GPT Image 2.6 è nominato nelle specifiche di OpenAI e da nessun'altra parte

GPT Image 2.6 esiste questa settimana come stringa all'interno della descrizione di un campo e nulla di più. Il 28 ottobre 2026, un commit nel repository OpenAPI pubblico di OpenAI ha aggiunto un nuovo parametro di modifica delle immagini chiamato markup e lo ha descritto con una frase che conta: "Supporta GPT Image 2.5 e 2.6". Manca tutto il resto che servirebbe per chiamare un modello. Non esiste alcun identificatore gpt-image-2.6 nell'enumerazione della specifica stessa, nessun prezzo, nessuna voce nel changelog, nessuna riga in classifica e nessun annuncio. I modelli di immagini OpenAI che lo stesso file elenca effettivamente come chiamabili sono ancora gpt-image-1-mini, gpt-image-1.5, gpt-image-2, GPT Image 2.5 Sunburst e GPT Image 2.5 Flare. Quindi questa non è una storia di lancio. È una storia su ciò che una frase nel contratto leggibile da macchina di un fornitore ti dice, e su ciò che deliberatamente non dice.

Le prove, fino al commit

La modifica è abbastanza piccola da poter essere letta per intero. Il commit aa88004, creato dal bot OpenAI OpenAPI Publisher alle 20:56 UTC del 28 ottobre, è intitolato "Add 'markup' property to image editing endpoints" e modifica 27 righe tra openapi.json e openapi.yaml. Contiene un riferimento alla revisione 1326001 della documentazione API, ovvero il modo in cui il riferimento generato sa quale testo visualizzare. Le stesse quattro frasi ora compaiono nella pagina di riferimento per la modifica delle immagini su developers.openai.com.

Ecco tutto ciò che è il markup, secondo la specifica ufficiale di OpenAI:

• È un PNG trasparente sovrapposto alla prima immagine nella richiesta di modifica.

• Può essere fornito come ID file, URL HTTPS o data URL base64.

Deve corrispondere alle dimensioni di quell'immagine dopo l'orientamento e deve contenere pixel trasparenti.

• Supporta GPT Image 2.5 e 2.6 e non può essere combinato con maschera.

Questa è l'intera descrizione pubblica. Nessun diagramma, nessun esempio, nessuna spiegazione di come viene interpretato l'overlay, nessuna indicazione su ciò che 2.6 fa diversamente da 2.5 e nessun indizio sui tempi. La specifica è leggibile dalle macchine ed esaustiva per quanto riguarda la forma dei campi, mentre è quasi silente sulla semantica: cosa normale per un contratto e frustrante per chiunque provi a pianificare tenendone conto.

Ciò che manca è più informativo di ciò che è presente.

Cerca nel file openapi.json da 5 MB qualsiasi identificatore che contenga gpt-image-2.6 e non troverai nulla. Il testo sui modelli supportati nell'endpoint di modifica elenca la famiglia per nome e si ferma ai due SKU di settembre e alle relative snapshot datate: 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 modello che non può essere nominato in un campo model non è un modello che puoi chiamare, e il repository che dovrebbe riportare quel nome non è stato aggiornato per riportarlo.

Questo è il pattern che OpenAI ha usato prima di GPT Image 2.5 all'inizio di settembre: i riferimenti emergono nella documentazione e nei file di specifiche generati prima che la pagina del prodotto, la tabella dei prezzi e il changelog si allineino. È anche il pattern che ha prodotto tre identificatori aurora- nell'elenco dei modelli di OpenAI il 17 ottobre, comparsi e poi rimossi di nuovo nel giro di minuti e mai spiegati da allora. Un nome in una specifica è un indicatore anticipatore. Non è una promessa, e non è una data.

Il markup è un input, non un modello — e questo è il vero cambiamento

Il numero di versione è il titolo, ma il parametro è la sostanza. Oggi una modifica di immagine può richiedere una maschera: una regione binaria che dice "cambia qui, lascia il resto com'è". Il prompt deve trasportare tutto il significato, perché la maschera non ne trasporta alcuno — è un buco senza semantica al suo interno. Markup è un tipo diverso di oggetto. È un'immagine sovrapposta all'immagine, e un'immagine può portare una freccia, un riquadro disegnato attorno a un logo, uno scarabocchio a margine, due regioni distinte dal colore o una nota scritta a mano. Se il modello interpreta quella sovrapposizione come istruzione anziché come pixel da fondere, la richiesta di modifica smette di essere "sostituisci questa regione" e diventa "fai ciò che dice il disegno".

