Das Open-Source-Tool pxpipe ermöglicht es Entwicklern, die Kosten für die Nutzung von KI-Modellen wie Anthropic Claude Code erheblich zu senken. Durch die Umwandlung langer Text-Prompts in kompakte PNG-Bilder lassen sich Einsparungen von 59 bis 70 Prozent erzielen. Dies funktioniert, da Bilddaten von den Anbietern nach Pixelgröße und nicht nach Textinhalt abgerechnet werden, im Gegensatz zu Text, der pro Zeichen oder Token berechnet wird.
Funktionsweise und Kostenvorteile
Die Grundlage des Tricks ist die Preisgestaltung von KI-Modellen. Während Text üblicherweise etwa ein Token pro Zeichen kostet, werden Bilder pauschal nach ihren Pixelmaßen abgerechnet, unabhängig davon, wie viele Informationen sie enthalten. pxpipe nutzt dies aus, indem es dichte Inhalte wie Code oder JSON als Bild rendert. Dadurch können etwa 3,1 Zeichen pro Bild-Token untergebracht werden.
Das Tool agiert als lokaler Proxy, der Anfragen an Claude Code abfängt. Statische und umfangreiche Teile der Prompts, wie Systemanweisungen, Tool-Dokumentationen und ältere Chat-Verläufe, werden in Bilder umgewandelt. Aktuelle Nachrichten und Modellausgaben werden weiterhin als normaler Text übermittelt. Ein Beispiel zeigt, dass rund 48.000 Zeichen eines System-Prompts und einer Tool-Dokumentation auf einer einzigen, dicht gepackten PNG-Seite dargestellt werden können. Als Text würden diese etwa 25.000 Token kosten, als Bild jedoch nur rund 2.700 Token.
Entwickler Steven Chong berichtet von durchschnittlichen Gesamteinsparungen zwischen 59 und 70 Prozent. In einer Demonstration mit dem Modell Fable 5 sanken die Sitzungskosten von 42,21 US-Dollar auf 6,06 US-Dollar. Sollte sich diese Methode verbreiten, könnten KI-Anbieter jedoch ihre Preise für die Bildverarbeitung anpassen.
Nachteile und Modellkompatibilität
Der Ansatz von pxpipe hat auch Nachteile. Die Komprimierung ist verlustbehaftet, was bedeutet, dass exakte Zeichenketten wie Hashes beim Auslesen der Bilder verfälscht zurückgegeben werden können. Zudem ist die Verarbeitung langsamer, da das Modell die gerenderten Bilder über einen Vision-Encoder verarbeiten muss, anstatt den Text direkt zu lesen.
Standardmäßig unterstützt pxpipe die Modelle Claude Fable 5 und GPT 5.6. Benchmarks zeigen, dass Fable 5 bei mathematischen Problemen mit neuen Zufallszahlen eine Genauigkeit von 100 Prozent erreicht. Die Modelle Opus 4.7 und 4.8 lesen laut Chong etwa 7 Prozent der gerenderten Bilder falsch, und auch GPT 5.5 schneidet bei Bildkontext schlechter ab. Beide Modelle sind standardmäßig deaktiviert und müssen manuell aktiviert werden.
Die Idee, Text als komprimierte Bilder an KI-Modelle zu übermitteln, ist nicht gänzlich neu. Deepseek entwickelte ein OCR-System, das Textdokumente als Bilder verarbeitet und diese laut eigener technischer Dokumentation um den Faktor zehn komprimiert, während 97 Prozent der Informationen erhalten bleiben.
Thema: Anthropic. Quelle/Inspiration: The Decoder.