GPT Image 2.6 wordt alleen in OpenAI's specificatie genoemd en nergens anders.

GPT Image 2.6 bestaat deze week alleen als een tekenreeks in een veldbeschrijving en verder niets. Op 28 oktober 2026 voegde een commit aan de openbare OpenAPI-repository van OpenAI een nieuwe parameter voor beeldbewerking toe, genaamd markup, en beschreef die met één zin die van belang is: "Ondersteunt GPT Image 2.5 en 2.6." Alles wat je verder nodig zou hebben om een model aan te roepen, ontbreekt. Er is geen gpt-image-2.6-identifier in de eigen enumeratie van de specificatie, geen prijs, geen changelog-vermelding, geen regel op een leaderboard en geen aankondiging. De OpenAI-beeldmodellen die hetzelfde bestand daadwerkelijk als aanroepbaar opsomt, zijn nog steeds gpt-image-1-mini, gpt-image-1.5, gpt-image-2, GPT Image 2.5 Sunburst en GPT Image 2.5 Flare. Dit is dus geen verhaal over een lancering. Het is een verhaal over wat één zin in het eigen machineleesbare contract van een leverancier je vertelt, en wat het opzettelijk niet vertelt.

Het bewijs, tot op de commit

De wijziging is klein genoeg om volledig te lezen. Commit aa88004, geschreven door de OpenAI OpenAPI Publisher-bot om 20:56 UTC op 28 oktober, draagt de titel "Add 'markup' property to image editing endpoints" en raakt 27 regels in openapi.json en openapi.yaml. Hij bevat een verwijzing naar bronrevisie 1326001 van de API-documentatie, en op die manier weet de gegenereerde referentie welke tekst moet worden weergegeven. Dezelfde vier zinnen staan nu op de referentiepagina voor beeldbewerking op developers.openai.com.

Hier is het volledige verhaal van wat markup is, volgens OpenAI's eigen specificatie:

• Het is een transparante PNG die over de eerste afbeelding in het bewerkingsverzoek is gelegd.

• Het kan worden opgegeven als een bestands-ID, een HTTPS-URL of een base64-data-URL.

• Het moet na oriëntatie overeenkomen met de afmetingen van dat beeld, en het moet transparante pixels bevatten.

• Het ondersteunt GPT Image 2.5 en 2.6 en kan niet worden gecombineerd met masker.

Dat is de volledige openbare beschrijving. Geen diagram, geen voorbeeld, geen uitleg over hoe de overlay wordt geïnterpreteerd, geen verklaring over wat 2.6 anders doet dan 2.5, en geen enkele aanwijzing over timing. De spec is machineleesbaar en uitputtend over veldvormen, terwijl hij vrijwel zwijgt over de semantiek, wat normaal is voor een contract en frustrerend voor iedereen die ermee probeert te plannen.

Wat ontbreekt, is informatiever dan wat aanwezig is.

Zoek in de 5 MB openapi.json naar een identifier die gpt-image-2.6 bevat, en je vindt niets. De tekst over ondersteunde modellen op het edit-endpoint noemt de familie bij naam en stopt bij de twee SKU's uit september en hun gedateerde 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. Een model dat niet in een modelveld kan worden vermeld, is geen model dat je kunt aanroepen, en de repository die die naam zou dragen, is niet bijgewerkt om die te dragen.

Dit is het patroon dat OpenAI gebruikte voorafgaand aan GPT Image 2.5 begin september: verwijzingen duiken op in gegenereerde documentatie en specificatiebestanden voordat de productpagina, de prijstabel en de changelog bijtrekken. Het is ook het patroon dat drie aurora- identifiers opleverde in de modellenlijst van OpenAI op 17 oktober, die binnen enkele minuten verschenen en weer werden teruggetrokken en sindsdien niet zijn verklaard. Een naam in een specificatie is een vroeg signaal. Het is geen belofte, en het is geen datum.

Markup is een input, geen model — en dat is de echte verandering.

Het versienummer is de kop, maar de parameter is de inhoud. Vandaag de dag kan een beeldbewerking een masker gebruiken: een binaire regio die zegt "verander hier, laat de rest met rust". De prompt moet de hele betekenis dragen, omdat het masker geen enkele betekenis draagt — het is een gat zonder semantiek erin. Markup is een ander soort object. Het is een beeld dat over het beeld heen is gelegd, en een beeld kan een pijl bevatten, een kader dat om een logo is getekend, een krabbel in de rand, twee regio's die door kleur worden onderscheiden, of een handgeschreven notitie. Als het model die overlay als instructie leest en niet als pixels om te mengen, is de bewerkingsaanvraag niet langer "vervang deze regio", maar wordt ze "doe wat de tekening zegt".

