Skip to content

README.md

Latest commit

 

History

History
260 lines (178 loc) · 33.5 KB

README.md

File metadata and controls

260 lines (178 loc) · 33.5 KB
Raw

🌐 English · All languages

ஒரு உண்மையான render: system prompt + tool docs ஒரே அடர்த்தியான 1568×728 பக்கத்தில் அடக்கப்பட்டுள்ளது

🖼️ OmniGlyph — படமாக Context

உங்கள் Claude பில்லை 59–70% குறையுங்கள் — அடர்த்தியான context-ஐ PNG பக்கங்களாக render செய்வதன் மூலம், அதே உள்ளடக்கம், மிகக் குறைந்த tokens-இல்.

மாடல்கள் உரையை token வாரியாக பில் செய்கின்றன, ஆனால் ஒரு படத்தை அதன் dimensions வாரியாக பில் செய்கின்றன — அதற்குள் எவ்வளவு உரை உள்ளது என்பதைக் கொண்டு அல்ல.


59–70% Bill Cut 10x Fewer Tokens 100% Read Accuracy Zero Confabulations

CI npm version License: MIT Node ≥18

OmniRoute குடும்பத்தின் ஒரு பகுதி · 🌐 அனைத்து மொழிகளும்

📊 The numbers — measured, not estimated

அளவீடு முடிவு ஆதாரம்
End-to-end பில் குறைப்பு 59–70% production trace, 13,709 requests
ஒவ்வொரு மாற்றப்பட்ட block-க்கும் tokens 10× குறைவு (28,080 chars: 14,040 → 1,460 tokens) billing sweep
பில்லிங் ஃபார்முலா துல்லியம் பூஜ்ஜிய residual 22 count_tokens probes-இல், 2 மாடல்கள் × 2 tiers benchmarks/billing-sweep/results/
Exact-read துல்லியம், production config 30/30 (100%) Claude Fable 5-இல் density frontier
~300 read probes-இல் silent confabulations 0 — ஒவ்வொரு தவறும் ILEGIVEL எனத் தவிர்க்கிறது benchmarks/density-frontier/results/

மாடல் scorecard (அடர்த்தியான renders-ஐ படிக்க முடியுமா? n=30 ஒரு arm-க்கு, deterministic scoring):

மாடல் படிப்பது தீர்ப்பு
Claude Fable 5 100% exact ✅ production இலக்கு
Claude Opus 4.8 77–87% 4× glyph அளவில் ⚠️ opt-in safe mode (சேமிப்பு ~2×-ஆகக் குறையும்)
GPT-5.5 0/60 — மேலும் அதன் பதில்களை ~40× பெருக்குகிறது முயற்சியில் ❌ gate-ஆல் தடுக்கப்பட்டது, ஆதாரத்துடன்
Gemini 2.5-flash 0/26 — மேலும் தவிர்ப்பதற்குப் பதிலாக confabulate செய்கிறது ❌ தடுக்கப்பட்டது (பகுதி சோதனை, quota-வால் வரம்பிடப்பட்டது)

இந்த சாதகம் இன்று Fable-க்கு மட்டுமே சிறப்பானது — மற்ற vision encoders இன்னும் அடர்த்தியான glyphs-ஐ resolve செய்யவில்லை. benchmark harness எந்த புதிய மாடலையும் ஒரே கட்டளையில் மீண்டும் சோதிக்கிறது.

🤔 ஏன் OmniGlyph?

நீண்ட நேரம் இயங்கும் ஒவ்வொரு agent session-உம் ஒவ்வொரு requestக்கும் அதே செத்த பாரத்தை இழுக்கிறது: system prompt, tool docs, மற்றும் பழைய history — ஒவ்வொரு turn-க்கும் மீண்டும் token வாரியாக பில் செய்யப்படுகிறது. OmniGlyph ஒரு local proxy, அது அந்த அடர்த்தியான பகுதிகளை உங்கள் மெஷினை விட்டு வெளியேறும் முன்பே அடர்த்தியான PNG பக்கங்களாக மீண்டும் எழுதுகிறது:

