GPT Image 2.6 est nommé dans les spécifications d'OpenAI et nulle part ailleurs

GPT Image 2.6 n’existe cette semaine que sous la forme d’une chaîne dans la description d’un champ, et rien de plus. Le 28 octobre 2026, un commit dans le dépôt OpenAPI public d’OpenAI a ajouté un nouveau paramètre d’édition d’image appelé markup et l’a décrit par une phrase qui compte : « Prend en charge GPT Image 2.5 et 2.6. » Tout le reste dont vous auriez besoin pour appeler un modèle manque. Il n’y a aucun identifiant gpt-image-2.6 dans l’énumération de la spec elle-même, aucun prix, aucune entrée de changelog, aucune ligne de classement et aucune annonce. Les modèles d’image OpenAI que le même fichier liste réellement comme appelables sont toujours gpt-image-1-mini, gpt-image-1.5, gpt-image-2, GPT Image 2.5 Sunburst et GPT Image 2.5 Flare. Ce n’est donc pas un article sur un lancement. C’est une histoire sur ce qu’une phrase dans le contrat lisible par machine propre à un fournisseur vous apprend, et ce qu’elle omet délibérément de vous apprendre.

Les preuves, jusqu’au commit

Le changement est suffisamment petit pour être lu dans son intégralité. Le commit aa88004, rédigé par le bot OpenAI OpenAPI Publisher le 28 octobre à 20:56 UTC, est intitulé « Add 'markup' property to image editing endpoints » et modifie 27 lignes dans openapi.json et openapi.yaml. Il contient une référence à la révision 1326001 de la source de documentation de l’API, ce qui permet à la référence générée de savoir quel texte présenter. Les quatre mêmes phrases apparaissent désormais sur la page de référence de l’édition d’images sur developers.openai.com.

Voici tout ce qu'est le balisage, selon la propre spécification d'OpenAI :

• Il s'agit d'un PNG transparent superposé à la première image de la demande de modification.

• Il peut être fourni sous la forme d’un ID de fichier, d’une URL HTTPS ou d’une URL de données base64.

• Il doit correspondre aux dimensions de cette image après orientation, et il doit contenir des pixels transparents.

• Il prend en charge GPT Image 2.5 et 2.6, et il ne peut pas être combiné avec le masque.

C'est là toute la description publique. Aucun schéma, aucun exemple, aucune explication de la manière dont l'overlay est interprété, aucune indication sur ce que la version 2.6 fait différemment de la 2.5, et aucun indice sur le timing. La spécification est lisible par machine et exhaustive sur la forme des champs, tout en restant presque muette sur la sémantique, ce qui est normal pour un contrat et frustrant pour quiconque tente de planifier autour d'elle.

Ce qui manque est plus informatif que ce qui est présent.

Cherchez dans le fichier openapi.json de 5 Mo tout identifiant contenant gpt-image-2.6 : vous ne trouverez rien. Le texte descriptif des modèles pris en charge sur le point de terminaison d'édition énumère la famille par nom et s'arrête aux deux SKU de septembre et à leurs instantanés datés : 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. Un modèle qui ne peut pas être nommé dans un champ de modèle n'est pas un modèle que l'on peut appeler, et le dépôt qui porterait ce nom n'a pas été mis à jour pour le porter.

C’est le schéma qu’OpenAI a utilisé avant GPT Image 2.5 au début du mois de septembre : des références apparaissent dans la documentation générée et les fichiers de spécification avant que la page produit, le tableau des prix et le journal des modifications ne suivent. C’est aussi le schéma qui a produit trois identifiants aurora- dans la liste des modèles d’OpenAI le 17 octobre, qui sont apparus puis ont été retirés à nouveau en quelques minutes et n’ont pas été expliqués depuis. Un nom dans une spécification est un indicateur précurseur. Ce n’est pas une promesse, et ce n’est pas une date.

Le balisage est une entrée, pas un modèle — et c’est là le vrai changement.

Le numéro de version fait la une, mais c'est le paramètre qui fait la substance. Aujourd'hui, une édition d'image peut recevoir un masque : une région binaire qui dit « modifie ici, ne touche pas au reste ». Le prompt doit porter tout le sens, car le masque n'en porte aucun — c'est un trou sans sémantique à l'intérieur. Markup est un objet d'une autre nature. C'est une image posée sur l'image, et une image peut porter une flèche, un cadre dessiné autour d'un logo, un gribouillis dans la marge, deux régions distinguées par la couleur, ou une note manuscrite. Si le modèle lit cette superposition comme une instruction plutôt que comme des pixels à fusionner, la demande d'édition cesse d'être « remplace cette région » et devient « fais ce que dit le dessin ».

