Canva Luncurkan Foundation Model “Canva Craft”: Bikin Gambar AI 2K yang Langsung Terpisah per Layer

Kabar73.com — Canva resmi meluncurkan Canva Craft, foundation model pembangkit gambar pertama yang dibangun dan dilatih dari nol oleh Canva Research, laboratorium AI internal perusahaan. Model ini tersedia bagi seluruh pengguna Canva secara global melalui Dream Lab dan bagi pengembang melalui API publik sejak 23 Oktober 2026, menghasilkan visual orisinal beresolusi hingga 2K dalam lebih dari 30 rasio aspek, serta mampu merender teks dalam 55 bahasa . Pada platform penilaian AI berbasis kerumunan DesignArena, Craft debut di peringkat keempat secara keseluruhan dengan skor 1.329, berada di bawah tiga model GPT-Image dari OpenAI namun di atas Google Nano Banana 2.1 . Yang lebih penting bagi desainer, Craft menduduki peringkat pertama global untuk kategori People & Portraits di antara 87 model dan Landscapes & Nature di antara 85 model .

Namun, angka peringkat bukanlah inti dari peluncuran ini. Inti persoalannya adalah apa yang terjadi setelah gambar dirender. Sebagian besar generator gambar AI mengembalikan berkas datar—piksel yang menyatu, teks yang tidak bisa diklik, elemen yang tidak bisa dipindahkan tanpa meregenerasi seluruh gambar . Canva Craft dibangun dengan arsitektur dua tahap yang memisahkan perencanaan komposisi dari rendering, dan menghasilkan JSON boundary box untuk setiap elemen. Ketika output Craft dimasukkan ke Magic Layers—sistem Canva yang mengubah gambar menjadi elemen desain yang dapat diedit—gambar itu otomatis terpotong menjadi lapisan-lapisan terpisah yang bisa disunting secara presisi . Inilah yang membedakan Craft dari model yang hanya mengejar skor estetika: ia dirancang untuk menghasilkan gambar yang tidak hanya indah, tetapi juga bisa diselesaikan sebagai pekerjaan desain.

Artikel ini mengurai apa yang sebenarnya dibangun Canva, mengapa pemisahan layer otomatis menjadi solusi bagi masalah lama desainer grafis, bagaimana peringkat DesignArena harus dibaca secara kritis, serta apa yang perlu diperhatikan sebelum menganggap Craft sebagai pengganti alur kerja desain yang mapan.

Latar Belakang: Berkas Datar dan Mimpi Buruk Revisi

Bagi desainer grafis yang bekerja dengan generator gambar AI, ada satu keluhan yang hampir universal: hasilnya adalah JPEG. “Anda tidak bisa mengedit judulnya. Anda tidak bisa mengganti logonya. Anda tidak bisa mengubah warnanya agar cocok dengan merek. Anda tidak bisa memindahkan satu elemen pun,” demikian rumusan yang beredar di kalangan praktisi . “Anda mendapatkan gambar datar, menyatu, dan selesai—dan jika ada yang salah, Anda mulai dari awal” .

Masalah ini bukan sekadar ketidaknyamanan. Ia adalah biaya waktu dan biaya kreatif. Dalam alur kerja profesional, klien jarang menerima gambar apa adanya. Mereka meminta judul digeser setengah inci, warna latar diubah, atau elemen tertentu diperbesar. Ketika gambar AI datang sebagai berkas datar, setiap permintaan revisi berarti prompt ulang, regenerasi, dan sering kali kehilangan elemen yang sebelumnya sudah tepat. Desainer kemudian menghabiskan waktu untuk “membangun ulang” gambar ke dalam lapisan yang dapat diedit—pekerjaan manual yang seharusnya tidak diperlukan jika model menghasilkan struktur yang bisa dibaca mesin sejak awal .