  • Exact billing math, heuristics அல்ல — இது provider-இன் உண்மையான image-token ஃபார்முலாவைக் கணக்கிடுகிறது (பூஜ்ஜிய residual வரை அளவிடப்பட்டது) மற்றும் கணக்கு வெற்றி பெறும்போது மட்டுமே மாற்றுகிறது.
  • வடிவமைப்பால் Fail-closed — அடர்த்தியான renders-ஐ படிக்க முடியாத மாடல்கள் ஒரு gate-ஆல் தடுக்கப்படுகின்றன, benchmark ஆதாரங்களுடன். எந்த silent quality loss-உம் இல்லை.
  • Private & local-first — மறுஎழுதுதல் 127.0.0.1-இல் நடக்கிறது; வேறு எதுவும் எங்கும் அனுப்பப்படுவதில்லை.
  • மறுஉருவாக்கம் செய்யக்கூடியது — மேலே உள்ள ஒவ்வொரு எண்ணுக்கும் benchmarks/*/results/-இல் ஒரு ஆதாரம் உள்ளது, ஒரே கட்டளையில் மீண்டும் இயக்கக்கூடியது.

⚡ Quick Start

npx omniglyph                                     # proxy on 127.0.0.1:47821
ANTHROPIC_BASE_URL=http://127.0.0.1:47821 claude  # point Claude Code at it

Quickstart: proxy-ஐ தொடங்குங்கள், dashboard-ஐ சரிபார்க்கவும், Claude Code-ஐ அதன் மேல் நோக்கவும்

இரண்டு வழிகளிலும் வேலை செய்கிறது:

  • API key (per token செலுத்துவது): உங்கள் பில் end-to-end 59–70% குறைகிறது.
  • Subscription session: நீங்கள் குறைவாக செலுத்த மாட்டீர்கள், ஆனால் usage limits tokens-இல் எண்ணப்படுகின்றன — எனவே உங்கள் limits ~2–3× நீட்டிக்கின்றன.

Dashboard http://127.0.0.1:47821/-இல்: சேமிக்கப்பட்ட tokens, ஒவ்வொரு text→image மாற்றமும் அருகருகே, kill switch, live model chips. பதில்கள் இயல்பாக stream ஆகின்றன — request மட்டுமே சுருக்கப்படுகிறது, மாடலின் output ஒருபோதும் இல்லை.

🔌 Claude கிளையண்டுகளுடன் பயன்படுத்துதல்

Start the proxy in one terminal, then point the client at it.

Claude Code CLI (macOS/Linux):

npx omniglyph
ANTHROPIC_BASE_URL=http://127.0.0.1:47821 claude

Claude Code CLI (Windows PowerShell):

npx omniglyph
$env:ANTHROPIC_BASE_URL = "http://127.0.0.1:47821"
claude

Claude Desktop uses the same ANTHROPIC_BASE_URL environment variable for its bundled Claude Code runtime — start omniglyph first, then launch Claude Desktop from an environment where ANTHROPIC_BASE_URL is set to http://127.0.0.1:47821.

🖥️ Dashboard

முழுமையான ஒரு local dashboard package-க்குள்ளேயே வருகிறது — offline, single-file, வெளிப்புற requests எதுவும் இல்லை. ஆறு pages, requests பாயும்போது SSE வழியாக live-ஆக update ஆகின்றன:

Overview: mission-control KPI cards, savings sparkline மற்றும் live event feed

  • Overview — mission control: savings %, $ சேமிப்பு, latency p95, cache hits, errors, live feed.
  • Live Flow — pipeline-ஐ ஒரு node graph-ஆக: client → gate → renderer / passthrough → API, ஒவ்வொரு real request-க்கும் ஒரு particle உடன்.
  • Telemetry — ஒரு token/$ odometer மற்றும் ஒரு live request timeline; எந்தப் பகுதிகள் images ஆக மாறின என்பதைச் சரியாகப் பார்க்கவும், ஒவ்வொரு page-க்குப் பின்னாலும் உள்ள source text-ஐப் படிக்கவும் எந்த request-ஐயும் click செய்யுங்கள்.
  • Benchmarks — benchmarks/*/results/-இலிருந்து render செய்யப்படும் harness receipts, ஒவ்வொரு model·config experiment-க்கும் ஒரு row, மேலும் UI-இலிருந்தே benchmarks-ஐ run செய்யுங்கள்: $0 dry-runs அவற்றின் output-ஐ live-ஆக stream செய்கின்றன; live runs உங்கள் API key மற்றும் ஒரு வெளிப்படையான cost confirmation-க்குப் பின்னால் gate செய்யப்பட்டே இருக்கும்.
  • Sessions / History — சேமிக்கப்பட்ட tokens அடிப்படையில் top sessions மற்றும் disk-இல் உள்ள ஒவ்வொரு event-உம்.
Live Flow Benchmarks
The request pipeline-ஐ ஒரு live node graph-ஆக Benchmark receipts மற்றும் in-UI dry-runs

