Canva lanserar Craft — sin första egna AI-bildmodell

Canva, plattformen som gjort grafisk design tillgänglig för miljontals icke-designers världen över, tar nu steget in i bildgenereringens kärna. I slutet av oktober 2026 lanserade bolaget Craft — sin första helt egenutvecklade AI-bildmodell. Det som skiljer Craft från mängden handlar inte i första hand om råkapacitet, utan om ett medvetet val av träningsdata: i stället för att luta sig mot enorma arkiv av fotografier har Canva tränat modellen på sitt eget bibliotek av mänskligt designade mallar.

Vad gör Craft annorlunda?

De flesta stora bildmodeller — oavsett om det handlar om Midjourney, DALL-E eller Googles Imagen — är optimerade för fotorealism. De är tränade på fotografier och kan producera imponerande naturtrogna motiv, men de har länge haft svårt med det som grafiska designers faktiskt behöver: tydlig texthierarki, balanserade layouter, läsbar text inuti bilden och den typ av visuell struktur som finns i affischer, sociala inlägg eller marknadsföringsmaterial.

Canva har i stället tränat Craft på sitt eget bibliotek av professionellt designade mallar — affischer, infografik, menyer, sociala medier-inlägg och andra textrika layouter. Det gör modellen inriktad på grafisk design snarare än fotografi, och det är ett val som speglar var Canvas användare faktiskt befinner sig i sin vardag.

Arkitekturellt arbetar Craft i två distinkta steg. Först omvandlar modellen en textprompt till en slags strukturplan: vilka element ska ingå, hur förhåller de sig till varandra i rummet, vilken skala och hierarki gäller, och om det ska finnas text i bilden — var och hur. Sedan tar ett andra steg vid och renderar den faktiska bilden utifrån den planen. Tvåstegsprocessen liknar på sätt och vis hur en mänsklig designer tänker: skissa upp strukturen först, utför sedan det visuella arbetet. Resultatet ska, enligt Canva, ge bättre kontroll över layout och komposition jämfört med modeller som försöker lösa allt i ett enda pass.

Var kan man använda den?

Craft är från lansering tillgänglig för samtliga Canva-användare globalt, direkt via funktionen Dream Lab inuti designplattformen. Någon extra prenumeration eller väntelista verkar inte krävas — modellen rullas ut brett från start.

För utvecklare finns Craft tillgänglig via Canvas publika API, vilket öppnar upp för integration i externa produkter och arbetsflöden. Modellen genererar bilder i 2K-upplösning och stödjer fler än 30 bildformat och proportioner, från stående sociala medier-format till liggande presentationsbilder och kvadratiska miniatyrer. Det täcker det stora flertalet användningsfall som Canvas målgrupp — marknadsförare, småföretagare, content creators — stöter på i praktiken.

Vill du jämföra Craft med andra alternativ på marknaden finns en samlad genomgång av AI-bildverktyg där du kan se hur de olika tjänsterna positionerar sig.

Hur bra är den egentligen?

Det är här det börjar kräva lite källkritik. Canva uppger själva att Craft vid lansering debuterade som fjärde rankad bildmodell på jämförelsetjänsten DesignArena. Det låter som ett solitt kvitto — men det är viktigt att notera att det är Canvas egen framställning av resultaten, inte en oberoende tredjepartsgranskning. Rankingen bygger dessutom på preliminära resultat, och vad som exakt vägs in i DesignArenas metodik är inte offentligt verifierat på ett sätt som gör det möjligt att ta siffran för given.

Med det sagt är en fjärdeplats — om den håller vid bredare testning — ett anmärkningsvärt resultat för en modell i sin absoluta debut, och från ett bolag vars kärnkompetens hittills legat på designplattformen snarare än grundläggande modellträning. Oberoende benchmarking av Craft från teknikpress och externa testare är ännu begränsad vid publiceringstillfället, varför en mer definitiv kvalitetsbedömning får vänta.

Vad händer härnäst?

Canva arbetar parallellt på två snabbare och billigare varianter av modellen: Craftfast och Craft-ultrafast. Något lanseringsdatum för dessa har inte angetts, men namnen antyder att bolaget siktar på att täcka in hela spektrumet från hög kvalitet till låg latens — en vanlig strategi i branschen där olika användningsfall kräver olika avvägningar mellan hastighet, kostnad och bildkvalitet.

Mer intressant på kort sikt är kanske Canvas planerade MCP-integration. Via Model Context Protocol ska Craft bli tillgänglig för bildgenerering direkt inuti tredjepartschattbottar som ChatGPT och Gemini. Det innebär i praktiken att en användare som arbetar i en chattgränssnitt skulle kunna beställa en designad bild och få den levererad av Craft — utan att lämna chattflödet. Hur sömlöst det faktiskt fungerar i praktiken återstår att se, men strategiskt är det ett sätt för Canva att positionera Craft som en bildmotor för det bredare AI-ekosystemet, inte bara för sin egen plattform.

Varför det här är intressant

Det finns ett mönster i hur de stora bildmodellerna har utvecklats: race mot alltmer fotorealistiska bilder, mot fler pixlar, mot bättre ansiktsåtergivning och ljussättning. Canva väljer en annan väg.

Genom att träna på designmallar snarare än fotografier gör Canva en nischning som speglar var deras konkurrensfördelar faktiskt ligger. Canva har under många år byggt upp ett av världens största bibliotek av grafiska designtillgångar och mallar, skapade av professionella designers. Det är ett träningsdataset som konkurrenterna inte kan kopiera rakt av — och det är precis den typen av proprietär data som tenderar att skapa verkliga differentierings-fördelar på sikt.

Jämfört med att försöka konkurrera direkt med OpenAI eller Google på fotorealism — ett kapplöpning som kräver enorma beräkningsresurser och dataskalor — är det här en betydligt smartare positionering. Canvas kärnkunder skapar inte konstfotografi. De skapar Instagraminlägg, evenemangsaffischer, nyhetsbrev och presentationsmaterial. Det är exakt det Craft är optimerat för.

Det finns förstås risker. Grafisk design är ett brett begrepp, och det ska bli intressant att se hur väl Craft faktiskt presterar på det mer komplexa designarbete som erfarna designers utför — inte bara mallbaserade standardformat. En modell tränad på mallar kan bli bra på att reproducera mallar, men det är inte självklart att den hanterar mer friforma, konceptuella eller estetiskt komplexa uppdrag lika väl.

Oavsett vilket markerar Craft en tydlig strategisk signal: Canva nöjer sig inte längre med att vara ett skal runt andras AI-motorer. Med en egen bildmodell, ett publikt API och planer på MCP-integrationer mot de dominerande chattplattformarna rör sig bolaget i riktning mot att bli en bildgenereringsinfrastruktur för det bredare ekosystemet — med design, snarare än fotorealism, som utgångspunkt.