GPT Image 2.6 được nêu tên trong đặc tả của OpenAI và không xuất hiện ở nơi nào khác

GPT Image 2.6 tồn tại trong tuần này chỉ như một chuỗi nằm trong phần mô tả trường và không gì hơn thế. Vào ngày 28 tháng 10 năm 2026, một commit vào kho OpenAPI công khai của OpenAI đã thêm một tham số chỉnh sửa hình ảnh mới có tên markup và mô tả nó bằng một câu đáng chú ý: “Hỗ trợ GPT Image 2.5 và 2.6.” Mọi thứ khác bạn cần để gọi một mô hình đều đang thiếu. Không có mã định danh gpt-image-2.6 trong phần liệt kê của chính đặc tả, không có giá, không có mục nhật ký thay đổi, không có dòng trên bảng xếp hạng và không có thông báo. Các mô hình hình ảnh của OpenAI mà chính tệp đó thực sự liệt kê là có thể gọi được vẫn là gpt-image-1-mini, gpt-image-1.5, gpt-image-2, GPT Image 2.5 Sunburst và GPT Image 2.5 Flare. Vì vậy, đây không phải là một câu chuyện ra mắt. Đây là câu chuyện về điều mà một câu trong hợp đồng máy đọc được của chính nhà cung cấp nói cho bạn biết, và điều mà nó cố ý không nói.

Bằng chứng, chi tiết đến tận từng commit

Thay đổi này đủ nhỏ để đọc toàn bộ. Commit aa88004, được tạo bởi bot OpenAI OpenAPI Publisher vào 20:56 UTC ngày 28 tháng 10, có tiêu đề "Thêm thuộc tính 'markup' vào các endpoint chỉnh sửa hình ảnh" và tác động đến 27 dòng trong openapi.json và openapi.yaml. Nó mang tham chiếu đến bản sửa đổi nguồn tài liệu API 1326001, đây là cách tài liệu tham chiếu được tạo biết cần hiển thị phần văn bản nào. Bốn câu giống hệt hiện đã xuất hiện trên trang tham chiếu chỉnh sửa hình ảnh tại developers.openai.com.

Dưới đây là toàn bộ những gì tạo nên markup, theo đặc tả của chính OpenAI:

• Đó là một PNG trong suốt được phủ lên hình ảnh đầu tiên trong yêu cầu chỉnh sửa.

• Nó có thể được cung cấp dưới dạng ID tệp, URL HTTPS hoặc URL dữ liệu base64.

• Nó phải khớp với kích thước của hình ảnh đó sau khi định hướng, và nó phải chứa các điểm ảnh trong suốt.

• Nó hỗ trợ GPT Image 2.5 và 2.6, và không thể kết hợp với mask.

Đó là toàn bộ mô tả công khai. Không có sơ đồ, không có ví dụ, không có giải thích về cách diễn giải overlay, không có tuyên bố về việc 2.6 làm khác 2.5 ở điểm nào, và không có manh mối nào về thời điểm. Đặc tả này máy đọc được và cặn kẽ về cấu trúc trường nhưng gần như im lặng về ngữ nghĩa, điều này là bình thường đối với một hợp đồng và gây bực bội cho bất kỳ ai đang cố lập kế hoạch xoay quanh nó.

Điều còn thiếu mang nhiều thông tin hơn điều đang hiện diện.

Tìm trong tệp openapi.json 5 MB xem có bất kỳ định danh nào chứa gpt-image-2.6 hay không, và bạn sẽ chẳng thấy gì. Phần văn xuôi về các mô hình được hỗ trợ trên endpoint edit liệt kê từng tên trong họ này và dừng lại ở hai SKU của tháng Chín cùng các snapshot gắn ngày tương ứng: 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. Một mô hình không thể được nêu tên trong trường model thì không phải là mô hình bạn có thể gọi, và kho lưu trữ lẽ ra phải mang cái tên đó vẫn chưa được cập nhật để mang nó.