Telemetry: odometer மற்றும் live request timeline

⚙️ இது எப்படி வேலை செய்கிறது

bulky request block ──► profitability gate ──► reflow + render (1-bit 5×8 atlas)
                       (exact billing math)     ──► 1568×728 PNG pages ──► splice back, cache-friendly
  • பில்லிங் மாற்றுவதற்கு முன்பே சரியாகக் கணக்கிடப்படுகிறது: Anthropic ஒரு படத்திற்கு ⌈w/28⌉ × ⌈h/28⌉ + 4 tokens பில் செய்கிறது (28 px patches — பூஜ்ஜிய residual வரை அளவிடப்பட்டது). ஒரு முழு பக்கம் 28,080 chars-ஐ 1,460 tokens-க்கு எடுத்துச் செல்கிறது ≈ 19 chars/token, அடர்த்தியான உரைக்கு ~2 chars/token-க்கு எதிராக. கணக்கு வெற்றி பெறும்போது மட்டுமே gate மாற்றுகிறது.
  • எது மாற்றப்படுகிறது: static system prompt + tool docs, பழைய collapsed history, பெரிய tool outputs.
  • எது ஒருபோதும் மாற்றப்படாது: உங்கள் messages, சமீபத்திய turns, மாடலின் output, sparse prose, byte-exact values (hashes/IDs உரையாக படத்துடன் பயணிக்கின்றன), மற்றும் reading benchmark-இல் தோல்வியடைந்த எந்த மாடலும்.

📚 Library பயன்பாடு (proxy இல்லாமல்)

proxy ஒவ்வொரு requestக்கும் செய்யும் அனைத்தும் ஒரு documented, importable API ஆகவும் கிடைக்கிறது:

import { renderTextToImages, transformAnthropicMessages } from "omniglyph";

// Render any text to dense 1-bit PNG pages
const { pages } = await renderTextToImages(bigToolOutput, { reflow: true });
// pages[i].png: Uint8Array · pages[i].width × pages[i].height

// Or run the full request transform yourself — gate, billing math and all
const { body, applied, reason } = await transformAnthropicMessages({
  body: requestBytes,           // the raw /v1/messages JSON body
  model: "claude-fable-5",
});

options.keepSharp(block) blocks-ஐ உரையாகப் பின் செய்கிறது; options.emitRecoverable படமாக்கப்பட்ட blocks-இன் originals-ஐ திருப்பித் தருகிறது. சரியான பில்லிங் கணிதமும் package root-இல் shipped ஆகிறது (anthropicImageTokens, resolveAnthropicVisionTier, openAIVisionTokens) — இதைத்தான் OmniRoute உபயோகிக்கிறது. Pure-JS runtime (Node மற்றும் edge/Workers). முழு surface: src/core/index.ts.

📤 Offline export — proxy இல்லை, Claude Code இல்லை

Claude Code-இல் இல்லையா? context-ஐ PNG பக்கங்களாக உள்ளூரில் render செய்து, அவற்றை Cursor, ChatGPT, அல்லது image uploads-ஐ ஏற்கும் எந்த chat-இலும் paste செய்யுங்கள். proxy இல்லை, API key இல்லை, எந்த account-உம் இணைக்கப்படவில்லை:

npx omniglyph export --include "*.ts" src/   # render a folder to image pages
cat big.log | npx omniglyph export --stdin   # …or pipe any text through

chat-இல் இணைக்க வேண்டிய அனைத்தையும் கொண்ட ஒரே ஒரு folder உங்களுக்குக் கிடைக்கிறது:

OmniGlyph-export-<hash>/
  page-001.png …   the rendered image pages — attach these
  factsheet.txt    verbatim precision tokens (paths, SHAs, ids, numbers)
  prompt.txt       a paste-ready instruction that points the model at the pages
  manifest.json    metadata + the text-vs-image token report (% saved)

--git உங்கள் commit செய்யப்படாத diff-ஐ render செய்கிறது, --diff <ref> ஒரு commit range-ஐ, --open folder-ஐக் காட்டுகிறது (macOS). இது அனைத்தும் உங்கள் மெஷினிலேயே இயங்குகிறது — export path ஒருபோதும் proxy-ஐத் தொடங்குவதில்லை, ஒருபோதும் ஒரு மாடலை அழைப்பதில்லை. ஒவ்வொரு flag-க்கும் omniglyph export --help இயக்குங்கள்.