Penelitian akademik mengonfirmasi akar masalahnya. Model generatif konvensional menghasilkan bitmap yang diratakan secara end-to-end, dengan teks yang rawan kesalahan dan tanpa dukungan untuk penyuntingan pasca-generasi per lapisan . Upaya mengubah satu elemen sering kali secara tidak sengaja memengaruhi elemen lain, karena encoder dan decoder yang telah dilatih sebelumnya tidak cukup mendukung komposisi multi-lapis dan transparansi . Dengan kata lain, keterbatasan editability bukanlah bug kecil, melainkan konsekuensi arsitektural dari cara model gambar dibangun.

Canva sendiri telah lama menyadari celah ini. Pada Oktober 2025, perusahaan merilis Canva Design Model, fondasi yang dirancang untuk memahami desain dan lapisan . Pada Maret 2026, Canva meluncurkan Magic Layers, fitur yang mengubah gambar datar—termasuk output AI—menjadi desain berlapis yang dapat diedit . Magic Layers menandai pergeseran dari era “aset terkunci piksel” menuju objek asli yang dapat dimanipulasi di dalam editor . Namun, Magic Layers pada awalnya bekerja pada gambar yang sudah jadi, apa pun sumbernya. Craft mengubah persamaan itu: ia menghasilkan gambar dengan informasi struktur yang eksplisit sejak awal, sehingga konversi ke lapisan menjadi lebih cepat dan lebih akurat .

Kronologi dan Fakta Utama: Apa yang Diluncurkan dan Bagaimana Ia Bekerja

Canva Craft diumumkan pada 23 Oktober 2026 melalui newsroom resmi Canva dan tersedia pada hari yang sama bagi seluruh pengguna Canva di seluruh dunia melalui tab Dream Lab, serta melalui API publik dan Canva MCP Server . Model ini adalah foundation model pertama yang dibangun dan dilatih dari nol oleh Canva Research, bukan hasil fine-tuning dari model pihak ketiga . Canva sebelumnya menggunakan beberapa model pembangkit gambar pihak ketiga di platformnya; dengan Craft, perusahaan mendapatkan kendali penuh atas kualitas, kecepatan, dan biaya inferensi .

Secara teknis, Craft menggunakan arsitektur dua tahap. Tahap pertama adalah model perencanaan gambar yang membaca prompt dan menulis rencana komposisi terperinci: elemen apa yang muncul, hubungan spasialnya, skala relatif, hierarki visual, dan teks apa pun yang harus muncul dalam gambar . Tahap kedua adalah model rendering khusus yang menerjemahkan rencana itu menjadi gambar beresolusi hingga 2K dalam lebih dari 30 rasio aspek . Dengan memodelkan komposisi dan tipografi secara eksplisit sebelum rendering, Craft dapat menghasilkan tata letak kompleks dengan akurasi yang lebih tinggi, termasuk teks yang terbaca, penempatan objek yang presisi, dan hubungan visual yang konsisten . Arsitektur ini juga memungkinkan perubahan bertarget pada elemen individual tanpa mengubah seluruh gambar .

Fitur yang paling relevan bagi desainer adalah integrasi dengan Magic Layers melalui JSON boundary boxing. Karena tahap perencanaan telah memetakan koordinat setiap elemen, Craft membungkus objek-objek tersebut dalam kotak batas JSON. Ketika output dimasukkan ke Magic Layers, gambar secara otomatis terpotong menjadi proyek multi-lapis yang hidup: teks dapat diklik dan fontnya diganti, grafik utama dapat digeser, dan elemen individual dapat dimodifikasi tanpa regenerasi destruktif . Canva mengklaim bahwa JSON boundary boxing membuat konversi melalui Magic Layers “lebih cepat dan lebih akurat” dibandingkan gambar yang tidak memiliki struktur tersebut .

