过去两年，Canva在生成式AI上的角色一直是分发商：用户在Dream Lab里生成图片，背后跑的是别人家的模型。10月22日，这家月活超过2.5亿的设计平台发布了首款完全自研的图像生成模型Canva Craft，由Canva Research团队与2024年收购的悉尼创业公司Leonardo.ai研究人员共同完成。管理层对这次发布的定位很直接，不再只依赖前沿实验室的模型。首席执行官Melanie Perkins在此前给股东的信里承认公司过度依赖前沿模型，而Canva在8月已把2026年增长预期从30%下调到20%，服务一次AI任务的平均成本过高是原因之一。Craft既是产品动作，也是一笔成本账。
主流图像模型的路子是提示词直接进、像素直接出，看起来干脆，但在设计场景里经常失效。失效点集中在三处：图内文字容易糊成乱码，元素位置与大小不听指挥，改一个局部往往牵动整张图。Craft把生成拆成两个阶段来应对。第一阶段是规划模型，读提示词后先写出一份构图计划，把元素之间的空间关系、相对尺度、视觉层级，以及需要出现的文字内容与位置都写清楚；第二阶段是渲染模型，把这份计划变成图像，最高2K分辨率，支持30多种画幅与自定义尺寸。规划层的好处是把模糊的语言需求翻译成了结构化的排布约束，渲染层只需照着执行。用户得到的能力是可见的：文字清晰可读，物体落在指定的位置，修改某个元素时其余部分不被重画。官方还提到一个连带效果，输出可以被Canva Magic转换成可分层编辑的设计稿，等于把生成结果接回了设计工具的原生工作流。这套流程也解释了Craft为何把图文排版当作核心卖点，设计稿里的文字往往就是交付物本身，字错了整张图就废了。
Craft最不寻常的地方在训练数据。多数图像模型的学习对象是照片，练出来的能力偏向真实感；Craft的训练主力是Canva自有模板库里的数百万份人类设计作品，海报、社交媒体图、演示文稿、信息图、菜单，以及大量以排版为主体、文字密集的版式。这个选择直接决定了模型的偏科方向：它在构图、层级、字体搭配这些设计要素上更内行，在极端写实的光影细节上未必比得过专攻写实的模型。之后还有一层人工微调，Canva的专业设计师参与了超过2.5万组图像的两两对比打分，公司的原则写得很明确，当自动评测与人类判断不一致时，以设计师的判断为准。这条原则听起来朴素，实际影响很大，它意味着模型的优化目标被定成了好看且能用，而不是指标好看。对Canva来说，这套数据还有一层战略价值：模板库是十几年积累下来的资产，竞争对手无法短期复制，用自家资产训练的模型天然贴合自家工作流，这是通用模型难以替代的部分。
发布材料里最需要审读的是排名。Canva称Craft在DesignArena这个众包设计盲测站点上首秀即排第四，并在87个模型的人像与人物类别中排第一、在85个模型的风景与自然类别中排第一。这些都是公司自己的说法，且存在时间差：TechCrunch与多家媒体核对时发现，Craft尚未出现在DesignArena的公开图像榜单上，而该榜单上排前两位的是OpenAI的GPT-Image-2.5系列。更直白地说，Craft目前的位置是第四，前面还有三家OpenAI的模型，这与Canva宣传的仅次于一家实验室存在口径差异。多篇报道的处理方式比较克制，既引用了Canva的排名说法，也标注了公开榜单尚未更新的现状。对新模型的评价，业内通常建议看三件事：是否有第三方复现、是否有独立榜单长期跟踪、在自己真实任务上的完成率。Craft的第二阶段是否站得住，取决于接下来几周它在各类盲测里的表现，而不是发布当天的通稿。
从商业角度看，Craft的动机比技术更清晰。Canva长期为平台内的AI生成向第三方模型付费，随着使用量暴涨，这笔API成本成了毛利的主要压力，Perkins在股东信里点出的三个问题很具体：自研模型尚未就绪、定价与消耗模型没跟上、用量控制缺位。推出自研模型后，平台把边际成本从按次付费变成了自有算力的固定投入，同时拿到质量与速度的直接控制权。这条路径在行业里正被反复验证，Figma、Adobe、美图等平台型公司都在补齐自研模型，逻辑一致：把最核心的生成能力握在自己手里，避免利润被上游模型厂抽走。风险也摆在明面上，自研模型的迭代速度要跟上前沿实验室，否则用户会用脚投票跑回第三方模型；而模型的研发投入是长期重资产，一旦增长预期下调，投入的回收压力会立刻显现。Canva已经在开发两个更便宜的版本Craftfast与Craft-ultrafast，这个动作说明公司真正想要的不是榜单名次，而是把单位生成成本压到能做大规模免费分发的水位。