Kakao مفتوحة المصدر لاثنين من برامج التشفير Kanana-2 Vision، وتدعي أنها تتفوق على نماذج Google وMeta وApple

ما تم الافراج عنه

أعلنت Kakao يوم الأربعاء، 21 أكتوبر، أنها أصدرت اثنين من برامج تشفير الرؤية المطورة داخليًا، "Kanana-2-vision-encoder،" على Hugging Face: إصدار متوسط يحتوي على 426 مليون معلمة وإصدار صغير يحتوي على 98 مليون معلمة، كما تمت معاينته في مؤتمر المطورين "If Kakao 26". تم إصدار كلا النموذجين بموجب "رخصة كنانة المفتوحة"، والتي تسمح بالاستخدام ليس فقط للبحث والتطوير ولكن أيضًا للأغراض التجارية.

تقرير كامل

وفقًا لـ Kakao، تفوق النموذجان في الأداء على برامج تشفير الرؤية العالمية الرئيسية - SigLIP 2 من Google، وMeta's Perception Encoder، وAIMv2 من Apple، وQwen3.5-ViT من Alibaba - عبر تسعة مجالات و42 معيارًا، بما في ذلك الإجابة على الأسئلة المرئية العامة، والتعرف الضوئي على الحروف باللغتين الإنجليزية والكورية، وفهم المستندات، والأساس البصري والإدراك الدقيق. ومن الجدير بالذكر أن النموذج الصغير، الذي يحتوي على أقل من 100 مليون معلمة، قد تغلب على بعض النماذج المنافسة التي تحتوي على أكثر من 400 مليون معلمة في معايير معينة - كل ذلك وفقًا لتقييمات Kakao المنشورة، مع عدم وجود تحقق مستقل من طرف ثالث.

ذكرت Elec أن Kakao استخدمت نموذج اللغة Kanana-2 الداخلي الخاص بها أثناء التدريب، مما أدى إلى تحسين كفاءة التدريب بحوالي أربعة أضعاف مقارنة بالنهج السابق، وأن التحسينات التي تم إدخالها على بنية معالجة الصور عالية الدقة الخاصة بها أدت إلى تقليل زمن الوصول للمعالجة بأكثر من 60٪ مقارنة بالنماذج المنافسة الرئيسية. يقول كاكاو إن فجوة الأداء كانت كبيرة بشكل خاص في التعرف على النص الكوري وفهم المستندات وتوطين الكائنات. البطاقة النموذجية موجودة مباشرة على Hugging Face (kakaocorp/kanana-2-vision-encoder-tiny) ليتمكن المطورون من تنزيلها وتجربتها.