Die laatste zin is een gevolgtrekking, geen documentatie. OpenAI heeft exact vier zinnen over markup gepubliceerd, en geen enkele beschrijft interpretatie. Wat de specificatie ondubbelzinnig zegt, is de exclusiviteit: markup kan niet worden gecombineerd met mask. Dit is dus geen extra input die aan de bestaande bewerkingsflow wordt vastgeschroefd. Het is een tweede route door de endpoint, en elke aanvraag gebruikt het een of het ander. Bestaande mask-and-prompt-aanroepen worden niet beïnvloed omdat het veld optioneel is, maar een product dat annotatiegestuurde bewerking wil, zal een andere aanroepvorm kiezen in plaats van de huidige uit te breiden.

Er is een echo aan consumentenzijde die het vermelden waard is. ChatGPT Images 2.5 kwam op 8 september met een Sketch-tool — teken op een afbeelding, vraag om een wijziging. Markup leest als de uitdrukking aan API-zijde van hetzelfde idee: de tekening wordt de instructie, en de prompt wordt een bijschrift daarvoor. Of dat is wat OpenAI bedoelt, is niet bevestigd, maar de beperkingen van het veld — dezelfde afmetingen, transparante pixels, wederzijds exclusief met mask — passen bij die lezing en bij weinig anders.

De andere helft van het lek is een Arena-codenaam.

Het signaal waarmee dit stuk begint, combineert de documentatie-observatie met blinde Arena-tests: gpt-image-2.5-sunburst links, een anonieme shooting-star-green-alpha rechts, met twee geteste checkpoints en een tweede output die in de reacties werd gepost. Een Koreaans artikel dat op 28 oktober verscheen, beschrijft dezelfde codenaamfamilie die op Arena's image leaderboard verschijnt — de kop noemt zowel een Green Alpha als een Red Alpha — meldt dat het slechts marginaal anders oogde dan GPT Image 2.5, met iets minder korreligheid, en waarschuwt dat er meerdere generaties nodig waren voordat er één goed uitkwam.

Niets bewijst dat shooting-star-green-alpha GPT Image 2.6 is. De link is indirect: de codenaam dook op in dezelfde week als de spec-zin, hij wordt vergeleken met het huidige beste bewerkingsmodel, en het achtervoegsel -alpha past bij de aurora-*-alpha-identificatoren van 17 oktober. Arena-codenamen zijn eerder verkeerd toegeschreven, en twee verschillend gekleurde varianten zijn geen bewijs voor twee afzonderlijke modelversies — het kunnen net zo goed twee sampling-checkpoints van hetzelfde model zijn. Behandel de arena-helft als een waarneming door testers, niet als een benchmarkresultaat, en behandel 'iets beter dan 2.5' als de waarschijnlijkste uitkomst tot iemand een vergelijking met scores publiceert.

Wat 2.6 zou moeten verslaan

Het relevante board is beeldbewerking, omdat markup een bewerkingsfunctie is. Zoals weergegeven op Artificial Analysis op 29 oktober, ziet de top van dat leaderboard er als volgt uit:

• GPT Image 2.5 Sunburst (max) — OpenAI, Elo 1.199, eerste.

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

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

• MAI-Image-2.6 — Microsoft AI, Elo 1.151, vierde, op gelijke hoogte met Krea 3 (Ultra) en Nano Banana 2.1.

• GPT Image 2 (high) — OpenAI, Elo 1.136, achtste.

Er is geen vermelding van GPT Image 2.6 op die ranglijst, wat de meest zuivere beschikbare bevestiging is dat er niets is uitgebracht. Er is ook geen ruimte aan de top: het verschil tussen de eerste en tweede plaats is zes punten, en het verschil tussen Sunburst en zijn eigen Flare-zustermodel is zeventien. Beide hebben 95%-intervallen die overlappen — 1.188 tot 1.210 voor Sunburst, 1.171 tot 1.193 voor Flare. Een 2.6 die alleen de korreligheid vermindert, zoals de testers van Arena beschrijven, zou binnen die ruis terechtkomen, niet daarboven. De interessante vraag is niet of 2.6 2.5 verslaat op Elo. Het gaat erom of het markup-pad verandert wat een bewerkingsverzoek kan uitdrukken, omdat dat het soort capaciteit is dat een ranglijst van paarsgewijze vergelijkingen slecht kan meten.

