「GPT Image 2.6」之名僅見於 OpenAI 規格文件，他處皆無。

GPT Image 2.6 本週僅以一個字串存在於某個欄位描述中，除此之外什麼都沒有。2026 年 10 月 28 日，OpenAI 公開 OpenAPI 儲存庫的一筆提交新增了一個名為 markup 的影像編輯參數，並用一句至關重要的話來描述它：「支援 GPT Image 2.5 和 2.6。」呼叫模型所需的其他一切資訊付之闕如。規格本身的列舉中沒有 gpt-image-2.6 識別碼，沒有價格、沒有變更日誌條目、沒有排行榜列，也沒有公告。同一份檔案實際列為可呼叫的 OpenAI 影像模型仍是 gpt-image-1-mini、gpt-image-1.5、gpt-image-2、GPT Image 2.5 Sunburst 和 GPT Image 2.5 Flare。因此，這不是一則發布消息，而是一則關於廠商自身機器可讀合約中的一句話能告訴你什麼、又刻意不告訴你什麼的故事。

證據，細到具體提交

這次變更的幅度很小，可以完整讀完。提交 aa88004 由 OpenAI OpenAPI Publisher 機器人於 10 月 28 日 20:56 UTC 撰寫，標題為「Add 'markup' property to image editing endpoints」，共更動 openapi.json 與 openapi.yaml 中的 27 行。它引用了 API 文件來源修訂版 1326001，產生的參考文件便是依此得知要呈現哪些說明文字。同樣的四句話現在出現在 developers.openai.com 的影像編輯參考頁面上。

以下是 標記 的完整定義，根據 OpenAI 自己的規格：

• 它是透明 PNG，疊加在編輯請求中的第一張圖片上。

• 它可以是檔案 ID、HTTPS URL 或 base64 資料 URL。

• 它必須在調整方向後符合該圖片的尺寸，且必須包含透明像素。

• 支援 GPT Image 2.5 與 2.6，且無法與遮罩搭配使用。

這就是公開說明的全部內容。沒有圖示、沒有範例、沒有解釋覆蓋層如何被解讀、沒有說明 2.6 與 2.5 有何不同，也沒有任何關於時機的線索。這份規格機器可讀，且對欄位形態詳盡無遺，卻對語意幾乎隻字未提；這對契約而言很正常，對任何想據此規劃的人來說卻很令人挫折。

缺少的東西比存在的東西更能提供資訊。

在 5 MB 的 openapi.json 裡搜尋任何包含 gpt-image-2.6 的識別字，結果一無所獲。編輯端點上關於支援模型的說明文字逐一列出這個系列的名稱，但只列到兩個九月 SKU 及其帶日期的快照版本為止：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。無法在 model 欄位中被指名的模型，就不是你能呼叫的模型；而理應承載該名稱的儲存庫，也尚未更新以納入它。

這是 OpenAI 在九月初、GPT Image 2.5 推出前所使用的模式：參考資料會先出現在生成的說明文件與規格檔案中，之後產品頁面、價格表和更新日誌才跟上。這也是十月十七日 OpenAI 模型清單中出現三個 aurora- 識別碼的模式；這些識別碼在幾分鐘內出現又被撤下，此後一直未獲解釋。規格文件中的名稱是領先指標。它並非承諾，也不是日期。

標記是一種輸入，而非模型——這才是真正的改變

版本號是標題，但參數才是實質。今日的圖像編輯可以接收一個遮罩：一個二元區域，表示「這裡改、其餘不動」。提示詞必須承載所有含義，因為遮罩不承載任何含義——它是一個內部毫無語意的洞。標記是另一種物件。它是疊在圖片之上的圖畫，而圖畫可以承載箭頭、圍繞標誌畫出的方框、邊緣的塗鴉、以顏色區分的兩個區域，或手寫註記。如果模型把該疊加層讀成指令，而非待混合的像素，編輯請求就不再是「替換這個區域」，而變成「照圖畫所說去做」。

