Gemäß der Produktankündigung von OpenAI war das Bild-Markup bereits in ChatGPT verfügbar und wird mit Images 2.6 in die API eingegeben, sodass Teams „genau angeben können, wo eine bestimmte Änderung erfolgen soll“. Im Changelog vom 4. November 2026 heißt es außerdem, dass die markupgesteuerte Bearbeitung für die unterstützten GPT-Image-Modelle 2.5 und 2.6 hinzugefügt wurde. Der Bildgenerierungsleitfaden platziert den Aufrufpfad bei Image API POST /v1/images/edits. Für Teams, die es in ChatGPT bereits gewohnt sind, „einzukreisen und dann zu ändern“, besteht die Bedeutung darin, dass dieselbe Interaktionssemantik in Batch-Jobs und serverseitige Pipelines eintreten kann.

👉 GPT Image 2.6 API auf PoYo testen: Preise pro Bild und Online-Playground.

Im Wesentlichen verwendet die Funktion eine transparente Anmerkungsebene gleicher Größe sowie eine Eingabeaufforderung in natürlicher Sprache, um das Modell in Richtung eingekreister oder markierter Bereiche zu steuern und so Fehler beim Neuzeichnen des Vollbilds zu reduzieren. Offizielle Beispiele und Produktsprache deuten auf Umfärbungen im E-Commerce, lokale SKU-Ersetzungen, Korrekturen von Verpackungskopien und ähnliche Abläufe hin; In der Ankündigung wird außerdem Wert darauf gelegt, die Charakter-, Produkt- und Markendetails bei allen Änderungen konsistent zu halten.

Struktur- und Dateibeschränkungen anfordern

Für Dokumente müssen Anforderungen wie folgt erstellt werden. Behalten Sie zunächst das Originalbild als erstes Eingabebild bei. Zweitens erstellen Sie separat ein transparentes PNG, das nur Kreise, Skizzen oder andere Markierungen enthält. Nach der Ausrichtungskorrektur müssen Breite und Höhe der Markup-Ebene mit dem ersten Eingabebild übereinstimmen. Das PNG muss transparente Pixel enthalten und darf keine Markierungen in das Original abflachen. Drittens senden Sie diese Ebene als markup: Mehrteilige Anfragen können eine Datei hochladen; JSON-Anfragen können ein Objekt verwenden, das genau eines von image_url oder file_id enthält (image_url kann HTTPS oder eine Base64-Daten-URL sein); Das Eingabebild-Arrayfeld für JSON-Bearbeitungen lautet images. Viertens: Beschreiben Sie sowohl „was geändert werden soll“ als auch „was erhalten bleiben soll“ in prompt und überprüfen Sie die Ergebnisse vor der Verwendung durch den Menschen.

Harte Grenzen: Markup gilt nur für das erste Eingabebild; zusätzliche Bilder dienen nur als Referenz; Die erste Bild- und Markup-Ebene darf jeweils 16.777.216 Pixel nicht überschreiten. Die maximale Größe der Markup-Datei beträgt 50 MB. **Verwenden Sie markup nicht zusammen mit mask oder prompt_rewriter. In den Dokumenten wird außerdem darauf hingewiesen: Für regionale Änderungen im Responses API verwenden Sie stattdessen mask; Der Markup-Pfad zielt auf den Bearbeitungsendpunkt Image API ab. Auf den Modellseiten Flare und Sunburst sind beide markupgesteuerte Bearbeitungen als eine im Leitfaden zur Bildgenerierung behandelte Funktion aufgeführt.

Das offizielle Beispiel einer Küchenvase (sowohl in der Dokumentation als auch in der Anleitung) zeigt ein typisches Muster: Das Original ist ein Küchenfoto; eine transparente Auflage markiert eine gestreifte Vase mit einem roten Kreis; Die Eingabeaufforderung fordert Sie auf, die eingekreiste Vase durch eine kobaltblaue Keramikvase zu ersetzen, die Form und die getrockneten Blumen beizubehalten und den roten Kreis aus der endgültigen Vase zu entfernen. Beispiele werden mit gpt-image-2.6-flare und gpt-image-2.6-sunburst bei quality="medium" ausgeführt und erinnern Sie daran, zu überprüfen, ob der Rest des Originals unerwartet abweicht.

Zusammenhang mit Masken- und Produkt-Workflows

Die Maskenbearbeitung zeigt „zu ersetzende Regionen“ über eine Maske an; In den Dokumenten heißt es, dass die Maskierung auf GPT-Bildern „vollständig auf Eingabeaufforderungen basiert“, wobei die Maske hauptsächlich als Orientierungshilfe dient – ​​das Modell passt sich der Form möglicherweise nicht genau an. Markup ähnelt eher dem „Zeichnen von Anweisungen auf dem Bild“: Sichtbare Markierungen sagen dem Modell, wo es Änderungen vornehmen muss, und die Eingabeaufforderung sagt, in was es geändert werden soll. Beides lässt sich nicht vermischen. Wählen Sie nach Interaktionsform – programmatische Alpha-Masken passen zu Pipeline-Ausschnitten; In Designtools gezeichnete Kreise/Pfeile passen zum Markup.

Kodieren Sie für Produkt- und SKU-Workflows „nur das Paketfarbband ändern“, „nur den Deckel ersetzen“ oder „nur Preisschildtext korrigieren“ als eingeschränkte Eingabeaufforderungen und kreisen Sie das Objekt mit Markup ein, um die Wahrscheinlichkeit zu verringern, dass Hintergrund, Beleuchtung und Komposition zusammen neu geschrieben werden. Der Eingabeaufforderungsleitfaden schlägt außerdem Folgendes vor: Geben Sie bei lokalen Bearbeitungen an, welche Sättigung, welcher Kontrast, welche Pfeile, welche Kameraposition und welche umgebenden Objekte unverändert bleiben müssen; Ändern Sie jeweils ein Element, damit Sie erkennen können, welche Änderung tatsächlich funktioniert hat. OpenAI empfiehlt außerdem geringe Komplexität für die meisten Bearbeitungsaufgaben, um Bearbeitungen zu beschleunigen und zusätzliche Änderungen zu reduzieren – ein Rat, der gut zum Markup-Targeting passt, da das Weglassen von complexity standardmäßig zu high führt.

Hinweis: Markup garantiert keine Nulldrift auf Pixelebene. Allgemeine Einschränkungen besagen immer noch, dass das Modell möglicherweise Schwierigkeiten mit der strukturierten Komposition und der präzisen Textplatzierung hat; Bei kritischen Ergebnissen sollten nach der Automatisierung menschliche Stichproben hinzugefügt und bei Bedarf genehmigte Regionen wieder auf das Original zurückgesetzt werden, anstatt sich auf eine einzelne API-Ausgabe zu verlassen. Es gelten weiterhin die Regeln zur Inhaltsmoderation. Passen Sie bei vom Benutzer korrigierbaren Fehlern wie moderation_blocked die Eingabeaufforderung oder das Eingabebild an, bevor Sie es erneut versuchen – versuchen Sie es nicht blind erneut.

Fazit: Images 2.6 bringt die bewährte Annotations-Bearbeitungssprache von ChatGPT in die API, sodass gezielte Änderungen in Batch- und SKU-Pipelines eingehen können. Die strikte Einhaltung des gleichgroßen transparenten PNG, des markup-Felds und des gegenseitigen Ausschlusses mit mask bei gleichzeitiger Angabe von Änderungs- und Beibehaltungselementen in der Eingabeaufforderung ist die minimale vollständige Praxis in den offiziellen Dokumenten.