把上下文做成“小抄”，账单直接砍七成
人类当年靠微缩打印做小抄的土办法，如今在大模型身上找到了新应用。近期有开发者发现，将 Fable 5 的上下文转换为高密度文字图片，再通过模型视觉通道读取，可大幅降低 Token 输入成本。
实测数据显示，系统提示、工具文档及历史记录等内容若直接以文本输入，约需 2.5 万 Token；而渲染为一张 1573×1248 的图片后，仅需约 2700 个 Image Token。按当前定价计算，端到端成本可降低 59% 至 70%。
这一被网友戏称为“压缩即智能”的方法，核心工具名为 pxpipe，目前在 GitHub 已获超 3000 星标。其原理在于利用计价差异：图片 Token 成本主要由像素尺寸决定，而非内容密度。只要模型能清晰识别，高密度 PNG 图片比纯文本更经济。
pxpipe 工作原理与实测效果
pxpipe 本质上是一个本地代理，它拦截 Claude Code 请求，在发送前将臃肿的上下文（如代码、JSON、系统提示词）重排为紧凑图片。模型通过原有的视觉通道（类似 Computer Use 功能）读取这些“截图”，无需额外 OCR 步骤。
作者提供的对比 Demo 显示：同样任务下，原始文本版本消耗 42.21 美元且上下文占用 96%；而 pxpipe 版本仅花费 6.06 美元，上下文占用不足 74k/1M。模型仍能准确完成计数和多步运算。
技术局限与风险控制
该方法属于有损压缩，高度依赖模型的视觉读取能力。测试表明，Fable 5 对高密度图片中的精确字符串识别尚可，但 Opus 4.8 等模型在处理此类内容时容易出错，甚至产生幻觉。因此，pxpipe 采取策略性压缩：保留 ID、密钥、精确数字及最近对话，仅压缩长篇幅的系统提示和早期历史。
部署方式简便，启动本地代理后即可通过 Dashboard 监控 Token 节省情况及转换对比。需注意，该工具仅压缩输入侧上下文，模型输出仍保持正常流式返回。
npx pxpipe-proxy # proxy on 127.0.0.1:47821ANTHROPIC_BASE_URL=http://127.0.0.1:47821 claude # point Claude Code at it
谷歌老论文早已验证“文字即图像”
pxpipe 的走红并非偶然，其背后的技术逻辑在学术界早有铺垫。谷歌 2022 年发表的 CLIPPO 论文便提出将文字渲染为 RGB 图片，由单一 Vision Transformer 统一处理。这种方案摒弃了传统的 Tokenizer 和文本编码器，在图像分类和检索任务上表现接近传统 CLIP 模型。
此外，DeepSeek-OCR 等项目也证实了长上下文视觉压缩的可行性：在低压缩比下解码精度可达 97%。pxpipe 的出现，标志着从理论验证到生产落地的跨越，让普通用户首次在实际应用中利用了这一“套利空间”。
随着多模态模型能力的提升，以图像形式输入文本或将成为降低成本、突破上下文限制的重要路径之一。