Quell'ultima frase è un'inferenza, non documentazione. OpenAI ha pubblicato esattamente quattro frasi sul markup e nessuna di esse descrive l'interpretazione. Ciò che la specifica afferma senza ambiguità è l'esclusività: il markup non può essere combinato con mask. Quindi non si tratta di un input aggiuntivo appiccicato al flusso di modifica esistente. È una seconda via attraverso l'endpoint, e ogni richiesta prende l'una o l'altra. Le chiamate mask-and-prompt esistenti non sono interessate perché il campo è opzionale, ma un prodotto che vuole la modifica guidata dalle annotazioni sceglierà una diversa forma di chiamata anziché estendere quella attuale.

C’è un’eco lato consumatore degna di nota. ChatGPT Images 2.5 è stato distribuito con uno strumento Sketch l’8 settembre — disegna su un’immagine, chiedi una modifica. Markup suona come l’espressione lato API della stessa idea: il disegno diventa l’istruzione, e il prompt diventa una didascalia per esso. Che sia ciò che OpenAI intende non è confermato, ma i vincoli del campo — stesse dimensioni, pixel trasparenti, mutuamente esclusivi con mask — si adattano a questa interpretazione e a poco altro.

L'altra metà della fuga di informazioni è un nome in codice di Arena

Il segnale che ha dato avvio a questo articolo abbina l’avvistamento nella documentazione ai test ciechi su Arena: gpt-image-2.5-sunburst a sinistra, un anonimo shooting-star-green-alpha a destra, con due checkpoint testati e un secondo output pubblicato nelle risposte. Un articolo in coreano pubblicato il 28 ottobre descrive la stessa famiglia di nomi in codice che compare nella classifica delle immagini di Arena — il titolo menziona sia una Green Alpha sia una Red Alpha — riporta che appariva solo marginalmente diverso da GPT Image 2.5, con una granulosità leggermente inferiore, e avverte che sono state necessarie diverse generazioni prima che una riuscisse bene.

Niente verifica che shooting-star-green-alpha sia GPT Image 2.6. Il collegamento è indiziario: il nome in codice è emerso nella stessa settimana della frase di specifica, viene confrontato con l'attuale miglior modello di editing e il suffisso -alpha corrisponde agli identificatori aurora-*-alpha del 17 ottobre. I nomi in codice di Arena sono già stati attribuiti erroneamente in passato, e due varianti di colore diverso non sono prova di due versioni distinte del modello: possono benissimo essere due checkpoint di campionamento dello stesso. Considera la parte relativa all'arena come un avvistamento da parte dei tester, non come un risultato di benchmark, e considera «marginalmente migliore di 2.5» l'esito più probabile finché qualcuno non pubblica un confronto con punteggio.

Cosa 2.6 dovrebbe battere

La classifica pertinente è quella di editing delle immagini, perché il markup è una funzione di editing. Come mostrato su Artificial Analysis il 29 ottobre, la parte superiore di quella classifica si presenta così:

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

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

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

• MAI-Image-2.6 — Microsoft AI, Elo 1.151, quarto, a pari merito con Krea 3 (Ultra) e Nano Banana 2.1.

• GPT Image 2 (alta) — OpenAI, Elo 1.136, ottavo.

Non c'è alcuna voce per GPT Image 2.6 su quella classifica, il che è la conferma più chiara disponibile che non è stato rilasciato nulla. Non c'è nemmeno spazio in cima: il divario tra il primo e il secondo è di sei punti, e il divario tra Sunburst e il suo fratello Flare è di diciassette. Entrambi hanno intervalli al 95% che si sovrappongono — da 1.188 a 1.210 per Sunburst, da 1.171 a 1.193 per Flare. Un 2.6 che riduce solo la granulosità, come lo descrivono i tester di Arena, si collocherebbe dentro quel rumore anziché sopra di esso. La domanda interessante non è se 2.6 superi 2.5 sull'Elo. È se il percorso markup cambi ciò che una richiesta di modifica può esprimere, perché è il tipo di capacità che una classifica di confronti a coppie misura male.

