카카오, 두 개의 Kanana-2 비전 인코더를 오픈소스로 공개, Google, Meta, Apple 모델을 제치고 승리

출시된 것

카카오는 자체 개발한 비전 인코더 2종 'Kanana-2-vision-encoder'를 허깅페이스(Hugging Face)에 출시했다고 21일(수) 밝혔다. 4억2600만 개의 매개변수를 갖춘 미디엄 버전과 9800만 개의 매개변수를 갖춘 초소형 버전이 개발자 컨퍼런스 '이프카카오 26'에서 미리 공개됐다. 두 모델 모두 연구 개발뿐만 아니라 상업적 목적으로도 사용할 수 있는 "Kanana Open License"로 출시됩니다.

전체 보고서

카카오에 따르면 두 모델은 일반 시각적 질의 응답, 영어 및 한국어 OCR 및 문서 이해, 시각적 기반 및 세분화된 인식을 포함해 9개 도메인, 42개 벤치마크에서 Google의 SigLIP 2, Meta의 Perception Encoder, Apple의 AIMv2 및 Alibaba의 Qwen3.5-ViT 등 주요 글로벌 비전 인코더보다 성능이 뛰어났습니다. 특히, 1억 개 미만의 매개변수를 가진 작은 모델은 특정 벤치마크에서 4억 개가 넘는 매개변수를 가진 일부 경쟁 모델을 능가했습니다. 이는 모두 카카오가 자체적으로 게시한 평가에 따른 것이며, 독립적인 제3자 검증은 계속될 예정입니다.

일렉은 카카오가 훈련 중에 자체 Kanana-2 언어 모델을 사용해 이전 접근 방식에 비해 훈련 효율성을 약 4배 향상시켰으며, 고해상도 이미지 처리 아키텍처를 개선해 주요 경쟁 모델에 비해 처리 지연 시간을 60% 이상 단축했다고 보도했습니다. 카카오는 특히 한국어 텍스트 인식, 문서 이해, 객체 위치 파악 부문에서 성능 격차가 컸다고 밝혔다. 모델 카드는 개발자가 다운로드하여 사용해 볼 수 있도록 Hugging Face(kakaocorp/kanana-2-vision-encoder-tiny)에 게시되어 있습니다.