最後那句是推論，並非文件記載。OpenAI 針對 markup 總共只發表了四句話，而其中沒有一句描述其解讀方式。規格明確指出的是互斥性：markup 不能與 mask 併用。因此，這並非硬加在現有編輯流程上的額外輸入，而是通過該端點的第二條路徑；每個請求只能擇一使用。現有的 mask-and-prompt 呼叫不受影響，因為該欄位是選填的；但若產品想要標註驅動的編輯，將是選擇不同的呼叫形式，而非擴充目前的形式。

有一個值得注意的消費端呼應。ChatGPT Images 2.5 於 9 月 8 日推出時搭載了 Sketch 工具——可在影像上繪製，再要求做出變更。Markup 讀起來像是同一個概念在 API 端的表達：繪圖本身成了指令，而提示詞則成了它的說明文字。這是否為 OpenAI 的本意尚未獲得證實，但該功能的限制條件——尺寸相同、像素透明、與 mask 互斥——既符合這種解讀，也幾乎不符合其他任何解讀。

洩漏的另一半是 Arena 代號

促使本文問世的訊號，把文件上的目擊紀錄與 Arena 盲測兩相並置：左邊是 gpt-image-2.5-sunburst，右邊是匿名的 shooting-star-green-alpha，一共測試了兩個檢查點，並在回覆串中貼出第二份輸出。10 月 28 日發表的一篇韓文報導，描述了同一組代號家族出現在 Arena 的圖像排行榜上——其標題同時點名 Green Alpha 與 Red Alpha——報導指出，它看起來與 GPT Image 2.5 僅有些微差異，顆粒感略少一些，並警告要好幾次生成，才有一個結果理想。

沒有任何證據能證實 shooting-star-green-alpha 就是 GPT Image 2.6。這條線索只是間接推論：該代號與那句規格說明在同一週出現，它正被拿來與目前最頂尖的編輯模型比較，而 -alpha 後綴也與 10 月 17 日的 aurora-*-alpha 識別碼相符。Arena 代號過去就曾被錯誤歸因，而兩種顏色不同的變體也不能證明存在兩個不同的模型版本——它們同樣可能只是同一個模型的兩個取樣檢查點。請把 arena 那一半當成測試者的目擊情報，而非基準測試結果；並且在有人發表評分比較之前，應把「僅略優於 2.5」視為最可能的結果。

2.6 必須超越什麼

相關的排行榜是圖像編輯，因為標註是一項編輯功能。正如 10 月 29 日 Artificial Analysis 上所顯示，該排行榜的頂端看起來是這樣：

• GPT Image 2.5 Sunburst（max）— OpenAI，Elo 1,199，排名第一。

• MAI-Image-2.7-Preview — Microsoft AI，Elo 1,193，排名第二。

• GPT Image 2.5 Flare（max）— OpenAI，Elo 1,182，排名第三。

• MAI-Image-2.6 — Microsoft AI，Elo 1,151，排名第四，與 Krea 3（Ultra）及 Nano Banana 2.1 持平。

• GPT Image 2（高）— OpenAI，Elo 1,136，第八名。

那個排行榜上沒有 GPT Image 2.6 的條目，這是最清楚可得的確認，表示尚未有任何東西正式推出。榜首同樣沒有空間：第一與第二名之間差距六分，而 Sunburst 與同屬其家族的 Flare 之間差距十七分。兩者都具有重疊的 95% 區間——Sunburst 為 1,188 至 1,210，Flare 為 1,171 至 1,193。若 2.6 僅如 Arena 測試人員所述降低顆粒感，它會落在該噪聲範圍內，而不是高於它。有趣的問題不是 2.6 在 Elo 上是否勝過 2.5，而是標記路徑是否改變了編輯請求所能表達的內容，因為那正是成對比較排行榜不擅長衡量的能力類型。

