← ブログに戻る
Ai読了目安 13 分

絵を描かないモデルをCanvaが作った。コードを書いてレイヤーを動かす

公開日 2026年11月14日
絵を描かないモデルをCanvaが作った。コードを書いてレイヤーを動かす

Canvaは10月22日にCraftを出した。自社開発の最初の画像モデルだ。その7日後にBrushを出した。Brushは画像をまったく生成しない。

話の面白さはこの間隔にある。この2年、どのデザインツールも同じ質問を受けてきた。絵を作れますか。Craftが答えたのはそれだ。Brushが答えるのは別の質問で、それはクライアントの資料が3稿目になったとき、レイアウトの9割は合っているのに見出しだけ違う、という場面で出てくる。

Brushはデザインを編集するために訓練された視覚言語モデルだ。デザインがどう組み立てられているかを読み、指示された変更を実行する小さなコードを書き、その結果を見て変更が効いたかを確かめる。最後の工程が次の工程に渡されるので、全体は一度きりのレンダリングではなくエージェントのループとして回る。

Canvaによれば、一般的なデザイン編集タスクを従来のデザインエージェントより最大69%速く終え、1タスクあたりのコストは46%低い。この数字はBrushをCanva自身の以前のシステムと比べたもので、GPT ImageやNano Bananaとの比較ではない。社内の効率主張として読むのが正しい。実際にそういう数字だ。

仕事の単位が「生成」でなくなる

多くの画像モデルは依頼を一度きりの処理として扱う。プロンプトを入れてピクセルが出て、気に入らなければやり直す。デザイナーはそう働かないし、使う道具もそうなっていない。スライドにはレイヤーがある。ポスターには文字組みの階層がある。イベントのチラシの日付を変えるとき、触るのは日付だけであるべきだ。

黄銅の縁のルーペの下に透明なフィルムが一巻き置かれ、巻かれたことで2コマの絵が重なっている。

Canvaの発表記事はこれを中心の論点に据えている。良いデザインを作るのはモデルにとって難しく、編集はさらに難しいと同社は言う。どこを変えたいのか、デザインがどう構造化されているのか、どこを動かしてはいけないのかを、モデルが判断しなければならないからだ。最後の判断を外すと、単純な依頼が誰も望まない変更の連鎖になる。

Brushはデザインを、孤立した判断の集まりではなく一つの過程として扱う。自分の出力を評価し続けて改善できる。Canvaが「ラフスケッチを完成品に近づける」と説明するのはこの動きだ。内部では、ループがコードを書き、デザインに対して実行し、ページを見て、次に何をするかを決める。

出てくるものはすべて編集可能なまま残る。テキスト、画像、色、レイアウト、細部まで、ファイルを引き継いだ人が触れる状態で残る。

何で訓練したか、そこから何が言えるか

Canvaは名前を公表していないオープンウェイトのモデルから始め、実際のデザインと編集の作業で追加訓練した。訓練信号にはデザインの専門知識と、Canva AIの改善にデータ利用を同意したユーザーの匿名化された行動が混ざっている。大規模な強化学習により、モデルは依頼を丸ごと引き受け、どの結果がうまくいったかから学び、調整できるようになった。

この訓練データは競合が買えない部分だ。企業向けAIアーキテクトでBesk Techを創業したVladimir Beskorovainyi氏はThe New Stackに、Canvaは最先端ラボを開発力で上回ろうとしているわけではないと語った。境界の明確な問題を選んだのだ、と。境界の明確な問題こそ、小型の専用モデルが大型の汎用モデルを長年上回ってきた領域である。同氏によれば堀は成果物の中にある。Canvaは実際のデザインがどう作られるかを訓練に使えるからだ。最先端ラボは計算資源では並べる。その訓練信号に並ぶには、デザインを保有するしかない。

ディープテックのベンチャースタジオ、The Capital Indexの共同創業者Rodion Sorokin氏は同じ話をより鋭く言う。最先端モデルはインターネットを知っている。Canvaは何億人もの人がスライドを実際にどう使うかを知っている。

順位を持っているのはCraftのほう

Brushには公開ベンチマークのスコアがない。Craftにはあり、これは見る価値がある。Canvaが置かれている文脈を示すからだ。

クラウドソース型の比較プラットフォームDesignArenaで、Craftは4位。Eloは1341、対戦数1303、勝率66.7%、1回の生成にかかる時間は平均54.0秒。上にいる3モデルはすべてOpenAI製だ。GPT-Image-2.5 Sunburstが1415、GPT-Image-2.5 Flareが1387、GPT Image 2が1362。

