Canva 发布首个自研图像模型 Craft：先写构图计划再出图，用数百万个人工模板训练，DesignArena 首秀第四、前三都是 OpenAI

AI之上编辑部今天

Canva 10 月 23 日发布 Canva Craft，这是其内部 AI 实验室 Canva Research 从零训练的首个基础模型。Craft 采用两阶段架构：先由规划模型把提示词写成详细构图计划（有哪些元素、空间关系、相对大小、视觉层级和需要出现的文字），再由渲染模型生成最高 2K、支持 30 多种宽高比的图像，可生成 55 种语言的文字。训练数据侧重 Canva 内容库中数百万个人工设计模板，之后做了监督微调和强化学习，内部评测由设计师参与比对了 2.5 万多组图像。按 Canva 引用的 DesignArena 众包排名，Craft 首秀排第四（The Verge 称前三均为 OpenAI 的 GPT-Image 系列），人像与风景两个子类排第一。Craft 即日起向全球所有用户开放（入口在 Dream Lab），并通过公开 API 提供，MCP 接入「即将推出」，更便宜的 Craft-fast 和 Craft-ultrafast 尚未发布。

先规划，再渲染

Canva 10 月 23 日发布 Canva Craft，这是其内部 AI 实验室 Canva Research 从零训练的第一个基础模型。和多数直接从提示词生成像素的图像模型不同，Craft 拆成两步：第一阶段的规划模型先把提示词写成一份详细的构图计划，列出画面里有哪些元素、彼此的空间关系、相对大小、视觉层级，以及需要出现的文字；第二阶段的渲染模型再按计划生成最高 2K 分辨率、30 多种宽高比的图像。

Canva 的说法是，先把构图和排版想清楚，复杂版面里的文字更清晰、物体位置更准，也方便只改某一个元素而不牵动整张图。这种结构也正好对上 Canva 的 Magic Layers：生成图可以拆成可编辑的分层设计。官方给出的其他规格包括：提示词可以用任何语言写，图中文字支持 55 种语言。

训练数据偏「设计」而不是「照片」

Craft 的训练数据里，Canva 内容库中数百万个人工设计的模板占了很大比重，包括海报、社交帖子、演示文稿、信息图、菜单和以文字排版为主的版面。预训练后又做了监督微调和强化学习；内部评测中，Canva 的专业设计师和几十名研究员一起比对了 2.5 万多组与主流模型的对照图，自动评测和人工判断不一致时，以设计师为准。

成绩按 Canva 引用的 DesignArena 众包排名：Craft 首秀总榜第四，Canva Research 因此成为该榜「第二强的图像生成实验室」；子类里人像（87 个模型参评）和风景自然（85 个）排第一，抽象图案第二、产品第四。The Verge 补充，总榜排在它前面的三个都是 OpenAI 的 GPT-Image 系列。

怎么用、成本怎么压

Craft 即日起向全球所有 Canva 用户开放，入口在左下角面板的 Dream Lab；开发者可以通过公开 API 调用，经 Canva MCP 接入智能体的方式标注「即将推出」。Canva 称每秒有 400 多个设计在平台上生成，为了扛住这个量，团队用模型蒸馏把推理步数压到原模型的一小部分，并为规划阶段写了专用推理引擎，比第一个内部版本快一个数量级。两个更便宜的变体 Craft-fast 和 Craft-ultrafast 还没发布。

对设计工具市场，这意味着 Canva 不再只是调用外部图像 API 的「外壳」。不过 DesignArena 是众包偏好投票，排名反映的是用户觉得哪张更好看，文字可读性和精准编辑的效果还要等更多第三方实测。

via: Canva Newsroom：Introducing Canva Craft、The Verge：Canva's first AI image model plans designs before generating them