開源工具 pxpipe 把文本壓成 PNG：利用視覺計費規則，Claude 賬單立省 70%

如果你經常用大模型寫程式碼，應該很清楚那個讓人肉疼的瞬間：上下文越堆越長，幾十輪對話下來，錢包以肉眼可見的速度縮水。

為了省錢，大家通常想的是精簡提示詞或上上下文快取。但開發者 Steven Chong 另闢蹊徑，乾脆鑽起了計費規則的空子：既然發文本太貴，不如截圖給 AI 看。

開源代理工具 pxpipe 引發關注。它把發給 Claude Code 的大段文本直接渲染成高密度的 PNG 圖片，硬生生把 Claude Fable 5 的 token 賬單削掉了最多 70%。

把 2.5 萬 token 壓成 2700

這個駭客技巧之所以奏效，根源在於 Anthropic 乃至主流廠商的圖片計費邏輯。

文本輸入通常按字元或 token 計費，大約一個字元對應一個 token。但圖片計費不同，它只看圖片的畫素解析度，完全不管裡面密密麻麻印了多少文字。

如果你把程式碼、JSON 這種密集文本排成小字號渲染成圖片，每個圖片 token 足足能塞進大約 3.1 個字元。

pxpipe 的工作方式是一個本地代理。它攔截髮送到 Claude Code 的請求，把體積龐大但相對固定的內容壓成圖片，比如長篇系統提示詞、工具文件以及早期聊天記錄。最近幾輪對話和模型的輸出，則依然走普通純文本。

在實際展示中，大約 4.8 萬字符的系統提示詞和工具文件，被直接擠進了一張密密麻麻的單頁 PNG 裡。如果當作純文本傳送，這部分內容大約要消耗 2.5 萬個 token；但變成圖片後，僅消耗約 2700 個 token。

根據 Chong 的統計，這種做法平均能節省 59% 到 70% 的 token 費用。在 Claude Fable 5 的一次演示中，單次會話成本直接從 42.21 美元斷崖式跌落到 6.06 美元。

省錢的代價是速度與亂碼

不過，省錢從來不是免費的午餐，這種視覺駭客手段有明顯的妥協。

首先是精度損失。圖片解析屬於有損過程，如果文本里包含極度精細的雜湊值或特定字串，模型從圖片裡辨識時可能會發生亂碼。

其次是延遲增加。純文本可以直接送入文本層，但圖片必須先經過模型的視覺編碼器解析一遍，整體推理響應速度明顯變慢。

另外，這項技術對模型的視覺理解能力要求極高。pxpipe 目前預設支援 Claude Fable 5 和 GPT 5.6。在包含隨機新鮮數字的數學測試中，Fable 5 跑出了 100% 的準確率。

但在老版本模型上就很容易翻車。據 Chong 透露，Opus 4.7 和 4.8 會誤讀約 7% 的渲染圖片，GPT 5.5 的影像上下文表現也較弱，因此這些模型在工具裡預設關閉，需要手動開啟。

其實把文本壓縮成影像餵給模型算不上全新發明。此前 Deepseek 就做過將文件轉成影像處理的 OCR 系統，官方技術論文稱其能在保留 97% 資訊的同時，實現最高 10 倍的壓縮率。

為什麼重要

我們認為，pxpipe 是一個典型的民間極客利用商業規則漏洞搞出來的降本奇技淫巧，聰明但帶著過渡期的野性。

對開發者而言，如果你的工作流裡塞滿了又長又臭的工具文件和系統規則，且正在使用 Claude Fable 5 這樣視覺極強的前沿模型，這個工具非常值得一試，真金白銀省下來的錢十分誘人。但如果任務涉及大量金鑰、雜湊或精確程式碼比對，就千萬別碰，省下的 token 錢可能還不夠補一次排障的精力。

從行業角度看，這種操作對大模型廠商來說是一記警鐘。當用戶發現發一張密密麻麻的高畫質圖片比發純文本便宜數倍時，算力套利就不可避免地發生了。我們預計，一旦類似 pxpipe 的代理工具普及開來，Anthropic 和 OpenAI 很可能會快速堵上這個計費漏勺，比如調高密集文本圖片的 token 折算比例，或者為純文本長上下文推出更激進的階梯折扣。