Craft, de Canva, planifica el cartel antes de pintarlo

Canva lanzó esta semana su primer modelo de imagen propio, y la presentación es una frase que casi ningún modelo de imagen puede decir: escribe un plan antes de dibujar nada.

El modelo se llama Craft. Lo desarrolla Canva Research, se entrenó con la propia biblioteca de plantillas hechas por personas de la compañía y está disponible para todos los usuarios de Canva y a través de la API pública. Genera hasta 2K en más de 30 proporciones y renderiza texto en 55 idiomas.

El diseño de dos etapas es la sustancia. Un modelo de planificación lee el prompt y escribe un plan de composición detallado: qué elementos aparecen, cómo se sitúan unos respecto a otros, su escala relativa, la jerarquía visual y cualquier texto que la imagen necesite. Un modelo de renderizado aparte convierte ese plan en píxeles. Como el plan es estructurado, Canva dice que el usuario puede cambiar un solo elemento sin que se mueva el resto de la imagen.

Quien haya generado un cartel con un modelo general sabe por qué importa. Pides un titular, tres iconos y una foto de producto abajo a la derecha. Recibes algo que se parece a las tres cosas, colocado casi bien, con el titular mal escrito y los iconos flotando a alturas ligeramente distintas. La composición nunca fue realmente una decisión del modelo. Era un efecto secundario del muestreo.

Qué cambian los datos de entrenamiento

Casi todos los modelos de imagen se entrenan sobre todo con fotografías. El conjunto de Craft incluye millones de plantillas de carteles, publicaciones sociales, presentaciones, infografías, menús y maquetas donde el texto es el motivo, no un adorno.

Es una diferencia real de priori. Un modelo entrenado con fotografías ha visto miles de millones de imágenes donde el texto aparece en carteles, envases y pantallas, normalmente pequeño, a menudo borroso y rara vez como tema principal. Un modelo entrenado con plantillas ha visto millones de imágenes donde la jerarquía tipográfica es la razón de ser de la imagen. Si tu trabajo es un menú o el anuncio de un curso, no son el mismo punto de partida.

Las clasificaciones, con cuidado

Canva dice que Craft debutó cuarto en DesignArena, que describe como el mayor evaluador colaborativo de diseño con IA. También dice que quedó primero en Personas y Retratos (entre 87 modelos) y primero en Paisajes y Naturaleza (entre 85), segundo en Abstracto y Patrones y cuarto en Productos. Y afirma que eso convierte a Canva Research en el segundo laboratorio más avanzado del mundo en generación de imágenes.

Esa última frase hace más trabajo del que sostienen los datos. Cuarto en general más dos victorias por categoría es un debut fuerte para un primer modelo. Llamar segundo del mundo al laboratorio es una afirmación sobre laboratorios, no sobre un modelo, y DesignArena no es la misma arena que las clasificaciones de texto a imagen que cita casi todo el mundo. Quédate con las dos victorias por categoría como la parte significativa. Retratos y paisajes son justo donde cabría esperar que un modelo entrenado con plantillas flojea, así que ganarlos es la sorpresa.

Hay además un detalle de la metodología de Canva que vale la pena citar, porque es poco común: diseñadores trabajaron con investigadores para evaluar más de 25.000 pares de imágenes en comparaciones directas contra otros modelos, y cuando las evaluaciones automáticas discrepaban del criterio humano, la empresa se puso del lado del diseñador. Creas o no los números resultantes, es una regla de desempate declarada, más de lo que ofrecen casi todos los anuncios de lanzamiento.

Por qué la etapa de planificación también es un truco de velocidad

Más allá de la calidad, la arquitectura le da a Canva algo que un modelo de difusión directo no consigue fácil: el razonamiento caro ocurre una vez, en texto, y la etapa de renderizado se puede destilar a fondo.

Canva dice que usó destilación para reducir los pasos de inferencia a una fracción de los originales y que construyó un motor de inferencia propio para la etapa de planificación que hace Craft un orden de magnitud más rápido que su primera versión interna. También anuncia dos variantes, Craft-fast y Craft-ultrafast, a una fracción del coste de los modelos frontera líderes.

El contexto de escala explica la urgencia. Canva dice que más de 250 millones de personas usan la plataforma y crean más de 400 diseños cada segundo. Con ese volumen, un modelo un 20% mejor pero el doble de caro por imagen es un problema de negocio, no una función.

Dónde se detiene

La lista de lo que Craft aún no hace es más informativa que la de funciones. Canva dice que las versiones futuras manejarán mejor la letra pequeña y los dibujos técnicos, y que llegarán funciones más avanzadas de edición e imágenes de referencia.

Es decir, por ahora no hay imágenes de referencia. No hay «pon este producto en esta escena». No hay forma de igualar un activo de marca existente. Para un modelo vendido a marketing y comercio electrónico, la ausencia de referencias es la limitación más grande, porque casi todo el trabajo comercial parte de algo que ya existe: una foto de producto, un logo, una persona.

El puente que Canva ofrece a cambio es Magic Layers, que convierte una imagen generada en elementos de diseño editables dentro de Canva. Es una respuesta inteligente a un problema real. Si el modelo no puede tomar tu foto de producto como entrada, al menos la salida se puede desmontar y recomponer alrededor. Es un apaño, y es el apaño que muchos diseñadores ya hacen a mano en otras tres herramientas.

Para quién es

Si ya haces cosas en Canva, Craft es casi una mejora gratuita, y los idiomas y las proporciones hacen que encaje en la mayoría de formatos sociales e impresos sin un paso de redimensionado. El servidor MCP importa por otra razón: permite que un agente genere una imagen como un paso de una tarea mayor, que es como se está montando buena parte del trabajo de marketing hoy.

Hay un efecto de segundo orden de la etapa de planificación que Canva no anuncia y que importa más que cualquier posición en una clasificación: un plan es editable de una forma en que un latente no lo es. Una vez que la composición existe como descripción estructurada, las reglas de una marca se pueden aplicar a esa descripción en lugar de a los píxeles. Logo abajo a la derecha, altura mínima de mayúscula, dos colores de marca más negro. Son restricciones que se le pueden comunicar a un modelo de planificación. A un modelo de difusión solo se le puede pedir por favor.

Es el mismo argumento que Adobe lleva tiempo haciendo sobre la generación guiada por plantillas, y es la razón de que una empresa de diseño que lanza un modelo sea un acontecimiento distinto al de un laboratorio. El foso de Canva no es el checkpoint. Son el millón de plantillas y el kit de marca que cada uno de sus usuarios ya rellenó.

Si necesitas renders de producto fotorrealistas, o colocar un objeto concreto en una escena concreta, esta todavía no es la herramienta. Canva dice que las imágenes de referencia están por llegar. Hasta que salgan, Craft es más fuerte justo donde son más fuertes sus datos: maquetas donde las palabras son el diseño y la composición tiene que salir bien a la primera.

Lo cual, teniendo en cuenta que todo el negocio de Canva son maquetas, no es casualidad. Es el lugar más defendible donde una empresa de diseño puede plantar un modelo.