카카오, 카나나 '눈' 비전 인코더 2종 공개…상업적 활용도 허용

한국어 문서 이해·이미지 질의응답 등 42개 벤치마크 평가

경량 모델까지 자체 개발…카나나-o 구성 기술 순차 공개 계획

카나나 비전 인코더 오픈소스.ⓒ카카오

카카오가 이미지 속 글자와 사물, 위치 등을 파악하는 비전 인코더 2종을 공개했다. 멀티모달 AI의 '눈' 역할을 하는 기술로, 연구·개발뿐 아니라 상업적으로도 활용할 수 있도록 해 외부 연구자와 기업의 서비스 개발을 지원한다.

카카오는 자체 개발한 'Kanana-2-vision-encoder'를 AI 개발 플랫폼 허깅페이스에 공개했다고 21일 밝혔다. 지난 13일 개발자 콘퍼런스 'if(kakao)26'에서 예고한 모델로, 파라미터 4억2600만개 규모의 미디엄과 9800만개 규모의 타이니로 구성된다.

비전 인코더는 이미지에서 시각적 특징을 추출해 언어모델에 전달한다. 언어모델은 이를 이용자의 질문과 함께 해석해 답변을 생성한다. 메뉴판의 음식과 가격을 읽거나 문서의 내용·배치를 파악하고 사진 속 상황을 설명하는 데 활용된다.

카카오는 일반 시각 질의응답과 영어·한국어 문자 인식 및 문서 이해, 이미지 내 위치 파악 등 9개 영역의 42개 벤치마크에서 성능을 평가했다.

회사에 따르면 두 모델은 해당 평가에서 구글 'SigLIP 2', 메타 'Perception Encoder', 애플 'AIMv2', 알리바바 'Qwen3.5-ViT' 등 비교 대상보다 높은 성능을 기록했다.

타이니는 파라미터가 1억개 미만인 경량 모델이지만 4억개가 넘는 비교 모델보다도 우수한 결과를 보였다는 설명이다. 특히 이미지 내 위치 파악과 한국어 시험, 한국어 문자 인식·문서 이해 영역에서 성능 차이가 컸다.

카카오는 작은 글자와 복잡한 문서 구조의 정보를 보존하는 자체 학습 기술로 문자 인식과 문서 이해 능력을 높였다고 밝혔다.

학습에는 자체 언어모델 'Kanana-2'를 활용했다. 이를 통해 기존 대비 학습 효율을 약 4배 높였으며, 고해상도 이미지 처리에 맞춘 설계로 주요 비교 모델 대비 처리 지연 시간을 60% 이상 줄였다고 설명했다. 지식 증류와 경량화 기술을 적용한 타이니는 온디바이스 활용도 고려했다.

두 모델에는 상업적 이용이 가능한 '카나나 오픈 라이선스'를 적용한다. 카카오는 한국어 문서 이해와 이미지 기반 질의응답 연구, 관련 서비스 개발에 활용될 것으로 기대하고 있다.

카카오는 비전 인코더를 비롯해 언어모델과 시각·음성 처리 모듈 등 옴니 언어모델 'Kanana-o'의 구성 요소를 자체 개발하고 있다. 다른 구성 기술도 순차적으로 공개할 계획이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "최근 에이전틱 AI 시대를 맞아 PC나 모바일 화면을 직접 이해하고 조작하는 '컴퓨터 유즈(Computer Use)' 기술이 주목받으면서, 고해상도 이미지를 정확하게 분석하는 비전 인코더의 역할이 그 어느 때보다 커지고 있다"며 "앞으로도 자체 AI 모델의 경쟁력을 꾸준히 높이고, 관련 기술을 공개해 AI 생태계 발전에 기여할 것"이라고 말했다.