Dari sisi pelatihan, Craft tidak dilatih terutama pada foto seperti kebanyakan model gambar. Data pelatihannya menekankan jutaan templat buatan manusia dari pustaka konten Canva—poster, unggahan media sosial, presentasi, infografis, menu, dan tata letak yang padat tipografi . Templat membawa informasi yang tidak dimiliki foto: bagaimana tata letak, hierarki, dan tipografi saling menyesuaikan dalam desain jadi . Setelah pra-pelatihan, Canva mengoptimalkan Craft melalui supervised fine-tuning dan reinforcement learning, dengan umpan balik dari desainer profesional Canva untuk meningkatkan kepatuhan instruksi, akurasi tipografi, dan kualitas visual secara keseluruhan . Dalam evaluasi internal, desainer Canva bekerja bersama puluhan peneliti untuk menilai lebih dari 25.000 pasang gambar dalam perbandingan head-to-head dengan model terkemuka; ketika evaluasi otomatis dan penilaian manusia berbeda, Canva memihak desainer .

Untuk skala, Canva menyebut lebih dari seperempat miliar orang menggunakan platformnya dan membuat lebih dari 400 desain setiap detik . Untuk melayani skala itu, Canva melakukan distilasi model yang memangkas jumlah langkah inferensi Craft menjadi sebagian kecil dari model aslinya, serta membangun mesin inferensi khusus untuk tahap perencanaan yang membuat Craft satu orde besaran lebih cepat daripada versi internal pertamanya . Kecepatan dan efisiensi ini menjadi dasar bagi dua varian yang akan datang: Craft-fast dan Craft-ultrafast, yang dijanjikan menghadirkan kualitas tinggi dengan biaya sebagian kecil dari model frontier terkemuka . Canva juga menyatakan telah memangkas biaya per tugas AI hampir 90 persen sejak April 2026 .

Penyebab dan Faktor yang Memengaruhi: Mengapa Arsitektur Dua Tahap Mengubah Segalanya

Perbedaan paling mendasar antara Craft dan generator gambar konvensional bukanlah pada kualitas piksel, melainkan pada urutan kerja. Model difusi konvensional mencoba memecahkan tekstur, pencahayaan, warna, dan tata letak spasial dalam satu lintasan simultan . Ketika prompt meminta poster dengan judul di atas dan ilustrasi di tengah, model tidak “merencanakan” tata letak terlebih dahulu; ia menghasilkan piksel yang secara statistik tampak seperti poster, tetapi tanpa pemahaman eksplisit tentang di mana batas judul, di mana ilustrasi dimulai, atau bagaimana elemen-elemen itu seharusnya berhubungan.

Craft memisahkan dua tugas yang secara fundamental berbeda. Perencanaan komposisi adalah masalah penalaran spasial dan hierarki: apa yang harus muncul, di mana, seberapa besar, dan bagaimana teks ditempatkan. Rendering adalah masalah sintesis visual: bagaimana cahaya jatuh, bagaimana tekstur terbentuk, bagaimana warna berbaur. Dengan memisahkan keduanya, Craft dapat mengalokasikan kapasitas model secara lebih tepat—model perencanaan untuk struktur, model rendering untuk estetika—dan menghasilkan output yang secara struktural koheren, bukan sekadar secara statistik meyakinkan.

Konsekuensi kedua adalah editability. Karena rencana komposisi telah menetapkan koordinat dan batas setiap elemen, Craft dapat mengekspor informasi itu sebagai JSON boundary box. Ini bukan sekadar metadata tambahan; ia adalah representasi mesin dari struktur gambar. Ketika Magic Layers membaca JSON itu, ia tidak perlu menebak di mana teks berakhir dan latar dimulai—ia sudah tahu. Inilah sebabnya Canva mengklaim konversi melalui Magic Layers lebih cepat dan lebih akurat pada output Craft dibandingkan pada gambar yang tidak memiliki struktur tersebut .

