【Snapcompact：把长上下文“打印”成图片的省钱奇招】这种名为Snapcompact的技术并非通过算法精简文字，而是将多达4万字符的文本渲染成6×10像素密度的位图交给模型。在Anthropic等厂商的计费体系下，1万Token的文本转为图片后仅需支付约3279个Token的费用，输入成本直降三分之二。实验表明，Qwen2.5-VL、Claude和GPT等主流多模态模型能近乎逐字地从像素中恢复信息，在170k字符的长上下文测试中，其召回精度远超传统摘要。这其实是利用了大模型多模态定价的“套利”空间，也证明了视觉与文本在模型深层共享相似的表示结构。它提供了一种“非损压缩”的新视角：摘要会人为丢弃细节，而位图保留了数据的全息状态。但这种方法并非没有代价，模型“阅读”高密度图像会显著增加推理Token（Thinking Tokens）的消耗，如果单次对话生成的回复过长，省下的钱可能会被推理费抵消。对于需要维持长期记忆且对精度有一定要求的智能体场景，这是一种极具性价比的工程权衡。