最近Fable 5在AI圈很火。
它的代码理解、长上下文处理和agent能力都很强，而且是断档式的强。
但Fable 5强是强，贵也是真的贵，如果你用过的话就会知道，实际用下来会比其他型号贵至少5倍。
在AI编程场景里，贵的不只是模型输出，更大一部分成本来自输入上下文。
一次长任务里，模型会反复接收系统提示词、工具说明、项目文件、终端输出、历史对话、日志信息等内容。上下文越长，每一轮请求的input token成本就越高。
pxpipe这个项目思路很清晰，把适合压缩的大段文本渲染成PNG图片，再交给Fable 5这类多模态模型读取，这样就不用逐字吃token了。
这样降低的成本是非常恐怖的，因为大家做项目都是要频繁的去让AI调整，每次调整都需要大量的上下文输入。
还有个很关键的作用！不只是省钱，上下文也更长了！
项目简介
pxpipe会把其中适合压缩的部分排版成图片，因为图片token的成本主要由像素尺寸决定，而不是由图片里有多少文字决定，所以在大段代码、JSON、日志、工具输出等高密度文本场景下，可显著降低token消耗。
DEMO
下面这就是模型可以看到的图片内容。
一个很直观的A/B Demo。
左边是普通Claude Code请求，右边是接入pxpipe之后的请求，两边执行同一个任务。
– 模型从39个图片化的filler文件中，准确数出了指定 token，结果与grep逐行统计一致- 多步骤账本计算也完成正确- 最终pxpipe这一侧的会话成本是6.06美元，只用了73.5k上下文，仍有很大余量– 普通文本侧的会话成本是42.21美元，并且上下文已经接近打满
功能特点
把大块上下文渲染成PNG图片，包括系统提示词、工具文档、较老的对话历史、较大的tool_result等。尤其是长日志、代码片段、JSON、文件读取结果，这种方式更容易节省token。
2. 不是所有内容都转图片
它不会粗暴地把整段请求全部图片化，当前用户输入、最近几轮对话、关键实时内容仍然保留为文本，降低模型误读当前任务的风险。
3. 按模型开启压缩
pxpipe默认主要面向读图能力较稳定的模型，例如fable-5和gpt-5.6。对于读图效果不稳定的模型，可以选择关闭或手动开启，避免盲目压缩影响结果质量。
4. 自动判断是否值得压缩
5. 对精确字符串做额外保护
图片读取不是严格OCR，模型可能误读精确字符串。pxpipe针对这类内容设计了fact sheet机制，把部分高风险标识符额外以文本形式保留，减少误读。
6. 可视化节省效果
可以通过本地dashboard查看 token节省情况、请求记录、图片化内容、模型开关等信息。
项目链接
https://github.com/teamchong/pxpipe
© 版权声明
文章版权归作者所有，未经允许请勿转载。
