本日設計情報｜2026/09/20：Blender 5.3 原生支援高斯潑濺、Qwen 3.8 現場切出整套網頁、日本包裝設計大賞出爐
Blender 收進高斯潑濺、Qwen 3.8 切網頁但後端請假、Claude Projects 改版、日本包裝設計大賞揭曉、NN/g 談 AI Agent 情境角色。
3D 工具這幾年一直在把外掛工序收進原生功能，Blender 5.3 這次把高斯潑濺（Gaussian Splatting）直接吃進管線，等於少開一個外部軟體、少一次格式轉換。同一天，Qwen 3.8 用一顆 27B 的小模型現場切出一整套網頁介面——設計稿和前端程式一次到位，只是後端還在請假，機器補不齊真正跑得動的系統。另一邊，Claude Projects 把資料夾管理改成協作對話，AI 開始自己拆解任務、分派執行緒；日本包裝設計大賞公布 2027 年得獎名單，提醒我們紙本包裝的手感審美從沒被生成式工具取代。今天五則新聞，工具、AI、產業、展會、方法論各站一角，一起看設計圈這一天在忙什麼。
🔥 Blender 5.3 原生支援 3D 高斯潑濺，掃描到成品不用再繞外掛
高斯潑濺（Gaussian Splatting）能把實景掃描重建成逼真、可互動的 3D 場景，過去在 Blender 裡只能靠 Brush、COLMAP 這類外部工具產生 .ply 檔，再透過專用外掛匯入。Blender 5.3 把這段流程收進原生功能，直接支援匯入 PLY、SPZ 格式的高斯潑濺物件，還能用 Blender 自身的算圖引擎輸出。
目前這條路還只能匯入、不能匯出——Blender 顯然是想先把顯示管線做穩，才把潑濺物件當成「參考素材層」來處理，終端交付格式的事之後再說。對常做空間復刻、場景合成的 3D 設計師來說，這是把一段最麻煩的中間工序，正式收進了主線管線。
COURSE · 線上課程Figma 全攻略看課程 →Qwen 3.8 用 27B 模型現場切出整套網頁，後端還是得靠人
阿里巴巴 Qwen 3.8 的 27B 模型能依提示現場生成完整前端介面，實測生成 Google 首頁等級的畫面只要 6.78 秒，搜尋 YouTube 頁面 6.07 秒，連工具檔案都只有 52KB。過去「產品經理寫需求、設計師出稿、前端切版寫互動」的三段式流程，現在被壓縮成一次生成。
但團隊拿 12306 購票頁測試就露餡了——頁面看起來完整，實際上沒有真實資料串接、身份驗證、金流，根本無法下單，文章形容這是「後端請假」。生成出來的終究只是介面骨架，離能上線的系統還有一大段距離。設計師真正要花心力判斷的，是這版好不好用、撐不撐得住真實流程，這件事機器目前還幫不上忙。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →Claude Projects 大改版：從資料夾管理變成協作對話
Anthropic 把 Claude Projects 從資料夾式管理，改成以對話為中心的協作模式——使用者在主對話描述目標，Claude 拆解任務、分派到多條並行的雲端 Session 執行，再彙整結果回報，像是多了一位「幕僚長」幫忙協調多線工作。9 月 17 日起先開放部分 Pro、Max 訂閱用戶測試雲端 Session，下週擴大到更多 Claude Code 用戶，之後才輪到 Team、Enterprise。
對設計負責人來說，這代表管理 AI 協作的介面，正從「你去每個資料夾核對進度」變成「你在一則對話裡看 Claude 怎麼拆解、怎麼跑」。介面複雜度被吃進對話流裡，這也延續了這幾週 Cowork、Chat 整併之後，Anthropic 在產品介面上持續收斂的方向。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →日本包裝設計大賞 2027 出爐，大丸松坂屋購物袋奪冠
日本包裝設計協會公布「日本パッケージデザイン大賞 2027」得獎名單，從 1098 件投稿中，一次審查選出 403 件、8 月 25 日二次審查敲定 33 件入賞，最終由大丸松坂屋百貨的購物袋拿下大賞。金賞則有 IPSA 的「IPSA_ME n」、麒麟啤酒「キリングッドエール」等 7 件作品入列，銀賞、銅賞、特別審查員賞也各自開出名單，頒獎典禮訂在 2027 年 2 月 24 日。
在 AI 能一鍵生成無數包裝提案的時代，這份得獎名單反而更看重「拿在手上的觸感」與品牌長期識別的一致性——百貨公司的購物袋要撐過的是十年反覆使用的日常，這比一次生成時的驚豔感更難討好。
COURSE · 線上課程Illustrator 攻略看課程 →NN/g 拆解 AI Agent 的三種情境角色
Nielsen Norman Group 研究重度使用 AI 工具的人怎麼組織資訊，歸納出三種情境角色：全域情境（品牌準則、慣例、個人偏好，很少變動、跨任務都用得到）、局部情境（這次任務相關的待辦、研究資料、異動紀錄）、環境情境（信件、會議紀錄、Slack 訊息這類沒被整理過的原始資訊流，使用者沒空自己整理，但希望 AI 幫忙留意）。
文章的重點洞察是：「把情境準備好」比「把提示詞寫好」更關鍵——情境庫顧得好，連隨口的簡單提示都能拿到好結果。同一則 Slack 訊息也會在三種角色之間流動，一開始是環境雜訊，被明確引用後變局部情境，長期沉澱下來就變成全域準則，這對設計師管理 AI 協作記憶是很實用的心智模型。
COURSE · 線上課程Figma 全攻略看課程 →