Obniż koszty tokenów Claude Code nawet o 70% dzięki obrazom PNG

Modele językowe opłaca się coraz częściej za liczbę tokenów, czyli fragmentów tekstu. Dłuższe prompty, systemowe instrukcje czy dokumentacja szybko windują koszty. Open-source’owe narzędzie pxpipe proponuje sprytne obejście tego problemu: zamienia tekst w obrazy PNG. Deweloper Steven Chong przekonuje, że w praktyce można w ten sposób zaoszczędzić od 59 do 70 procent wydatków na tokeny. Jak to możliwe i co tracimy przy okazji?

Jak pxpipe oszczędza tokeny? Sekret leży w cenniku obrazów

Anthropic wycenia obrazy inaczej niż tekst. Każdy znak tekstu to mniej więcej jeden token, ale obraz kosztuje stałą liczbę tokenów uzależnioną od jego wymiarów w pikselach – niezależnie od tego, ile treści faktycznie zawiera. pxpipe wykorzystuje tę różnicę. Działa jako lokalny serwer proxy, który przechwytuje zapytania kierowane do Claude Code i renderuje obszerne, statyczne fragmenty jako obrazy.

Co trafia na obraz, a co pozostaje tekstem

Narzędzie zamienia na grafikę przede wszystkim:

  • systemowe prompty (system prompts),
  • dokumentację narzędzi (tool documentation),
  • starszą historię czatu.

Natomiast najnowsze wiadomości i odpowiedzi modelu pozostają w formie tekstu, co pozwala zachować pełną interaktywność dla bieżących fragmentów rozmowy.

Konkretne liczby: jedna strona PNG zamiast tysięcy tokenów

Steven Chong ilustruje mechanizm konkretnym przykładem: około 48 tysięcy znaków systemowego promptu i dokumentacji narzędzi można upchnąć na jednej, gęsto wypełnionej stronie PNG. Jako tekst kosztowałoby to mniej więcej 25 tysięcy tokenów. Jako obraz to zaledwie około 2700 tokenów. W testach z modelem Fable 5 koszt jednej sesji spadł z 42,21 dolara do 6,06 dolara – oszczędność rzędu 70 procent.

Wady i ograniczenia metody – to nie jest darmowe

Rozwiązanie ma jednak swoje ciemne strony. Przechowywanie tekstu w postaci obrazów jest stratne (lossy) – dokładne ciągi znaków, takie jak hashe, mogą zostać odczytane błędnie. Ponadto cały proces jest wolniejszy, ponieważ model musi przepuścić grafikę przez enkoder wizyjny, zamiast czytać tekst bezpośrednio.

Które modele radzą sobie najlepiej?

Domyślnie pxpipe obsługuje Claude Fable 5 oraz GPT 5.6. W benchmarkach Fable 5 osiąga 100 procent dokładności przy zadaniach matematycznych z losowymi, niemożliwymi do zapamiętania liczbami. Gorzej wypadają Opus 4.7 i 4.8 – według Chong błędnie odczytują około 7 procent renderowanych obrazów. GPT 5.5 także radzi sobie słabiej z kontekstem graficznym. Dlatego te starsze modele są domyślnie wyłączone i można je włączyć tylko ręcznie.

„Całkowite oszczędności wynoszą średnio od 59 do 70 procent” – mówi Steven Chong, twórca pxpipe.

Czy to trwałe rozwiązanie? Ryzyko zmiany cennika i konkurencja

Pomysł podawania modelom językowym tekstu w postaci skompresowanych obrazów nie jest nowy. Jak przypomina Chong, DeepSeek zbudował wcześniej system OCR, który przetwarza dokumenty tekstowe jako obrazy – według jego dokumentacji technicznej kompresuje je nawet dziesięciokrotnie, zachowując 97 procent informacji.

Jeśli jednak takie triki staną się powszechne, dostawcy modeli AI mogą zareagować podwyżkami cen za przetwarzanie obrazów. Wtedy obecna przewaga kosztowa może szybko zniknąć. Na razie pxpipe pozostaje efektywnym narzędziem dla deweloperów, którzy chcą obniżyć rachunki za tokeny – pod warunkiem, że zaakceptują pewną utratę dokładności i wolniejsze działanie.

Podsumowanie: Oszczędności są realne, ale nie uniwersalne

pxpipe to nie jest srebrna kula dla wszystkich problemów z kosztami AI. Sprawdza się doskonale w scenariuszach, gdzie dominują statyczne, długie treści – systemowe prompty, dokumentacja czy historia rozmów. Gorzej radzi sobie z precyzyjnymi danymi (hashe, kody) i tam, gdzie kluczowa jest szybkość odpowiedzi. Mimo to oszczędności rzędu 70 procent robią wrażenie, a całe narzędzie jest otwarte i można je łatwo przetestować.

Przyszłość pokaże, czy dostawcy AI załatwią tę lukę cenową, czy też kompresja tekstu w obrazy na stałe wejdzie do zestawu narzędzi optymalizacyjnych. Na razie warto trzymać rękę na pulsie – i na koncie.

Źródło

Może Cię zainteresować