← Zurück zum Blog
Aica. 6 Min. Lesezeit

Canva hat ein Modell gebaut, das nicht zeichnet. Es schreibt Code und verschiebt deine Ebenen.

Veröffentlicht 14. Nov. 2026
Canva hat ein Modell gebaut, das nicht zeichnet. Es schreibt Code und verschiebt deine Ebenen.

Canva hat am 22. Oktober Craft veröffentlicht, das erste selbst entwickelte Bildmodell. Sieben Tage später kam Brush, und Brush erzeugt überhaupt keine Bilder.

In dieser Lücke steckt die Geschichte. Seit zwei Jahren bekommt jedes Designwerkzeug dieselbe Frage gestellt: Kannst du das Bild machen. Craft beantwortet sie. Brush beantwortet eine andere, und die taucht bei der dritten Fassung einer Kundenpräsentation auf, wenn 90 Prozent des Layouts stimmen und nur die Überschrift falsch ist.

Brush ist ein Vision-Language-Modell, trainiert auf das Bearbeiten von Designs. Es liest, wie ein Design zusammengesetzt ist, schreibt ein paar Zeilen Code für die gewünschte Änderung und prüft danach das Ergebnis. Dieser letzte Schritt speist den nächsten, deshalb läuft das Ganze als agentische Schleife und nicht als einzelner Render.

Canva zufolge erledigt das Modell allgemeine Designaufgaben bis zu 69 Prozent schneller als der bisherige Design-Agent, bei 46 Prozent geringeren Kosten pro Aufgabe. Die Zahlen vergleichen Brush mit Canvas eigenem früheren System, nicht mit GPT Image oder Nano Banana. Als interne Effizienzangabe lesen, mehr sind sie nicht.

Die Arbeitseinheit ist nicht mehr die Generierung

Die meisten Bildmodelle behandeln eine Anfrage als Einmalvorgang: Prompt rein, Pixel raus, von vorn, wenn es nicht gefällt. Designer arbeiten nicht so, ihre Werkzeuge auch nicht. Eine Folie hat Ebenen. Ein Plakat hat eine Typohierarchie. Wer das Datum auf einem Eventflyer ändert, sollte nur das Datum anfassen.

Eine Rolle transparenten Films liegt unter einer Lupe mit Messingfassung, der eingerollte Film lässt zwei Bilder überlappen.

Canva macht das im Launch-Post zum Kernargument. Ein gutes Design zu bauen sei für ein Modell schwer, es zu bearbeiten schwerer, sagt das Unternehmen, weil das Modell herausfinden muss, was geändert werden soll, wie das Design aufgebaut ist und was genau an seinem Platz bleiben muss. Wer den letzten Punkt verfehlt, bekommt aus einer einfachen Anfrage eine Kette von Änderungen, die niemand wollte.

Brush löst das, indem es Design als Prozess behandelt, in dem eine Entscheidung an der anderen hängt. Es kann die eigene Ausgabe laufend bewerten und verbessern, was Canva als Weg vom groben Entwurf zum fertigen Ergebnis beschreibt. Unter der Haube schreibt die Schleife Code, führt ihn gegen das Design aus, schaut auf die Seite und entscheidet, was als Nächstes passiert.

Alles, was dabei entsteht, bleibt editierbar. Text, Bilder, Farben, Layout und die kleineren Details stehen der Person weiter zur Verfügung, die die Datei übernimmt.

Worauf es trainiert wurde, und was das bedeutet

Canva startete mit einem Open-Weights-Modell, dessen Namen das Unternehmen nicht nennt, und trainierte es dann auf echter Design- und Bearbeitungsarbeit weiter. Das Trainingssignal verband Designexpertise mit anonymisiertem Verhalten von Nutzern, die der Verbesserung von Canva AI zugestimmt hatten. Groß angelegtes Reinforcement Learning erlaubte es dem Modell, ganze Aufträge zu übernehmen, aus erfolgreichen Ergebnissen zu lernen und nachzujustieren.

Diese Trainingsdaten kann kein Wettbewerber kaufen. Vladimir Beskorovainyi, Enterprise-AI-Architekt und Gründer von Besk Tech, sagte The New Stack, Canva versuche nicht, die Frontier-Labore zu überbieten. Es habe sich ein begrenztes Problem ausgesucht, und genau dort schlagen kleine spezialisierte Modelle große allgemeine seit Jahren. Der Graben liege im Artefakt, argumentierte er, weil Canva darauf trainieren kann, wie echte Designs tatsächlich gebaut werden. Rechenleistung kann ein Frontier-Labor nachlegen. Dieses Trainingssignal nachzulegen heißt, die Designs zu besitzen.

