N環球 
Kakao obtiene dos codificadores de visión Kanana-2 de código abierto y afirma que gana sobre los modelos de Google, Meta y Apple
Kakao ha lanzado dos codificadores de visión internos, Kanana-2-vision-encoder, en Hugging Face bajo la licencia abierta Kanana comercialmente utilizable; La compañía dice que superaron a los modelos de Google, Meta, Apple y Alibaba en 42 puntos de referencia.
Por qué es importante
Un codificador de visión son los "ojos" de una IA: extrae características visuales (objetos, texto, ubicaciones, formas) de imágenes y las pasa a un modelo de lenguaje que responde a las consultas de los usuarios, desde leer elementos de menú y precios hasta comprender diseños de documentos y describir fotografías. Kakao, al lanzar dos de ellos a la vez, bajo una licencia que permite el uso comercial, ofrece a los desarrolladores de IA multimodal una nueva opción ya preparada.
lo que fue lanzado
Kakao anunció el miércoles 21 de octubre que lanzó dos codificadores de visión desarrollados internamente, "Kanana-2-vision-encoder", en Hugging Face: una versión mediana con 426 millones de parámetros y una versión pequeña con 98 millones de parámetros, como se anticipó en su conferencia de desarrolladores "If Kakao 26". Ambos modelos se lanzan bajo la "Licencia abierta Kanana", que permite su uso no sólo para investigación y desarrollo sino también con fines comerciales.
Informe completo
Según Kakao, los dos modelos superaron a los principales codificadores de visión global (SigLIP 2 de Google, Perception Encoder de Meta, AIMv2 de Apple y Qwen3.5-ViT de Alibaba) en nueve dominios y 42 puntos de referencia, incluyendo respuesta visual general a preguntas, OCR en inglés y coreano y comprensión de documentos, base visual y percepción detallada. En particular, el pequeño modelo, con menos de 100 millones de parámetros, superó a algunos modelos de la competencia con más de 400 millones de parámetros en ciertos puntos de referencia, todo según las evaluaciones publicadas por Kakao, con verificación independiente de terceros aún por venir.
The Elec informa que Kakao utilizó su modelo interno de lenguaje Kanana-2 durante el entrenamiento, mejorando la eficiencia del entrenamiento aproximadamente cuatro veces con respecto al enfoque anterior, y que las mejoras en su arquitectura de procesamiento de imágenes de alta resolución redujeron la latencia de procesamiento en más de un 60 % en comparación con los principales modelos de la competencia. Kakao dice que la brecha de rendimiento fue particularmente significativa en el reconocimiento de textos coreanos, la comprensión de documentos y la localización de objetos. La tarjeta modelo está disponible en Hugging Face (kakaocorp/kanana-2-vision-encoder-tiny) para que los desarrolladores la descarguen y la prueben.
💬 Comments
No comments yet. Be the first!