카카오, 비전 인코더 'Kanana-2-vision-encoder' 오픈소스 공개… 한국어 문서 이해에 강점
카카오(대표이사 정신아)가 자체 개발한 비전 인코더 'Kanana-2-vision-encoder' 2종을 10월 21일 허깅페이스에 오픈소스로 공개했습니다. 비전 인코더는 멀티모달 AI에서 이미지를 이해하는 '눈' 역할을 하는 핵심 구성요소로, 이번 모델은 상업적 활용도 가능한 라이선스로 풀렸습니다.
핵심 포인트
- 4억 2,600만 파라미터의 medium, 9,800만 파라미터의 tiny 두 가지 크기로 공개됐습니다. tiny는 온디바이스 활용을 염두에 둔 경량 모델입니다.
- 일반 시각 질의응답, 영어·한국어 문자 인식과 문서 이해, 이미지 내 위치 파악 등 9개 영역, 총 42개 벤치마크에서 구글 SigLIP 2, 메타 Perception Encoder, 애플 AIMv2, 알리바바 Qwen3.5-ViT보다 높은 성능을 냈다고 카카오는 밝혔습니다.
- 자체 언어모델 Kanana-2를 학습에 활용해 학습 효율을 기존보다 약 4배 높였고, 고해상도 이미지 처리 최적화로 처리 지연 시간을 주요 글로벌 비전 인코더 대비 60% 이상 줄였다고 합니다.
- 연구와 상업적 이용이 모두 가능한 '카나나 오픈 라이선스'가 적용됐고, 카카오는 멀티모달 AI의 다른 구성요소도 순차적으로 공개할 예정입니다.
왜 중요한가
한국어 문서와 OCR(문자 인식)에 강한 비전 인코더가 오픈소스로 나오면서, 국내 기업과 연구자가 한국어 문서 이해, 이미지 기반 질의응답 같은 멀티모달 서비스를 직접 만들기가 한결 쉬워졌습니다. 해외 모델에 의존하던 핵심 부품을 국산 모델로 대체할 선택지가 생겼다는 점에서도 의미가 큽니다. 다만 성능 비교는 카카오가 직접 진행한 평가 결과라는 점은 감안해서 보시면 좋겠습니다.
출처