本日設計情報｜2026/09/21：Qwen-Image-2.1 開源打敗閉源、剪映 Hub 打通生成剪輯、AI Slop 怪物警世
70 億參數開源模型打敗閉源巨頭，剪映把生成跟剪輯的牆拆了，Runway 想做即時直播式生成——工具越快，篩選跟品味越值錢。
阿里巴巴用 70 億參數的模型打贏對手的閉源巨獸，剪映把生成和剪輯的分界線直接拆掉，Runway 想讓影片像直播一樣邊講邊生——三則消息湊在一起，說的都是同一件事：AI 工具正把「生成」跟「後製」的邊界抹平，不用再在五個軟體之間搬素材。倫敦一間工作室卻選在這個節骨眼，做了一隻全身都是 AI 破綻的醜陋怪物，提醒自己以後別再做出這種東西。工具跑得越快，篩選跟品味的活越值錢，這正是 NN/g 今天研究報告挑明的事：AI Agent 用得好不好，比的是你餵了什麼脈絡，prompt 寫得多漂亮已經沒那麼重要。
🔥 Qwen-Image-2.1：70 億參數的開源模型，聲稱打贏閉源巨頭
阿里巴巴的 Qwen 團隊今天放出 Qwen-Image-2.1，一個開源權重的圖像生成與編輯模型。視覺生成的部分只用了 70 億參數，官方自己測出來的分數卻贏過大部分閉源模型（獨立測試還沒出爐，先打個問號）。更狠的是它能在一張 RTX 3090 上跑，走的是精簡參數、降低算力門檻的路線。
技術層面它原生支援透明圖層（RGBA），使用者可以把物件單獨抽出來改，或是在透明圖層上單獨改字；還能一次吃十張參考圖，拼團體照、換衣服試穿、配置房間格局都在同一個模型裡做完，靠圈選、遮罩、畫記號來精準局部編輯。架構調整加上 KV cache 重複利用，讓多張參考圖同時處理時的推論速度也拉快。
對接案的設計師來說，這代表「合成組圖」這種瑣碎但耗時的活，以後可能不用開五個分頁比對，一個模型內建參考圖管理、局部編輯、圖層拆分，前置作業被壓縮到幾乎沒有門檻。只是研究授權不開放商用，要用在案子裡還得跟 Qwen 另外申請授權，這道手續現在還省不掉。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →剪映 Hub 上線：AI 生影片和剪輯的隔閡被打通了
剪映在抖音創作者大會上發布剪映 Hub，把原本各自獨立的 AI 影片生成跟多軌道剪輯直接接在一起。過去的流程是在生成介面做完影片，還要匯出、下載，再丟進剪輯軟體重新處理；現在在生成畫布裡點一下，直接跳進熟悉的剪輯介面，中間那道牆被拆了。
PC 端主打專業產線：一邊是新的 Hub，一邊是能操作真實剪輯工程的「剪映助手」Agent，搭配 AI 後製、專業調色、杜比全景聲跟外掛生態，首波預計上線二十多個官方 Skill。手機端則把創作、剪輯、行銷三個助手都塞進 App，讓一般使用者少掉「自己找功能、反覆操作」那幾步。示範中甚至能從一張產品圖生出分鏡腳本、自動配對角色與場景素材，再一次產出多段影片並直接預覽成片。
對短影音接案或帶團隊的設計師而言，這條產線補的是「生成完之後」那段最瑣碎的縫合工——不用再手動把三段素材拼起來對時間軸。工具把接口做順了，篩選哪一版素材能用、腳本邏輯順不順，還是得靠人。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →Runway 想讓 AI 影片生成變成即時直播
Runway 公開了即時影片生成的研究方向，目標是讓使用者邊描述、畫面邊即時跑出來，像開直播一樣，省掉打完 prompt 苦等的那段。現在的影片模型都是分段作業：輸入 prompt、等個幾秒到幾分鐘、拿到成品，結果不滿意就整個重來。Runway 說使用者回報最花時間的環節，就是生成跟修改反覆試錯的那段等待。
這套技術建立在 GWM-1（Runway 去年底發表的「世界模型」）上，一幀一幀生成畫面，能吃鏡頭運動、指令甚至聲音當控制訊號。幾週前發表的 Solaris，就是用同一套底層技術逐幀生成使用者介面、即時回應點擊跟語音——這次的即時直播影片，算是同一條路線的延伸。
即時生成砍掉的是等待成本，但也意味著「重來」這個安全網變薄了——你在直播式的介面裡即興調整，反而更考驗你臨場抓得住畫面走向的判斷力，跟做現場剪接有點像。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →倫敦工作室做了一隻「AI Slop 怪物」，提醒自己別再犯
倫敦的 VFX 工作室 Electric Dreama Studios，本週要在薩奇畫廊的英國藝術博覽會上，展出一隻用 AI 做出來的雕塑「CH(AI)MER」。跟大部分想炫技的 AI 藝術品不同，這隻怪物是刻意做醜的——沒有毛孔、像要融化的皮膚，加上死氣沉沉的眼神，拼裝出一個希臘神話奇美拉的當代版本。
工作室說得很直白：這是他們能做出來、最醜的一版「AI 垃圾」，目的是提醒自己以後別再做這種東西。創意總監 Sam Nutt 帶頭立下的規矩是，往後工作室產出的每一件作品，AI 只能當工具服務人的想法，品味必須由人來把關。
這件事有意思的地方，在於它反的其實是「省略判斷」這件事——生成結果直接端出來，不篩、不改、不校對，才是 AI slop 真正的成因，工具本身沒有問題，問題出在篩選這道工序被整個外包掉。
COURSE · 線上課程Illustrator 攻略看課程 →NN/g：AI Agent 好不好用，脈絡才是關鍵
NN/g 訪談了一群天天靠 Claude 處理正式工作的重度使用者，歸納出 AI Agent 高手都在做的一件事：把脈絡分成三種角色來管理——跨任務通用的「全域脈絡」、單一任務專屬的「局部脈絡」，還有像信箱這種原始資料流的「環境脈絡」。同一份資訊在不同任務裡，可能同時扮演這三種角色。
研究發現，少了對的脈絡，AI Agent 產出的東西容易變得籠統、甚至誤判使用者真正要的東西、公司目標，或是品牌調性，而且換一個更會寫 prompt 的人通常也解決不了。研究者的結論是，現階段餵養脈絡這件事，重要性已經超過寫一句漂亮的 prompt。
對設計團隊來說，這代表維護一份「品牌脈絡庫」——語氣、色彩邏輯、過去做過的決策記錄——可能比訓練團隊寫 prompt 技巧更划算，尤其當 AI 已經深度嵌進日常產出流程時。
COURSE · 線上課程Figma 全攻略看課程 →