📰 本日設計情報｜2026/07/02：Claude Sonnet 5 降價登場、Illustrator 草稿變向量、Figma Weave 進畫布
AI 開始變便宜、變快、變成你檔案裡的預設值——今天 Claude、Adobe、Figma、Krea 各走了一步，而 NN/g 提醒你別忘了資料的可信度。
AI 這一年最大的轉變，不是又冒出什麼炫技 demo，而是好東西開始變便宜、變快、變成你檔案裡的預設值。Anthropic 今天把旗艦級的 agent 能力降到你敢整天開著的價位；Adobe 和 Figma 忙著把生成塞進 Illustrator 和 Figma 本身，讓你不必離開手上的檔案；Krea 乾脆把一張 2K 圖壓到 2 秒出圖。而當生成便宜到接近免費，稀缺的東西就換人了——NN/g 今天提醒我們，真正該擔心的，是餵進去的資料到底可不可信。
以下是最近最值得關注的 5 則消息。
🔥 Claude Sonnet 5 上線：最會跑 agent 的模型，這次便宜到你敢整天開著
Anthropic 把 Sonnet 5 推上線，官方說法是「史上最會跑 agent 的模型」，能力逼近旗艦的 Opus 4.8，價錢卻低了一大截——導入價每百萬 input token 2 美元、output 10 美元，優惠到 8 月 31 日。它同時被設成免費與 Pro 用戶的預設模型，Claude Code 裡也直接換上，還配了 100 萬 token 的原生脈絡長度。
同一天還有件事值得一起看：美國政府鬆綁了出口管制，Claude Fable 5 重新在全球開放、Mythos 5 也放行給部分美國機構——就是六月底那則「最強 AI 被政府鎖住」的續集，這次解鎖了。
對設計師的工作流，這代表什麼？Claude Cowork、Claude Design 這些跑在模型上的工具，等於底層引擎一次變聰明又變便宜。以前你會捨不得讓 agent 反覆試十次，現在成本低到可以放手讓它跑。模型不是用來取代你的判斷，是把「試錯」的代價壓到趨近於零——把省下來的時間，留給只有你能做的取捨。
Adobe 把「草稿變向量」搬進 Illustrator——手繪線稿直接吐可編輯路徑
Illustrator 這一版加了一個叫 Concept to Vector 的功能：你丟一張手繪草圖、或一張畫質很爛的參考圖，它直接幫你轉成乾淨、可編輯的向量草稿，還能從同一張來源生出好幾種風格變體——整個過程都在 Illustrator 裡完成，不用來回跳工具。
對接案和做品牌的人來說，最痛的往往不是「畫」，是「從一張餐巾紙草圖到第一版可調整的路徑」那一段黑工。這功能就是把那一段壓短。
但別誤會成 Illustrator 要幫你畫完。生出來的向量是草稿，錨點怎麼收、曲線怎麼順、系統怎麼建，還是得你回到 Illustrator 手動收尾。它加速的是發想，不是取代基本功——這也正是為什麼向量的底子還是得練。
Figma Weave 正式進畫布：換背景、加 logo、改比例，這些雜活不用再自己寫 prompt
Figma 把去年併購的 Weavy（現在叫 Figma Weave）正式開放給 Professional 以上、Full 席次的用戶。它是一塊 node-based 的生成畫布：把模型、素材、輸出串成一條工作流，你可以並排比較不同做法。
真正好用的是那些日常雜活——換背景、把 logo 貼到產品圖上、改圖片比例——Weave 直接包成現成的 AI 工作流，你不用自己想 prompt。做好的流程還能發成模板，給別人 remix。
對設計師來說，這是把「重複性的圖片後製」從你手上搬走，讓你把精神留給真正需要系統思考的地方：元件、變數、設計系統。Weave 負責出草料，Figma 本體負責把它收成能交付的東西——分工很清楚。
📖 延伸學習
Krea 2 Turbo：2 秒生一張 2K 圖，這次它先管「好不好看」
Krea 上週發了 Krea 2 的技術報告，主打一件事：先把「美感」做對。它分兩個版本——Krea 2 Raw 給你做 LoRA 微調，Krea 2 Turbo 則用 8 步推理，大約 2 秒就吐一張 2K 解析度的圖。順帶一提，Ideogram v4.0 也整進了 Krea，文字排版渲染特別強、支援 JSON prompt。
2 秒出一張 2K，意思是概念發想階段幾乎沒有等待成本——你可以像刷卡一樣連生幾十張情緒板草圖。
Krea 標榜「aesthetic-first」，講白了就是想擺脱那種一眼認得出的「AI 味」。對設計師來說，這類工具最好的用法是拿來快速鋪陳方向，把選出來的味道帶回 Photoshop 或 Figma 做細修——快，是為了讓你有更多次挑選的機會。
📖 NN/g：你的問卷正在被機器人灌水——先學會把它們踢出去
NN/g 這篇新文章講一個越來越髒的問題：當問卷都搬到線上，機器人和 AI 代答的假回應正在污染你的研究資料。你以為收到 500 份真實樣本，實際可能有一大票是 bot 隨手填的。
文章給了一套辨識與過濾的做法——從答題時間異常、罐頭式的開放題答案、到自相矛盾的填答，把這些噪音揪出來，再進行分析。
這件事的份量比它聽起來大。當生成內容便宜到氾濫，設計流程裡最貴的東西反而變成「可信的輸入」。你的每一個設計決策都建立在研究資料上，資料一旦被灌水，後面畫得再漂亮也是蓋在流沙上。先確認你量到的是真人，再談洞察。
