开源工具 pxpipe 把文本压成 PNG：利用视觉计费规则，Claude 账单立省 70%

如果你经常用大模型写代码，应该很清楚那个让人肉疼的瞬间：上下文越堆越长，几十轮对话下来，钱包以肉眼可见的速度缩水。

为了省钱，大家通常想的是精简提示词或上上下文缓存。但开发者 Steven Chong 另辟蹊径，干脆钻起了计费规则的空子：既然发文本太贵，不如截图给 AI 看。

开源代理工具 pxpipe 引发关注。它把发给 Claude Code 的大段文本直接渲染成高密度的 PNG 图片，硬生生把 Claude Fable 5 的 token 账单削掉了最多 70%。

把 2.5 万 token 压成 2700

这个黑客技巧之所以奏效，根源在于 Anthropic 乃至主流厂商的图片计费逻辑。

文本输入通常按字符或 token 计费，大约一个字符对应一个 token。但图片计费不同，它只看图片的像素分辨率，完全不管里面密密麻麻印了多少文字。

如果你把代码、JSON 这种密集文本排成小字号渲染成图片，每个图片 token 足足能塞进大约 3.1 个字符。

pxpipe 的工作方式是一个本地代理。它拦截发送到 Claude Code 的请求，把体积庞大但相对固定的内容压成图片，比如长篇系统提示词、工具文档以及早期聊天记录。最近几轮对话和模型的输出，则依然走普通纯文本。

在实际展示中，大约 4.8 万字符的系统提示词和工具文档，被直接挤进了一张密密麻麻的单页 PNG 里。如果当作纯文本发送，这部分内容大约要消耗 2.5 万个 token；但变成图片后，仅消耗约 2700 个 token。

根据 Chong 的统计，这种做法平均能节省 59% 到 70% 的 token 费用。在 Claude Fable 5 的一次演示中，单次会话成本直接从 42.21 美元断崖式跌落到 6.06 美元。

省钱的代价是速度与乱码

不过，省钱从来不是免费的午餐，这种视觉黑客手段有明显的妥协。

首先是精度损失。图片解析属于有损过程，如果文本里包含极度精细的哈希值或特定字符串，模型从图片里辨识时可能会发生乱码。

其次是延迟增加。纯文本可以直接送入文本层，但图片必须先经过模型的视觉编码器解析一遍，整体推理响应速度明显变慢。

另外，这项技术对模型的视觉理解能力要求极高。pxpipe 目前默认支持 Claude Fable 5 和 GPT 5.6。在包含随机新鲜数字的数学测试中，Fable 5 跑出了 100% 的准确率。

但在老版本模型上就很容易翻车。据 Chong 透露，Opus 4.7 和 4.8 会误读约 7% 的渲染图片，GPT 5.5 的图像上下文表现也较弱，因此这些模型在工具里默认关闭，需要手动开启。

其实把文本压缩成图像喂给模型算不上全新发明。此前 Deepseek 就做过将文档转成图像处理的 OCR 系统，官方技术论文称其能在保留 97% 信息的同时，实现最高 10 倍的压缩率。

为什么重要

我们认为，pxpipe 是一个典型的民间极客利用商业规则漏洞搞出来的降本奇技淫巧，聪明但带着过渡期的野性。

对开发者而言，如果你的工作流里塞满了又长又臭的工具文档和系统规则，且正在使用 Claude Fable 5 这样视觉极强的前沿模型，这个工具非常值得一试，真金白银省下来的钱十分诱人。但如果任务涉及大量密钥、哈希或精确代码比对，就千万别碰，省下的 token 钱可能还不够补一次排障的精力。

从行业角度看，这种操作对大模型厂商来说是一记警钟。当用户发现发一张密密麻麻的高清图片比发纯文本便宜数倍时，算力套利就不可避免地发生了。我们预计，一旦类似 pxpipe 的代理工具普及开来，Anthropic 和 OpenAI 很可能会快速堵上这个计费漏勺，比如调高密集文本图片的 token 折算比例，或者为纯文本长上下文推出更激进的阶梯折扣。