação, os 11 testes passaram. Também conferi os testes por conta própria. O agent não tinha a ferramenta de automação do navegador instalada, então fiz as verificações interativas eu mesmo no painel do navegador do aplicativo. Iniciei o servidor local no

05:12 painel deslizante do terminal e abri o endereço local. Digitar “draft” em letras maiúsculas retornou apenas “draft onboarding guide”. Combinar isso com “in progress” mostrou o estado vazio. Limpar a busca manteve o status selecionado e trouxe de volta as duas tarefas em andamento. Depois, limpar os filtros restaurou as seis tarefas. Os controles também se encaixam bem no painel de pré-visualização estreito. Então, para essa tarefa pequena, o resultado funcionou. Foi preciso orientar um pouco, mas terminamos com o comportamento funcionando, testes e um diff que eu podia revisar no mesmo aplicativo. É muito bom ver isso. Agora, aqui está a parte do aplicativo para desktop que eu acho

05:42 especialmente legal. Abra a página de desenvolvimento local no navegador e, em seguida, ative o modo de design. Você pode selecionar um elemento na pré-visualização e enviar o contexto desse elemento para o chat. Selecionei o campo de busca, e o aplicativo anexou o contexto do elemento ao compositor do chat. Assim, você pode apontar para o controle a que se refere e pedir algo específico, como deixar mais claro o estado ativo dele. Poder apontar para a parte exata da interface é útil. Você não precisa explicar de qual dos três contêineres parecidos está falando nem começar a procurar o nome de um componente antes de dar feedback. A documentação deles também tem um workflow separado de comando de design. Eu

06:13 ainda não executei essa parte nesta demonstração, mas /design checkup pede uma avaliação mais ampla da interface. O workflow de design do Command Code pode gerar relatórios para você revisar. Você também pode usar /design smell para gerar um relatório sobre escolhas de design repetitivas ou genéricas e, depois, /design deslop quando quiser que ele faça alterações de fato. Eu daria a isso um escopo restrito. Por exemplo, melhorar o espaçamento e a hierarquia da lista de tarefas, mantendo as cores, a navegação e as funcionalidades existentes. Isso oferece uma segunda rodada útil sem transformar uma pequena melhoria no painel

06:43 em uma reformulação completa. E ter tanto o workflow de seleção visual quanto um comando de revisão de design oferece algumas maneiras de trabalhar, dependendo do grau de especificidade do seu feedback. Agora, outro motivo para considerar o Command Code é o bom gosto. A ideia é que ele aprenda com o código que você aceita, rejeita e edita e, depois, use esses sinais para construir preferências para os seus projetos. Assim, a equipe está tentando reduzir a frequência com que você precisa repetir as mesmas instruções. Digamos que você vive pedindo ao agent para reutilizar os componentes existentes ou prefere uma maneira específica de organizar os testes.

07:13 Ver as preferências sendo registradas é animador. Descobrir se elas melhoram a próxima tarefa exige mais uso. Antes de encerrar, abra as alterações e inspecione os arquivos. Nesta versão, vi opções de diff em linha e lado a lado, além de um menu de commit. A revisão incluiu os arquivos de preferências, assim como as alterações do recurso. Então, confira a lista inteira. Deixei esta demonstração sem commit. Certo, agora vamos falar dos preços, porque é aqui que a configuração fica realmente interessante. O plano Go começa em US$ 1 por mês, mais uma taxa de processamento, e inclui US$ 10 em créditos mensais. Isso

07:45 faz dele uma forma bastante acessível de experimentar o agent com os modelos econômicos compatíveis. Depois, há o Goat, por US$ 10 por mês, mais a taxa de processamento, anunciado com até US$ 70 em uso, de acordo com as cotas dos modelos. Pessoalmente, esse é o plano que eu investigaria se gostasse do app e quisesse usá-lo com mais regularidade. O detalhe importante é que essas cotas vêm de um único plano compartilhado. Você não recebe um orçamento completo separado para gastar em cada modelo. Por exemplo, a tabela atual do Goat lista US$ 70 em uso para o GLM 5.2 e US$ 60 para o DeepSeek v4 flash. Alguns outros modelos têm cotas menores

08:17 Então, confira a tabela para os modelos que você realmente quer usar, porque o número em destaque não representa todas as combinações. Também há limites ao longo do mês. O Goat tem um limite de três créditos a cada 5 horas e seis por semana. O Goat tem 14 a cada 5 horas e 35 por semana, e as cotas dos modelos determinam quanto uso esses créditos permitem. Há créditos extras disponíveis pelo custo do modelo; esses créditos adicionais comprados acumulam e não expiram. O orçamento mensal incluído é renovado a cada ciclo de cobrança. Então, planeje de acordo com o seu uso real.