🧭 The honest part

  • இது lossy. படங்களிலிருந்து Byte-exact recall இயற்கையாகவே நம்பகமற்றது. அனுப்பப்பட்ட தணிப்புகள்: exact identifiers படத்தின் அருகில் உரையாகப் பயணிக்கின்றன, மற்றும் அளவிடப்பட்ட production config பூஜ்ஜிய silent confabulations ஐ உருவாக்கியது — தோல்வியுற்ற reads தவிர்க்கின்றன.
  • இன்று Fable 5 மட்டுமே அங்கீகரிக்கப்பட்டுள்ளது, ஆதாரங்களுடன். GPT-5.5 மற்றும் Gemini 2.5-flash அளவிடத்தக்க வகையில் அடர்த்தியான renders-ஐ படிக்க முடியாது; Opus 4.8-க்கு 4× பெரிய glyphs தேவை. gate இதை அமல்படுத்துகிறது.
  • ஒரு பில்லிங் trap-ஐ கண்டுபிடித்து தவிர்த்தோம்: high-resolution image tier ஒரு பக்கத்திற்கு 3.3× அதிகமாக பில் செய்கிறது, ஆனால் vision encoder கூடுதல் resolution-ஐப் பெறுவதில்லை — பெரிய பக்கங்கள் மோசமாக படிக்கப்படுகின்றன. அளவிடப்பட்டது, docs/benchmarks/BENCHMARKS.md-இல் documented, இயக்கப்படவில்லை.
  • விலைகள் மாறுகின்றன; நீடித்த metric token குறைப்பாகும், இதை proxy ஒவ்வொரு requestக்கும் ஒரு இலவச count_tokens counterfactual-க்கு எதிராக log செய்கிறது.

🧠 FAQ

அமர்வின் நடுவில் இயக்கினேன், பயன்பாடு எகிறியது — ஏன்? OmniGlyph இல்லாமல் ஓடிய அமர்வின் முழு முன்னொட்டும் Anthropic-இல் உரையாக 0.1× வாசிப்பு விலையில் கேஷ் செய்யப்பட்டிருக்கும்; படங்களுடனான முதல் கோரிக்கை அதை முழுவதும் ஒரே ப்ராம்ப்டில் 1.25× விலையில் புதிய கேஷ்-எழுத்தாக மீண்டும் செலுத்த வைத்திருக்கும். ப்ராக்ஸி இதிலிருந்து காக்கிறது: அது ஒருபோதும் படமாக்காத அமர்வின் இந்த ஒருமுறை செலவை பிரேக்-ஈவன் வாயிலில் சேர்க்கிறது, இன்னும் லாபமாக இருந்தால் மட்டுமே படங்களுக்கு மாறுகிறது — இல்லையேல் அமர்வு உரையாகவே நீடிக்கும், சேமிப்பு உங்கள் அடுத்த புதிய அமர்விலிருந்து தொடங்கும்.

59–70% என்பது end-to-end ஆ, அல்லது அது தொட்ட requests-இல் மட்டும் ஆ? End-to-end — முழு பில். பெரும்பாலான compression tools தாங்கள் தொட்ட பகுதியில் மட்டும் சேமிப்பை report செய்கின்றன, இது எண்ணை மிகைப்படுத்திக் காட்டுகிறது. எங்கள் denominator ஒவ்வொரு requestமாகும்: gate சரியாக தொடாமல் விட்ட சிறிய requests, அனைத்து cache writes மற்றும் reads, மற்றும் அனைத்து output tokens (இவற்றை proxy ஒருபோதும் சுருக்காது). Compressed-only எண் அதிகமாக வரும், அது தனியாக மேற்கோள் காட்டப்படுகிறது, headline ஆக ஒருபோதும் இல்லை.

சேமிப்பு எப்படி அளவிடப்படுகிறது? ஒரே requestன் இரு பக்கங்களும், ஒரே தருணத்தில். ஒவ்வொரு /v1/messages POST-க்கும் proxy மூல uncompressed body-இல் (counterfactual) ஒரு இலவச count_tokens probe-ஐ, உண்மையான forward-உடன் இணையாக இயக்குகிறது, மேலும் response-இலிருந்து provider உண்மையில் பில் செய்த usage block-ஐ படிக்கிறது — இரண்டும் ஒரே event row-இல் பதிவாகின்றன. Cache pricing இரு பக்கங்களுக்கும் ஒரே மாதிரியாக பயன்படுத்தப்படுகிறது, எனவே caching தள்ளுபடி ரத்தாகி "savings" ஆக இரட்டிப்பு கணக்கிடப்பட முடியாது. ஃபார்முலா src/core/baseline.ts-இல் உள்ளது; அதை உங்கள் சொந்த events log-இலிருந்து மீண்டும் derive செய்யுங்கள்.