Đây là kiểu mẫu mà {{1}}OpenAI đã sử dụng trước thềm GPT Image 2.5 vào đầu tháng 9{{/1}}: các tài liệu tham chiếu xuất hiện trong tài liệu được tạo và các tệp đặc tả trước khi trang sản phẩm, bảng giá và nhật ký thay đổi bắt kịp. Đây cũng là kiểu mẫu đã tạo ra ba mã định danh aurora- trong danh sách mô hình của OpenAI vào ngày 17 tháng 10, những mã này đã xuất hiện rồi lại bị gỡ chỉ trong vài phút và kể từ đó vẫn chưa được giải thích. Một cái tên trong bản đặc tả là một chỉ báo sớm. Đó không phải là một lời hứa, và cũng không phải là một ngày.

Markup là đầu vào, không phải mô hình — và đó chính là sự thay đổi thực sự.

Số phiên bản là tiêu đề, nhưng tham số mới là nội dung thực chất. Ngày nay, một thao tác chỉnh sửa ảnh có thể nhận một mặt nạ: một vùng nhị phân nói rằng "hãy thay đổi ở đây, giữ nguyên phần còn lại". Câu lệnh phải mang toàn bộ ý nghĩa, bởi vì mặt nạ không mang ý nghĩa nào — nó là một lỗ trống không có ngữ nghĩa bên trong. Đánh dấu là một loại đối tượng khác. Đó là một hình ảnh được phủ lên trên hình ảnh, và một hình ảnh có thể mang theo một mũi tên, một khung vẽ quanh logo, một nét nguệch ngoạc ở lề, hai vùng được phân biệt bằng màu sắc, hoặc một ghi chú viết tay. Nếu mô hình đọc lớp phủ đó như một chỉ dẫn thay vì như các điểm ảnh cần hòa trộn, thì yêu cầu chỉnh sửa không còn là "thay thế vùng này" nữa mà trở thành "làm theo những gì bản vẽ nói".

Câu cuối cùng đó là suy luận, không phải tài liệu. OpenAI đã công bố đúng bốn câu về markup và không câu nào trong số đó mô tả cách diễn giải. Điều mà đặc tả nói một cách rõ ràng là tính loại trừ: markup không thể được kết hợp với mask. Vì vậy, đây không phải là một đầu vào bổ sung được gắn thêm vào luồng chỉnh sửa hiện có. Đây là một tuyến đường thứ hai đi qua endpoint, và mỗi yêu cầu sẽ chọn một trong hai. Các lệnh gọi mask-và-prompt hiện có không bị ảnh hưởng vì trường này là tùy chọn, nhưng một sản phẩm muốn chỉnh sửa dựa trên chú thích sẽ phải chọn một dạng lệnh gọi khác thay vì mở rộng dạng lệnh gọi hiện tại.

Có một điểm tương đồng đáng chú ý ở phía người dùng. ChatGPT Images 2.5 ra mắt kèm công cụ Sketch vào ngày 8 tháng 9 — vẽ lên ảnh, yêu cầu một thay đổi. Markup trông giống như cách diễn đạt cùng ý tưởng đó ở phía API: bản vẽ trở thành chỉ dẫn, còn prompt trở thành chú thích cho nó. Chưa xác nhận được liệu đó có phải là điều OpenAI dự định hay không, nhưng các ràng buộc của trường này — cùng kích thước, điểm ảnh trong suốt, loại trừ lẫn nhau với mask — khớp với cách hiểu đó và hầu như không khớp với cách hiểu nào khác.

Nửa còn lại của vụ rò rỉ là mật danh Arena

Tín hiệu khởi đầu bài viết này ghép lần xuất hiện trong tài liệu với kiểm thử mù trên Arena: gpt-image-2.5-sunburst ở bên trái, một shooting-star-green-alpha ẩn danh ở bên phải, với hai checkpoint được kiểm thử và một kết quả đầu ra thứ hai được đăng trong phần trả lời. Một bài viết bằng tiếng Hàn xuất bản ngày 28 tháng 10 mô tả cùng nhóm tên mã xuất hiện trên bảng xếp hạng hình ảnh của Arena — tiêu đề của bài nhắc đến cả Green Alpha và Red Alpha — báo cáo rằng nó trông chỉ khác một chút so với GPT Image 2.5, với độ nhiễu hạt thấp hơn một chút, và cảnh báo rằng cần nhiều lần tạo thì mới có một kết quả tốt.

