Canva Craft planifica el diseño antes de generarlo: su primer modelo propio es cuarto en el ránking, tras OpenAI

Por The Verge · 22 de octubre de 2026.

Canva ha lanzado Canva Craft, su primer modelo de generación de imágenes desarrollado en casa. Según el anuncio de la compañía, ya está disponible para todos los usuarios del mundo. Se encuentra en Dream Lab, dentro del menú de tres puntos de la barra lateral izquierda.

Craft genera imágenes de hasta 2K de resolución y en más de 30 relaciones de aspecto. Según The Verge, compite directamente con los modelos de OpenAI, Microsoft y Google. Sirve para publicaciones en redes y material de marketing, pero también para escenas realistas, arte digital e imágenes de entornos.

La clave técnica es su arquitectura de dos etapas. Primero el modelo planifica el diseño y después genera la imagen. Según Canva, eso aporta «mayor precisión, coherencia y control». Dicho de otro modo: está pensado para imágenes complejas con texto legible y objetos colocados en un lugar exacto, dos puntos donde los generadores clásicos suelen fallar.

Canva afirma que lo entrenó con «millones de plantillas hechas por humanos» de su biblioteca: publicaciones, presentaciones, infografías, menús. Es una ventaja de datos propia, difícil de copiar para quien no tenga una plataforma de diseño detrás.

El resultado en la medición externa es más humilde. Según Design Arena, un ránking colaborativo (votado por usuarios) de modelos de imagen, Craft está cuarto. Le preceden GPT-Image-2.5 Sunburst, GPT-Image-2.5 Flare y GPT-Image-2, todos de OpenAI. Canva también asegura que incluye moderación de entrada y salida, controles de privacidad y seguridad, y herramientas de reporte.

La hoja de ruta incluye dos variantes más eficientes, Craft-fast y Craft-ultrafast, y la conexión de agentes de IA a Craft mediante el Model Context Protocol (MCP), un estándar abierto para que los agentes usen herramientas externas.

Nuestra lectura: lo relevante no es que Craft supere a OpenAI, porque no lo hace, sino que Canva deje de depender de modelos ajenos. Quien controla el modelo controla el coste por imagen, la latencia y la integración con la herramienta. En general, las aplicaciones de diseño tienden a convertir la IA generativa en un componente propio, no en una API alquilada.

La apuesta por planificar antes de generar también es una tesis de producto. Un diseño no es una imagen bonita: exige jerarquía, texto correcto y composición. Si esa etapa de planificación funciona de verdad, el modelo estará optimizado para el trabajo real de un diseñador y no para el ránking de belleza. Eso aún está por demostrar. Un cuarto puesto en un benchmark de votos mide preferencia, no utilidad en un flujo laboral.

El impacto en el empleo es real y a corto plazo. Producir material de marketing, menús o infografías con calidad aceptable pasa a costar segundos, y eso presiona el trabajo de diseño más rutinario. Lo que gana valor es el criterio: saber qué comunicar, a quién y con qué identidad. A largo plazo, que cualquier persona o pequeño negocio pueda materializar una idea visual sin pagar un estudio es una pieza más de la abundancia que defendemos: menos barrera entre imaginar algo y verlo hecho.

Habrá que vigilar dos cosas: si el modelo mantiene su calidad fuera de las plantillas con las que se entrenó, y qué ocurre cuando los agentes empiecen a diseñar sin supervisión humana a través de MCP.