Canva hizo un modelo que no dibuja: escribe código para mover tus capas

Canva publicó Craft el 22 de octubre, su primer modelo de imagen hecho en casa. Siete días después llegó Brush, y Brush no genera imágenes en absoluto.
La historia está en ese hueco. Desde hace dos años todos los programas de diseño reciben la misma pregunta: puedes hacer la imagen. Craft contesta esa. Brush contesta otra, la que aparece en la tercera revisión de una presentación de cliente, cuando el 90 % del layout ya está bien y el titular está mal.
Brush es un modelo de visión y lenguaje entrenado para editar diseños. Lee cómo está armado un diseño, escribe pequeños fragmentos de código para ejecutar el cambio que pediste y después revisa el resultado para ver si el cambio entró. Ese último paso alimenta al siguiente, así que todo corre como un bucle de agente y no como un render suelto.
Canva dice que el modelo resuelve tareas generales de edición hasta un 69 % más rápido que su agente de diseño anterior, con un 46 % menos de coste por tarea. Son cifras contra el sistema previo de la propia Canva, no contra GPT Image ni Nano Banana. Conviene leerlas como lo que son, una afirmación de eficiencia interna.
La unidad de trabajo deja de ser la generación
Casi todos los modelos de imagen tratan el encargo como un disparo único: entra el prompt, salen píxeles, vuelves a empezar si no te gusta. Los diseñadores no trabajan así, y sus herramientas tampoco. Una diapositiva tiene capas. Un cartel tiene jerarquía tipográfica. Cambiar la fecha de un flyer debería tocar la fecha y nada más.

El anuncio de Canva convierte esto en su argumento central. Hacer un buen diseño ya es difícil para un modelo, y editarlo es más difícil, dice la empresa, porque el modelo tiene que deducir qué quieres cambiar, cómo está estructurado el diseño y qué debe quedarse exactamente donde está. Si falla en lo último, una petición simple se convierte en una cascada de cambios que nadie pidió.
Brush lo resuelve tratando el diseño como un proceso, con decisiones que se encadenan en lugar de vivir aisladas. Puede seguir evaluando y mejorando su propia salida, que es como Canva describe el paso de un boceto a algo terminado. Por dentro, el bucle escribe código, lo ejecuta sobre el diseño, mira la página y decide qué hacer después.
Todo lo que produce sigue siendo editable. Texto, imágenes, colores, maquetación y los detalles más pequeños quedan disponibles para quien herede el archivo.
Con qué se entrenó, y qué implica eso
Canva partió de un modelo de pesos abiertos cuyo nombre no revela y lo entrenó después con trabajo real de diseño y edición. La señal de entrenamiento mezcló criterio de diseño con comportamiento anonimizado de usuarios que aceptaron aportar datos para mejorar Canva AI. El aprendizaje por refuerzo a gran escala permitió al modelo asumir encargos completos, aprender de qué resultados funcionaron y ajustar.
Esos datos de entrenamiento son la parte que la competencia no puede comprar. Vladimir Beskorovainyi, arquitecto de IA empresarial y fundador de Besk Tech, dijo a The New Stack que Canva no intenta superar a los laboratorios de frontera. Eligió un problema acotado, y en los problemas acotados los modelos pequeños y especializados llevan años ganando a los grandes generalistas. El foso está en el artefacto, sostuvo, porque Canva puede entrenar con cómo se construyen de verdad los diseños. Un laboratorio de frontera puede igualar el cómputo. Igualar esa señal de entrenamiento exige tener los diseños.
Rodion Sorokin, cofundador del estudio de deep tech The Capital Index, afila la misma idea: los modelos de frontera conocen internet, Canva sabe qué hacen cientos de millones de personas con una presentación.
El que tiene puesto en la tabla es Craft
Brush no tiene puntuación pública en ningún benchmark. Craft sí, y vale la pena mirarla porque marca el terreno donde juega Canva.
En DesignArena, una plataforma de comparación hecha con votos de la comunidad, Craft es cuarto con un Elo de 1341 en 1.303 combates, 66,7 % de victorias y 54,0 segundos por generación de media. Los tres modelos por delante son de OpenAI: GPT-Image-2.5 Sunburst con 1415, GPT-Image-2.5 Flare con 1387 y GPT Image 2 con 1362.
