pxpipe: พร็อกซีโอเพนซอร์สที่แปลงข้อความเป็นภาพ PNG ลดค่าโทเคน Claude Code / Fable 5 ได้ถึง 70%

ในยุคที่ทุกคนรัน agentic coding ทั้งวัน ค่าโทเคนคือต้นทุนจริงที่กัดกินงบทีมพัฒนา — และวันที่ 4 ก.ค. 2026 มีเครื่องมือโอเพนซอร์สตัวหนึ่งที่โจมตีปัญหานี้ด้วยไอเดียแปลกแต่ได้ผล: pxpipe พร็อกซีโลคัลที่เขียนโดย Steven Chong (teamchong) ซึ่ง แปลงข้อความจำนวนมากให้เป็นภาพ PNG ก่อนส่งเข้าโมเดล เพราะภาพคิดโทเคนตาม “ขนาดพิกเซล” แบบคงที่ ไม่ได้คิดตามจำนวนตัวอักษรเหมือนข้อความ ผลคือบิลรวมลดลงราว 59–70% ตามที่ผู้พัฒนาวัดเทียบกับ baseline การใช้งานจริง

หลักการง่ายมาก: ข้อความคิดประมาณ 1 โทเคนต่อ 1 ตัวอักษร แต่ภาพที่อัดตัวอักษรแน่น ๆ ทำได้ราว 3.1 ตัวอักษรต่อ 1 โทเคนภาพ — เท่ากับบีบอัดได้ราวสามเท่าในส่วนที่ยอมให้เป็นภาพได้ นี่ไม่ใช่ทฤษฎี: repo บน GitHub เปิดสาธารณะแล้ว (ราว 2,000 ดาวตอนเขียนข่าว) และรันได้ด้วยคำสั่งเดียว

กลไก: ดักที่ /v1/messages แล้วเลือกแปลงเฉพาะเนื้อหาคงที่

pxpipe ทำงานเป็นพร็อกซีที่คั่นระหว่าง CLI กับ API ของ Anthropic โดยดักคำขอที่ /v1/messages แล้ว เลือกเขียนใหม่เฉพาะเนื้อหา 3 ประเภทที่มักใหญ่และคงที่:

• tool_result ก้อนใหญ่ — ผลอ่านไฟล์, log, เอาต์พุตคำสั่ง
• ประวัติสนทนาเก่าที่ยุบแล้ว (older collapsed history)
• system prompt และเอกสารทูลที่นิ่ง

เนื้อหาเหล่านี้จะถูกจัดคอลัมน์ที่ความกว้าง 1,928 พิกเซล อัดเป็นหน้า PNG (~92,000 ตัวอักษรต่อหน้า) แล้วเสียบกลับเข้าคำขอโดย รักษาโครงสร้างที่เป็นมิตรกับ prompt caching ไว้ ที่สำคัญคือ pxpipe มี “ตัวประเมินความคุ้ม” (profitability estimator) ที่จะแปลงเป็นภาพ เฉพาะเมื่อคณิตศาสตร์คุ้มจริง เท่านั้น ส่วนข้อความล่าสุดในบทสนทนายังคงเป็นข้อความตามปกติ

การตั้งค่าใช้แค่ชี้ base URL ของ Claude Code มาที่พร็อกซี:

npx pxpipe-proxy   # รันพร็อกซีที่ 127.0.0.1:47821
# แล้วตั้งให้ Claude Code ใช้พร็อกซีนี้
export ANTHROPIC_BASE_URL=http://127.0.0.1:47821

มีแดชบอร์ดที่ http://127.0.0.1:47821 ไว้ดูสถิติและเปิด/ปิดฟีเจอร์ และมีการวัดผลจริงด้วยการยิง count_tokens คู่ขนานแล้วบันทึกลง ~/.pxpipe/events.jsonl

ตัวเลขและข้อจำกัดที่ต้องรู้ก่อนเปิดใช้

ตัวอย่างที่ผู้พัฒนาโชว์: งานหนึ่งบน Fable 5 ค่าใช้จ่ายลดจาก $42.21 เหลือ $6.06 โดยอัดข้อความราว 48,000 ตัวอักษรลงเป็น PNG แผ่นเดียว แทนที่โทเคนข้อความ ~25,000 ด้วยโทเคนภาพเพียง ~2,700 บนสไลซ์เฉพาะคำขอที่ถูกแปลง ประหยัดได้ถึง 72–74%

