- 登入
- 註冊
一週 AI 大事 2026/8/24｜Claude Design、ComfyUI、DeepSeek、AVO、Tripo
一週 AI 大事・完整延伸閱讀
2026／08／24AI 開始記住、看懂，也直接把事情做出來
這週不只是又多幾個新模型。AI 正在走出聊天視窗，進入電腦脈絡、設計、生成工作流、視覺、3D 與音樂的完整製作流程。
記住脈絡看懂畫面直接行動
本週完整整理
8 則 AI 更新，一則一則看懂
這次保留影片裡的每一則內容，同時把辨識錯誤、官方名稱、發布狀態與還找不到一手證據的地方分開說清楚。
Claude Code 加入可編輯的設計畫布
發生什麼
Claude Code 在 8 月 17 日推出 /design 研究預覽。輸入指令後，它會先建立可以直接調整的 UI 畫布，讓你選版型、改畫面，再由同一個工作階段把設計實作成程式。
為什麼值得注意
以前從想法到網頁，常在對話、設計稿與程式工具之間來回。現在設計選擇和程式實作被放進同一條流程，能少掉不少交接與重做。
展開發布狀態與查證補充
- ClaudeDevs 官方 X 帳號在 8 月 17 日宣布 Claude Code 的
/designskill。 - 目前狀態是 research preview，將 Claude Design 的 artboard 流程帶進 CLI 與 Desktop。
- 使用者可以先產生可編輯 artboard、選擇與調整方向，再請 Claude 實作成程式。
ComfyUI MCP：讓 AI 直接建立與執行生成工作流
發生什麼
ComfyUI 在 8 月 18 日將本機版 Comfy MCP 開源。接上 Claude Code、Codex、Cursor 或其他支援 MCP 的 AI 助手後，可以搜尋本機節點、模型與範本，建立或修改 workflow，再送出任務、監看進度與取回成品。
為什麼值得注意
ComfyUI 很強，但節點與參數也很容易把新手嚇退。現在可以先用自然語言說要做什麼，再讓代理幫忙組流程、檢查本機有哪些模型，甚至一次產生多個變體。
展開功能與安全補充
- 新版字幕中的名稱是正確的：ComfyUI MCP，不是前一份字幕辨識出的 Hugging Face。
- 官方專案在 8/25 查核時標示 beta，共提供 40 個工具；核心流程已驗證，但不同自訂節點仍可能缺少依賴。
- 本機 MCP 預設操作自己的 ComfyUI；另有 Comfy Cloud MCP。兩者都可能呼叫付費模型或點數，使用前要看執行位置與費用。
ChatGPT Computer History：把電腦活動變成可用脈絡
發生什麼
OpenAI 在 8 月 13 日為 macOS 推出 Computer History。使用者主動開啟後，ChatGPT 與 Codex 可以參考你選定的網站與 App 活動，協助找回看過的內容，或接續先前工作。
為什麼值得注意
AI 不再只知道你貼進對話框的內容，而是有機會理解你剛剛在哪裡找資料、做過哪些步驟。這讓「幫我接著做」變得更具體。
展開隱私與使用範圍
- 功能預設關閉，需要使用者主動開啟；發布時先提供 Pro、Business 與 Enterprise。
- 官方說它記錄互動事件，不是螢幕截圖、螢幕錄影、麥克風或系統音訊；無痕／私密瀏覽也不包含在內。
- 使用者可以暫停、限制 App 與網站、查看紀錄或刪除資料。
DeepSeek 首款多模態模型開始看懂畫面
發生什麼
DeepSeek 在 8 月 21 日推出實驗 API 模型 DeepSeek‑V4‑Flash‑Vision‑Exp，可同時接收圖片與文字，處理螢幕截圖、圖表、OCR 與視覺理解任務。
為什麼值得注意
DeepSeek 過去最受注意的是文字推理與成本。加入視覺後，它開始能操作更接近日常工作的資料：畫面、報表、介面和文件頁面。
展開能力邊界與官方自評
- 目前官方文件明確支援的是圖片加文字，包括截圖、圖表與 OCR。
- 影片字幕提到「影片分析」；但我沒有在這版官方輸入規格找到原生影片支援，因此本文不把它寫成已確認能力。
- 官方稱多模態代理能力接近 Opus 4.8，這是 DeepSeek 自評，不是獨立第三方結論。
NVIDIA AVO：讓代理在長任務裡記住、修正再繼續
發生什麼