ஒரு தவறு ஏன் read error-க்குப் பதிலாக confabulation ஆக இருக்கும்? ஏனெனில் model vision OCR அல்ல: பக்கம் patch embeddings ஆக மாறுகிறது, ஒருபோதும் தனித்தனி எழுத்துகளாக அல்ல, எனவே சத்தமாக தோல்வியடைய per-glyph confidence எதுவும் இல்லை — pixels ஒரு glyph-ஐ underdetermine செய்யும்போது, language prior அந்த இடைவெளியை நம்பகமான ஏதோவொன்றால் நிரப்புகிறது. இந்த mechanism தான் OmniGlyph இதில் fail-closed ஆக இருப்பதற்குக் காரணம்: byte-exact மதிப்புகள் எப்போதும் படத்தின் அருகில் உரையாகப் பயணிக்கின்றன, தவறாகப் படிக்கும் மாடல்கள் gate-ஆல் தடுக்கப்படுகின்றன, மேலும் அளவிடப்பட்ட production config ~300 read probes-இல் பூஜ்ஜிய silent confabulations-ஐ உருவாக்கியது — தோல்வியுற்ற reads தவிர்க்கின்றன.

byte-exact வேலை (hashes, IDs, secrets) பற்றி என்ன? சமீபத்திய turns மற்றும் exact identifiers வடிவமைப்பால் உரையாகவே இருக்கும். முழுவதும் byte-exact ஆன workloads-க்கு, அவற்றை ஒரு non-allowlisted மாடலுக்கு route செய்யுங்கள் (எ.கா., வேறொரு Claude மாடலில் ஒரு subagent) — allowlist-க்கு வெளியே உள்ள எதுவும் byte-identical ஆக, தொடப்படாமல் கடந்து செல்கிறது.

DeepSeek-OCR இது வேலை செய்கிறதா என்பதை தீர்மானிக்கவில்லையா? அது channel வேலை செய்கிறது என்பதை நிரூபித்தது — இந்த வேலைக்காகப் பயிற்சி பெற்ற ஒரு encoder/decoder ஜோடியுடன். எந்த stock production மாடலும் அடர்த்தியான renders-ஐ படிக்க முடியாத காலத்திலிருந்து இந்த சந்தேகம் தொடர்கிறது; அது மாறிவிட்டது, மேலும் மேலே உள்ள மாடல் scorecard இன்று அவற்றை யார் படிக்க முடியும் என்பதை ஆதாரங்களுடன் சரியாகக் காட்டுகிறது. benchmark harness எந்த புதிய மாடலையும் ஒரே கட்டளையில் மீண்டும் சோதிக்கிறது — gate hype-ஐ அல்ல, தரவைப் பின்பற்றுகிறது.

Claude Code இல்லாமல் — Cursor, ChatGPT, ஒரு எளிய pipe — இதை நான் பயன்படுத்த முடியுமா? ஆம், இரண்டு வழிகள். ஒரு proxy ஆக, API base URL-ஐ (ANTHROPIC_BASE_URL, அல்லது OpenAI base URL) அமைக்க அனுமதிக்கும் எந்த client-உடனும் இது வேலை செய்கிறது — Claude Code, உங்கள் சொந்த scripts, HTTP ஆன எதுவும். மேலும் proxy செய்ய முடியாத tools-க்கு, மேலே உள்ள Offline export context-ஐ PNG பக்கங்களாக render செய்கிறது, அவற்றை நீங்கள் கையால் paste செய்கிறீர்கள் — omniglyph export --stdin ஒரு Unix pipe-இலிருந்து நேரடியாகவே கூட படிக்கிறது.

இது உண்மையில் உரையை ஒரு படமாக எப்படி மாற்றுகிறது? இது உரையை reflow செய்து, ஒரு 1-bit 5×8 pixel glyph atlas-ஐக் கொண்டு அடர்த்தியான 1568×728 PNG பக்கங்களில் வரைகிறது — ஒரு pixel-க்கு ஒரு bit, anti-aliasing இல்லை, எனவே மாடல் அந்தப் பக்கத்தை அதன் dimensions வாரியாக பில் செய்கிறது, அதற்குள் எத்தனை எழுத்துகள் உள்ளன என்பதைக் கொண்டு அல்ல. மேலே உள்ள இது எப்படி வேலை செய்கிறது pipeline-ஐக் கொண்டுள்ளது; benchmarks doc geometry-ஐயும், ஏன் அடர்த்தியானது எப்போதும் மலிவானது அல்ல என்பதையும் கொண்டுள்ளது.

