Canva 的 Craft 先把海报排好版，再动手画

Canva 这周上线了自家的第一个图像模型，而它的卖点是一句大多数图像模型说不出来的话：在画任何东西之前，它先把方案写出来。

模型叫 Craft，由 Canva Research 开发，训练数据是公司自己那套人工制作的模板库，所有 Canva 用户都能用，也能通过公开 API 调用。它最高出 2K，支持 30 多种画幅，能用 55 种语言渲染文字。

两阶段的设计是实质所在。一个规划模型读提示词，写出一份详细的构图方案：哪些元素出现、它们彼此怎么摆、相对大小、视觉层级，以及图上需要什么文字。另一个渲染模型把这份方案变成像素。因为方案是结构化的，Canva 说用户可以只改一个元素，而图像其余部分不动。

用通用图像模型生成过海报的人，都知道这为什么重要。你要一个大标题、三个图标、右下角一张产品图，拿回来的东西看起来三样都有，位置也差不多对，但标题拼错了，三个图标还悬在略有差异的高度上。构图从来就不是模型做的决定，它只是采样的副产品。

训练数据改变了什么

大多数图像模型主要在照片上训练。Craft 的训练集里有几百万张模板：海报、社交贴图、演示文稿、信息图、菜单，以及各种文字本身就是主角、而不是装饰元素的版式。

这是先验上的真实差别。一个在照片上训练的模型，见过几十亿张文字出现在招牌、包装和屏幕上的图，那些字通常很小、常常模糊、极少是主体。一个在模板上训练的模型，见过几百万张以字体层级为全部存在理由的图。如果你的活是做一张菜单或者一门课程的招生公告，这两种起点根本不是一回事。

排名要小心地读

Canva 说 Craft 在 DesignArena 上首发第四，它把这个榜描述为最大的众包 AI 设计评估平台。它还说 Craft 在人物与人像类目排第一（共 87 个模型）、在风景与自然类目排第一（共 85 个）、在抽象与图案类目排第二、在产品类目排第四。并且说这让 Canva Research 成为全球第二大图像生成实验室。

最后那句话承担的分量超过了数据能支撑的。综合第四加上两个类目冠军，对第一个模型来说是相当强的首发。但“全球第二的实验室”是对实验室的说法，不是对模型的说法，而 DesignArena 也不是大多数人引用的那些文生图榜单所在的同一个竞技场。把两个类目冠军当成有意义的部分就好。人像和风景恰恰是模板训练模型最可能落后的地方，赢了才是意外。

Canva 的方法论里还有一个细节值得引用，因为它不常见：设计师和研究团队一起，对其他模型做了超过 25,000 组图像的正面比较评估，当自动评估和人的判断不一致时，公司站在设计师这边。你信不信最后那些数字是另一回事，但这是一条明说的裁决规则，比大多数发布博文都给得多。

为什么规划阶段也是一个提速技巧

除了质量，这套架构还给了 Canva 一个纯扩散模型很难拿到的东西：昂贵的推理只发生一次，而且是在文本层面；渲染阶段可以被狠狠地蒸馏。

Canva 说它用模型蒸馏把推理步数压到原来的一个零头，还为规划阶段自建了推理引擎，让 Craft 比第一个内部版本快了一个数量级。它还说会推出两个变体，Craft-fast 和 Craft-ultrafast，成本只是领先前沿模型的一个零头。

规模背景解释了这种紧迫感。Canva 说平台上有超过两亿五千万人在用，每秒产生 400 多个设计。在这个量级上，一个质量好 20%、但每张图贵一倍的模型，是商业问题，不是功能。

它停在哪里

Craft 还做不到什么的清单，比功能清单信息量更大。Canva 说未来版本会更好地处理小字和技术图纸，更高级的编辑和参考图功能也会跟上。

也就是说，现在没有参考图。没有“把这个产品放进这个场景”。没有匹配现有品牌素材。对一个卖给营销和电商的模型来说，缺参考图支持是唯一最大的限制，因为大多数商业项目都从某个已经存在的东西开始：一张产品照、一个 logo、一个人。

Canva 拿来搭桥的是 Magic Layers，它把生成的图像拆成 Canva 里可编辑的设计元素。这是对真实问题的一个聪明回答。如果模型没法把你的产品照当输入，至少输出可以被拆开、再围着它重新拼起来。这是个变通办法，而且是大多数设计师已经在另外三个工具里手工做过的变通办法。

这是给谁用的

如果你本来就在 Canva 里做东西，Craft 差不多等于一次免费升级，语言和画幅意味着它适配大多数社交和印刷格式，不用再来一遍改尺寸。MCP server 的意义在另一处：它让 agent 能把生成图像当成一个更大任务里的一步，而现在很多营销工作确实是这么拼起来的。

规划阶段还有一个二阶效应，Canva 没有宣传，但它比任何榜单名次都重要：一份方案是可编辑的，一个隐变量不是。一旦构图以结构化描述的形式存在，品牌规则就可以加在这份描述上，而不是加在像素上。logo 放右下、最小字高、两个品牌色加黑色。这些是能告诉规划模型的约束。扩散模型只能被客气地请求。

这也正是 Adobe 一直在讲的、关于模板驱动生成的那套论证；也正是一家设计公司发布模型，跟一家实验室发布模型是两件不同的事的原因。Canva 的护城河不是那个 checkpoint，是那几百万套模板，和每个用户早就填好的品牌工具包。

如果你需要照片级的产品渲染，或者需要把某个特定物体放进某个特定场景，这还不是那个工具。Canva 说参考图会来。在它上线之前，Craft 最强的地方正好是它训练数据最强的地方：文字即设计的版式，而且版式必须一次就对。

考虑到 Canva 的全部生意就是版式，这不算巧合。对一家设计公司来说，这是最守得住的一块地。