NVIDIA 發表 AVO（Agentic Variation Operators）。它不是單一新模型，而是一套長任務代理架構，結合持續記憶、監督、工具使用與失敗恢復，讓 AI 在環境裡反覆嘗試。
為什麼值得注意
許多代理不是不聰明，而是做久後忘記目標、重複犯錯。AVO 把「怎麼維持任務狀態」獨立處理，試著讓同一個基礎模型完成更長、更難的工作。
展開跑分與查證補充
- 影片辨識成「Abu」，正確名稱是 AVO。
- NVIDIA 報告完整 AVO 系統在 ARC‑AGI‑3 公開題組的 183 個關卡取得 100.00 RHAE。
- 文中約 30% 的 Claude Opus 5 是模型基準，而 100% 是完整架構結果；不是只換一個開關的直接對照，也不是所有真實工作都能保證滿分。
4DAnyone：一支普通影片重建可換視角的動態人物
發生什麼
4DAnyone 能把單一鏡頭拍攝的人物影片，重建成 4D Gaussian 場景，並產生新的觀看角度。專案不要求多機位、校正設備或固定腳架，論文已被 SIGGRAPH Asia 2026 接受。
為什麼值得注意
過去動態 3D 人物重建需要昂貴攝影棚或複雜拍攝。若一般影片就能轉成可換視角素材，虛擬製作、遊戲角色與沉浸式內容的門檻會再下降。
展開研究單位與使用限制
- 研究單位包含浙江大學、Robbyant、螞蟻集團、香港科技大學與香港中文大學。
- 影片字幕裡的「香港大學」並不精確，本文已依論文作者單位修正。
- 專案頁提供論文、程式與模型入口；重建品質仍會受影片解析度、遮擋與動作影響。
Tripo P2.0：讓 AI 3D 模型更容易真的拿去製作
發生什麼
Tripo 在 8 月 19 日推出 P2.0 Preview，這是 Smart Mesh 的更新。它能生成較乾淨的四邊形拓撲，三角面支援 500–50,000 faces、四邊形支援 500–25,000 faces，讓模型更容易繼續編輯、綁骨架與動畫。
為什麼值得注意
AI 3D 過去常常「看起來像，拿去做卻很難改」。P2.0 把密度放在細節處、讓平面更乾淨，目標是減少後續重拓撲與清理時間，真正接進遊戲和即時內容流程。
展開字幕說法與官方規格
- P2.0 Preview 是 Smart Mesh／拓撲工具，不是官方命名的「3D 列印模型」。官方主要定位在遊戲、即時內容、編輯、綁定與動畫。
- Tripo 的完整產品流程可以先把單張圖片轉成 3D，再套用 P2.0 整理網格；這是兩個步驟，不宜說成 P2.0 單獨完成全部工作。
- 目前是 Preview。每位使用者可免費試兩次，完整使用權限依官方方案而定。
阿里巴巴 HappyShrimp 1.0：一句提示生成完整歌曲
發生什麼
阿里巴巴 Token Hub 推出 HappyShrimp 1.0 公開測試。輸入一段音樂描述後，它能一次生成旋律、編曲、歌詞與人聲，也可以放入自己的歌詞，或只做純音樂。
為什麼值得注意
過去 AI 音樂常要分開處理詞、曲、人聲與混音。從一段提示直接得到完整歌曲，會讓短影音配樂、提案試聽與創作草稿更快。
展開發布狀態與官方說法
- 正確名稱是 HappyShrimp 1.0，8 月 17 日開始 beta test。
- 官方稱它改善提示對齊、控制與聲音乾淨度；這些是產品方自述，本文不當作獨立聽感評測。
- 是否可商用、聲音與歌曲權利如何處理，仍要以使用時的最新服務條款為準。
讀完最常問
本週 FAQ
Computer History 會一直錄製我的螢幕嗎？
不會。官方說它記錄的是你選定 App 與網站中的互動事件，不是截圖或螢幕錄影；功能預設關閉，也可以隨時暫停與刪除。
DeepSeek 這次已經可以直接分析影片嗎？
目前官方 Vision 文件確認的是圖片加文字。影片可以先拆成畫面再分析，但我沒有找到這版模型原生接收影片的官方規格，所以沒有把它寫成已確認能力。
Tripo P2.0 可以直接把一張圖變成可列印零件嗎？
不能只靠 P2.0 一步完成。Tripo 可以先用單張圖片生成 3D，再用 P2.0 Preview 整理拓撲；P2.0 的官方重點是乾淨網格、編輯、綁定與動畫，不是專門的 3D 列印模型。
想跟大家一起討論這些 AI 更新？
易悅元宇宙社群免費開放。除了每週整理，也可以交流工具、內容創作與實際使用心得。