Canvaが前面に出した主張は、自社の研究部門が画像生成で世界2位のAIラボになったというものだった。これはラボの順位であり、モデルの順位ではない。この区別は大きい。モデルとしてのCraftは4位で、そのEloは約1300票に支えられている。Sunburstは14177票だ。順位は動くと見ておいたほうがいい。

カテゴリ別の内訳のほうが全体順位より役に立つ。Canvaによれば、Craftは「人物・ポートレート」で87モデル中1位、「風景・自然」で85モデル中1位。Canvaの顧客の多くが実際に仕事で使う「マーケティング素材」では85モデル中6位。カートゥーンでは87モデル中18位だ。

Canva自身のアーキテクチャがこれをある程度説明する。Craftは2段階で動く。まずデザインの計画を立て、要素の配置、相対的な大きさ、視覚的な階層、入れるべきテキストを決める。そのうえでレンダリングする。最大2K、30種類以上のアスペクト比に対応する。訓練素材はCanvaのテンプレートライブラリで、ポスター、SNS投稿、プレゼン、メニューが中心だ。写真はほとんど入っていない。文字が読みやすいまま残るのはそのためで、自然風景の上部に見出しを横に渡すような仕事で、計画優先のモデルが強いのも同じ理由だ。

Canvaがすでに認めている穴

BrushはBrand Kit非対応、添付ファイルの参照不可、画像の多いレイアウトの扱いが不十分、という状態で出荷された。Canvaは3つとも対応中だとしている。マーケティングチームにとって最初の一つが詰まりどころだ。Brushがブランドカラー、フォント、ロゴを理解するまで、編集のたびに人が確認することになる。

どちらのモデルにも個別の価格はない。どちらもCanvaのプランに含まれるAI利用枠から消費する。無料アカウントは利用が制限され、Proは1人あたり年144ドルでAI枠は無料枠の10倍、Businessは1人あたり年250ドルで20倍だ。

なぜ編集モデルのほうを見るべきか

この形はCanvaに限らない。仕事の流れを握っているプラットフォームは今、その流れの内側で動くモデルを出している。最前線での競争は他に任せる。Canvaはデザインファイルを持っているので編集で訓練できる。Adobeはタイムラインを持っているのでクリップで訓練できる。モデルそのものより、どのファイル形式に手を突っ込めるかのほうが重い。

品質の議論の下にコストの議論がある。スライド全体を再生成するデザインエージェントは、誰も文句を言っていない部分にトークンを燃やす。1つの属性だけを直すエージェントはその何分の一かで済む。46%という数字は、典型的な編集のどれだけが無駄だったかという話でもある。これが発表記事の外でも成り立つなら、月に何百回も生成する人ではなく何百回も編集する人にとって、経済性は変わる。

コンテンツのパイプラインを作っている人にとって、実務的な結論はもっと小さく具体的だ。生成は安くなり、代替がきくようになった。時間が消えるのは編集の側で、コードを書いて自分の仕事を確認するモデルが、フレーム全体を描き直すモデルより有利になるのもそこだ。

Brushは最初のバージョンだ。Canvaもそう言っている。ただ、方向としてはもうかる側にある。

関連記事

Pinky は agent に自分のスマホを操作させる。送信ボタンは、あなたが許可を押すまで押さえたまま

Pinky はどんな MCP agent でも本物の iPhone や Android につなぎ、承認をプロンプトではなく自前のゲートウェイで強制する。銀行アプリは見えず、パスワード欄は通行止め、Android 13 では agent に隠れた2枚目の画面が渡される。

サーバー1台、AI配信者1人:夜のライブ配信を動かすコードの中身

open-yoki は、毎晩 Binance Square で配信する AI ホストの本番コードで、人格・声・お金に関わる機能は取り除かれています。headless Chrome がフレームを描き、ffmpeg が RTMP を押し、Markdown フォルダが彼女の気分と投稿内容を決めます。

SoduWork の依頼は、チャットが止まったときではなく、依頼した人が承認したときに終わる

SoduWork はセルフホストのワークベンチだ。依頼には着手前に受け入れ基準が書かれ、納品は別の harness がレビューし、最後は人が承認する。うまくいった進め方はプラグインとして保存され、チームの他の人がそのまま実行できる。

世界の法律を git に入れた人がいる。だから法令も blame できる

global-law は各国の法令を git リポジトリとして持ち、1 つの commit が既知の日に効力を持った 1 つの法律にあたる。条文に対して log、blame、show、diff を実行でき、ある日の各国の施行状況を調べ、コーパス全体を MCP 経由でアシスタントに渡せる。