De acordo com o anúncio do produto OpenAI, a marcação de imagem já estava disponível em ChatGPT e entra na API com Images 2.6 para que as equipes possam “indicar com precisão onde uma mudança específica deve acontecer”. O Changelog de 4 de novembro de 2026 afirma ainda que a edição guiada por marcação foi adicionada para modelos de imagem GPT 2.5 e 2.6 suportados. O guia de geração de imagem coloca o caminho da chamada em Image API POST /v1/images/edits. Para equipes já acostumadas a “circular e depois mudar” em ChatGPT, o significado é que a mesma semântica de interação pode entrar em trabalhos em lote e pipelines do lado do servidor.

👉 Experimente a API do GPT Image 2.6 na PoYo: preços por imagem e playground online.

Substantivamente, o recurso usa uma camada de anotação transparente do mesmo tamanho, além de um prompt em linguagem natural para direcionar o modelo para regiões circuladas ou marcadas, reduzindo erros de redesenho de imagem completa. Os exemplos oficiais e a linguagem do produto apontam para recolorações de comércio eletrônico, substituições locais de SKU, correções de cópias de embalagens e fluxos semelhantes; o anúncio também enfatiza a consistência dos detalhes do personagem, do produto e da marca em todas as edições.

Estrutura da solicitação e restrições de arquivo

Os documentos exigem a construção de solicitações da seguinte maneira. Primeiro, mantenha a imagem original como a primeira imagem de entrada. Segundo, faça separadamente um PNG transparente que contenha apenas círculos, esboços ou outras marcas; após a correção da orientação, a largura e a altura da camada de marcação devem corresponder à primeira imagem de entrada; o PNG deve incluir pixels transparentes e não deve achatar marcas no original. Terceiro, envie essa camada como markup: solicitações multipartes podem fazer upload de um arquivo; As solicitações JSON podem usar um objeto que contém exatamente image_url ou file_id (image_url pode ser HTTPS ou um URL de dados base64); o campo da matriz de imagem de entrada de edições JSON é images. Quarto, descreva “o que mudar” e “o que preservar” em prompt e os resultados da revisão humana antes do uso.

Limites rígidos: a marcação se aplica apenas à primeira imagem de entrada; imagens extras são apenas para referência; cada uma das primeiras imagens e camadas de marcação não pode exceder 16.777.216 pixels; o tamanho máximo do arquivo de marcação é 50 MB. Não use markup junto com mask ou prompt_rewriter. Os documentos também observam: para edições regionais no Responses API, use máscara; o caminho de marcação tem como alvo o endpoint de edição Image API. As páginas de modelo Flare e Sunburst listam edições guiadas por marcação como um recurso abordado no guia de geração de imagem.

O exemplo oficial do vaso de cozinha (tanto na documentação quanto no guia de sugestões) mostra um padrão típico: o original é uma foto da cozinha; uma sobreposição transparente marca um vaso listrado com um círculo vermelho; o prompt pede para trocar o vaso circulado por cerâmica de cobalto, manter a forma e as flores secas e retirar o círculo vermelho do final. Os exemplos são executados com gpt-image-2.6-flare e gpt-image-2.6-sunburst em quality="medium" e lembram você de verificar se o restante do original desviou inesperadamente.

Relação com fluxos de trabalho de máscaras e produtos

A edição da máscara indica “regiões a serem substituídas” por meio de uma máscara; os documentos dizem que o mascaramento na imagem GPT é “totalmente baseado em prompt”, com a máscara principalmente como orientação – o modelo pode não abraçar a forma estritamente. A marcação está mais próxima de “instruções de desenho na imagem”: marcas visíveis informam ao modelo onde alterar e o prompt diz o que alterar. Os dois não podem ser misturados. Escolha por formato de interação – as máscaras alfa programáticas se adequam aos recortes do pipeline; círculos / setas desenhados em ferramentas de design são adequados para marcação.

Para fluxos de trabalho de produtos e SKU, codifique “apenas alterar a faixa de cores da embalagem”, “apenas substituir a tampa” ou “apenas corrigir o texto da etiqueta de preço” como avisos restritos e circule o objeto com marcação, reduzindo a chance de que o plano de fundo, a iluminação e a composição sejam reescritos juntos. O guia também sugere: para edições locais, indique quais saturação, contraste, setas, posição da câmera e objetos ao redor devem permanecer inalterados; altere um item de cada vez para saber qual edição realmente funcionou. OpenAI também recomenda baixa complexidade para a maioria das tarefas de edição para acelerar as edições e reduzir alterações extras - conselho que se adapta bem ao direcionamento de marcação, porque omitir complexity é o padrão high.

Nota: a marcação não garante desvio zero no nível de pixel. Limitações gerais ainda dizem que o modelo pode ter dificuldades com a composição estruturada e o posicionamento preciso do texto; os resultados críticos devem adicionar amostragem humana após a automação e, quando necessário, compor regiões aprovadas de volta ao original, em vez de depender de uma única saída de API. As regras de moderação de conteúdo ainda se aplicam; em erros corrigíveis pelo usuário, como moderation_blocked, ajuste o prompt ou a imagem de entrada antes de tentar novamente – não tente novamente às cegas.

Resumindo: Images 2.6 traz a linguagem comprovada de edição de anotações do ChatGPT para a API para que alterações direcionadas possam entrar em lotes e pipelines de SKU. Seguir estritamente PNG transparente do mesmo tamanho, o campo markup e exclusão mútua com mask, ao mesmo tempo em que declara alterar e preservar itens no prompt, é a prática mínima completa nos documentos oficiais.