Rodion Sorokin, Mitgründer des Deep-Tech-Studios The Capital Index, sagt dasselbe schärfer: Frontier-Modelle kennen das Internet, Canva weiß, was Hunderte Millionen Menschen tatsächlich mit einer Präsentation tun.

Den Listenplatz hat Craft

Brush hat keinen öffentlichen Benchmark-Wert. Craft hat einen, und der lohnt einen Blick, weil er den Rahmen zeigt, in dem Canva arbeitet.

Auf DesignArena, einer Plattform für Vergleiche aus der Crowd, liegt Craft auf Platz vier, mit einem Elo von 1341 aus 1.303 Duellen, 66,7 Prozent Siegen und durchschnittlich 54,0 Sekunden pro Generierung. Die drei Modelle darüber kommen alle von OpenAI: GPT-Image-2.5 Sunburst mit 1415, GPT-Image-2.5 Flare mit 1387 und GPT Image 2 mit 1362.

Canva hat vorne die Behauptung platziert, die eigene Forschungsabteilung sei das zweitbeste KI-Labor der Welt bei Bildgenerierung. Diese Liste vergleicht Labore, nicht Modelle, und der Unterschied zählt. Als Modell liegt Craft auf vier, und sein Elo ruht auf rund 1.300 Stimmen, Sunburst hat 14.177. Der Platz wird sich bewegen.

Die Aufschlüsselung nach Kategorien sagt mehr als der Gesamtrang. Canva nennt Platz eins von 87 Modellen bei Menschen und Porträts und Platz eins von 85 bei Landschaften und Natur. Bei Marketingmaterial, der Kategorie, in der viele Canva-Kunden tatsächlich arbeiten, ist es Sechster von 85. Bei Cartoons Achtzehnter von 87.

Canvas eigene Architektur erklärt einen Teil davon. Craft arbeitet in zwei Stufen: erst ein Plan für das Design, mit Elementplatzierung, relativer Größe, visueller Hierarchie und dem Text, der erscheinen soll, dann der Render, bis 2K und über 30 Seitenverhältnisse. Trainiert wurde mit der Template-Bibliothek, also Plakate, Social Posts, Präsentationen und Menüs statt Fotos. Deshalb bleibt Text lesbar, und deshalb ist ein Plan-first-Modell stark, wenn eine Überschrift quer über den oberen Rand einer Naturaufnahme muss.

Die Lücken, die Canva selbst nennt

Brush kam ohne Brand-Kit-Unterstützung, ohne Verweise auf Anhänge und ohne besseren Umgang mit bildlastigen Layouts. Canva sagt, alle drei seien in Arbeit. Für ein Marketingteam ist der erste Punkt der Blocker: Solange Brush Markenfarben, Schriften und Logos nicht kennt, braucht jede Änderung danach eine manuelle Kontrolle.

Keines der beiden Modelle hat einen eigenen Preis. Beide zehren vom AI-Kontingent, das in einem Canva-Tarif steckt. Kostenlose Konten haben begrenzten Zugang, Pro kostet 144 Dollar im Jahr pro Person mit zehnmal so viel AI wie die Free-Stufe, Business 250 Dollar im Jahr pro Person mit zwanzigmal so viel.

Warum das Editiermodell das interessantere ist

Das Muster ist nicht auf Canva beschränkt. Jede Plattform, die einen Workflow besitzt, bringt jetzt ein Modell heraus, das in diesem Workflow arbeitet und das Rennen an der Frontier anderen überlässt. Canva besitzt die Designdatei, also kann es auf Änderungen trainieren. Adobe besitzt die Timeline, also kann es auf Clips trainieren. Das Modell zählt weniger als das Dateiformat, in das es hineingreifen kann.

Unter dem Qualitätsargument liegt ein Kostenargument. Ein Design-Agent, der eine ganze Folie neu generiert, verbrennt Tokens an Stellen, über die sich niemand beschwert hat. Ein Agent, der eine Eigenschaft flickt, braucht einen Bruchteil davon, und die 46 Prozent sagen vor allem, wie viel einer typischen Bearbeitung verschwendete Arbeit war. Wenn das außerhalb eines Launch-Posts hält, verschiebt sich die Rechnung für alle, die Hunderte Bearbeitungen im Monat fahren statt Hunderte Generierungen.

Wer eine Content-Pipeline baut, bekommt eine kleinere, konkretere Antwort. Generierung ist billig und austauschbar geworden. Die Stunden gehen in die Bearbeitung, und dort hat ein Modell, das Code schreibt und die eigene Arbeit prüft, einen Vorteil gegenüber einem, das den ganzen Frame neu zeichnet.

Brush ist eine erste Version. Canva sagt das selbst. Die Richtung ist die, die sich bezahlt.

Verwandte Artikel