Canva 做出自己的图像模型：先规划版面再生成，2K 分辨率、30 多种比例

设计工具做 AI，过去两年的标准动作是”接一个第三方模型”。Canva 决定不这么干。10 月 22 日，它发布了自己的第一个图像生成模型 Canva Craft，直接对标 OpenAI、微软和谷歌的图像模型。

一分钟速览

• Canva Craft 采用两阶段架构：先生成设计方案，再生成图像，官方称可带来更高的精度、一致性与可控性。
• 支持最高 2K 分辨率、30 多种画面比例。
• 训练数据是平台内容库里”数百万个人类制作的模板”，包括社交媒体帖、演示文稿、信息图和菜单。
• 在众包基准 Design Arena 上排名第四，排在 GPT-Image-2.5 Sunburst、GPT-Image-2.5 Flare 和 GPT-Image-2 之后。
• 已向全球所有用户开放，入口在 Canva 左侧菜单的三点选项里，叫 Dream Lab；未来将通过 MCP 让 AI 智能体接入，并推出 Craft-fast、Craft-ultrafast 两个更快版本。

“先规划后生成”到底改变了什么

主流图像模型的工作方式是端到端的：给它一段提示词，它一次性吐出像素。这种方式在画风景、画人物时表现很好，一旦画面里需要出现”三行能读懂的英文标语”或者”标签必须贴在瓶身左下角”，就开始崩——因为模型没有显式的版面概念，它只是在模仿训练数据里出现过的像素分布。

Canva Craft 的两阶段架构，第一步先产出一个设计层面的规划：元素怎么排、文字放哪、留白多少。第二步才是根据规划渲染图像。这样做的直接好处是复杂画面里的文字可读性和物体位置精度提升了，间接好处是”可编辑性”——规划是可以被修改的对象，像素不行。

这也解释了 Canva 为什么敢做自己的模型。它不是要赢下通用文生图的军备竞赛，它要的是”生成结果能直接进编辑器继续改”。这是设计工具的刚需，却是通用模型的盲区。

训练数据：平台自己就是护城河

Canva 说 Craft 是用平台内容库里数百万个人类制作的模板训练出来的，涵盖社交媒体帖、演示文稿、信息图、菜单等。这句话的分量比看起来重。

通用图像模型的数据来自互联网爬取，质量参差、版权模糊、版式杂乱。而模板是设计师为了”可复用”而精心结构化的产物：每个元素都有明确的位置、层级和用途。用这类数据训练，模型学到的不是”图片长什么样”，而是”版面应该怎么组织”。这是 Canva 相对 OpenAI 的结构性优势，也是它必须自研的理由——这类数据买不到。

第四名意味着什么

在 Design Arena 这个众包基准上，Craft 排第四，前三名全部来自 OpenAI 的 GPT-Image 系列。对于一个第一次做图像模型的设计工具公司来说，这个成绩相当能打；但也要清醒地看：众包投票偏好”好看”，未必偏好”好用”，而这个榜单衡量的恰恰是设计稿的观感，不是可编辑性。

真正决定 Craft 成败的，不是榜单名次，而是它能不能把 Canva 的用户留在 Canva 里。如果用户习惯了”在 ChatGPT 里生成图，再拖进 Canva 排版”，Canva 就永远是一个下游工具；如果生成这一步发生在 Canva 内部，并且生成物天生带图层和结构，用户就没有理由离开。

趋势：应用层开始向上吃掉模型层

Canva 不是第一家这么做的公司。Figma、Adobe、美图都在把模型能力内化。背后的逻辑很朴素：当模型能力逐渐商品化，差异化就回到了数据和工作流上。谁的场景数据更结构化，谁的工作流更贴近最终交付物，谁就有资格自己做模型。

对创业者来说，这里有一个可复用的判断：如果你所在赛道的数据是”别人拿不到的结构化产物”，自研小模型是合理的；如果数据来自公开互联网，自研大概率只是给算力厂商送钱。

另外值得注意的是 MCP。Canva 明确表示将允许 AI 智能体通过开放的模型上下文协议接入 Craft。这意味着未来的使用路径可能是：你在对话里说”做一张新品发布的三屏海报”，智能体调用 Canva Craft 生成，再回传可编辑链接。设计工具的入口，正在从”打开软件”变成”被智能体调用”。