🔬 ஒவ்வொரு எண்ணையும் மறுஉருவாக்குங்கள்

pnpm install && pnpm test                                     # full suite
node benchmarks/billing-sweep/run.mjs --dry-run               # billing predictions, $0
pnpm exec tsx benchmarks/density-frontier/run.ts --dry-run    # cost table, $0
# with keys: ANTHROPIC_API_KEY / OPENAI_API_KEY / GEMINI_API_KEY (or --via-cli for a Claude Code subscription)

இரண்டு benchmark harnesses dry-run modeஇல் இயங்குகின்றன

முழு methodology மற்றும் ஒவ்வொரு result table-உம்: docs/benchmarks/BENCHMARKS.md. Raw per-answer ஆதாரங்கள்: benchmarks/*/results/*.jsonl.

🚀 OmniRoute குடும்பம்

OmniGlyph OmniRoute-க்குள் ஒரு native compression engine ஆகவும் அனுப்பப்படுகிறது — இலவச AI gateway. அங்கு இது omniglyph engine-ஆக இயங்குகிறது (standalone single mode அல்லது மற்ற engines-உடன் stacked), fail-closed gates மற்றும் image-aware token accounting-உடன்.

🛠️ Tech Stack

அடுக்கு tech
மொழி TypeScript (strict), ESM
Runtime Node ≥18 · Cloudflare Workers (wrangler.toml)
Rendering சொந்த 1-bit glyph atlas (Spleen/Unifont-derived, licenses assets/-இல்) → PNG
Tests Vitest — TDD, மேலும் docs-integrity மற்றும் rebrand guards
Benchmarks benchmarks/ harnesses (billing-sweep, density-frontier) JSONL ஆதாரங்களுடன்

திட்ட அமைப்பு

path என்ன
src/ proxy: transform pipeline, provider-க்கு exact billing, renderer, hosts (Node + Cloudflare Workers)
benchmarks/ மேலே உள்ள ஒவ்வொரு எண்ணையும் உருவாக்கிய harnesses — மறுஇயக்கக்கூடியது
docs/ BENCHMARKS · ARCHITECTURE · ROADMAP

📧 Support & Community

🙏 நன்றி

OmniGlyph குறிப்பாக ஒரு project-இன் தோள்களில் நிற்கிறது — இந்த பகுதி எங்கள் நிரந்தர நன்றியாகும்.

Project OmniGlyph-ஐ இது எப்படி வடிவமைத்தது
pxpipe · teamchong இந்த முழு project-உம் கட்டமைக்கப்பட்டுள்ள கண்டுபிடிப்பு. ஒரு production LLM-இன் vision channel, token செலவின் ஒரு சிறு பங்கில் அடர்த்தியான textual context-ஐ சுமக்க முடியும் என்பதையும், அந்த மாற்றம் per-request சரியான பில்லிங் கணிதத்தால் தான் முடிவு செய்யப்பட வேண்டும், ஒருபோதும் ஊகத்தால் அல்ல என்பதையும் pxpipe ஆதாரங்களுடன் நிரூபித்தது. அடர்த்தியான 1-bit rendering, profitability gate, count_tokens counterfactual, fail-closed model allowlist, மற்றும் "claim செய்வதற்கு முன் measure செய்" என்ற documentation கலாச்சாரம் — இவை அனைத்தும் அங்கேயே முன்னோடியாகத் தொடங்கப்பட்டன. OmniGlyph நேரடியாக அந்த codebase-இலிருந்து வந்தது (MIT — மூல copyright வரி எங்கள் LICENSE-இல் தொடர்கிறது).
Spleen · Frederic Cambus எங்கள் அடர்த்தியான 1-bit glyph atlas பெறப்பட்ட 5×8 bitmap font family (license assets/-இல்).
GNU Unifont · Unifoundry Spleen-இன் வரம்புக்கு அப்பாற்பட்ட glyphs-க்கான coverage, அதே atlas-இல் (license assets/-இல்).

OmniGlyph பயனுள்ளதாக இருந்தால், upstream project-ஐயும் star செய்யுங்கள் — கண்டுபிடிப்பு அவர்களுடையது. 🙏

📄 License

MIT — காண்க LICENSE.