Cette dernière phrase est une inférence, pas une documentation. OpenAI a publié exactement quatre phrases sur le balisage, et aucune ne décrit l’interprétation. Ce que la spécification dit sans ambiguïté, c’est l’exclusivité : le balisage ne peut pas être combiné avec le masque. Il ne s’agit donc pas d’une entrée supplémentaire greffée au flux d’édition existant. C’est un second chemin à travers le point de terminaison, et chaque requête emprunte l’un ou l’autre. Les appels existants combinant masque et prompt ne sont pas affectés, car le champ est facultatif, mais un produit qui souhaite une édition pilotée par annotations choisira une forme d’appel différente plutôt que d’étendre la forme actuelle.

Il y a un écho côté consommateur qu’il vaut la peine de relever. ChatGPT Images 2.5 est arrivé avec un outil Sketch le 8 septembre — dessiner sur une image, demander une modification. Markup se lit comme l’expression côté API de la même idée : le dessin devient l’instruction, et le prompt devient une légende pour celui-ci. Savoir si c’est bien l’intention d’OpenAI n’est pas confirmé, mais les contraintes du champ — mêmes dimensions, pixels transparents, mutuellement exclusif avec mask — correspondent à cette lecture et à peu d’autre chose.

L’autre moitié de la fuite est un nom de code Arena

Le signal à l'origine de cet article associe l'observation de la documentation à des tests à l'aveugle sur Arena : gpt-image-2.5-sunburst à gauche, un shooting-star-green-alpha anonyme à droite, avec deux checkpoints testés et une deuxième sortie publiée dans les réponses. Un compte rendu en coréen publié le 28 octobre décrit la même famille de noms de code apparaissant sur le classement d'images d'Arena — son titre mentionne à la fois un Green Alpha et un Red Alpha — rapporte qu'il semblait ne différer que marginalement de GPT Image 2.5, avec un grain légèrement moindre, et avertit que plusieurs générations ont été nécessaires avant d'en obtenir une bonne.

Rien ne confirme que shooting-star-green-alpha soit GPT Image 2.6. Le lien est circonstanciel : le nom de code a émergé la même semaine que la phrase de spécification, il est comparé au meilleur modèle d’édition actuel, et le suffixe -alpha correspond aux identifiants aurora-*-alpha du 17 octobre. Les noms de code de l’arena ont déjà été mal attribués, et deux variantes de couleurs différentes ne prouvent pas l’existence de deux versions distinctes du modèle — elles peuvent tout aussi bien être deux points de contrôle d’échantillonnage d’un seul et même modèle. Considérez la partie arena comme une observation de testeurs, et non comme un résultat de benchmark, et considérez « légèrement meilleur que 2.5 » comme l’issue la plus probable jusqu’à ce que quelqu’un publie une comparaison chiffrée.

Ce que 2.6 devrait surpasser

Le classement concerné est l’édition d’images, car le balisage est une fonctionnalité d’édition. Comme affiché sur Artificial Analysis le 29 octobre, le haut de ce classement se présente ainsi :

• GPT Image 2.5 Sunburst (max) — OpenAI, Elo 1 199, premier.

• MAI-Image-2.7-Preview — Microsoft AI, Elo 1 193, deuxième.

• GPT Image 2.5 Flare (max) — OpenAI, Elo 1 182, troisième.

• MAI-Image-2.6 — Microsoft AI, Elo 1 151, quatrième, à égalité avec Krea 3 (Ultra) et Nano Banana 2.1.

• GPT Image 2 (high) — OpenAI, Elo 1 136, huitième.

Il n’y a aucune entrée GPT Image 2.6 sur ce classement, ce qui constitue la confirmation la plus nette dont on dispose qu’aucune version n’a été publiée. Il n’y a pas non plus de marge en tête : l’écart entre le premier et le deuxième est de six points, et l’écart entre Sunburst et sa propre déclinaison Flare est de dix-sept. Les deux présentent des intervalles à 95 % qui se chevauchent — 1 188 à 1 210 pour Sunburst, 1 171 à 1 193 pour Flare. Un 2.6 qui ne réduirait que le grain, comme le décrivent les testeurs d’Arena, tomberait dans ce bruit plutôt qu’au-dessus. La question intéressante n’est pas de savoir si 2.6 bat 2.5 sur l’Elo. C’est de savoir si le parcours de balisage change ce qu’une requête de modification peut exprimer, car c’est le type de capacité qu’un classement de comparaisons par paires mesure mal.

