【导语：近日，名为pxpipe的方法引发关注，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%，在GitHub收获3000+STAR，还牵出了过去几年相关技术路线。】
有老哥发现把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，实测端到端账单下降59%到70%。
pxpipe本质是本地代理，拦截Claude Code请求，将臃肿上下文排版成PNG图片再发给模型，利用模型看图能力伪装上下文，就像自动微缩“打印机”。
图片token成本由像素尺寸决定，非文字数量。在真实Claude Code流量中，代码等内容作为图片输入，每个image token约容纳3.1个字符，文本输入时每个text token仅容纳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，还能完成任务。
不过，这是有损压缩，非常依赖模型视觉读取能力。Fable 5能勉强读取密集图片精确字符串，Opus则易翻车，且错了未必报错。所以pxpipe只压缩“又长又密”内容。
pxpipe引发关注后，学者翻出谷歌2022年论文CLIPPO，其核心思想是把文字当图片处理，让Vision Transformer同时处理真实图片和文字图片。评论区还提到DeepSeek - OCR，主打长上下文视觉压缩。
这次pxpipe像是把过去几年几条技术路线接上，让普通用户在Fable 5中摸到了套利空间。
编辑观点：pxpipe为大模型使用降本提供新思路，但依赖特定模型能力且存在风险。它的出现连接过往技术路线，未来或推动更多创新，但也需关注模型适配和准确性问题。