GPT Image 2.6 wird in OpenAIs Spezifikation genannt – und nirgendwo sonst.

GPT Image 2.6 existiert diese Woche als ein String in einer Feldbeschreibung und sonst nichts. Am 28. Oktober 2026 fügte ein Commit in OpenAIs öffentlichem OpenAPI-Repository einen neuen Bildbearbeitungsparameter namens markup hinzu und beschrieb ihn mit einem entscheidenden Satz: „Unterstützt GPT Image 2.5 und 2.6.“ Alles andere, was man bräuchte, um ein Modell aufzurufen, fehlt. Es gibt keinen gpt-image-2.6-Bezeichner in der eigenen Enumeration der Spezifikation, keinen Preis, keinen Changelog-Eintrag, keine Leaderboard-Zeile und keine Ankündigung. Die OpenAI-Bildmodelle, die dieselbe Datei tatsächlich als aufrufbar auflistet, sind weiterhin gpt-image-1-mini, gpt-image-1.5, gpt-image-2, GPT Image 2.5 Sunburst und GPT Image 2.5 Flare. Das ist also keine Launch-Geschichte. Es ist eine Geschichte darüber, was ein Satz in einem eigenen maschinenlesbaren Vertrag eines Anbieters verrät – und was er bewusst nicht verrät.

Die Belege, bis hin zum Commit

Die Änderung ist klein genug, um sie vollständig zu lesen. Der Commit aa88004, verfasst vom OpenAI OpenAPI Publisher Bot am 28. Oktober um 20:56 UTC, trägt den Titel „Eigenschaft ‚markup‘ zu Endpunkten für die Bildbearbeitung hinzufügen“ und betrifft 27 Zeilen in openapi.json und openapi.yaml. Er enthält einen Verweis auf die Quellrevision 1326001 der API-Dokumentation, wodurch die generierte Referenz weiß, welcher Fließtext gerendert werden soll. Dieselben vier Sätze stehen jetzt auf der Referenzseite zur Bildbearbeitung unter developers.openai.com.

Hier ist das Ganze dessen, was Markup laut OpenAIs eigener Spezifikation ist:

• Es ist ein transparentes PNG, das über das erste Bild in der Bearbeitungsanfrage gelegt wird.

• Es kann als Datei-ID, HTTPS-URL oder Base64-Daten-URL angegeben werden.

• Es muss nach der Ausrichtung mit den Abmessungen dieses Bildes übereinstimmen und transparente Pixel enthalten.

• Es unterstützt GPT Image 2.5 und 2.6 und ist nicht kombinierbar mit Maske.

Das ist die gesamte öffentliche Beschreibung. Kein Diagramm, kein Beispiel, keine Erklärung, wie die Overlay-Schicht interpretiert wird, keine Aussage darüber, was 2.6 anders macht als 2.5, und kein Hinweis zum Timing. Die Spezifikation ist maschinenlesbar und erschöpfend, was die Feldformen angeht, und sagt zugleich fast nichts über die Semantik aus – was für einen Vertrag normal und für jeden, der damit planen möchte, frustrierend ist.

Was fehlt, ist informativer als das, was vorhanden ist.

Wenn Sie die 5 MB große openapi.json nach einem Bezeichner durchsuchen, der gpt-image-2.6 enthält, finden Sie nichts. Die Beschreibung der unterstützten Modelle beim Edit-Endpunkt zählt die Familie namentlich auf und endet bei den zwei September-SKUs und ihren datierten Snapshots: gpt-image-2.5-sunburst, gpt-image-2.5-sunburst-2026-09-08, gpt-image-2.5-flare, gpt-image-2.5-flare-2026-09-08. Ein Modell, das in einem Modellfeld nicht benannt werden kann, ist kein Modell, das Sie aufrufen können, und das Repository, das diesen Namen tragen würde, wurde nicht aktualisiert, um ihn zu tragen.