Không có gì xác minh rằng shooting-star-green-alpha là GPT Image 2.6. Mối liên hệ chỉ là suy diễn: mật danh này xuất hiện cùng tuần với câu đặc tả, nó đang được so sánh với mô hình chỉnh sửa hàng đầu hiện tại, và hậu tố -alpha khớp với các định danh aurora-*-alpha từ ngày 17 tháng 10. Mật danh Arena từng bị gán nhầm trước đây, và hai biến thể khác màu không phải bằng chứng về hai phiên bản mô hình riêng biệt — chúng hoàn toàn có thể chỉ là hai checkpoint lấy mẫu của cùng một mô hình. Hãy coi phần Arena là một lần bắt gặp bởi những người kiểm thử, không phải kết quả benchmark, và coi "tốt hơn 2.5 một chút" là kết quả có khả năng xảy ra nhất cho đến khi ai đó công bố một so sánh có chấm điểm.

Những gì 2.6 sẽ phải vượt qua

Bảng xếp hạng liên quan là chỉnh sửa hình ảnh, vì đánh dấu là một tính năng chỉnh sửa. Như được hiển thị trên Artificial Analysis vào ngày 29 tháng 10, phần đầu của bảng xếp hạng đó trông như sau:

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

• MAI-Image-2.7-Preview — Microsoft AI, Elo 1,193, đứng thứ hai.

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

• MAI-Image-2.6 — Microsoft AI, Elo 1.151, đứng thứ tư, ngang bằng với Krea 3 (Ultra) và Nano Banana 2.1.

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

Không có mục GPT Image 2.6 trên bảng đó, và đây là xác nhận rõ ràng nhất hiện có rằng chưa có gì được phát hành. Cũng không có chỗ ở vị trí dẫn đầu: khoảng cách giữa nhất và nhì là sáu điểm, còn khoảng cách giữa Sunburst và người anh em Flare của chính nó là mười bảy. Cả hai đều có khoảng tin cậy 95% chồng lấn — 1.188 đến 1.210 đối với Sunburst, 1.171 đến 1.193 đối với Flare. Một phiên bản 2.6 chỉ giảm độ nhiễu hạt, như các tester của Arena mô tả, sẽ rơi vào trong vùng nhiễu đó chứ không vượt lên trên. Câu hỏi thú vị không phải là liệu 2.6 có đánh bại 2.5 trên Elo hay không. Mà là liệu con đường markup có thay đổi những gì một yêu cầu chỉnh sửa có thể diễn đạt hay không, vì đó là kiểu năng lực mà một bảng xếp hạng so sánh theo cặp vốn kém trong việc đo lường.

Mức giá mà nó sẽ thừa hưởng, và điều bạn có thể gọi vào hôm nay.

GPT Image 2.5 ra mắt ngày 8 tháng 9 với hai SKU API — Flare là mặc định, được giới thiệu có độ trễ thấp hơn 50% so với GPT Image 2, và Sunburst là biến thể chỉnh sửa chính xác — đồng thời giữ nguyên bảng giá của GPT Image 2:

• Đầu vào hình ảnh — $8.00 mỗi 1 triệu token, đầu vào hình ảnh được lưu trong bộ nhớ đệm $2.00 mỗi 1 triệu, đầu ra hình ảnh $30.00 mỗi 1 triệu.

• Đầu vào văn bản — $5.00 mỗi 1M token, đã lưu trong bộ nhớ đệm $1.25 mỗi 1M.

• Batch — nửa giá: $4.00 cho đầu vào hình ảnh, $1.00 cho bộ nhớ đệm, $15.00 cho đầu ra hình ảnh, $2.50 cho đầu vào văn bản.