08:47 As grandes estimativas de solicitações no site são estimativas de solicitações ao modelo, e uma tarefa de programação pode envolver muitas solicitações. Minha conta já tinha créditos disponíveis. Então, esta demonstração não mede quanto trabalho cabe no plano de US$ 1. Eu conferiria a página de uso no Studio depois de algumas tarefas representativas. Experimente uma correção pequena, um recurso como este e algo mais complexo. Veja quanto foi gasto e quanta correção manual cada tarefa exigiu. Se o plano de US$ 10 atender à sua carga de trabalho, a diferença entre a assinatura básica e um plano de US$ 200 é de US$ 190 por mês, antes das taxas

09:20 e de qualquer uso adicional. Para um estudante ou alguém trabalhando em projetos paralelos, essa é uma diferença bastante significativa, e você ainda tem a opção de trocar de modelo. Você poderia começar o trabalho rotineiro com o DeepSeek flash e depois experimentar o GLM ou o Kimmy em uma tarefa que precise de outra tentativa. Só confira a cota dessa opção antes de presumir que ela vai custar o mesmo. Agora, eu diria que todo mundo deveria cancelar o Codex ou o Claude e mudar imediatamente? Não. Se você depende de um modelo específico e ele consegue realizar de forma consistente suas tarefas mais difíceis, isso pode facilmente justificar uma assinatura mais cara, e um preço mensal baixo

09:50 não diz automaticamente o quanto o agent será confiável no seu codebase. Mas acho que o Command Code tem argumentos sólidos como alternativa econômica. O preço inicial facilita experimentar. A variedade de modelos dá flexibilidade, e o workflow para desktop torna tudo muito mais acessível. Para mim, a possibilidade interessante é usar um agent barato para boa parte do desenvolvimento do dia a dia e, depois disso, decidir de quanto acesso premium realmente preciso. Talvez você descubra que ele dá conta dos seus projetos pessoais. Talvez o use junto com outra ferramenta. Neste pequeno teste, ele fez o recurso funcionar, se recuperou de um problema de configuração e me ofereceu um workflow de revisão útil

10:20 Isso faz dele uma opção econômica muito mais interessante para mim, mesmo com os problemas da versão alfa. Vou deixar na descrição os links para baixar o app para desktop, a documentação e os preços, para você conferir. No geral, é bem legal. Enfim, me conte o que pensa nos comentários. Se você gostou deste vídeo [música], considere fazer uma doação pela opção Super Thanks ou se tornar membro clicando no botão Join. Além disso, [música] curta este vídeo e inscreva-se no meu canal. Vejo você no próximo. Até lá, tchau.

10:55 >> [música]

Transcrição original

[00:02] [music] >> Hi, welcome to another video. So, if you’ve been looking at the $200 plans from OpenAI and Claude and thinking, “I just want a good coding agent without another massive monthly bill.” Command Code now has a desktop app, and this is a pretty interesting option. I’ve covered Command Code on the channel before, including their $1 Go Plan and the 10 Go Plan. But, having that agent inside a proper visual workspace makes the whole thing much easier to show and much easier to get started with. You can work on your project, inspect

[00:33] the code, and see what you’re building. And you can choose from models like DeepSeek, GLM, Kimmy, and Quinn while keeping the monthly starting cost extremely low. So, I opened the app and gave DeepSeek V4 Flash a small dashboard feature to build. It finished with 11 passing tests, and I checked the search and filtering myself inside its browser. There were a few rough edges along the way, which I’ll show you, too. Let’s walk through that workflow and talk about where this could make sense as an alternative to those expensive subscriptions. So, let’s get right into it. First, a quick clarification on the comparison. The $200 options I’m talking about are

[01:04] ChatGPT Pro’s higher tier, which includes Codex, and Claude Max 20X. Both companies also have cheaper plans, including $20 options. So, you don’t need to spend $200 just to use their coding tools. But, if you’re considering that upgrade mainly to get more coding done, I think it’s worth looking at how much of your work a cheaper setup could handle first. Now, to install Command Code, go to their desktop page. They have downloads for macOS, Windows, and Linux. On a Mac, download the DMG, open it, and move the app into applications. On Windows, follow the setup installer.

