Narzędzie pxpipe ukrywa tekst w PNG-ach, obniżając koszty Claude i Fable 5 o 70%

Narzędzie open-source o nazwie pxpipe pozwala drastycznie obniżyć koszty korzystania z modeli AI poprzez konwersję długich tekstów na skompresowane obrazy PNG. Rozwiązanie wykorzystuje różnicę w systemie naliczania tokenów przez Anthropic — tekst kosztuje około jeden token na znak, a obrazy mają stałą cenę zależną od wymiarów pikseli. Szczegóły tego innowacyjnego podejścia opisał deweloper Steven Chong.

Kluczowe wnioski

• pxpipe działa jako lokalny proxy, konwertując statyczne elementy (prompty systemowe, dokumentację) na gęsto spakowane obrazy PNG.
• Oszczędności wynoszą średnio 59–70% — w jednej demonstracji Fable 5 koszty sesji spadły z 42,21 do 6,06 dolarów.
• Około 48 000 znaków systemowego prompta i dokumentacji zmieszcza się na jednej stronie PNG, kosztując 2700 tokenów zamiast 25 000.
• Metoda ma ograniczenia — może być mniej dokładna (szczególnie przy hashach) i wolniejsza ze względu na przetwarzanie wizyjne.
• Narzędzie domyślnie obsługuje Claude Fable 5 i GPT 5.6, z pełną dokładnością w testach matematycznych.

Jak działa kompresja tekstowa w obrazach

Mechanizm pxpipe opiera się na różnicy w sposobie taryfikacji przez Anthropic. Podczas gdy tekst kosztuje około jednego tokena na znak, obrazy mają stałą cenę uzależnioną wyłącznie od wymiarów w pikselach, niezależnie od ilości zawartego tekstu. Dzięki temu można „spakować” około 3,1 znaku na każdy token obrazowy.

Narzędzie działa jako lokalny proxy, który przechwytuje zapytania do Claude Code i renderuje większe, statyczne fragmenty jako obrazy. Obejmuje to prompty systemowe, dokumentację narzędzi i starszą historię czatu. Najnowsze wiadomości i odpowiedzi modelu przechodzą jako normalny tekst.

Dokładność i wydajność systemu

Fable 5 osiąga 100-procentową dokładność w testach matematycznych z losowymi liczbami, których model nie mógł wcześniej zapamiętać. Jednak inne modele radzą sobie gorzej — Opus 4.7 i 4.8 błędnie odczytują około 7% renderowanych obrazów, podobnie jak GPT 5.5. Z tego powodu te modele są domyślnie wyłączone i można je uruchomić tylko ręcznie.

Główne ograniczenia to utrata dokładności (szczególnie przy dokładnych ciągach znaków jak hashe) oraz spadek szybkości przetwarzania. Model musi przepuścić obrazy przez koder wizyjny zamiast bezpośrednio czytać tekst.

Kontekst i przyszłość technologii

Koncepcja przekazywania tekstu do modeli AI jako skompresowanych obrazów nie jest nowa. Deepseek opracował już system OCR przetwarzający dokumenty tekstowe jako obrazy, który według dokumentacji technicznej kompresuje je nawet dziesięciokrotnie przy zachowaniu 97% informacji.

Jeśli ta nietypowa metoda zyska popularność, firmy AI mogą odpowiedzieć podwyższeniem cen przetwarzania obrazów. Narzędzie pxpipe jest dostępne jako open-source z pełną dokumentacją benchmarków i ocen w repozytorium.