Konsekuensi ketiga adalah akurasi teks. Model gambar generatif secara historis kesulitan merender teks yang terbaca, apalagi teks dalam bahasa non-Inggris atau aksara non-Latin. Craft dilatih pada templat yang padat tipografi dan dioptimalkan dengan umpan balik desainer untuk akurasi tipografi . Ia dapat merender teks dalam 55 bahasa, dan prompt dapat ditulis dalam bahasa apa pun . Bagi pasar Indonesia, ini bukan detail kecil: kemampuan merender teks berbahasa Indonesia—atau setidaknya teks Latin dengan diakritik yang benar—memperluas penggunaan Craft dari sekadar gambar dekoratif menjadi materi pemasaran yang siap pakai.

Konsekuensi keempat adalah efisiensi biaya. Dengan memiliki model sendiri, Canva mengendalikan biaya per gambar yang dihasilkan. Setiap gambar yang dialirkan melalui model frontier pihak ketiga membawa tagihan inferensi yang tidak ditetapkan Canva . Distilasi model dan mesin inferensi khusus memungkinkan Canva menekan biaya tersebut, yang penting mengingat skala 400 desain per detik. Craft-fast dan Craft-ultrafast, meskipun belum memiliki tanggal rilis atau harga, diposisikan sebagai varian yang lebih murah untuk volume tinggi . Namun, klaim penghematan ini masih merupakan proyeksi Canva; belum ada verifikasi independen atas biaya aktual per gambar setelah peluncuran .

Dampak terhadap Masyarakat dan Ekonomi: Desainer, Bisnis Kecil, dan Lanskap Kerja Kreatif

Dampak paling langsung dari Craft terasa pada alur kerja desainer grafis. Jika output AI dapat langsung dipecah menjadi lapisan yang dapat diedit, pekerjaan “membangun ulang” gambar ke dalam format yang bisa direvisi berkurang secara signifikan. Seorang desainer yang sebelumnya menghabiskan waktu untuk merekonstruksi poster AI menjadi lapisan-lapisan terpisah kini dapat langsung mengklik teks, mengganti font, dan menggeser elemen di dalam Canva . Ini bukan otomatisasi yang menghilangkan peran desainer; ini otomatisasi yang menghilangkan pekerjaan mekanis yang tidak menambah nilai kreatif.

Bagi bisnis kecil dan tim pemasaran tanpa desainer penuh waktu, Craft memperluas akses ke aset visual yang tidak hanya menarik tetapi juga bisa disesuaikan dengan cepat. Canva selama ini diposisikan sebagai platform untuk non-desainer, dan Craft memperkuat posisi itu dengan mengurangi ketergantungan pada prompt ulang setiap kali ada perubahan kecil. Sebuah poster acara yang dihasilkan Craft dapat disesuaikan judulnya, warna latarnya, dan ilustrasinya secara terpisah—sesuatu yang tidak mungkin dilakukan pada berkas datar dari generator konvensional .

Dampak terhadap pasar kerja kreatif lebih berlapis. Di satu sisi, Craft mengurangi hambatan teknis untuk menghasilkan materi visual berkualitas, yang dapat memperluas akses bagi usaha mikro dan individu. Di sisi lain, ia menaikkan standar: jika gambar AI dapat diedit dengan mudah, nilai tambah desainer tidak lagi terletak pada kemampuan menghasilkan gambar, tetapi pada kemampuan mengambil keputusan kreatif—memilih hierarki yang tepat, menyesuaikan nada visual dengan merek, dan menyelesaikan detail yang tidak dapat diprogram. Canva sendiri menempatkan Craft sebagai alat untuk “desainer dan non-desainer,” bukan sebagai pengganti desainer. Dalam perbandingan alat desain AI 2026, Canva tetap dinilai sebagai pilihan untuk non-desainer dan konten media sosial, sementara Adobe Firefly unggul untuk pekerjaan komersial yang membutuhkan keamanan IP, dan Midjourney untuk kualitas artistik murni . Craft tidak mengubah pembagian itu secara fundamental; ia memperkuat posisi Canva di segmen di mana editability dan integrasi alur kerja lebih penting daripada skor estetika mentah.