Il prezzo che erediterebbe, e ciò che puoi chiamare oggi

GPT Image 2.5 è stato lanciato l'8 settembre con due SKU API — Flare come predefinito, presentato con una latenza inferiore del 50% rispetto a GPT Image 2, e Sunburst come variante di editing di precisione — e ha mantenuto esattamente il listino prezzi di GPT Image 2:

Input immagine — $8,00 per 1M di token, input immagine nella cache $2,00 per 1M, output immagine $30,00 per 1M.

Input di testo — $5,00 per 1M di token, in cache $1,25 per 1M.

• Batch — a metà prezzo: $4,00 input immagini, $1,00 in cache, $15,00 output immagini, $2,50 input testo.

OpenAI non ha pubblicato alcun prezzo per GPT Image 2.6, e sulla sua pagina dei prezzi non esiste affatto un prezzo di listino per immagine — la fatturazione è a token, quindi il costo per immagine generata varia in base a dimensioni, qualità e quantità di immagini di riferimento inviate. Per dare un'idea, la classifica di Artificial Analysis riporta una stima indipendente di 210,70 $ per 1.000 immagini di qualità massima, circa 21 centesimi ciascuna; per il budget usate un valore simile, non una stima per immagine pubblicata da qualcuno. Se la 2.6 verrà lanciata, l'ipotesi predefinita utile è il tariffario attuale, dato che la 2.5 non ha cambiato nulla rispetto alla 2.0; ma quello è un singolo dato, non una regola, e un cambio di prezzo sarebbe l'evento più degno di nota.

Entrambi gli SKU 2.5 sono già richiamabili tramite OrcaRouter oggi, a 8,00 $ per l'input e 30,00 $ per l'output ogni 1M token — il prezzo di listino del fornitore trasferito con 0% di ricarico, sulla stessa chiave del resto del catalogo. GPT Image 2.6 non è nel catalogo, e nulla in questa fuga di notizie suggerisce una data in cui lo sarà. Ciò che il livello di routing ti offre davvero è la parte economica della transizione: quando un nuovo modello di immagini compare, il DSL di routing ti consente di inviare una porzione di traffico ad esso mentre il resto resta sullo SKU di cui ti fidi, e il failover automatico copre gli errori del fornitore. Non può inventare un secondo upstream per un modello servito da un solo fornitore, quindi un checkpoint completamente nuovo resta un singolo punto di errore finché non è ampiamente replicato.

Quattro segnali che trasformerebbero un nome in un modello

Se vuoi sapere quando questo smetterà di essere una fuga di notizie, guarda alla specifica invece che alla tempistica:

• Un identificatore gpt-image-2.6 che compare nell'elenco dei modelli della specifica, oppure nell'elenco dei modelli GPT image supportati dall'endpoint di edit. È il momento in cui una chiamata diventa possibile.

Il changelog o un post di prodotto di OpenAI. L'azienda non ha mai rilasciato una generazione GPT Image senza uno dei due, inclusa la release 2.5 diffusa su ChatGPT, ChatGPT Work e Codex nello stesso giorno.

• Una voce con punteggio su Artificial Analysis, idealmente con un Elo per l'editing e un numero di campioni. Gli screenshot dell'arena curati dal fornitore non sono questo.

• Il campo markup reso disponibile direttamente nell'API stessa invece di restare in una revisione della specifica — un parametro che puoi effettivamente passare, con un errore di validazione quando le dimensioni dell'overlay sono errate.

C'è anche un falsificatore. Se la prossima revisione della specifica elimina silenziosamente la clausola «and 2.6», la lettura più probabile è che uno SKU pianificato sia stato rinominato o ritardato, esattamente come gli identificatori aurora- sono scomparsi in ottobre. Le anteprime della documentazione vengono ritirate; è proprio questo che le rende anteprime.

Per ora la risposta pratica è poco glamour. Se oggi modifichi immagini a qualità di produzione, GPT Image 2.5 Sunburst è il modello con il miglior punteggio indipendente e un prezzo pubblicato, ed è disponibile subito; Flare è la scelta per i volumi, alle stesse tariffe. Non riscrivere una pipeline di editing attorno a un parametro che ha quattro frasi di documentazione e nessun modello richiamabile alle spalle. Il nome è reale. Il modello, al 29 ottobre 2026, no.