[01:35] And on supported Linux systems, use the package for your distribution. The agent runtime is included, so you don’t need to separately install their CLI before using the desktop app. That’s a nice improvement for anyone who wasn’t interested in setting up another terminal tool. I’m using the installed app here, already signed in. To add the demo, I opened the add project menu, selected open folder, and chose a small disposable project. That’s the flow in the build I’m using. The layout is pretty straightforward. Your projects and chats live on the left, the conversation is in the middle, and the

[02:06] workbench sits on the right. Open a view gives you files, changes, browser, and plan. Terminal opens as a drawer underneath the chat, so you can keep your server running while reviewing the page. For this walk-through, let’s use a small dashboard project and add search and filtering to a list of tasks. Something practical that gives us a bit of interface work and a bit of application logic. First, open the model picker in the composer. The models are grouped by provider, and there are search and favorite controls. For this test, I used DeepSeek v4 flash with max effort. Its picker also showed default

[02:37] and high, so you can adjust that from the interface. Now, switch into plan mode and give it the request. I’ll say, “Inspect this project and plan how to add search and status filters to the task list. Reuse the existing components and styling. Search should ignore capitalization, and it should work together with the status filter. Include an empty state when nothing matches, and explain how you’ll test it.” This is the kind of prompt I like, because it gives the agent a clear finish line. A search box that looks good but doesn’t work with the filter would still be an incomplete feature. The agent read the project and opened its proposal in the plan panel. There

[03:09] are buttons for accept and build, keep refining, and build without asking. And this is where I actually used keep refining. The first plan had the substring comparison written in the wrong direction, and one paragraph was unclear about clearing filters. I wanted clearing the search to preserve the selected status, and only the clear filters button to reset everything. So, I sent that feedback through the review panel. It revised the plan, opened version two, and highlighted what changed. That’s pretty cool. You get a proper place to review the approach before it becomes code. Then I

[03:39] chose accept and build. That returned the chat to ask for approval, and I approved the changes to the demo files as it worked. The activity feed showed the edits and commands, so I could follow what was happening. Now, while that’s running, let’s talk about why the agent around the model matters. A coding model has to do more than write a convincing answer. It needs to request the right files, make usable edits, understand command output, and keep working when something goes wrong. Command code has published details about its tool call repair system. Their approach is to validate the arguments a model sends to a tool and repair certain malformed calls when

[04:11] validation fails. Valid calls are left alone. That might sound like a boring implementation detail, but think about what happens when an agent has the right idea and formats a tool request incorrectly. Recovering from that can keep a useful task moving. This is one reason I’m interested in these smaller coding tools. There’s room to make affordable models more useful through the software around them. I’d still judge the combination on a real project, but the engineering approach makes sense. Okay, now let’s look at what actually happened during

[04:41] the build. The first test command couldn’t find node in the agent’s shell. It looked for an installed version and retried with an absolute path. So, having a desktop app doesn’t remove every local environment issue, but it did recover from this one. It also noticed that it had forgotten the all statuses option and corrected that itself. After the implementation, all 11 tests passed. I checked those independently as well. Now, the agent didn’t have its browser automation tool installed, so I did the interactive checks in the app’s browser panel myself. I started the local server in its

[05:12] terminal drawer and opened the local address. Typing draft in capitals returned just draft onboarding guide. Combining that with in progress gave me the empty state. Clearing the search kept the status selected and brought back the two in progress tasks. Then, clear filters restored all six. The controls also stack neatly in the narrow preview panel. So, for this small task, the result worked. It needed a little steering, but we ended up with working behavior, tests, and a diff I could review in the same app. That’s quite good to see. Now, here’s the part of the desktop app that I think is