Dari sisi ekonomi platform, Craft adalah langkah strategis Canva untuk mengendalikan biaya AI-nya sendiri. Pada Agustus 2026, Canva memangkas proyeksi pertumbuhan pendapatannya dari 30 persen menjadi 20 persen, dan valuasinya dilaporkan turun dari sekitar 42 miliar dolar AS menjadi kisaran 35 miliar dolar AS, sebagian karena biaya penyajian AI . Memiliki model sendiri memungkinkan Canva menetapkan biaya inferensi, mengoptimalkan efisiensi, dan pada akhirnya menawarkan harga yang lebih kompetitif atau margin yang lebih sehat. Craft-fast dan Craft-ultrafast adalah bagian dari strategi itu, meskipun belum ada harga yang diumumkan .

Bagi ekosistem AI Indonesia, peluncuran Craft juga relevan sebagai pembanding. Model lokal seperti LLM open-source yang dikembangkan GoTo dan solusi AI Telkomsel menunjukkan bahwa perusahaan Indonesia sedang membangun kapabilitas AI mereka sendiri. Craft menunjukkan bahwa lapisan aplikasi—desain, alur kerja, integrasi—dapat menjadi pembeda yang lebih tahan lama daripada skor benchmark semata. Namun, Craft juga mengingatkan bahwa pengembangan foundation model membutuhkan investasi besar, data pelatihan yang kaya, dan talenta riset; tanpa itu, perusahaan lokal mungkin lebih realistis membangun di atas model terbuka atau berfokus pada aplikasi vertikal.

Data dan Keterangan Pihak Terkait: Peringkat, Klaim, dan Keterbatasannya

Canva merilis serangkaian angka yang menjadi dasar narasi peluncuran. Di DesignArena, Craft debut di peringkat keempat secara keseluruhan dengan skor 1.329, di bawah tiga model OpenAI (GPT-Image-2.5 Sunburst, GPT-Image-2.5 Flare, dan GPT Image 2) tetapi di atas Google Nano Banana 2.1 dengan selisih sekitar 38 poin . Craft menempati peringkat pertama untuk People & Portraits di antara 87 model dan Landscapes & Nature di antara 85 model, peringkat kedua untuk Abstract & Patterns, dan peringkat keempat untuk Products . Berdasarkan peringkat ini, Canva mengklaim Canva Research sebagai laboratorium AI pembangkit gambar paling maju kedua di dunia setelah OpenAI .

Angka-angka ini perlu dibaca dengan hati-hati. DesignArena adalah platform penilaian berbasis kerumunan yang menggunakan voting head-to-head atas output desain AI . Peringkatnya mencerminkan preferensi pengguna yang berpartisipasi, bukan evaluasi menyeluruh atas setiap prompt atau kasus penggunaan. Canva sendiri mengakui bahwa peringkat tersebut adalah “snapshot minggu peluncuran”; papan peringkat arena bergeser seiring akumulasi suara dan masuknya model baru, sehingga posisi Craft akan berubah . Selain itu, kategori Products—yang penting bagi pelanggan API yang disebut Canva seperti situs e-commerce dan pembuat iklan—adalah kategori terlemah Craft yang dilaporkan, di peringkat keempat . Canva juga menyebut bahwa versi mendatang akan memperbaiki fine print dan gambar teknis, yang memberi sinyal batasan rilis pertama di area tersebut .

