据 OpenAI 产品公告，Image markup 此前已在 ChatGPT 中可用，随 Images 2.6 进入 API，使团队能「精确指出应在何处做特定修改」。2026 年 11 月 4 日的 Changelog 进一步写明：为受支持的 GPT Image 2.5 与 2.6 模型增加了 markup-guided editing。图像生成指南 将具体调用路径定为 Image API 的 POST /v1/images/edits。对已在 ChatGPT 中习惯「圈选再改」的团队而言，此次变化的意义在于同一交互语义可进入批处理与服务端管线。

👉 在 PoYo 体验 GPT Image 2.6 API：查看按张价格与在线体验。

这一能力的实质，是用一层与原图同尺寸的透明标注图，配合自然语言提示，引导模型只改圈选或标示的区域，从而降低「全图重绘式」误改风险。对电商主图换色、SKU 局部替换、包装文案定点修正等流程，官方示例与产品表述均指向此类需求；公告同时强调在编辑中保持角色、产品与品牌细节一致。

请求结构与文件约束

文档要求按以下步骤构造请求。第一，将原始图像作为首张输入图保留。第二，单独制作一张透明 PNG，其中只包含圆圈、草图或其他标注；经过方向校正后，标注层与首张输入图的宽高必须一致；PNG 须含透明像素，不得把标注压平合并进原图。第三，将该标注层作为 markup 发送：multipart 请求可上传文件；JSON 请求可使用恰好包含 image_url 或 file_id 之一的对象（image_url 可为 HTTPS 或 base64 data URL）；JSON 编辑请求的输入图数组字段为 images。第四，在 prompt 中同时描述「要改什么」与「要保留什么」，并在使用前人工复核结果。

硬性限制方面：markup 仅作用于第一张输入图，额外图像只作参考；首图与标注层各自像素数不得超过 16,777,216；标注文件大小上限为 50 MB。不得将 markup 与 mask 或 prompt_rewriter 同时使用。文档还说明：若需在 Responses API 中做区域编辑，应改用 mask；markup 路径面向 Image API 的 edits 端点。Flare 与 Sunburst 模型页均将 markup-guided edits 列为可经图像生成指南了解的能力。

官方厨房花瓶示例（文档与提示指南均收录）展示了典型写法：原图为厨房照片，透明叠加层用红圈标出条纹花瓶；提示要求将红圈内花瓶改为钴蓝陶瓷，保留造型与干花，且最终成品去掉红圈。示例分别用 gpt-image-2.6-flare 与 gpt-image-2.6-sunburst、quality="medium" 完成，并提醒比对原图其余区域是否出现非预期改动。

与 mask、产品工作流的关系

Mask 编辑通过遮罩指示「应替换的区域」，文档称 GPT Image 上的 masking「完全基于提示」，遮罩主要作引导，模型未必严格贴合形状。Markup 则更接近「在图上画指示」：用可见标注告诉模型改哪里，再由提示说明改成什么。二者不可混用；选型时应先明确交互形态——程序化 alpha 遮罩适合管线化抠区，人工或设计工具画出的圆圈/箭头更适合 markup。

对产品与 SKU 工作流，可将「只改包装色带」「只替换瓶盖」「只修正价签文字」写成带约束的提示，并用 markup 圈定对象，从而减少背景、光影与构图被连带改写的概率。提示指南亦建议：局部编辑时明确饱和度、对比度、箭头、机位与周围物体哪些必须不变；并一次只改一项，以便判断哪次修改真正起效。OpenAI 同时建议多数编辑任务采用 low complexity，以加快编辑并降低多余变化——该建议与 markup 定点修改高度契合，因为省略 complexity 时默认反而是 high。

需注意：markup 不能保证像素级零漂移。文档在通用限制中仍提示，模型在结构化构图与精确文字放置上可能存在不足；关键交付物应在自动化后增加人工抽检，必要时将核准区域合成回原图，而非仅依赖单次 API 输出。内容审核规则同样适用，遇到 moderation_blocked 等用户可修正错误时，应调整提示或输入图后再试，而不是盲目重试。

结语：Images 2.6 把 ChatGPT 侧已验证的标注编辑语言带到了 API，使定点修改可进入批处理与 SKU 管线。落地时严格遵守同尺寸透明 PNG、markup 字段、以及与 mask 互斥的规则，并在提示中同时写清变更与保留项，是官方文档给出的最小完备做法。