本日設計情報｜2026/07/26：Chaos 讓 Gaussian Splat 重新打光、Midjourney V8.2 上線、Claude Design 幕後首度公開

這幾天工具圈的更新都圍繞著同一件事：誰能把「重來一次」的成本降到最低。Chaos 讓掃描進來的真實場景可以重新打光，Midjourney 把預設模型換成對美感判斷更準的 V8.2，Anthropic 的產品設計師則乾脆把自己怎麼用 Claude Design 探索草稿的過程整個攤開來講。中間穿插一則有點反差的幕後故事——Apple 藝術總監翻出那隻「一顆蘋果高」的吉祥物手稿，提醒我們鎖死一個簡單規則有時候比什麼都管用。NN/g 則在這些工具越來越快的當下，提出一個不太中聽但很實際的提醒：直覺這種東西，終究得靠親自走完整個循環才練得出來。

🔥 Chaos 讓 Gaussian Splat 場景終於能重新打光

Chaos 在 SIGGRAPH 2026 公布了 V-Ray 7 Update 4，裡面最關鍵的一項功能是 Gaussian Splat 的「重新打光」——過去用 Gaussian Splat 掃描真實場景，燈光效果是掃描當下就烤死在資料裡的，沒辦法後製調整；現在這個限制被打破了，搭配 Chaos 原有的光線追蹤 Gaussian Splat 渲染流程，場景燈光變成可以真正動手調整的素材，不再只是一張凍結的立體照片。

Chaos 分享的實際案例值得記一下：一個劇組去北加州拍了一棟廢棄的淘金熱時期老屋當開場鏡頭，同時把它掃描成 Gaussian Splat 帶回攝影棚的 LED 虛擬牆繼續拍；後來劇本需要屋內點燈，甚至整棟房子燒起來——這些在掃描當下根本不存在的變化，靠這次的可重新打光功能就能直接在虛擬牆上完成，不用回頭重建整個場景。這次更新同時也在整合 V-Ray、Vantage、Arena 三個產品線，並開發 OpenUSD Hydra Delegate 橋接，讓即時渲染的 Vantage 和最終渲染的 V-Ray 未來能直接接進 Nuke、Katana 這類合成軟體，省去每次跨軟體重建場景的麻煩。

對做建築視覺化、遊戲美術或虛擬製作的人來說，這代表 Gaussian Splat 捕捉技術正在補齊過去被詬病的短板：拍得再真實，燈光鎖死就等於半成品。現在它開始朝「可以真正被美術指導的素材」靠攏，跟傳統 3D 資產的彈性差距正在縮小。

閱讀原文 →

Midjourney V8.2 上線：個人化圖庫擴大，風格更大膽

Midjourney 今天把 V8.2 影像模型設為預設版本，取代原本從 6 月 10 日跑到 7 月 23 日的 V8.1。這次更新官方講得很直白：目標是美感和個人化的命中率，低品質「爆圖」的機率被大幅壓低，整體風格會更大膽、更有辨識度，不再是 V7 那種偏柔和的調性。

比較值得設計師注意的是個人化系統的調整。官方特別提到，如果帳號累積了大量的評分紀錄，V8.2 對使用者美感偏好的判斷會明顯更準，而且建立個人化檔案時可挑選的圖庫也擴大了不少。連帶著 Sref 風格參照碼和 moodboard 這兩個「用圖說話」的工具，匹配度也一併優化。

實務上如果團隊手上有一批固定在用的 --sref 代碼或個人化檔案，升級後建議重新跑一輪測試，因為底層模型換了，同一組參數吐出來的結果不會完全一樣——尤其做品牌視覺庫存圖的團隊，這種偏移足以影響一致性。

閱讀原文 →

Claude Design 幕後首度公開：Anthropic 設計師怎麼用它探索草稿

Anthropic 產品設計師 Nate Parrott 寫了一篇長文，揭露 Claude Design 這個內部 beta 工具怎麼從側案變成正式產品。起點很土炮：他一個人負責 Claude Code for VS Code 的設計，工程進度衝太快追不上，於是把 Claude 輸出的東西丟進 HTML，再把 Anthropic 品牌指南（字體、色彩、素材、原則）整理成 prompt，讓產出自動符合品牌規範。這個小工具後來被整個團隊拿去做互動原型、簡報、單頁式網站、動畫，甚至社群貼圖。