Dari sisi arsitektur, klaim utama Canva adalah bahwa JSON boundary boxing membuat Magic Layers “lebih cepat dan lebih akurat” pada output Craft. Klaim ini masuk akal secara teknis—informasi struktur eksplisit mengurangi jumlah tebakan yang harus dilakukan Magic Layers—tetapi belum ada pengukuran independen yang dipublikasikan tentang seberapa besar peningkatan akurasi atau kecepatan tersebut dalam praktik. Canva juga menyatakan bahwa Craft satu orde besaran lebih cepat daripada versi internal pertamanya, dan bahwa biaya per tugas AI telah turun hampir 90 persen sejak April 2026; angka-angka ini adalah klaim perusahaan yang belum diverifikasi secara eksternal .

Yang tidak diungkapkan Canva juga penting. Harga khusus untuk Craft tidak diumumkan; model tersedia bagi semua pengguna Canva, tetapi tidak jelas apakah ada batasan penggunaan atau biaya tambahan untuk volume tinggi . Referensi gambar dan kemampuan pengeditan lanjutan disebut berada di roadmap tetapi belum tersedia . Koneksi MCP masih “segera hadir,” meskipun API publik sudah tersedia . Dan yang paling krusial bagi desainer: belum ada perbandingan independen yang mengukur seberapa baik Craft menangani revisi bertarget dalam alur kerja nyata—bukan hanya seberapa bagus gambar tunggalnya, tetapi seberapa efisien gambar itu dapat diselesaikan setelah klien meminta perubahan.

Analisis dan Prospek Perkembangan: Editability sebagai Medan Pertempuran Baru

Persaingan generator gambar AI selama beberapa tahun terakhir sebagian besar berpusat pada kualitas estetika: siapa yang menghasilkan gambar paling fotorealistis, paling artistik, paling sesuai dengan prompt. Craft tidak mengabaikan dimensi itu—peringkat DesignArena membuktikan bahwa ia kompetitif—tetapi ia memindahkan sebagian medan pertempuran ke editability dan integrasi alur kerja. Ini adalah pergeseran yang masuk akal secara strategis. Bagi desainer profesional dan tim pemasaran, gambar yang indah tetapi tidak dapat diedit memiliki nilai terbatas. Gambar yang sedikit kurang sempurna secara estetika tetapi dapat disesuaikan dengan cepat sering kali lebih berharga dalam produksi nyata.

Apakah pendekatan ini dapat dipertahankan? Ada beberapa faktor yang menentukan. Pertama, seberapa cepat Canva dapat meningkatkan kualitas di kategori yang lemah—terutama Products dan marketing materials—karena pelanggan API dan bisnis e-commerce adalah pasar yang dituju. Kedua, seberapa baik Craft-fast dan Craft-ultrafast dapat menyeimbangkan kualitas dan biaya; jika varian cepat menghasilkan gambar yang jauh lebih rendah kualitasnya, mereka mungkin hanya cocok untuk volume tinggi dengan toleransi kualitas rendah. Ketiga, seberapa terbuka ekosistem Canva terhadap model lain. Canva sebelumnya menggunakan model pihak ketiga; dengan Craft, ia memiliki model sendiri, tetapi apakah ia akan tetap mengintegrasikan model lain untuk kategori di mana Craft lemah? Keputusan itu akan memengaruhi seberapa lengkap platform Canva sebagai solusi desain AI.

Bagi pesaing, Craft mengirim sinyal bahwa lapisan aplikasi dan alur kerja adalah medan yang tidak boleh diabaikan. Midjourney tetap unggul dalam kualitas artistik dan eksplorasi visual, tetapi belum menawarkan editability lapisan yang terintegrasi dengan alur kerja desain. Adobe Firefly memiliki keunggulan dalam keamanan komersial dan integrasi Creative Cloud, dan Photoshop telah lama memiliki kemampuan pengeditan berbasis lapisan; namun, Firefly sebagai model generatif belum secara eksplisit memposisikan output-nya sebagai struktur berlapis yang siap diedit seperti yang dilakukan Craft dengan Magic Layers. OpenAI dan Google memiliki model dengan peringkat lebih tinggi secara keseluruhan, tetapi mereka adalah model tujuan umum, bukan model yang dilatih khusus untuk desain dan diintegrasikan ke dalam editor desain. Celah yang diisi Craft adalah celah yang sangat spesifik: bukan “gambar terbaik,” tetapi “gambar yang paling siap untuk pekerjaan desain.”