Dies ist das Muster, das OpenAI vor GPT Image 2.5 Anfang September verwendet hat: Referenzen tauchen in generierten Dokumentations- und Spezifikationsdateien auf, bevor Produktseite, Preistabelle und Changelog nachziehen. Es ist auch das Muster, das am 17. Oktober drei aurora-Bezeichner in OpenAIs Modellliste hervorbrachte, die innerhalb von Minuten erschienen und wieder entfernt wurden und seitdem nicht erklärt worden sind. Ein Name in einer Spezifikation ist ein Frühindikator. Er ist kein Versprechen und kein Datum.

Markup ist ein Input, kein Modell — und genau das ist die eigentliche Veränderung

Die Versionsnummer ist die Schlagzeile, doch die Substanz steckt im Parameter. Heute kann eine Bildbearbeitung eine Maske annehmen: ein binärer Bereich, der sagt: „Hier ändern, den Rest in Ruhe lassen.“ Der Prompt muss die gesamte Bedeutung tragen, denn die Maske trägt keine – sie ist ein Loch, in dem keine Semantik steckt. Markup ist eine andere Art von Objekt. Es ist ein Bild, das über das Bild gelegt wird, und ein Bild kann einen Pfeil tragen, einen um ein Logo gezeichneten Kasten, ein Gekritzel am Rand, zwei farblich unterschiedene Bereiche oder eine handschriftliche Notiz. Wenn das Modell dieses Overlay als Anweisung statt als zu vermischende Pixel liest, hört die Bearbeitungsanfrage auf, „diesen Bereich ersetzen“ zu sein, und wird zu „tu, was die Zeichnung sagt“.

Dieser letzte Satz ist eine Schlussfolgerung, keine Dokumentation. OpenAI hat genau vier Sätze über Markup veröffentlicht, und keiner davon beschreibt die Interpretation. Was die Spezifikation jedoch eindeutig sagt, ist die Exklusivität: Markup kann nicht mit mask kombiniert werden. Das ist also kein zusätzlicher Input, der an den bestehenden Bearbeitungsablauf angebaut wird. Es ist eine zweite Route durch den Endpoint, und jede Anfrage nimmt die eine oder die andere. Bestehende mask-and-prompt-Aufrufe sind nicht betroffen, weil das Feld optional ist, aber ein Produkt, das annotationsgesteuerte Bearbeitung möchte, wird eine andere Aufrufform wählen, statt die aktuelle zu erweitern.

Es gibt ein erwähnenswertes Echo auf der Verbraucherseite. ChatGPT Images 2.5 kam am 8. September mit einem {{1}}Sketch-Tool{{/1}} auf den Markt – zeichne auf einem Bild und bitte um eine Änderung. Markup liest sich wie der API-seitige Ausdruck derselben Idee: Die Zeichnung wird zur Anweisung, und der Prompt wird zur Bildunterschrift dafür. Ob das das ist, was OpenAI beabsichtigt, ist unbestätigt, aber die Einschränkungen des Feldes – gleiche Abmessungen, transparente Pixel, gegenseitig ausschließend mit Maske – passen zu dieser Lesart und zu wenig anderem.

Die andere Hälfte des Leaks ist ein Arena-Codename.

Das Signal, mit dem dieser Artikel beginnt, verbindet die Sichtung in der Dokumentation mit blinden Arena-Tests: gpt-image-2.5-sunburst auf der linken Seite, ein anonymes shooting-star-green-alpha auf der rechten, wobei zwei Checkpoints getestet und eine zweite Ausgabe in den Antworten gepostet wurde. Ein auf Koreanisch verfasster Bericht, der am 28. Oktober veröffentlicht wurde, beschreibt dieselbe Codenamen-Familie, die auf Arenas Bild-Bestenliste erscheint – seine Schlagzeile nennt sowohl ein Green Alpha als auch ein Red Alpha –, berichtet, dass es nur geringfügig anders als GPT Image 2.5 aussah, mit etwas weniger Körnigkeit, und warnt, dass mehrere Generierungen nötig waren, bevor eine gut herauskam.