文章講得很清楚 Claude Design 不打算做什麼：它沒有影像模型，不適合拿來做 logo 設計；要做正式產品也該回去用 Claude Code，Claude Design 專注在動工前的探索、對齊、提案階段。文中列了十條實務建議，其中兩條特別值得記下來：一是先把自己的品牌檔案（logo、簡報、截圖、字體規範）上傳，讓 Claude 分析出一套設計系統，之後每次產出都會延續同一套視覺選擇；二是最後一哩路手動做——尺寸、對齊這類細節用工具直接調整，不要再靠 prompt 描述，因為手動編輯不耗費 token，肉眼調整往往更準。

這其實在講一個更大的趨勢：當 AI 把「做出可用原型」的門檻壓得很低，設計工作真正值錢的部分，變成了在動工前把想法試出十個版本、快速收斂到一個方向。這跟 Figma Make、Framer Agents 想解決的問題同源，只是這篇是少見從單一設計師第一人稱角度，把整套工作流程攤開來講。

閱讀原文 →

Apple 藝術總監曝光吉祥物手稿：一顆蘋果高，撐起整套識別

Apple 藝術總監 Sofia Coelho 在 LinkedIn 發了一則生日文，曬出她主導視覺設計與概念發想的 Lil' Finder Guy 幕後過程——這隻角色是 MacBook Neo 行銷活動的吉祥物，曾入圍坎城創意節。貼文裡的照片包含好幾張角色表情、比例、外形的手稿研究，還有一個經過噴槍上色處理的實體原型。她在文中提到一個設計規則：這隻角色精準地是一顆蘋果那麼高，用一個簡單到可以一句話講完的比例規則，確保後續所有延伸應用都維持一致的識別度。

Lil' Finder Guy 在 MacBook Neo 活動期間曝光度很高，出現在直播和一系列 TikTok 影片裡，後來自己長成了網路迷因，衍生出粉絲自製插畫、桌布、可 3D 列印的模型，甚至在 WWDC 2026 某場議程裡以彩蛋形式現身，也做成琺瑯胸章放進與會者的紀念品袋。Coelho 這則貼文發布後不久就被刪除，但相關截圖已經先被其他人截下轉發。

這種吉祥物設計案例很適合拿來教「約束條件怎麼撐起一致性」：一個簡單的比例規則，讓草圖、雛型、周邊延伸物都能對得起來，概念上跟多鄰國貓頭鷹、Mailchimp 的 Freddie 這類品牌吉祥物同一套邏輯——先訂死一個最基本的形狀規則，後面所有變化都圍繞它展開。

閱讀原文 →

NN/g 重新定義「產品直覺」：AI 加速交接，判斷力更難養成

NN/g 這篇文章想解決一個常被講得很虛的詞：「產品直覺」到底是什麼。作者給出一個具體定義——產品直覺就是你能認出眼前這個問題跟過去哪次成功或失敗長得像，並且準確預判類似做法會走向什麼結果。光看案例分享練不出這種直覺，真正練出來的方法是走完一整個實驗循環：遇到真實問題、做出選擇、量到結果、回頭檢討發生了什麼。

文章特別區分兩種情境：一種是高效度情境，過去經驗可以可靠地套用到新問題上；另一種是刁鑽情境，過去經驗反而會誤導判斷，因為表面相似但底層邏輯不同。作者的提醒是，AI 讓團隊之間的交接速度變快，一個人待在某個決策旁邊、親眼看到結果落地的時間被大幅壓縮，長期下來讓整個產業更難養出真正紮實的判斷力。

這對現在用 AI 工具快速出稿、快速交付的設計師是個實際的提醒：當 AI 可以幫你在半小時內生出十個版本的介面，團隊交付速度變快了，但如果沒有人留下來看這些版本上線後實際發生什麼事，產出量再大也換不到真正的直覺——尤其對還在累積判斷力的資淺設計師，這個風險比想像中更直接。

閱讀原文 →