El titular de Canva fue que su área de investigación quedó como el segundo laboratorio de IA del mundo en generación de imágenes. Es un ranking de laboratorios, no de modelos, y la distinción importa. Como modelo, Craft es cuarto, y su Elo se apoya en unas 1.300 votaciones frente a las 14.177 de Sunburst. Esa posición se va a mover.
El desglose por categoría sirve más que el puesto global. Canva dice que Craft es primero de 87 modelos en Personas y retratos y primero de 85 en Paisajes y naturaleza. En Material de marketing, la categoría donde trabaja buena parte de sus clientes, es sexto de 85. En Dibujos animados es decimoctavo de 87.
La arquitectura propia explica una parte. Craft trabaja en dos fases: primero arma un plan del diseño, fija colocación de elementos, escala relativa, jerarquía visual y qué texto debe aparecer, y solo después renderiza, hasta 2K y con más de 30 proporciones. El entrenamiento salió de la biblioteca de plantillas, así que carteles, posts sociales, presentaciones y menús antes que fotografías. Por eso el texto sigue legible y por eso un modelo que planifica primero rinde cuando un título tiene que cruzar la parte alta de un paisaje.
Los huecos que Canva ya reconoció
Brush salió sin soporte de Brand Kit, sin poder referenciar adjuntos y sin un manejo decente de maquetaciones cargadas de imágenes. Canva dice que las tres cosas están en camino. Para un equipo de marketing la primera es el bloqueo: hasta que Brush entienda colores de marca, tipografías y logos, cada edición necesita una revisión manual después.
Ninguno de los dos modelos tiene precio propio. Los dos tiran del cupo de IA incluido en un plan de Canva. Las cuentas gratuitas tienen acceso limitado, Pro cuesta 144 dólares al año por persona con diez veces la IA del plan gratis, y Business 250 dólares al año por persona con veinte veces.
Por qué el modelo de edición es el que hay que seguir
El patrón no es exclusivo de Canva. Cualquier plataforma que sea dueña de un flujo de trabajo saca ahora un modelo que opera dentro de ese flujo y deja la carrera de frontera a otros. Canva es dueña del archivo de diseño, así que puede entrenar con ediciones. Adobe es dueña de la línea de tiempo, así que puede entrenar con clips. El modelo importa menos que el formato de archivo en el que sabe entrar.
Debajo del argumento de calidad hay uno de coste. Un agente que regenera una diapositiva entera quema tokens en las partes de las que nadie se quejó. Un agente que parchea una propiedad gasta una fracción, y el 46 % habla en realidad de cuánto de una edición típica era trabajo desperdiciado. Si eso se sostiene fuera del anuncio, la economía cambia para quien hace cientos de ediciones al mes en vez de cientos de generaciones.
Para quien monta un pipeline de contenido, la conclusión práctica es más pequeña y más concreta. Generar se volvió barato e intercambiable. Las horas se van en editar, y ahí un modelo que escribe código y comprueba su propio trabajo tiene ventaja sobre uno que redibuja el cuadro completo.
Brush es una primera versión. Canva lo dice sin rodeos. Pero la dirección es la que paga.
Artículos relacionados
Un servidor, una streamer de IA: dentro del código que sostiene un directo nocturno
open-yoki es el código de producción de una host de IA que emite cada noche en Binance Square, sin persona, voz ni nada que toque dinero. headless Chrome dibuja el fotograma, ffmpeg empuja RTMP y una carpeta de Markdown decide su humor y lo que publica.
Pinky deja que un agent maneje tu teléfono y mantiene pulsado Enviar hasta que hagas clic en Permitir
Pinky conecta cualquier agent MCP a un iPhone o Android real y aplica la aprobación en su propia pasarela, no en un prompt. Las apps bancarias son invisibles, los campos de contraseña están vedados y en Android 13 el agent recibe una segunda pantalla oculta.
SeedRealtime de ByteDance toma dos imágenes por segundo y decide cuándo hablar
Doubao-Seed-Realtime-1.0 mete frames de cámara, frames de pantalla y voz en una sola sesión full duplex, con dos frames por segundo como mucho. Las decisiones interesantes son la tasa de frames, el habla proactiva y la respuesta de auditoría que viene activada.
Alguien metió el derecho mundial en git, así que ahora puedes hacer blame a un artículo
global-law guarda los textos legales de cada país en un repositorio git donde cada commit es una ley que entra en vigor en una fecha conocida. Puedes lanzar log, blame, show y diff sobre un artículo, preguntar qué regía en cada país un día concreto y entregar todo el corpus a un asistente por MCP.