Nichts belegt, dass shooting-star-green-alpha GPT Image 2.6 ist. Die Verbindung ist indirekt: Der Codename tauchte in derselben Woche auf wie der Spec-Satz, er wird mit dem aktuellen führenden Bearbeitungsmodell verglichen, und das Suffix -alpha passt zu den aurora-*-alpha-Kennungen vom 17. Oktober. Arena-Codenamen wurden schon früher falsch zugeordnet, und zwei unterschiedlich gefärbte Varianten sind kein Beweis für zwei verschiedene Modellversionen — sie können genauso gut zwei Sampling-Checkpoints desselben Modells sein. Behandle die Arena-Hälfte als Sichtung durch Tester, nicht als Benchmark-Ergebnis, und behandle „geringfügig besser als 2.5“ als das wahrscheinlichste Ergebnis, bis jemand einen bewerteten Vergleich veröffentlicht.

Was 2.6 schlagen müsste

Das relevante Board ist Bildbearbeitung, denn Markup ist eine Bearbeitungsfunktion. Wie am 29. Oktober auf Artificial Analysis angezeigt, sieht die Spitze dieser Bestenliste so aus:

• GPT Image 2.5 Sunburst (max) — OpenAI, Elo 1.199, auf Platz eins.

• MAI-Image-2.7-Preview — Microsoft AI, Elo 1.193, Zweiter.

• GPT Image 2.5 Flare (max) — OpenAI, Elo 1.182, Dritter.

• MAI-Image-2.6 — Microsoft AI, Elo 1.151, auf Platz vier, gleichauf mit Krea 3 (Ultra) und Nano Banana 2.1.

• GPT Image 2 (hoch) — OpenAI, Elo 1.136, Achter.

Auf diesem Board gibt es keinen Eintrag für GPT Image 2.6 – die sauberste verfügbare Bestätigung dafür, dass nichts veröffentlicht wurde. Auch an der Spitze gibt es keinen Spielraum: Der Abstand zwischen Platz eins und zwei beträgt sechs Punkte, und der Abstand zwischen Sunburst und seinem eigenen Flare-Geschwistermodell beträgt siebzehn. Beide weisen 95%-Intervalle auf, die sich überschneiden – 1.188 bis 1.210 für Sunburst, 1.171 bis 1.193 für Flare. Ein 2.6, das – wie die Arena-Tester beschreiben – nur die Körnigkeit verringert, würde innerhalb dieses Rauschens landen und nicht darüber. Die interessante Frage ist nicht, ob 2.6 2.5 beim Elo-Wert schlägt. Sie lautet vielmehr, ob der Markup-Pfad verändert, was eine Bearbeitungsanfrage ausdrücken kann, denn genau solche Fähigkeiten kann eine Bestenliste aus Paarvergleichen schlecht messen.

Der Preis, den es erben würde, und was du heute nennen kannst

GPT Image 2.5 wurde am 8. September mit zwei API-SKUs eingeführt – Flare als Standard, beworben mit 50 % geringerer Latenz als GPT Image 2, und Sunburst als Variante für präzises Bearbeiten – und behielt die Preisliste von GPT Image 2 exakt bei:

• Bildeingabe — 8,00 $ pro 1 Mio. Tokens, zwischengespeicherte Bildeingabe 2,00 $ pro 1 Mio., Bildausgabe 30,00 $ pro 1 Mio.

• Texteingabe — 5,00 $ pro 1 Mio. Token, zwischengespeichert 1,25 $ pro 1 Mio.

• Batch — halber Preis: 4,00 $ Bildeingabe, 1,00 $ zwischengespeichert, 15,00 $ Bildausgabe, 2,50 $ Texteingabe.

