本日設計情報｜2026/09/26：Figma auto layout 新增垂直換行、Midjourney 大改版介面、大阪設計週接棒世博開幕

今天五則新聞，主題其實都指向同一件事——介面正在被重新收拾。

Figma 幫 auto layout 補上「垂直換行」，版面終於不會爆版；Midjourney 動了一場介面大手術，把挑風格從賭運氣改成即時預覽；微軟則乾脆把 Copilot 拆成三個分頁，讓 AI 助理跟會自己跑背景任務的代理人分家。連遠在大阪的設計週，也在用最土法煉鋼的方式回答同一個問題——當鎂光燈退場，設計還能靠什麼把人留住。

收尾這則來自 NN/g，把「這張圖要不要說是 AI 做的」拆成五個可以逐項檢查的判斷點，剛好呼應這幾天工具圈的集體焦慮。

🔥 Figma auto layout 新增「垂直換行」，版面終於不會爆版

Figma 在 9/25 的 release notes 更新裡加入一個很多人等很久的功能——auto layout 現在支援「vertical wrap」，超出容器寬度的內容不會再一路往右延伸出框架，會自動換到下一欄，行為邏輯終於跟 CSS 的 flex-wrap 對上了。

對常做 tag 列表、篩選器、卡片牆的人來說，這代表不用再靠一堆巢狀 frame 硬湊多欄排版，內容一多就自動長出新的一欄，拖曳調整容器寬度時也能即時看到欄數重新分配。

這種更新看似不起眼，卻是 auto layout 從「模擬版面」走向「一套真正的排版引擎」的關鍵一步。當工具的行為跟瀏覽器渲染邏輯一致，設計稿跟工程實作之間的落差，就少了一道要靠文件補的坑。

閱讀原文 →

Midjourney 介面大改版：即時預覽風格、Create Feed 重排版

Midjourney 在 9/24 釋出一波介面更新，核心是「Style Previews」——瀏覽風格庫時，畫面會直接套用你目前輸入的 prompt 做即時預覽，不用真的送出生成才知道某個風格套上去長怎樣。

同一波更新還加了「Default Parameters」，可以把常用的參數組合存成預設值一鍵套用；Create Feed 改成滿版排列，滑過圖片才顯示 prompt 跟操作按鈕，搜尋結果跟捲動位置也終於會被記住；編輯器支援方向鍵在修改紀錄間切換，並補齊 v8.1、v8.2 版本的編輯相容，介面同步開放韓文。

這波更新真正在解決的，是把挑風格從一次性賭注——生成完才知道對不對——改造成可預覽的即時回饋迴圈。對天天要跟隨機性打交道的 AI 繪圖使用者來說，省下的是重新抽卡的時間跟訂閱額度。

閱讀原文 →

Copilot 大重組：三分頁介面上線，Autopilot 代理人改按量計費

微軟把 Copilot 拆成 Home、Code、Autopilot 三個分頁，取代原本單一聊天窗的介面邏輯。原本代號「Scout」的 Autopilot，現在每個執行個體都會分到自己的雲端電腦、工作區、儲存空間跟身份，可以在 Teams、Outlook、文件裡用 @ 提及叫出來，持續在背景盯著頻道、處理重複性的行政流程。

計費模式也跟著大改：Autopilot、Code、Cowork 不再是吃到飽，改成用量計費，標準授權只保留聊天跟 Office 整合；系統內建一個 auto-router，依準確度、速度、成本自動挑選要用哪個模型跑任務。即將上線的「Today」儀表板，則會把信件、行事曆、Teams 訊息、待辦事項收進同一個畫面。

把一個統一聊天窗拆成三個分頁，本質上是在承認「AI 助理」跟「AI 代理人」是兩種完全不同的介面需求——前者要的是即時對話，後者要的是可以放著跑、隨時回頭檢查進度的儀表板，這也是這半年幾乎所有 AI 產品重新設計介面時都在收斂的方向。

閱讀原文 →

大阪設計週開幕，工藝與設計聯手接棒 2025 大阪世博

「OSAKA DESIGN WEEK 2026」以「相遇創造價值」為主題，分成兩條線同時進行——OSAKA SALONE 於 9/25、9/26 在 Maidome Osaka Exhibition Hall 登場；OSAKA FUORISALONE 則從 9/23 一路展到 9/29，分散在大阪市內多個場地舉辦。

展覽內容橫跨建築、室內設計、產品、工藝、飲食到時尚，主辦方刻意讓不同領域交叉，目的是促成在地小工廠跟國際品牌合作；曾操刀 2025 大阪關西世博官方標誌的設計師島田保，也與在地職人合作推出限量周邊商品，作為展會亮點之一。

這場展覽的策展邏輯，延續了世博結束後很多城市都在問的問題——鎂光燈退場之後，設計還能靠什麼把「城市品牌」留住?大阪選的答案，是把工藝現場直接搬進展場，讓國際買家當面跟做東西的人談合作。

閱讀原文 →

該不該說這是 AI 做的?NN/g 提出 PACED 判斷框架

NN/g 在 9/25 發布的研究指出，使用者對「AI 揭露」的反應沒有標準答案，會因情境跟受眾劇烈改變，因此與其一律揭露或一律隱瞞，不如用五個面向逐案判斷:Policy(法規或平台是否強制要求)、Audience(受眾對 AI 的既有態度)、Context(這類內容有多依賴人的貢獻)、Expectations(使用者事後發現會不會覺得被騙)、Degree(AI 實際參與的程度有多深)。

研究裡最尖銳的發現是「揭露悖論」——使用者嘴上說希望看到 AI 揭露，但實驗顯示，一旦內容被標註是 AI 生成，評分就會同步往下掉,變得比較不可信、比較不真實、比較沒用。人們對別人的 AI 使用要求透明，對自己的卻沒那麼想承認。

對每天要決定「這張圖、這段文案要不要說是 AI 做的」的設計師跟內容團隊來說，PACED 等於把一個模糊的判斷題，拆成五個可以逐項打勾的檢查點，不用再靠直覺賭要不要揭露。

閱讀原文 →