OpenAI chưa công bố giá cho GPT Image 2.6, và hoàn toàn không có giá niêm yết theo từng ảnh trên trang giá riêng của hãng — việc tính phí dựa theo token, nên chi phí cho mỗi ảnh tạo ra sẽ thay đổi tùy theo kích thước, chất lượng và lượng ảnh tham chiếu bạn gửi. Để dễ hình dung quy mô, bảng xếp hạng của Artificial Analysis có một ước tính độc lập là 210,70 USD cho 1.000 ảnh chất lượng tối đa, tức khoảng 21 xu mỗi ảnh; hãy dùng con số như vậy để lập ngân sách, chứ đừng dựa vào con số phỏng đoán theo từng ảnh mà ai đó đăng lên. Nếu 2.6 thực sự ra mắt, giả định mặc định hữu ích là bảng giá hiện hành, vì 2.5 không thay đổi gì so với 2.0; nhưng đó chỉ là một điểm dữ liệu, không phải một chính sách, và một thay đổi giá sẽ là sự kiện đáng đưa tin hơn.

Cả hai SKU 2.5 hiện đã có thể gọi qua OrcaRouter, với giá $8,00 cho đầu vào và $30,00 cho đầu ra trên mỗi 1 triệu token — giá niêm yết của nhà cung cấp được chuyển nguyên với mức phụ thu 0%, trên cùng một khóa như phần còn lại của danh mục. GPT Image 2.6 không có trong danh mục, và không có gì trong bản rò rỉ này cho thấy một ngày cụ thể mà nó sẽ xuất hiện. Điều mà lớp định tuyến thực sự mang lại cho bạn là phần rẻ nhất của quá trình chuyển đổi: khi một mô hình hình ảnh mới xuất hiện, DSL định tuyến cho phép bạn gửi một phần lưu lượng đến nó trong khi phần còn lại vẫn nằm trên SKU mà bạn tin tưởng, và cơ chế chuyển đổi dự phòng tự động sẽ xử lý các lỗi từ nhà cung cấp. Nó không thể tạo ra một upstream thứ hai cho một mô hình mà chỉ một nhà cung cấp phục vụ, vì vậy một checkpoint hoàn toàn mới vẫn là điểm lỗi đơn nhất cho đến khi nó được sao chép rộng rãi.

Bốn tín hiệu sẽ biến một cái tên thành một hình mẫu

Nếu bạn muốn biết khi nào điều này không còn là rò rỉ, hãy theo dõi đặc tả thay vì dòng thời gian:

• Một định danh gpt-image-2.6 xuất hiện trong phần liệt kê model của spec, hoặc trong danh sách các model GPT image được hỗ trợ ở endpoint edit. Đó chính là thời điểm một lệnh gọi trở nên khả thi.

• Nhật ký thay đổi hoặc một bài đăng sản phẩm từ OpenAI. Công ty chưa từng phát hành một thế hệ GPT Image nào mà không có một trong hai, kể cả bản phát hành 2.5 được triển khai trên ChatGPT, ChatGPT Work và Codex trong cùng một ngày.

• Một mục được chấm điểm trên Artificial Analysis, lý tưởng nhất là có Elo chỉnh sửa và số lượng mẫu. Ảnh chụp màn hình arena do nhà cung cấp tự tuyển chọn không phải là thứ đó.

• Trường markup chính thức đi vào API thay vì nằm trong một bản sửa đổi đặc tả — một tham số mà bạn thực sự có thể truyền, kèm lỗi xác thực khi kích thước overlay không đúng.

Cũng có một yếu tố phản chứng. Nếu bản sửa đổi tiếp theo của đặc tả âm thầm bỏ mệnh đề “and 2.6”, cách lý giải khả dĩ là một SKU đã lên kế hoạch bị đổi tên hoặc hoãn lại, đúng như các định danh aurora- đã biến mất vào tháng Mười. Các bản xem trước tài liệu bị gỡ xuống; chính điều đó khiến chúng trở thành bản xem trước.

Hiện tại, câu trả lời thiết thực thì chẳng có gì hào nhoáng. Nếu hôm nay bạn đang chỉnh sửa ảnh ở chất lượng sản xuất, GPT Image 2.5 Sunburst là mô hình có điểm độc lập tốt nhất và mức giá được công bố, và nó đang có sẵn ngay bây giờ; Flare là lựa chọn cho khối lượng lớn với mức giá tương tự. Đừng viết lại một pipeline chỉnh sửa quanh một tham số chỉ có bốn câu tài liệu và không có mô hình nào có thể gọi được đằng sau nó. Cái tên là thật. Còn mô hình, tính đến ngày 29 tháng 10 năm 2026, thì không.