简介
10月22日，Canva发布了公司历史上第一个从零自研、从零训练的基础模型——Canva Craft，一个专门为设计而生的图像生成模型。它不做"像不像照片"的比拼，而是比"排得像不像设计稿"。
姿态摆得很高：Canva称凭借Craft，Canva Research已成为DesignArena榜单上全球第二大图像生成实验室，仅次于OpenAI；Craft本身在该榜单位列第四。
核心功能：先规划、再渲染
主流图像模型是从提示词直接生成像素，Craft走的是两阶段架构：
- 第一阶段·排版规划：一个规划模型读提示词，写出一份构图方案——画面里有哪些元素、它们的空间关系、相对大小、视觉层级，以及哪些位置需要出现什么文字。
- 第二阶段·图像渲染：渲染模型把这份方案画成最高2K分辨率的图，支持30多种画幅比例，也可以自定义比例。
因为"构图"和"文字位置"是显式建模过的，Craft在复杂版式上更少出错：文字清晰可读、物体位置准确、元素关系一致。它还支持只用任何语言写提示词，但生成画面中的文字可覆盖55种语言——这对做多语种海报、电商图的人来说是刚需。
另一层价值在编辑性。Craft的JSON边界框能力可以把生成图转成Magic Layers分层设计元素，在编辑器里逐层修改；单独改某个元素也不会把整张图重画一遍。
详细分析：训练数据才是真正的护城河
大多数图像模型主要拿照片训练。Craft的训练集里塞进了Canva素材库里数百万张人工设计的模板：海报、社媒图文、演示文稿、信息图、菜单、排版密集的版式。模板和成品照片的区别在于，模板本身携带了"布局、层级、字体怎么咬合"的知识。
预训练之后，Canva用专业设计师的反馈做了SFT与强化学习，专门针对指令遵循、文字精度与画面质量。内部评测时，设计师与数十名研究员做了超过2.5万组图像两两对比；当自动指标与人类判断冲突时，以设计师意见为准——这个取舍很Canva。
效率侧也做了工程：通过蒸馏把推理步数压到原模型的几分之一，加上为规划阶段定制的推理引擎，Craft比内部初版快了一个数量级。这也为后续的Craft-fast与Craft-ultrafast两个低成本版本打了底。
价格与可用性
Craft目前向所有Canva用户开放，入口在左下角面板的Dream Lab；开发者可通过Canva公开API接入，用于营销平台、电商站、广告生成器、印刷服务等场景。通过Canva MCP接入ChatGPT、Gemini等第三方助手的能力标注为"即将推出"。具体可用额度受账号套餐与平台使用上限约束，Canva并未单独对Craft定价。
优缺点
- 优点：文字渲染与版式准确度明显优于通用图像模型；输出可直接变成可编辑分层，省掉返工；多画幅与多语种文字覆盖商用场景；自家模型让Canva拿回了API成本的控制权。
- 不足：DesignArena整体排名仍是第四，纯艺术性、超写实方向不是它的强项；MCP与第三方助手集成还要等；分层可编辑性对非Canva用户价值有限。
适合人群与总结
如果你是做电商主图、活动海报、社媒图文、PPT配图的人，Craft解决的正是"生成好看但没法用"这个老问题——文字对了、版式对了，改一改就能发。如果你要的是纯摄影级画面或艺术创作，通用图像模型选择更多。对比看我们的Gemini 4 Argon多模态能力，或直接访问Canva Craft工具页。