[05:42] especially cool. Open the local development page in browser, then turn on design mode. You can select an element in the preview and send that element’s context into the chat. I selected the search field and the app attached the element context to the chat composer. So, you can point at the control you mean and then ask for something specific, like making its active state clearer. Being able to point at the exact part of the interface is useful. You don’t have to explain which of three similar containers you’re talking about or start hunting for a component name before giving feedback. There’s also a separate design command workflow in their documentation. I

[06:13] haven’t run that part in this demo, but {slash} design checkup asks for a broader assessment of the interface. Command Code’s design workflow can generate reports you can review. You can also use {slash} design smell for a report on repetitive or generic design choices, then {slash} design deslop when you actually want it to make changes. I’d give that a narrow scope. For example, improve the task list’s spacing and hierarchy while keeping the existing colors, navigation, and functionality. That gives you a useful second pass without turning a small dashboard

[06:43] improvement into a complete redesign. And having both the visual selection workflow and a design review command gives you a couple of ways to work, depending on how specific your feedback is. Now, another reason to look at Command Code is taste. The idea is that it learns from the code you accept, reject, and edit, then uses those signals to build up preferences for your projects. So, the team is trying to reduce how often you have to repeat the same instructions. Say you keep asking the agent to reuse your existing components or you prefer a particular way of organizing tests.

[07:13] Seeing preferences get recorded is encouraging. Finding out whether they improve the next task takes more use. Before wrapping up, open changes and inspect the files. In this build, I saw inline and side-by-side diff options and a commit menu. The review included the taste files as well as the feature changes. So, look through the whole list. I left this demo uncommitted. Okay, now let’s come to the pricing because this is where the setup gets really interesting. The Go plan starts at $1 a month plus a processing fee and includes $10 in monthly credits. That

[07:45] makes it a very accessible way to try the agent with the supported budget models. Then there’s goat at $10 a month plus the processing fee, advertised with up to $70 of usage through its model allowances. Personally, that’s the tier I’d investigate if I like the app and wanted to use it more regularly. The important detail is that those allowances draw from one shared plan. You don’t get a separate full budget to spend on every model. For example, the current goat table lists $70 of usage for GLM 5.2 and $60 for DeepSeek v4 flash. Some other models have smaller

[08:17] allowances. So, check the table for the models you actually want to use because the headline number won’t describe every combination. There are also limits within the month. Goat has a three credit limit per 5 hours and six per week. Goat has 14 per 5 hours and 35 per week with the model allowances determining how much usage those credits buy. Extra credits are available at model cost and those purchased top-ups roll over and don’t expire. The included monthly budget refreshes each billing cycle. So, plan around your actual usage.

[08:47] Those big request estimates on the website are estimates of model requests and one coding task can involve many requests. My account already had credits available. So, this demo doesn’t measure how much work fits inside the $1 plan. I would check the usage page in studio after a few representative tasks. Try a small fix, a feature like this one, and something more involved. Look at the spend and how much manual correction each task needed. If the 10/10 plan handles your workload, the base subscription difference against a $200 plan is $190 a month before fees

[09:20] and any extra usage. For a student or someone working on side projects, that is a pretty meaningful difference and you still have the option to change models. You could start routine work with DeepSeek flash, then try GLM or Kimmy on a task that needs another attempt. Just check the allowance for that choice before assuming it’ll cost the same. Now, would I say everyone should cancel Codex or Claude and switch immediately? No. If you depend on a particular model and it consistently gets your hardest work done, that can easily justify a more expensive subscription and a low monthly price

[09:50] doesn’t automatically tell you how reliable the agent will be on your codebase. But, I do think Command Code has a strong case as a budget alternative. The starting price makes it easy to try. The model choice gives you flexibility and the desktop workflow makes it much more approachable. For me, the interesting possibility is using a cheap agent for a large chunk of everyday development and deciding how much premium access I actually need after that. You might find it covers your personal projects. You might use it alongside another tool. On this small test, it got the feature working, recovered from a setup issue, and gave me a useful review

[10:20] workflow. That makes it a much more interesting budget option to me, even with the alpha issues. I’ll leave the desktop download, documentation, and pricing links in the description so you can check it out. Overall, it’s pretty cool. Anyway, let me know your thoughts in the comments. If you like [music] this video, consider donating through the Super Thanks option or becoming a member by clicking the join button. Also, [music] give this video a thumbs up and subscribe to my channel. I’ll see you in the next one. Until then, bye.

[10:55] >> [music]