Canva 自研图像模型 Craft 上线：先做设计规划再出图，Design Arena 排到全球第四

做设计的人大概都遇到过这种时刻：提示词写得挺长，AI 出了四张图，构图漂亮但文字糊成一团，logo 位置永远差一点，改一次还得重来。问题的根源不是画得不好，而是模型在动笔之前，根本没想过这张图该怎么排。

Canva 新上线的自研图像模型 Craft，想解决的正是这个环节。

一分钟速览

• Canva 推出首个自研图像生成模型 Canva Craft，采用两阶段架构
• 第一阶段先做设计规划，第二阶段再生成图像，官方称带来更高的精度、一致性与可控性
• 支持最高 2K 分辨率、30 多种画幅比例，覆盖社媒图、营销物料、写实场景与数字艺术
• 基于平台内容库中数百万个人工模板训练
• 在众包评测 Design Arena 的图像生成榜上排名第四，位于 GPT-Image-2.5 Sunburst、GPT-Image-2.5 Flare 与 GPT-Image-2 之后
• 已向全球所有用户开放，入口在左侧菜单的 Dream Lab
• 后续将通过开放协议 MCP 让智能体接入，并推出 Craft-fast 与 Craft-ultrafast 两个更快版本

“先想再画”到底改变了什么

传统文生图是一条直线：文本进，像素出。模型对版式的理解藏在权重里，提示词只能间接影响结果，于是出现“文字必糊、位置随机”的老问题。

Craft 的两阶段设计把这条直线折了一下：先产出一份设计层面的规划——元素有哪些、层级怎么排、文字放在哪、留白留多少——再据此生成图像。官方强调这样能更准确地处理需要清晰文字和精确物体位置的复杂画面。对做海报、菜单、信息图的人来说，这两件事恰好是最难缠的部分。

训练数据也解释了它的取向。Craft 用的是平台内容库里数百万个人工设计的模板，而不是纯互联网图片。模板天然带有版式、对齐、字体层级这些结构信息，等于把“设计规范”直接喂给了模型。这与其他厂商用海量图文对训练的思路有明显区别：前者学的是怎么排版，后者学的是世界上长什么样。

第四名意味着什么

Design Arena 是一个众包的设计类基准，人类对生成结果两两对比投票。Craft 目前排在第四，前面三个席位全部属于 OpenAI 的 GPT-Image 系列。对于一个第一次自研图像模型的设计工具公司来说，这个位置不算惊艳，但足够体面——它证明两阶段路线在人类偏好上站得住，同时也说明与头部仍有可见差距。

更值得注意的是它的定位。Canva 没有把 Craft 做成一个独立的绘图产品，而是塞进 Dream Lab、塞进设计工作流。用户不是来“生成一张图”，而是来“做完一张海报”。这个差别决定了评价标准：单张图的审美分数没那么重要，能不能直接放进版面、改一个元素不毁掉全图，才是。

设计工具的护城河在变

过去，Canva 的壁垒是模板库和协作。AI 时代，模板库从给人用的资产，变成了给模型用的训练数据——同一份资产被复用两次，这是很划算的结构。

但风险同样明显。当 OpenAI、谷歌、微软都能生成可用的商业图，设计工具的价值必须往上游和下游移动：上游是理解意图、做规划、保持品牌一致性；下游是交付、协作、版本管理、印刷与投放。Craft 的两阶段架构，本质上是在抢上游那一层。

安全与合规也被写进了产品叙事：输入输出审核、隐私与安全控制、举报工具。对企业客户来说，这些不是加分项，是准入门槛。

趋势判断

图像模型的竞争正在从“画得像”转向“排得对”。前者靠数据和算力堆，后者靠对工作流的理解。设计平台亲自下场做模型，优势不在参数规模，而在它知道一张图最终要放进哪里、被谁改、印在什么材质上。Craft 的第四名只是开始，真正的考验是当它接入 MCP、被智能体批量调用时，能不能稳定产出“可以直接用”的版面。