设计平台 Canva 推出了首款自研图像生成模型 Craft，标志着这家以模板和在线设计工具起家的公司，正式进入图像生成模型本身的竞争。与直接把文字提示变成像素的主流做法不同，Craft 先为画面做一份“设计规划”，再按规划渲染成图。Canva 希望用这种方式解决 AI 作图长期存在的问题：文字写不准、元素位置失控、复杂版式容易走样。
两段式架构：先规划，再作图
据 Canva 介绍，Craft 的生成过程分为两个阶段。第一阶段，模型先解析用户提示，产出一份版式规划，明确元素之间的空间关系、相对大小、视觉层级以及需要出现的文字；第二阶段，再根据这份规划生成最终图像。Canva 表示，这种“先想清楚再动手”的分离，有助于在复杂构图上获得更精确的结果，尤其适用于带有清晰文字、多元素排布的设计场景。
在训练数据上，Craft 也走了与通用图像模型不同的路线。Canva 称，模型训练使用了平台内容库中的数百万份人工制作模板，包括社交帖文、演示文稿、信息图和菜单等设计成品，而非以照片为主的数据。这一选择与 Craft 的定位直接相关：它首先是一款为设计而生的模型，而不是一款单纯追求照片真实感的图像生成器。
在输出规格上，Craft 支持最高 2K 分辨率，提供 30 多种宽高比，覆盖社交帖文、营销物料、演示配图等常见用途。Canva 表示，模型已面向全部用户在 Dream Lab 中上线，同时也提供面向开发者的公开 API。公司还预告了两个后续版本：更快、成本更低的 Craft-fast，以及更轻量的 Craft-ultrafast。
首秀排名第四，Canva 的“第二”说法怎么理解
上线之初，Craft 在众包基准 DesignArena 上首秀位列第四，Elo 分数约为 1340 分。排在它前面的，是 OpenAI 的三款 GPT-Image 模型；排在它后面的，则包括 Reve、微软和谷歌的相关模型。正是基于“按实验室而非按模型计数”的算法，Canva 称自己的研究团队是全球第二先进的图像生成实验室——因为除 OpenAI 外，没有第二家实验室有模型排在 Craft 之前。
这个说法需要打一个折扣。DesignArena 依靠真实用户对同一提示生成的两张图片进行投票，分数会随新投票不断变化。有报道指出，Craft 上线首日分数已从 1340 分小幅回落至 1330 分左右，且累计对局数远少于头部模型，排名仍属初步结果。Canva 自身也称，Craft 在“人物与肖像”“风景与自然”等细分榜单上名列前茅，但这些细分成绩同样来自公司公布的信息，尚需更多公开数据验证。
背景：从用别人的模型，到自己造模型
Craft 的推出，是 Canva 在 AI 布局上的一次升级。此前，Canva 的 Dream Lab 曾使用 Leonardo 的 Phoenix 等外部模型；今年 4 月，公司又推出了用文字描述修改设计的编辑功能，并为 AI 生成图像增加了图层支持，让用户可以只改局部而不破坏整体。如今有了自研模型，Canva 在图像生成的质量、速度和成本控制上获得了更大的自主权，也减少了对外部模型供应商的依赖。
从行业角度看，图像生成赛道的竞争正在从“能不能画出来”转向“能不能按设计意图画出来”。OpenAI、谷歌、微软等公司都在强化各自的图像模型，而 Canva 的切入点是设计场景本身：对很多中小团队和内容创作者来说，真正有用的不是一张好看的图片，而是一张可以直接放进海报、帖文和演示文稿，且文字无误、排版可控的图片。这正是 Craft 想要解决的问题。
影响与展望：对设计者和开发者意味着什么
对普通用户而言，Craft 最直接的价值在于降低设计门槛：输入一段描述，即可得到结构相对完整的画面，再通过 Canva 的编辑工具做局部调整，而不必从零排版。对开发者而言，公开 API 意味着 Craft 有机会被嵌入更多工作流，例如营销内容批量生成、电商配图和演示材料制作。
不过，Craft 能否长期守住第四的位置，仍取决于后续表现。一方面，DesignArena 的众包排名波动较大，单次首秀成绩不能等同于综合实力；另一方面，OpenAI、谷歌等对手的模型迭代速度很快，Craft-fast 等轻量版本能否在成本和速度上形成差异化优势，将是关键看点。此外，训练数据中大量使用平台模板的做法，也会引发外界对其风格多样性和原创边界的持续关注。
总体来看，Craft 不是一次简单的功能更新，而是一家设计平台向模型层的延伸。它未必会在短期内改写图像生成的格局，但它把竞争焦点推向了一个更贴近实际工作的问题：AI 作图，到底能不能真正为设计服务。随着更多用户投票和实际使用反馈的积累，Craft 的真实水平将比首秀排名更值得观察。