O Craft, da Canva, planeja o cartaz antes de pintá-lo

A Canva lançou esta semana seu primeiro modelo de imagem próprio, e o argumento de venda é uma frase que a maioria dos modelos de imagem não consegue dizer: ele escreve um plano antes de desenhar qualquer coisa.

O modelo se chama Craft. Desenvolvido pela Canva Research, treinado na própria biblioteca de templates feitos por humanos da empresa, disponível para todo usuário da Canva e pela API pública. Gera em até 2K, em mais de 30 proporções, e renderiza texto em 55 idiomas.

O design em duas etapas é o que importa. Um modelo de planejamento lê o prompt e escreve um plano de composição detalhado: quais elementos aparecem, como se posicionam uns em relação aos outros, sua escala relativa, a hierarquia visual e qualquer texto que a imagem precise. Um modelo de renderização separado transforma o plano em pixels. Como o plano é estruturado, a Canva diz que o usuário pode mudar um único elemento sem que o resto da imagem se mexa.

Quem já gerou um cartaz com um modelo de imagem genérico sabe por que isso importa. Você pede um título, três ícones e a foto do produto no canto inferior direito. Recebe algo que parece as três coisas, organizadas quase certo, com o título escrito errado e os ícones flutuando em alturas ligeiramente diferentes. A composição nunca foi de fato uma decisão do modelo. Era um efeito colateral da amostragem.

O que os dados de treino mudam

A maioria dos modelos de imagem é treinada majoritariamente em fotografias. O conjunto de treino do Craft inclui milhões de templates de cartazes, posts para redes, apresentações, infográficos, menus e layouts em que o texto é o ponto principal, e não um elemento decorativo.

É uma diferença real de repertório prévio. Um modelo treinado em fotos viu bilhões de imagens em que texto aparece em placas, embalagens e telas, geralmente pequeno, muitas vezes borrado, raramente o assunto principal. Um modelo treinado em templates viu milhões de imagens em que a hierarquia tipográfica é a razão inteira de a imagem existir. Se o seu trabalho é fazer um menu ou o anúncio de um curso, esses não são o mesmo ponto de partida.

Os rankings, lidos com cuidado

A Canva diz que o Craft estreou em quarto lugar no DesignArena, que descreve como o maior avaliador colaborativo de design com IA. Diz também que o Craft ficou em primeiro em Pessoas e Retratos (entre 87 modelos) e em primeiro em Paisagens e Natureza (entre 85), segundo em Abstrato e Padrões, quarto em Produtos. E diz que isso torna a Canva Research o segundo laboratório mais avançado do mundo em geração de imagem.

Essa última frase faz mais trabalho do que os dados sustentam. Quarto lugar geral mais duas vitórias de categoria é uma estreia forte para um primeiro modelo. Chamar o laboratório de segundo do mundo é uma alegação sobre laboratórios, não sobre um modelo, e o DesignArena não é a mesma arena dos rankings de texto-para-imagem que a maioria das pessoas cita. Trate as duas vitórias de categoria como a parte significativa. Retratos e paisagens são exatamente onde se esperaria que modelos treinados em templates ficassem atrás, então ganhar nelas é a surpresa.

Há também um detalhe na metodologia da Canva que vale citar, porque é incomum: designers trabalharam com pesquisadores para avaliar mais de 25.000 pares de imagens em comparações diretas contra outros modelos, e quando as avaliações automáticas discordavam do julgamento humano, a empresa ficava com o designer. Acredite ou não nos números resultantes, essa é uma regra de desempate declarada, o que é mais do que a maioria dos posts de lançamento oferece.

Por que a etapa de planejamento também é um truque de velocidade

Além da qualidade, a arquitetura dá à Canva algo que um modelo de difusão direto não consegue facilmente: o raciocínio caro acontece uma vez, em texto, e a etapa de renderização pode ser destilada com força.

A Canva diz que usou destilação de modelo para cortar os passos de inferência a uma fração do original, e construiu um motor de inferência dedicado para a etapa de planejamento que deixa o Craft uma ordem de grandeza mais rápido que sua primeira versão interna. Diz também que vêm duas variantes, Craft-fast e Craft-ultrafast, por uma fração do custo dos principais modelos de fronteira.

O contexto de escala explica a urgência. A Canva diz que mais de um quarto de bilhão de pessoas usam a plataforma, criando mais de 400 designs por segundo. Nesse volume, um modelo 20% melhor mas duas vezes mais caro por imagem é um problema de negócio, não um recurso.

Onde ele para

A lista do que o Craft ainda não faz é mais informativa que a lista de recursos. A Canva diz que versões futuras vão lidar melhor com letras miúdas e desenhos técnicos, e que recursos mais avançados de edição e de imagem de referência virão depois.

Ou seja: nada de imagens de referência por enquanto. Nada de "coloque este produto nesta cena". Nada de casar com um ativo de marca existente. Para um modelo vendido para marketing e e-commerce, a ausência de suporte a imagem de referência é a maior limitação isolada, porque a maior parte do trabalho comercial parte de algo que já existe: a foto de um produto, um logo, uma pessoa.

A ponte que a Canva oferece no lugar é o Magic Layers, que transforma a imagem gerada em elementos de design editáveis dentro da Canva. É uma resposta esperta para um problema real. Se o modelo não aceita a foto do seu produto como entrada, ao menos a saída pode ser desmontada e remontada em volta dela. É um contorno, e é o contorno que a maioria dos designers já faz à mão em outras três ferramentas.

Para quem isso serve

Se você já produz coisas na Canva, o Craft é quase um upgrade gratuito, e os idiomas e as proporções fazem com que ele sirva à maioria dos formatos de redes e impressos sem uma passada de redimensionamento. O servidor MCP importa por outro motivo: ele deixa um agente gerar uma imagem como uma etapa de uma tarefa maior, que é como muito trabalho de marketing vem sendo montado hoje.

Existe um efeito de segunda ordem da etapa de planejamento que a Canva não anuncia e que importa mais do que qualquer posição em ranking: um plano é editável de um jeito que um latente não é. Uma vez que a composição existe como descrição estruturada, as regras de uma marca podem ser aplicadas a essa descrição em vez de aos pixels. Logo no canto inferior direito, altura mínima de caixa alta, duas cores de marca mais preto. São restrições que dá para comunicar a um modelo de planejamento. A um modelo de difusão, só dá para pedir por favor.

É o mesmo argumento que a Adobe vem fazendo sobre geração guiada por template, e é a razão de uma empresa de design lançar um modelo ser um evento diferente de um laboratório lançar um. O fosso da Canva não é o checkpoint. São o milhão de templates e o kit de marca que cada um dos seus usuários já preencheu.

Se você precisa de render fotorrealista de produto, ou precisa colocar um objeto específico numa cena específica, esta ainda não é a ferramenta. A Canva diz que imagens de referência estão a caminho. Até elas chegarem, o Craft é mais forte exatamente onde seus dados de treino são mais fortes: layouts em que as palavras são o design e o layout tem que estar certo na primeira tentativa.

O que, considerando que o negócio inteiro da Canva são layouts, não é coincidência. É o lugar mais defensável para uma empresa de design plantar um modelo.