แต่วิธีนี้ lossy — และนี่คือจุดที่ต้องระวังที่สุด:

• ความแม่นยำขึ้นกับโมเดล: ค่าเริ่มต้นรองรับ Fable 5 และ GPT-5.6 ซึ่งอ่านข้อความในภาพได้ดี (Fable 5 ทำ 100% บนโจทย์คณิตทดสอบ) ส่วน Opus 4.7/4.8 อ่านพลาดราว 7% และ GPT-5.5 แย่ลงเมื่อรับ context เป็นภาพ — สองตัวหลังจึง ปิดไว้เป็นค่าเริ่มต้น
• สตริงที่ต้องเป๊ะห้ามแปลง: README ระบุชัดว่า “exact strings in imaged content are not byte-safe” — เช่นเลข hex 12 หลัก Fable 5 อ่านถูก 13/15 ครั้ง ส่วน Opus 0/15 ดังนั้น ID, hash, secret ควรคงเป็นข้อความ (เครื่องมือกันส่วนนี้ให้อยู่แล้ว)
• พลาดแบบเงียบ: เมื่ออ่านผิด โมเดลจะ “แต่งเติม” (confabulate) แทนที่จะ error — มีเคสจริงที่โมเดลจำชื่อคนจากประวัติที่เป็นภาพผิด
• ช้าลงเล็กน้อย: เพราะต้องส่งภาพผ่าน vision encoder แทนอ่านข้อความตรง ๆ

มุมมอง AI Curator

pxpipe คือตัวอย่างชั้นดีของ “geek hack” ที่ฉลาดในเชิงเศรษฐศาสตร์ของ LLM: มันไม่ได้ลดจำนวน “ข้อมูล” ที่ส่งเข้าโมเดล แต่ไปใช้ช่องว่างของ โครงสร้างราคา ที่คิดภาพเป็นก้อนคงที่ — เป็นการ arbitrage ระหว่างสองหน่วยราคาในโมเดลเดียวกัน สิ่งที่น่าสนใจกว่าตัวเลข 70% คือมันเปิดคำถามว่า ผู้ให้บริการโมเดลจะ “ปิดช่อง” นี้หรือไม่ (ปรับราคาโทเคนภาพ หรือคิดตามความหนาแน่นของเนื้อหา) ถ้าเทคนิคนี้แพร่หลาย

สำหรับทีมไทย/SEA ที่ค่าเงินและงบจำกัด นี่คือเครื่องมือที่ควรรู้จัก — แต่ อย่าเพิ่งเปิดทั้งทีมแบบไม่คิด มุมที่ใช้ได้จริงคือเปิดกับงานที่ context ส่วนใหญ่เป็นเอกสาร/ประวัติยาว ๆ และ โมเดลที่รองรับดี (Fable 5) ส่วนงานที่ต้องอ้างอิงค่าเป๊ะ ๆ — โค้ดที่มี hash, migration ที่มี ID, การจัดการ secret — ความเสี่ยง “อ่านผิดแบบเงียบ” อาจแพงกว่าค่าโทเคนที่ประหยัดได้มาก จุดขายจริงของ pxpipe จึงไม่ใช่ “เปิดแล้วลืม” แต่คือมันวัดผลให้เห็น (events.jsonl + dashboard) ว่าประหยัดจริงเท่าไรและแลกกับความเสี่ยงอะไร — เริ่มจากงานที่ทนความคลาดเคลื่อนได้ วัด แล้วค่อยขยาย

น่าจับตาอีกชั้นคือ: ถ้า “ภาพถูกกว่าข้อความ” กลายเป็นความจริงถาวร เราอาจเห็นเครื่องมือ context ยุคใหม่ที่ออกแบบมาให้ส่ง prompt เป็นภาพตั้งแต่ต้น — ไม่ใช่แค่ hack ครอบทีหลัง

แหล่งข่าว

• teamchong/pxpipe — GitHub repository
• Open-source tool pxpipe hides text in PNGs to cut Claude Code and Fable 5 token costs up to 70% — The Decoder