Le prix qu’il hériterait, et ce que vous pouvez appeler aujourd’hui

GPT Image 2.5 a été lancé le 8 septembre avec deux SKU d'API — Flare comme option par défaut, positionné comme offrant une latence 50 % inférieure à celle de GPT Image 2, et Sunburst comme variante d'édition de précision — et il a conservé exactement la grille tarifaire de GPT Image 2 :

• Entrée d'image — 8,00 $ par 1 M de tokens, entrée d'image mise en cache 2,00 $ par 1 M, sortie d'image 30,00 $ par 1 M.

• Entrée de texte — 5,00 $ par 1 M de jetons, en cache 1,25 $ par 1 M.

• Lot — demi-tarif : 4,00 $ en entrée d'image, 1,00 $ en cache, 15,00 $ en sortie d'image, 2,50 $ en entrée de texte.

OpenAI n'a publié aucun prix pour GPT Image 2.6, et sa propre page tarifaire ne présente d'ailleurs aucun prix unitaire par image — la facturation se fait au token, si bien que le coût par image générée varie selon la taille, la qualité et la quantité d'images de référence envoyées. Pour donner un ordre de grandeur, le classement d'Artificial Analysis fournit une estimation indépendante de 210,70 $ pour 1 000 images en qualité maximale, soit environ 21 cents l'unité ; utilisez un chiffre de ce type pour votre budget, plutôt qu'une estimation par image publiée par on ne sait qui. Si la version 2.6 voit bien le jour, l'hypothèse par défaut la plus utile est celle de la grille tarifaire actuelle, puisque la 2.5 n'a rien changé par rapport à la 2.0 ; mais ce n'est là qu'un point de données, pas une politique, et un changement de prix serait l'événement le plus digne d'intérêt.

Les deux SKU 2.5 sont déjà appelables via OrcaRouter dès aujourd'hui, à 8,00 $ en entrée et 30,00 $ en sortie pour 1 M de tokens — le prix catalogue du fournisseur répercuté avec 0 % de marge, sur la même clé que le reste du catalogue. GPT Image 2.6 ne figure pas au catalogue, et rien dans cette fuite ne suggère de date à laquelle il y sera. Ce que la couche de routage vous apporte réellement, c'est la partie peu coûteuse de la transition : lorsqu'un nouveau modèle d'image finit par apparaître, le DSL de routage vous permet d'envoyer une fraction du trafic vers lui tandis que le reste demeure sur le SKU auquel vous faites confiance, et le basculement automatique couvre les erreurs du fournisseur. Il ne peut pas inventer une seconde source en amont pour un modèle que seul un fournisseur dessert, si bien qu'un checkpoint tout nouveau reste un point de défaillance unique tant qu'il n'est pas largement répliqué.

Quatre signaux qui transformeraient un nom en modèle

Si vous voulez savoir quand cela cessera d’être une fuite, surveillez la spécification plutôt que le calendrier :

• Un identifiant gpt-image-2.6 apparaissant dans l'énumération des modèles de la spécification, ou dans la liste des modèles d'image GPT pris en charge par le point de terminaison d'édition. C'est à ce moment qu'un appel devient possible.

• Le journal des modifications ou un article produit d’OpenAI. L’entreprise n’a jamais lancé une génération GPT Image sans l’un de ces documents, y compris la version 2.5 déployée le même jour sur ChatGPT, ChatGPT Work et Codex.

• Une entrée notée sur Artificial Analysis, idéalement avec un Elo d’édition et un nombre d’échantillons. Les captures d’écran d’arène sélectionnées par le fournisseur ne correspondent pas à cela.

• Le champ markup désormais actif dans l’API elle-même plutôt que confiné à une révision de spécification — un paramètre que vous pouvez réellement transmettre, avec une erreur de validation lorsque les dimensions de l’overlay sont incorrectes.

Il y a aussi un falsificateur. Si la prochaine révision de la spécification supprime discrètement la clause « et 2.6 », l’interprétation la plus probable est qu’un SKU prévu a été renommé ou retardé, exactement comme les identifiants aurora- ont disparu en octobre. Les aperçus de documentation sont retirés ; c’est ce qui en fait des aperçus.

Pour l’instant, la réponse pragmatique manque de panache. Si vous retouchez des images en qualité production aujourd’hui, GPT Image 2.5 Sunburst est le modèle qui obtient le meilleur score indépendant et dispose d’un tarif publié, et il est disponible dès maintenant ; Flare est le choix pour les volumes, aux mêmes tarifs. Ne réécrivez pas un pipeline de retouche autour d’un paramètre qui n’a que quatre phrases de documentation et aucun modèle appelable derrière. Le nom est réel. Le modèle, au 29 octobre 2026, ne l’est pas.