Tā gan būs patiesība tikai daļēji un diezgan īpatnējā veidā. Paši labākie šībrīža kompresori, kas parasti izmanto kādu no kontekstu mikstūras algoritmiem (un parasti ir PAQ koda derivāti, kā zpaq, cmix utt.) ir kompleksāki (salīdzinot ar ļoti vienkāršotu K(x) tuvinājumu, "kompresēti dati mīnus [kompresēti dati plus kompresēts kompresors]") par "ierindas" kompresoriem (rar, zip, bzip2, gzip utt.), taču ne ļoti daudz.

Tieši tāpat, skatoties uz tīru koda garumu (kas nav labs veids, kā novērtēt koda sarežģītību, bet zināmu ieskatu tas dod nevertheless) tie nav gluži monstrozi (ZPAQ7 ir aptuveni 10 koda kilorindas (ierēķinot komentārus) garš).

Principā, prakse rāda, ka ļoti labi kompresori no pieņemamas kvalitātes kompresoriem atšķiras galvenokārt ar to, ka ir kontekstjutīgi un, vēlams, spējīgi darboties ar vairākiem datu domēniem reizē un/vai dinamiski pārslēgties starp tiem (kas, principā, nav pārāk atšķirīgi no tā, kā darbojas smadzeņu garozas kolonnas (un, atpazīstot šo faktu, ir radusies vesela saime īpatnēju deep learning žanra sistēmu, kas abstraktā veidā imitē garozas mācīšanās algoritmus (HTM, HHMM, DeSTIN u.c., kas var tikt traktēti gan kā apmācības, gan kā kompresijas algoritmi)).