Anthropicが画像トークンをどのように料金設定しているかの特性を活用し、Claude CodeとFable 5のセッションコストを59〜70%削減するオープンソースツールが登場した — 高価なテキストを安価なピクセルに変えるのである。
pxpipeと呼ばれるこのツールはSteven Chong氏によって開発され、GitHubで公開されている。これはローカルプロキシとして機能し、Claude Codeへのリクエストをインターセプトして、会話の大部分を占める静的な部分（システムプロンプト、ツールドキュメント、古いチャット履歴）を高密度に詰め込まれたPNG画像としてレンダリングする。最近のメッセージやモデルの出力は通常のテキストとして通過する。
この仕組みは、Anthropic（およびほとんどのAIプロバイダー）が入力トークンをどのように料金設定しているかの根本的な非対称性を利用している。テキストは1文字あたりおおよそ1トークンかかるが、画像は含まれるテキストの量に関係なく、ピクセルサイズに基づいた固定トークン数で課金される。コードやJSONのような高密度なコンテンツを画像としてレンダリングすることで、pxpipeは1つの画像トークンに約3.1文字を詰め込む。
ある文書化されたFable 5セッションでは、コストが42.21米ドルから6.06米ドルに低下し、約86%の削減となった。複数のセッションにわたる総節約額は平均59〜70%であったとChong氏は述べている。
トレードオフは精度と速度である。このアプローチは非可逆的であり、ハッシュなどの正確な文字列は、モデルが画像から読み取る際に文字化けする可能性がある。また、モデルがテキストを直接読むのではなく、レンダリングされた画像を視覚エンコーダーに通す必要があるため、処理も遅くなる。デフォルトでは、pxpipeはClaude Fable 5とGPT 5.6をサポートしている。Fable 5は、新しい乱数を用いた数学問題を含むベンチマークで100%の精度を達成する。Claude Opus 4.7とOpus 4.8はレンダリングされた画像の約7%を誤読み取りするため、デフォルトでは無効になっている。
この技術は完全に新しいものではない。DeepSeekはテキスト文書を画像として処理するOCRシステムを構築し、情報の97%を保持しながら最大10倍の圧縮を達成している。しかしpxpipeは、システムプロンプトやツールドキュメントがやり取り全体でほぼ静的であり数千トークンに及ぶ可能性がある、AIコーディングアシスタントセッションという特定のユースケースにこの概念を適用している。
この技術が広く採用されるようになれば、AI企業は画像処理の料金設定を調整したり、裁定取引の機会をなくす新しい価格体系を導入したりすることで対応する可能性がある。
雅子 訳
出典：Open-source tool pxpipe hides text in PNGs to cut Claude Code and Fable 5 token costs up to 70%（The Decoder、2026年7月4日）；pxpipe repository（GitHub）