它將繼承的價格，以及你今天可以怎麼稱呼

GPT Image 2.5 於 9 月 8 日推出，提供兩種 API SKU——Flare 為預設版本，主打延遲比 GPT Image 2 低 50%；Sunburst 則為精準編輯版本——且完全沿用 GPT Image 2 的費率表：

• 圖片輸入 — 每 100 萬個 token 8.00 美元，快取圖片輸入每 100 萬個 2.00 美元，圖片輸出每 100 萬個 30.00 美元。

• 文字輸入 — 每 1M 詞元 $5.00，快取每 1M $1.25。

• 批次 — 半價：$4.00 圖片輸入、$1.00 快取、$15.00 圖片輸出、$2.50 文字輸入。

OpenAI 並未公布 GPT Image 2.6 的價格，而其自家定價頁面上也完全沒有每張圖片的定價——計費方式是按 token 計算，因此每張生成圖片的成本會隨尺寸、品質以及你送出多少參考圖像而變動。為了掌握量級，Artificial Analysis 的排行榜上有一項獨立估算：每 1,000 張最高品質圖片為 210.70 美元，約每張 21 美分；做預算規劃時請採用這類數字，而不是某人隨手貼出的每張圖片猜測。若 2.6 真的推出，實用的預設假設就是目前的價目表，因為 2.5 相較於 2.0 並未帶來任何變動；但那只是一個資料點，而非一項政策，而價格若有變動，反而會是更具新聞價值的事件。

兩個 2.5 SKU 今天已可透過 OrcaRouter 呼叫，價格為每 100 萬個 token 輸入 $8.00、輸出 $30.00——這是供應商的定價原樣轉嫁，加價 0%，且與型錄其餘項目使用同一把金鑰。GPT Image 2.6 並不在型錄上，而這份外洩資料中沒有任何內容顯示它會在何時上架。路由層真正能替你買到的，是轉換過程中便宜的那一部分：當新的圖像模型真的出現時，路由 DSL 讓你可以把一部分流量導向它，其餘流量則繼續留在你信任的 SKU 上，而自動容錯移轉則能涵蓋供應商錯誤。它無法為只有單一供應商提供的模型憑空創造第二個上游，因此全新的檢查點在尚未被廣泛鏡像之前，仍然是單點故障。

四個會讓名字變成模型的訊號

如果你想知道這什麼時候不再算是洩漏，要看的是規格，而不是時間表：

• 規格書的模型列舉中出現 gpt-image-2.6 識別碼，或它出現在編輯端點所支援的 GPT 影像模型清單中。那就是呼叫得以成立的時刻。

• OpenAI 的更新日誌或產品發文。該公司每一次推出 GPT Image 生成功能時，從未少了這類內容，包括 2.5 版本那次同步於 ChatGPT、ChatGPT Work 與 Codex 上線的發布。

• 在 Artificial Analysis 上有一個計分項目，最好附有編輯 Elo 與樣本數。廠商自行精選的競技場截圖不算數。

• 標記欄位直接在 API 本身正式上線，而非停留在規格修訂版中——一個你確實能傳入的參數，當疊層尺寸不正確時會回報驗證錯誤。

此外還有一個否證指標。如果規格的下一個修訂版悄悄刪掉了「以及 2.6」這項條款，最可能的解讀是某個原定推出的 SKU 被改名或延後了，情況正如十月時那批 aurora- 開頭的識別字憑空消失一樣。文件預覽本來就會被撤下；正因為如此，它們才叫預覽。

目前，務實的答案並不光鮮。如果你今天要以生產級品質編輯圖像，GPT Image 2.5 Sunburst 是獨立評分最佳且已公布價格的模型，而且現在就能使用；Flare 則是以相同費率大量處理時的選擇。不要為了一個只有四句文件說明、背後卻沒有可呼叫模型的參數，去重寫整套編輯流程。這個名稱是真的。但截至 2026 年 10 月 29 日，這個模型並不存在。