Canva推出自研图像模型Craft，采用两阶段架构：先生成详细构图与文字布局计划，再由渲染模型输出图像，旨在提高生成图像在海报、广告和演示等设计场景中的可编辑性与可用性。公司表示Craft已在Dream Lab开放并提供公共API，但更快版本与部分接入（如MCP）仍属后续计划，实际效果与编辑稳健性需在真实项目中验证。
Canva推出了由内部研究团队开发、从零训练的图像生成基础模型Craft，试图把AI生图的竞争从画面效果进一步推向构图、文字排版和后续编辑。与一次生成成品图的常见使用体验不同，Craft先为画面制定布局计划，再由另一模型完成渲染。
这份官方公告的发布时间为2026年10月22日19时UTC，即北京时间10月23日凌晨3时。Canva称，Craft已向全球Canva用户开放，入口位于Dream Lab，并可通过公共API供开发者使用。不过，各项接入能力的进度并不相同：公告明确将Canva MCP接入标为“即将推出”，两个更快版本也仍属后续计划。
对Canva而言，这不只是再增加一个生图选项。它希望让生成图像更容易进入海报、广告、演示文稿等实际设计流程，减少用户在生成后重新排版、修改文字和调整元素的工作。能否稳定做到这一点，仍需在真实项目中检验。
先决定画面怎么组织，再把它画出来
根据Canva的技术介绍，Craft采用两阶段架构。第一阶段的图像规划模型解释用户提示词，形成详细构图方案：画面中有哪些元素、它们的空间关系和相对大小如何、视觉层级怎样安排，以及哪些文字需要出现在图中。第二阶段由专门的图像渲染模型把方案转换为图像。
Canva称，模型最高支持2K分辨率，提供30多种宽高比，并允许用户输入自定义比例；提示词可以使用不同语言，图中生成的文字则支持55种语言。这些是公司公布的能力范围，并不意味着每种语言、每类复杂版式都已获得独立验证。
两阶段设计针对的是生图工具的一类常见难题：一张图可以在整体观感上很吸引人，却没有把标题、产品和说明文字放在正确位置。对于营销物料，局部关系错误往往足以让图片无法直接使用。Canva希望通过提前描述构图和文字，提升对象定位、文字可读性以及不同元素之间的一致性。
公司还称，这种结构能让用户更有针对性地修改局部，而不必牵动整幅画面。但公告没有提供足以独立复现这些效果的完整测试材料，因此不能仅凭架构描述断言它已解决复杂布局或精准编辑问题。
“可编辑”依赖生图之后的另一层能力
Craft与Canva既有设计工具的衔接，是这次发布的重要部分。Canva称，生成结果中的结构信息和JSON边界框有助于Magic Layers识别、拆分画面，把生成图转换为可编辑的设计元素，并提高转换的准确性与速度。
这里需要区分“生成图像”和“输出原生设计文件”：公告描述的是Craft结果适合进一步交给Magic Layers转换，并不等于每次生图都会直接得到一份所有文字、对象和图层均可无损编辑的文件。公司也将更高级的编辑与参考图能力列为未来版本的方向。
在Canva Research团队介绍中，Canva把Magic Layers描述为一种学习式分解模型，结合字体库，将平面图像中的元素和文字转为可继续处理的设计内容。Craft负责生成、Magic Layers负责拆解和编辑的组合，体现出其产品思路：交付的不只是第一张看起来不错的图，还要让用户能够接着改。
用设计模板训练，评估结果仍需看证据边界
Canva称，与主要侧重照片的训练方式相比，Craft更强调设计材料，训练数据包含其内容库中数以百万计的人类制作模板，涵盖海报、社交媒体帖子、演示文稿、信息图、菜单和大量文字排版场景。公司的解释是，这些材料能帮助模型学习布局、层级和字体之间的关系，而不只是成品图片的外观。
预训练之后，团队通过监督微调与强化学习继续优化模型，并引入专业设计师反馈。Canva披露，在内部评估中，专业设计师与数十名研究人员对超过25000对图像进行了两两比较，考察指令遵循、文字准确性和视觉质量；当自动评分与人工判断不一致时，团队优先采用设计师判断。
这些信息说明了公司的优化目标，但内部评估不等于独立横向测试。公告还援引DesignArena排名，称Craft首次亮相时位列图像生成模型第四，并在人像、风景等子类别中排名靠前。相关名次在此只能作为Canva援引的榜单结果理解，不能替代对评测样本、投票机制、模型版本和具体任务表现的独立核查，更不宜据此概括为所有设计场景下都领先。
产品入口已宣布开放，MCP与快速版本仍在路上
Canva表示，用户可在产品左下方面板打开Dream Lab使用Craft；开发者则可通过公共API，将生图能力整合到营销平台、电商网站、广告制作和印刷服务等工具中。
API的上线表述存在来源差异。TechCrunch在10月22日的报道确认了Dream Lab入口与两阶段架构，但对API使用的是“将会提供”的表述，而Canva公告写的是已经可用。因此，API开放应理解为Canva的官方宣布，不能据此认定不同账号均已获得权限，也不能当作接口调用成功的实测结论。公告本身亦不足以确定具体价格、调用额度和账号限制。
MCP的边界则更明确。虽然公告的接入总述提到了Canva MCP Server，但对应小节标注了“Coming Soon”。这意味着，不能把“已能在Canva中生成图像”扩大成“已能通过第三方AI助手普遍调用Craft”。
另两个型号Craft-fast与Craft-ultrafast也仍在开发计划中。Canva称，其模型蒸馏和针对规划阶段优化的推理引擎，使Craft相较最初内部版本获得约一个数量级的加速。这个比较基准是公司的早期内部版本，而非所有竞争产品；公告没有给出可据以判断实际等待时间、成本或吞吐量的完整公开测试条件。
自研模型背后，是设计控制与运行成本的双重考量
Craft的发布延续了Canva扩充内部AI能力的路线。根据Canva Research介绍，公司在2021年收购Kaleido，2024年收购Leonardo，并于2025年整合形成Canva Research。目前该实验室拥有160多名AI研究科学家和工程师，隶属于规模约400人的AI部门。
Canva没有将自研路线描述为替代所有外部模型。相反，它强调，需要同时开发、运行自己的模型，并继续使用合作伙伴的模型。研究团队解释，在大规模、反复修改的设计工作流中，生成质量之外，每次调用的成本和响应速度同样重要。
这使Craft的定位比单纯追逐生图排行榜更具体：在已有设计平台内，把构图、文字、生成与编辑连接起来。若能减少后续返工，它可能改变用户制作营销素材的方式；若复杂文字和局部修改仍不稳定，用户依然需要投入人工校对和设计调整。
Canva称，Craft由Canva Shield提供输入输出审核、隐私与安全控制，以及有害或误导内容举报机制。这些属于公司的安全措施说明，不等于每次输出都不存在版权、隐私或事实风险。对准备将图像用于商业发布的用户来说，文字核对、品牌一致性和使用权审查，仍不能因为模型升级而省略。