10月30日，Canva发布了名为Brush的视觉语言模型，定位很明确：不做从零生成，只做修改。用户提出一句需求，它先看清这份设计是怎么拼起来的，再决定动哪一块、留哪一块。这个产品由Canva Research开发，该实验室规模160人。从今天起，Canva Pro订阅者可以在Canva AI里用到它，后续再扩大范围。
生成一张好看的图，在过去两年已经不是最难的环节。难的是改。一句"把这个三页的烘焙店招商方案改成新艺术风格"，背后是一长串决定：三页之间的叙事怎么排、文字放哪、配图选什么、字体和间距怎么从第一页延续到第三页。任何一步走偏，成品就会出现那种说不上来但一眼能看出不对的错位感。
Brush的切入点是把设计当成有结构的东西，而不是一张像素图。它需要同时回答三个问题：用户想改什么、这份设计是怎么组织的、哪些部分必须原样不动。第三个问题最容易被低估。传统图像模型接到"把标题改成蓝色"，经常会顺手把背景、字体粗细、边距一起重画，结果用户还得退回去修。
这也解释了为什么它被定义成视觉语言模型而不是图像模型。语言模型的部分负责理解指令与结构，视觉的部分负责读版面。两者合起来，才有条件判断"这个元素该不该动"。
更实际的一点是，设计稿本身是有层级的：背景、图层、文本框、组件、页面。图像模型看到的是一张扁平位图，任何修改都要重画整张；而设计工具里的对象带着属性，改一个颜色只需要改一个字段。Brush站在后者这一侧，才有可能做到"改完还能继续改"，这也是它与纯生成模型最本质的差别。
官方给出的对比基准是Canva上一代设计智能体：通用编辑任务快最多69%，单次编辑任务成本低46%。这两个数字看起来像营销口径，放在Canva的体量上却是产品能否成立的前提。平台上有数亿用户、每年产出数十亿份设计，单次任务多花几分钱，乘起来就是一条很难看的成本曲线。
Canva自己在发布说明里把话说得很直白：通用大模型有能力把设计改对，但那种能力很贵。要让最多的人用上最强的工具，效率就不是可选项。这也是为什么Brush强调"匹配或超过"而不是"大幅超越"上一代方案，在编辑这类任务上，稳定压过旧方案同时把成本砍掉一半，商业价值比榜单上多几分更实际。
从竞争角度看，这个选择也很清醒。图像生成赛道已经挤满了大厂与创业公司，榜单每周都在变；设计编辑是一个需求明确、评价标准更贴近交付的细分场景，用户不太在乎模型参数，只在乎改完之后能不能直接发出去。把成本压下来，也才有条件把AI功能做成全量用户的基础能力，而不是少数人的付费加成。
技术路线上，Brush采用的是一个智能体循环：写代码并执行，去调整设计元素，然后检查页面上实际发生了什么，再据此决定下一步。这个"看结果"的环节是关键。纯文本生成的智能体只能凭想象推断操作后果，而设计工具里的每一次改动都有可见反馈，可以形成闭环。
训练方式是从一个领先的开源权重模型出发，用真实的设计与编辑任务做后训练，再叠加大规模强化学习。奖励系统评判三件事：视觉质量、布局是否符合设计原则、任务是否按要求完成。三者之中，第三条最容易被忽略却最影响体验，用户说改标题，改完标题却没变，其它地方再漂亮也是失败。
训练数据里还混入了用户主动选择加入的匿名化使用洞察。这类数据对设计工具特别有价值，因为"人们实际怎么排版"和"设计师理论上该怎么排版"经常不是一回事。Canva过去几年在模板库上的积累，正好补上了这部分。
输出保持完全可编辑，是这个方案与"生成一张图"最根本的分野。文字、图片、颜色、布局都能继续拖动修改，意味着它产出的是设计稿而不是成品图。对做品牌物料的人来说，这一步决定了后续能不能改稿、能不能复用、能不能交给同事接手。
一周前的10月22日，Canva刚发布首个自研图像生成模型Craft，两步走流程，先写构图计划再渲染，最高2K输出，图内文字覆盖55种语言。在DesignArena的文生图榜上，Canva凭这个模型被列为全球第二。Craft负责把画面生成出来，Brush负责在画面周围把设计改到位，两者合起来才是一条完整链路。
这条链路补的是Canva过去最依赖外部的地方。平台长期调用第三方图像模型，成本与质量控制都受制于人。自研生成模型解决"从无到有"，自研编辑模型解决"从有到对"，两件事都做完，才有条件把AI功能做成对全部用户开放的基础能力而不是付费增值项。
值得留意的是它对工作流的改变。当编辑速度快到接近即时，设计师的行为会从"想清楚再改"变成"边改边想"，试错次数上升，判断标准反而更重要。工具把执行成本压到接近零之后，剩下的竞争力就落在审美与取舍上，这部分AI暂时还替不了。