OpenAI hat keinen Preis für GPT Image 2.6 veröffentlicht, und auf der eigenen Preisseite gibt es überhaupt keinen Listenpreis pro Bild – die Abrechnung erfolgt tokenbasiert, daher variieren die Kosten pro generiertem Bild je nach Größe, Qualität und der Menge an Referenzbildern, die man mitschickt. Zum Vergleich: Das Leaderboard von Artificial Analysis enthält eine unabhängige Schätzung von 210,70 US-Dollar pro 1.000 Bilder in höchster Qualität, also etwa 21 Cent pro Bild; verwenden Sie für die Budgetierung eine solche Zahl, nicht eine von jemandem gepostete Schätzung pro Bild. Sollte 2.6 tatsächlich erscheinen, ist die aktuelle Preisliste die sinnvolle Standardannahme, da 2.5 gegenüber 2.0 nichts geändert hat; aber das ist ein Datenpunkt, keine Richtlinie, und eine Preisänderung wäre das nachrichtenwürdigere Ereignis.

Beide 2.5-SKUs sind heute bereits über OrcaRouter aufrufbar, zu 8,00 $ Input und 30,00 $ Output pro 1 Mio. Tokens — der Listenpreis des Anbieters mit 0 % Aufschlag durchgereicht, auf demselben Key wie der übrige Katalog. GPT Image 2.6 steht nicht im Katalog, und nichts in diesem Leak deutet auf ein Datum hin, an dem sich das ändern würde. Was die Routing-Ebene Ihnen tatsächlich bringt, ist der günstige Teil des Übergangs: Wenn ein neues Bildmodell erscheint, erlaubt Ihnen die Routing-DSL, einen Teil des Traffics dorthin zu schicken, während der Rest auf der SKU bleibt, der Sie vertrauen, und automatisches Failover deckt Anbieterfehler ab. Sie kann keinen zweiten Upstream für ein Modell erfinden, das nur ein Anbieter bedient, ein brandneuer Checkpoint bleibt also weiterhin ein Single Point of Failure, bis er breit gespiegelt wird.

Vier Signale, die aus einem Namen ein Modell machen würden

Wenn Sie wissen wollen, wann dies kein Leck mehr ist, achten Sie auf die Spezifikation statt auf den Zeitplan:

• Eine gpt-image-2.6-Kennung, die in der Modellaufzählung der Spezifikation oder in der Liste der unterstützten GPT-Bildmodelle des Edit-Endpunkts erscheint. Das ist der Moment, in dem ein Aufruf möglich wird.

• Das Changelog oder ein Produktbeitrag von OpenAI. Das Unternehmen hat noch nie eine GPT Image-Generierung ohne eines davon veröffentlicht, einschließlich des 2.5-Releases, das am selben Tag in ChatGPT, ChatGPT Work und Codex ausgerollt wurde.

• Ein bewerteter Eintrag auf Artificial Analysis, idealerweise mit einem Editing-Elo und einer Stichprobenanzahl. Vom Anbieter kuratierte Arena-Screenshots sind das nicht.

• Das Markup-Feld geht direkt in der API live, statt in einer Spezifikationsrevision zu stehen — ein Parameter, den man tatsächlich übergeben kann, mit einem Validierungsfehler, wenn die Overlay-Abmessungen falsch sind.

Es gibt auch einen Falsifikator. Wenn die nächste Revision der Spezifikation die „und 2.6“-Klausel stillschweigend streicht, ist die wahrscheinliche Lesart, dass eine geplante SKU umbenannt oder verzögert wurde, genau wie die aurora-Bezeichner im Oktober verschwunden sind. Dokumentationsvorschauen werden zurückgezogen; genau das macht sie zu Vorschauen.

Im Moment ist die praktische Antwort wenig glamourös. Wer heute Bilder in Produktionsqualität bearbeitet, für den ist GPT Image 2.5 Sunburst das Modell mit der besten unabhängigen Bewertung und einem veröffentlichten Preis, und es ist ab sofort verfügbar; Flare ist zu denselben Tarifen die Wahl für hohes Volumen. Schreiben Sie keine Bearbeitungspipeline um wegen eines Parameters, hinter dem vier Sätze Dokumentation und kein aufrufbares Modell stehen. Der Name ist echt. Das Modell ist es – Stand 29. Oktober 2026 – nicht.