【导语近日一种名为pxpipe的方法在GitHub引发关注它能将Fable 5的上下文转换成图片使token输入成本最多省下70%实测端到端账单下降59%到70%背后还关联着此前的相关研究。】pxpipe小抄式降本策略一位机智的开发者发现把Fable 5的上下文转换成写满文字的图片再让模型通过OCR读回能大幅降低token输入成本。例如约4.8万字符的系统提示词和工具文档直接按文本输入约需2.5万token渲染成1573×1248的图片后仅需约2700个image token按Fable 5价格计算账单下降59%到70%。pxpipe的核心是将Fable 5的文本上下文渲染成图片以降低token用量。它是一个本地代理拦截Claude Code发出的请求将合适的上下文排版成PNG图片再发回模型利用模型的看图能力将大段上下文伪装成截图喂进去。计价差异带来的操作空间图片的token成本主要由像素尺寸决定而非图片内文字数量。在真实Claude Code流量中代码、JSON等内容作为图片输入每个image token约容纳3.1个字符作为文本输入时每个text token只能容纳1个字符这为pxpipe提供了操作空间。作者对比demo显示同样任务原始文本版本账单42.21美元上下文窗口占满96%pxpipe版本仅花6.06美元上下文只用了73.5k/1M在省钱的同时任务也能完成Fable 5可从图片化上下文中读出关键信息。有损压缩与模型适配难题pxpipe并非完美它是一种有损压缩非常依赖模型的视觉读取能力。在Opus 4.8实验中普通文本正常但图片化内容的词频统计Opus读不出来Fable 5在逐字读取精确字符串时也存在风险。因此pxpipe只压缩系统提示词、工具文档等“又长又密”的内容保留ID、哈希等关键信息。且它只压缩请求不压缩模型输出响应正常流式返回。技术溯源与未来可能谷歌2022年的老论文CLIPPO核心思想与pxpipe类似将文字当成图片处理让同一个Vision Transformer同时处理真实图片和文字图片在图像分类等任务上接近CLIP风格模型。DeepSeek - OCR则表明长上下文可做视觉压缩pxpipe像是将过去几年相关研究接上了线。编辑观点pxpipe为大模型使用降本提供了新思路不过其有损压缩问题与模型适配性需关注。它连接了过往研究为未来文本输入方式探索提供了方向。