A Canva anunciou nesta semana o Canva Craft, seu primeiro modelo de geração de imagens desenvolvido e treinado inteiramente pela própria equipe de pesquisa da empresa. Diferente de outras ferramentas do gênero que se concentram em fotorealismo ou em estilos artísticos, o Craft foi projetado especificamente para o contexto do design gráfico: ele entende hierarquia visual, composição tipográfica e a lógica por trás de templates profissionais — desde posts para redes sociais até apresentações e infográficos.
O que torna o Craft arquitetonicamente interessante não é apenas o que ele produz, mas como ele produz. Modelos convencionais de geração de imagens —como DALL·E, Midjourney e Stable Diffusion— mapeiam diretamente um prompt de texto para pixels, sem uma camada intermediária de raciocínio sobre a estrutura da imagem. O Craft, por sua vez, emprega uma arquitetura em duas etapas: primeiro, um modelo de planejamento interpreta o prompt e escreve um plano detalhado da composição —quais elementos aparecerão, suas relações espaciais, escala relativa, hierarquia visual e qualquer texto que precise ser renderizado. Somente depois disso, uma segunda etapa traduz esse plano em uma imagem de alta fidelidade em resolução de até 2K, suportando mais de 30 proporções de aspecto.
Essa separação entre planejamento e renderização não é apenas uma curiosidade acadêmica. Ela se traduz em resultados que fazem diferença prática: texto legível posicionado corretamente no layout, objetos colocados nas posições exatas e relações visuais consistentes. Em modelos tradicionais, texto gerado dentro de imagens é notoriamente problemático —letras ficam distorcidas, palavras são parcialmente apagadas ou completamente incorretas. O Craft aborda o problema de raiz, tratando a tipografia como um componente estrutural planejado antes da renderização, não como um efeito colateral.
A formação do modelo também segue um caminho diferente. Em vez de treinar o modelo em milhões de fotografias —o que é a prática padrão na área— a Canva treinou o Craft em templates humanos da própria biblioteca da plataforma: posts de redes sociais, apresentações, infográficos, cards de menu, flyers e layouts ricos em tipografia. O efeito é que o modelo aprende não apenas a estética visual, mas a lógica subjacente do design profissional: alinhamento, espaçamento, hierarquia e como os elementos se relacionam uns com os outros.
Para a Canva, essa decisão tem implicações financeiras tão importantes quanto as técnicas. A plataforma opera com 240 milhões de usuários mensais e faturamento anual próximo de US$ 3 bilhões, mas desde o início utilizou modelos de terceiros para as funcionalidades de geração de imagens. Isso significava pagar custos de API significativos e depender de concorrentes (Google, OpenAI, Meta, ByteDance) que também possuem ferramentas de geração de imagens. Com o Craft, a Canva assume o controle total da cadeia: qualidade, velocidade e custos ficam sob controle interno.
A empresa já anunciou que está desenvolvendo versões mais rápidas e econômicas do modelo —chamadas Craft-fast e Craft-ultrafast— que prometem gerar imagens de alta qualidade a uma fração do custo dos modelos frontier. Isso é consistente com uma tendência mais ampla da indústria: enquanto os modelos de fronteira continuam escalando em tamanho e complexidade, aplicações específicas como design se beneficiam de versões enxutas otimizadas para o caso de uso, não de modelos generéricos superdimensionados.
O Craft também se integra ao ecossistema existente da Canva de forma estratégica. Imagens geradas podem ser convertidas em designs editáveis com camadas através do Canva Magic, o transformer de imagem para design lançado no ano anterior. Essa ponte entre geração e edição é exatamente o que diferencia o Craft dos modelos concorrentes: enquanto ferramentas como Midjourney entregam uma imagem estática pronta, o Craft entrega um projeto vivo que pode ser editado, redimensionado, reorganizado e refinado —tudo dentro da mesma ferramenta.
A empresa também planeja integrar o Craft via MCP a assistentes de IA externos como ChatGPT e Gemini, permitindo que agentes de IA utilizem a geração de imagens como um passo dentro de fluxos de trabalho maiores —por exemplo, um agente que cria um gráfico de lançamento, uma foto de produto ou um post para redes sociais como parte de uma tarefa mais ampla.
No ranking DesignArena, que mensura a qualidade de geração de imagens por meio de avaliações crowdsourced de designers, o Craft debutou na quarta posição geral entre todos os modelos de geração de imagens —o que posiciona a Canva Research como o segundo laboratório mais avançado em geração de imagens por imagem, atrás apenas do líder do ranking. O modelo também ficou em primeiro lugar nas categorias People & Portraits (entre 87 modelos) e Landscapes & Nature (entre 85 modelos), e em segundo lugar em Abstract & Patterns.
O lançamento do Craft ocorre em um momento interessante para a indústria de ferramentas criativas. A Canva cortou suas projeções de crescimento para 2026, o que levou analistas a reduzirem sua avaliação de US$ 42 bilhões para cerca de US$ 35 bilhões. Mesmo assim, a empresa investe consistentemente em inteligência artificial como seu principal diferencial competitivo —o Craft é o último e mais ambicioso desses investimentos, e a primeira imagem generativa propriamente dita desenvolvida internamente pela companhia. Os pesquisadores da Leonardo.ai, adquirida pela Canva em 2024, contribuíram diretamente para o modelo.
A pergunta que fica é se essa arquitetura de planejamento-antes-da-renderização pode se generalizar para além da geração de imagens —e se outros setores criativos, como vídeo e 3D, vão adotar o mesmo raciocínio. O Craft mostra que, para certas aplicações, o segredo não está em fazer o modelo "imaginar" mais pixels, mas em fazer com que ele pense mais sobre o que vai fazer.
Fontes: The Verge, Canva Newsroom, TechCrunch
✓ Fontes independentes cruzadas e verificadas antes da publicação