De prijs die het zou erven, en wat je vandaag kunt noemen

GPT Image 2.5 werd op 8 september gelanceerd met twee API-SKU's — Flare als standaard, gepositioneerd met 50% lagere latentie dan GPT Image 2, en Sunburst als de variant voor precisiebewerking — en het hield de tariefkaart van GPT Image 2 exact vast:

Beeldinvoer — $8,00 per 1 mln. tokens, gecachte beeldinvoer $2,00 per 1 mln., beeldoutput $30,00 per 1 mln.

• Tekstinvoer — $5,00 per 1 mln. tokens, gecachet $1,25 per 1 mln.

• Batch — halve prijs: $ 4,00 afbeeldingsinvoer, $ 1,00 gecacht, $ 15,00 afbeeldingsuitvoer, $ 2,50 tekstinvoer.

OpenAI heeft geen prijs gepubliceerd voor GPT Image 2.6, en op de eigen prijspagina staat überhaupt geen lijstprijs per afbeelding — facturering gebeurt per token, dus de kosten per gegenereerde afbeelding variëren met grootte, kwaliteit en hoeveel referentiebeeldmateriaal je meestuurt. Als maatstaf: de ranglijst van Artificial Analysis bevat een onafhankelijke schatting van $210,70 per 1.000 afbeeldingen van maximale kwaliteit, ongeveer 21 cent per stuk; gebruik zo'n getal voor budgettering, niet een schatting per afbeelding die iemand heeft gepost. Als 2.6 daadwerkelijk wordt gelanceerd, is de nuttige standaardanname de huidige tariefkaart, aangezien 2.5 niets veranderde ten opzichte van 2.0; maar dat is één datapunt, geen beleid, en een prijswijziging zou het meer nieuwswaardige evenement zijn.

Beide 2.5-SKU's zijn vandaag al via OrcaRouter aanroepbaar, tegen $8,00 input en $30,00 output per 1M tokens — de lijstprijs van de provider doorgerekend met 0% markup, op dezelfde key als de rest van de catalogus. GPT Image 2.6 staat niet in de catalogus, en niets in deze leak wijst op een datum waarop dat zal gebeuren. Wat de routeringslaag je wel biedt, is het goedkope deel van de overgang: wanneer er een nieuw beeldmodel verschijnt, kun je met de routing-DSL een deel van het verkeer daarheen sturen terwijl de rest op de SKU blijft die je vertrouwt, en automatische failover vangt providerfouten op. Het kan geen tweede upstream verzinnen voor een model dat maar één provider bedient, dus een gloednieuw checkpoint blijft een single point of failure tot het breed gespiegeld is.

Vier signalen die van een naam een model zouden maken

Als je wilt weten wanneer dit ophoort een lek te zijn, let dan op de specificatie en niet op de tijdlijn:

• Een gpt-image-2.6-identificator die voorkomt in de modelopsomming van de specificatie, of in de lijst met ondersteunde GPT-afbeeldingsmodellen van het edit-endpoint. Dat is het moment waarop een aanroep mogelijk wordt.

• De changelog of een productbericht van OpenAI. Het bedrijf heeft nog nooit een GPT Image-generatie uitgebracht zonder een changelog of productbericht, inclusief de 2.5-release die op dezelfde dag werd uitgerold via ChatGPT, ChatGPT Work en Codex.

• Een item met een score op Artificial Analysis, idealiter met een editing-Elo en een steekproefgrootte. Door leveranciers samengestelde arena-screenshots zijn dat niet.

• Het markup-veld dat in de API zelf live gaat in plaats van in een spec-revisie te staan — een parameter die je daadwerkelijk kunt meegeven, met een validatiefout wanneer de afmetingen van de overlay onjuist zijn.

Er is ook een weerlegger. Als de volgende herziening van de specificatie de clausule "and 2.6" stilzwijgend schrapt, is de waarschijnlijke interpretatie dat een geplande SKU is hernoemd of uitgesteld, precies zoals de aurora- identificatoren in oktober verdwenen. Documentatiepreviews worden ingetrokken; dat maakt ze juist previews.

Voor nu is het praktische antwoord weinig glamoureus. Als je vandaag afbeeldingen bewerkt op productiekwaliteit, is GPT Image 2.5 Sunburst het model met de beste onafhankelijke score en een gepubliceerde prijs, en het is nu al beschikbaar; Flare is de keuze voor volume tegen dezelfde tarieven. Herschrijf geen bewerkingspijplijn rond een parameter die vier zinnen documentatie heeft en waarvoor geen aanroepbaar model bestaat. De naam is echt. Het model, per 29 oktober 2026, niet.