Fable 5被網友薅出省錢神招，最高減70%

近期，網友們發現一個能大幅節省大型語言模型使用成本的神奇方法：將文字內容轉換成密密麻麻的圖片，再讓模型透過光學字元辨識（OCR）讀回，最高可讓 Token 輸入成本減少七成。這個招數被形容為「一圖勝過千言萬語」，更讓人聯想到以前考試時用微縮字做小抄的土法。 這個技巧最初由一名網友在社群平台上公開分享，他發現 Fable 5 模型對於圖像 Token 的計價遠低於文字 Token，因此只要把系統提示、工具文檔、歷史對話等所有文字內容，全部渲染成一張高密度文字圖片，再餵給模型處理，就能大幅壓低帳單。 為了證明這個方法有效，該網友還附上實際案例：一份約四萬八千個字符的系統提示詞與工具文檔，如果直接以純文字輸入，大約需要消耗兩萬五千個 Token；但若將這些內容壓縮成一張 1573 x 1248 像素的圖片，模型只會將其視為約兩千七百個 Image Token。對照 Fable 5 當前的 API 定價，實際端到端帳單足足下降了 59% 到 70% 之間。 這樣的操作立刻在技術社群引發熱議。許多開發者表示，這個「圖片小抄」技巧不僅適用於一般對話，幾乎所有需要大量上下文輸入的場景都能套用，尤其對經常使用長提示詞或工具文檔的應用特別划算。 有網友戲稱，這個漏洞簡直是讓人類重回「微縮打印」時代，只是工具從顯微鏡換成了 OCR 模型。也有人開玩笑說，這個方法最好別讓 Fable 5 的開發負責人 Dario 發現，否則可能很快就會被官方封堵。 深入分析，這個方法的原理在於不同模態的 Token 計價差異。Fable 5 與許多多模態模型一樣，對文字 Token 和圖片 Token 採用不同的定價策略。文字 Token 通常按字元或詞彙數量計費，而圖片 Token 則是以圖片的解析度或區塊數量計算。當文字被轉換成圖片後，原本數萬個文字 Token 變成了區區數千個圖片 Token，成本自然大幅下降。 不過，這個技巧並非毫無代價。將文字嵌入圖片再透過 OCR 讀回，會增加處理延遲，而且圖片解析度過低可能導致辨識錯誤，影響模型輸出品質。此外，若圖片數量過多或尺寸過大，圖片 Token 本身的成本也會上升，必須仔細權衡。 儘管如此，對於那些對延遲不敏感、但對成本極度在意的應用場景，例如批次處理大量文檔、離線分析、或是長篇提示詞的預處理，這個方法依然極具吸引力。有開發者已經開始撰寫自動化腳本，將常用的系統提示與工具文檔預先渲染成圖片，以便在需要時直接呼叫。 這也反映出當前大型語言模型的定價機制仍有許多可被「鑽空子」的空間。過去，用戶嘗試過分詞器攻擊、提示注入等手法來繞過限制；如今，模態轉換成了新的節費捷徑。模型供應商往往會針對不同輸入類型設定不同費率，而使用者的創意總能找到最低成本的傳遞方式。 值得注意的是，這類繞路做法通常違反服務條款中的公平使用原則。雖然目前 Fable 5 官方尚未對此發表回應，但業界普遍預期，類似漏洞很快就會被修補，例如調整圖片 Token 的計算方式，或對 OCR 相關請求增加額外檢查。 從更宏觀的角度來看，這個小插曲也凸顯了多模態模型商業化過程中的定價挑戰。如何平衡文字與圖片的 Token 成本，讓兩者不會出現明顯套利空間，是模型供應商必須持續優化的課題。對於開發者而言，在官方修補之前，這個方法確實能省下一筆可觀的開銷。 目前，該網友分享的案例已在技術論壇上累積大量討論，許多人開始測試其他模型的 Token 計價差異，看是否也能如法炮製。有人更進一步嘗試將長篇論文或程式碼庫整個轉成圖片，試圖將數十萬 Token 的成本壓縮到極致。可以預見，在模型定價機制完全成熟之前，類似「省錢神招」還會不斷湧現。