Rejoignez cette chaîne pour accéder aux avantages : https://www.youtube.com/channel/@aicodeking/join Dans cette vidéo, je vais jeter un œil à pxpipe, un proxy local open source qui réduit les jetons d'entrée de l'agent de codage en restituant le contexte de texte volumineux en images de page denses de 5 x 8 pixels. J'expliquerai pourquoi les mathématiques des jetons d'image battent le texte brut sur du code dense et JSON, ce que le proxy compresse plutôt que de le laisser seul, ainsi que les économies de facture de bout en bout, la démonstration de session et les résultats du banc SWE. Ensuite, je vais détailler la partie qui compte le plus : quels modèles peuvent réellement lire proprement un texte de 5 x 8 pixels comme Gemini 4 et Gemini Flash par rapport à des lecteurs essentiels comme Opus 5.5 ou des modèles que vous ne devriez pas du tout imager - plus des confabulations silencieuses et le correctif de la fiche d'information sur le texte. Enfin, je vais montrer comment exécuter npx pxpipe-proxy, placer Claude Code, la CLI Antigravity, OpenCode, Codex et omp derrière pxpipe warp, utiliser le tableau de bord, l'exportation hors ligne et les statistiques pxpipe, et décider si cela vaut la peine d'être utilisé. -- Points clés à retenir : 🚀 pxpipe est un proxy local sous licence MIT sur GitHub avec environ 7 600 étoiles qui réduit les jetons d'entrée de l'agent de codage en transformant un texte contextuel volumineux en pages PNG denses de 5 x 8 pixels. 📊 Étant donné que le coût de l'image est défini par la taille des pixels et qu'un jeton d'image contient environ 3,1 caractères de code dense ou JSON contre environ 1 caractère par jeton de texte sur le trafic Claude Code, 48 000 caractères d'invite système et de documents d'outils passent d'environ 25 000 jetons de texte à environ 2 700 jetons d'image. ⚡ Il ne compresse que les parties lourdes de la demande (l'invite du système et la documentation de l'outil, les résultats de l'outil dépassant environ 6 000 caractères et l'historique des discussions plus anciennes) tout en laissant intacts vos messages, les changements récents, la prose clairsemée et les réponses textuelles diffusées en continu. 💸 Sur le Claude Fable 5 original de juin, le projet a mesuré une facture de bout en bout inférieure de 59 à 70 %, y compris les jetons de sortie et les lectures de cache, et sa démo côte à côte de Claude Code est passée d'environ 42 $ à 96 % de contexte complet à environ 6 $ à 73 000 sur 1 million de jetons. ✅ Sur SWE-bench Lite, les deux bras ont résolu 10 tâches sur 10 avec 65 % d'envois en moins par requête, et sur SWE-bench Pro, pxpipe a obtenu 14 sur 19 contre 15 sur 19 pour le texte brut à 60 % de moins, tandis que chaque requête enregistre de véritables économies par rapport au point de terminaison gratuit count_tokens. 🎯 Lors du test de lecture de 15 hexadécimaux, Gemini 4 Argon obtient les 15, Gemini 3.6 à 3.8 Flash en obtient 14 et Fable 5 original en obtient 13, tandis qu'Opus 5.5 tombe à 3 et Sonnet 5.5 en obtient 2, bien que 2 pixels d'espacement de ligne supplémentaire récupèrent Fable 5.1 et 5.2 à 14 et 13. ⚠️ Modèles sont classés en lecteurs complets (Gemini 4, Gemini Flash et Fable 5 original), lecteurs essentiels (Opus 5.5 et Fable 5.1 et 5.2) et modèles que vous ne devriez pas du tout imaginer, notamment Haiku 5.5, Sonnet 5.5, GPT 6 Astra, Kimi K3 et DeepSeek V4.1 Flash. 🔍 Parce que la vision du modèle n'est pas OCR, les pixels peu clairs déclenchent des confabulations silencieuses plutôt que des erreurs, donc pxpipe joint une petite fiche d'information texte avec les identifiants et chiffres exacts à côté de chaque image pour éviter les confusions de glyphes telles que 0 et 8. 💻 Démarrez le proxy et le tableau de bord sur le port 47821 avec npx pxpipe-proxy, enveloppez Claude Code, la CLI Antigravity, OpenCode, Codex ou omp avec pxpipe warp sans modifier les URL de base, laissez les sous-agents sur des modèles non répertoriés comme Sonnet 4.6 rester en texte brut, ou exportez les pages hors ligne et exécutez les statistiques pxpipe tout en gardant intacte la limite du cache d'invite d'Anthropic. 👍 Verdict : cela vaut vraiment la peine d'essayer sur Gemini 4, Gemini Flash ou le Fable 5 original - et utile sur Opus 5.5 pour le codage normal basé sur des outils - attendez-vous simplement à une latence d'encodage PNG mineure, ignorez-le sur Sonnet, Haiku et les modèles ouverts, et regardez la liste des niveaux à travers les versions. -- Horodatage : 0:00 - Transformer un contexte volumineux en images avec pxpipe 0:24 - Pourquoi les jetons d'image coûtent moins cher que le texte dense 1:09 - Comment fonctionne le proxy local 1:27 - Ce qui est imagé et le portail de rentabilité 3:33 - Les chiffres des titres et la démo de session à 42 $ contre 6 $ 4:07 - SWE-bench Lite et SWE-bench Pro 4:33 - Mesurer les économies réelles avec count_tokens 4:45 - Quels modèles peuvent lire du texte de 5x8 pixels 5:26 - Lecteurs complets de niveaux de modèle, lecteurs Gist et Do-not-image 5:53 - Confabulations silencieuses et fiche d'information 0-vs-8 6:41 - Exécution de npx pxpipe-proxy sur le port 47821 6:53 - Placer des agents derrière pxpipe warp 7:30 - Tableau de bord, puces de modèle et sous-agent trappe d'évacuation 8:09 - Exportation hors ligne pour les dossiers, stdin et git diffs 8:35 - Rapport de statistiques hors ligne avec statistiques pxpipe 8:47 - Formats API, mise en cache des invites et README écrit par l'IA 9:21 - Devriez-vous l'utiliser ?
Les informations fournies ne constituent pas des conseils commerciaux. kdj.com n’assume aucune responsabilité pour les investissements effectués sur la base des informations fournies dans cet article. Les crypto-monnaies sont très volatiles et il est fortement recommandé d’investir avec prudence après une recherche approfondie!
Si vous pensez que le contenu utilisé sur ce site Web porte atteinte à vos droits d’auteur, veuillez nous contacter immédiatement (info@kdj.com) et nous le supprimerons dans les plus brefs délais.