OpenAI API 模型列表短暂惊现三个神秘 aurora 模型，随即撤下

aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 是三个以颜色命名的 OpenAI 未知模型代号，10 月 18 日短暂出现在 OpenAI API 的模型列表里，随后被撤下；截至发稿，官方模型文档已检索不到任何 aurora 条目（本站 10 月 19 日实测），图像模型一栏只剩 GPT-Image-2.5 Sunburst 与 Flare。发现链条有两条独立路径：TestingCatalog 通过 Dev Mode Discord 服务器的告警抓到这三个名字，X 用户 Lumina（@LuminaBench，10 月 18 日 9:30 发帖，约 4.7 万浏览）则在 Arena 盲测里实际抽中了它们，发现三个模型都在生成图像。OpenAI 全程未置一词——「图像模型」的定位和「GPT-Image-3」的猜测全部来自社区盲测与媒体推断，未经官方证实；两个名字能否对上号，也没有任何证据。

要点

• 三个代号 aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 的条目 10 月 18 日现身 OpenAI API 模型列表，数小时内被撤下，发现者称之为「意外上线」（TestingCatalog 口径）。
• Lumina 在 Arena 盲测中抽中并实测：red 出图快但质量偏低，green 更慢但效果更好，blue 尚未被抽中测试。
• 官方文档（10 月 19 日实测）已无任何 aurora 条目，也无 gpt-image-3；当前在列的图像模型仅 GPT-Image-2.5 Sunburst/Flare。

发现经过

三个名字先后从两个互不知情的渠道浮出。TestingCatalog 自己的发现路径是 Dev Mode Discord 服务器的自动告警：10 月 18 日，机器人推送「OPENAI 🔥: 3 new model references have been spotted on the APIs recently」，下面列出 aurora-red/green/blue-alpha 三个名字，并注明这些条目「shortly after removed」、像是一次失误上线；Discord 告警本身没有公开时间戳，其唯一公开锚点——TestingCatalog 的 X 帖——发于 07:42 UTC。约一小时四十四分钟后，Lumina 在 X 上发帖，说自己刚在 Arena 盲测里抽中了 aurora-red-alpha（09:26，附一张单面板猫像截图），随后汇总帖（09:30）列出全部三个代号，附图是一张 aurora-green-alpha 的单面板猫像。本条封面的双面板对照截图（左 aurora-red-alpha、右 krea-2-medium）则出自 TestingCatalog 的文章配图。

后续旁证也在同一天出现：X 用户 Intius（@kdnbmb）注意到，API 条目现身约一小时后，Design Arena 上多了三个新条目，名为 Aspen、Cypress、Maple。TestingCatalog 明确说「nothing ties those names to the Aurora models directly」——两组三联命名的时间巧合摆在眼前，但没有证据说它们是同一批东西。

盲测表现

关于三个模型实际表现，目前只有 Lumina 一家的盲测口径。在 Arena 的匿名对局里，red 生成速度快但画质偏低，green 更慢、画面更好；blue 还没被任何用户抽中，表现未知。TestingCatalog 看过 Lumina 分享的猫像样张后评价：干净、细节不错，但「none of them look like they’d make you write home about」——两张猫图不足以对画质下结论。

样本本身也说明测试的偶然性：盲测的机制是随机分配模型，用户并不知道抽到的是什么，能攒出的样本量取决于这三个代号在 Arena 池子里挂多久。它们已从 API 列表撤下，Arena 侧是否还在轮换，没有公开口径。也就是说，快慢好坏的对比来自个位数样本，不是跑分。

名字溯源

aurora 这个代号不是第一次露面。据 Crypto Briefing，aurora-alpha 单条曾于 2026 年 2 月出现在 OpenRouter 的列表上——「aurora」在 OpenAI 内部至少流转了大半年。该媒体还转述过一种社区理论，把 aurora-alpha 与某个 GPT-5.3-Codex-Spark 变体联系起来，并进一步猜测 red/green/blue 三个版本「可能代表新优化的 Codex 功能或更快的推理」——原文随后写明「Nobody outside OpenAI has confirmed that」：这一路解释没有任何人证实。同一媒体给出的提醒更实在：一个没有文档、没有定价、没有速率限制说明的 alpha 模型，「不是多数团队该拿来搭生产系统的东西」——没法核算成本，也没法评估能力边界。

编辑判断

值得盯这条消息的是给下一批模型排优先级的人。上一代图像模型 GPT-Image-2.5 分 Sunburst（重精度）与 Flare（重速度）两档上线，如今又冒出三个颜色代号，成组测试的速度/质量分档思路和 April 那次如出一辙；如果 GPT-Image-3 沿这个结构发布，现在押注竞品价格与档位的人需要留一个重新对表的空档。TestingCatalog 还列了旁证链：上周定价页出现过未发布的 gpt-rosalind-discovery，一天后 Rosalind Workbench 就开了研究预览——OpenAI 的未发布条目近期屡屡先漏后实。

但要守住两层不确定性：图像定位来自两张猫图和一个「They are all testing in arena」的汇总帖；GPT-Image-3 是 TestingCatalog 与 Lumina 的共同猜测，原文自己写着「still a guess」。名字撤下不等于发布在即，也可能像很多测试条目一样就此消失。可操作的姿势是把 Arena 盲测和官方模型文档当作观测点，不必抢跑接入：一旦正式发布，文档、定价和速率限制会先于任何爆料落地。上一轮 Google Nano Banana 2.1 发布时，官方文档先行、定价同日落地，是更可复制的观测样本。