Dalam jangka menengah, prospek Craft akan bergantung pada eksekusi, bukan pada pengumuman. Canva perlu membuktikan bahwa klaim efisiensi biaya terwujud dalam harga yang kompetitif, bahwa JSON boundary boxing benar-benar mengurangi waktu penyuntingan dalam praktik, dan bahwa kategori yang lemah dapat diperbaiki tanpa mengorbankan kekuatan di People & Portraits dan Landscapes. Jika itu terjadi, Craft dapat menjadi standar de facto untuk alur kerja desain berbantuan AI di segmen yang telah menjadi basis Canva: non-desainer, usaha kecil, dan tim pemasaran yang membutuhkan kecepatan dan fleksibilitas lebih dari kesempurnaan artistik.

Yang masih belum diketahui: seberapa besar dampak Craft terhadap retensi dan pendapatan Canva dalam beberapa kuartal ke depan, mengingat valuasi perusahaan telah tertekan oleh biaya AI; apakah pengembang akan mengadopsi API Craft untuk membangun alur kerja otomatis, atau tetap menggunakan model yang lebih mapan; dan apakah model lokal dari perusahaan Indonesia akan mengadopsi pendekatan serupa—memisahkan perencanaan dari rendering, mengekspor struktur yang dapat diedit—atau tetap bersaing pada kualitas gambar mentah. Jawaban atas pertanyaan-pertanyaan ini akan menentukan apakah editability benar-benar menjadi standar baru, atau hanya fitur tambahan yang menarik tetapi tidak mengubah cara kerja mayoritas pengguna.

Kesimpulan dan Perkembangan Selanjutnya

Canva Craft adalah foundation model pembangkit gambar pertama Canva yang dibangun dari nol, dirilis pada 23 Oktober 2026 dengan dukungan 2K, 30+ rasio aspek, 55 bahasa, dan integrasi Magic Layers melalui JSON boundary boxing. Ia debut di peringkat keempat DesignArena secara keseluruhan, tetapi menduduki peringkat pertama global untuk People & Portraits dan Landscapes & Nature. Arsitektur dua tahapnya—perencanaan komposisi diikuti rendering—memungkinkan kontrol yang lebih presisi atas tata letak, tipografi, dan hubungan antar-elemen, serta menghasilkan output yang secara struktural siap untuk dipecah menjadi lapisan yang dapat diedit.

Fakta terpentingnya bukanlah peringkat, melainkan pergeseran yang diwakilinya. Selama ini, generator gambar AI menghasilkan berkas datar yang memaksa desainer merekonstruksi ulang gambar setiap kali ada revisi. Craft, melalui Magic Layers dan JSON boundary boxing, mencoba memindahkan pekerjaan itu ke hulu—ke dalam model itu sendiri. Jika berhasil, ini mengurangi friksi antara “menghasilkan gambar” dan “menyelesaikan desain,” yang merupakan inti dari pekerjaan kreatif profesional.

Yang masih perlu diverifikasi: klaim efisiensi biaya, dampak nyata JSON boundary boxing terhadap kecepatan dan akurasi penyuntingan, kualitas kategori Products dan marketing materials, serta ketersediaan dan harga Craft-fast dan Craft-ultrafast. Peringkat DesignArena adalah titik awal, bukan kesimpulan. Canva telah membuka pintu menuju era di mana gambar AI tidak berhenti sebagai gambar, tetapi menjadi titik awal proyek desain yang dapat disunting. Apakah pintu itu akan dilalui oleh mayoritas desainer, atau tetap menjadi ceruk bagi pengguna Canva yang sudah setia, akan ditentukan oleh eksekusi dalam beberapa kuartal mendatang.