카카오, 자체 개발 비전 인코더 오픈소스 공개… “동급 모델 중 최고 성능 기록”

멀티모달 AI의 ‘눈‘ 역할 하는 비전 인코더 2종
9개 평가 영역에서 비교 모델 대비 최고 성능
한국어 문서 이해와 이미지 기반 질의응답 지원
상업적 활용 가능한 ‘카나나 오픈 라이선스’ 적용
카카오, 멀티모달 AI 기술 자체 개발로 경쟁력 강화
“AI 생태계 기여 위해 다른 구성요소도 공개할 것”

카카오가 자체 개발한 비전 인코더 ‘카나나-2-비전-인코더’ 2종을 허깅페이스에 오픈소스로 공개했다고 21일 밝혔다.

이번에 공개한 카나나 비전 인코더는 4억2600만 파라미터 규모의 ‘medium’과 9800만 파라미터 규모의 ‘tiny‘로, 카카오는 지난 13일 개최한 ‘이프 카카오 26’ 컨퍼런스 키노트를 통해 비전 인코더의 오픈소스 공개를 예고한 바 있다.

비전 인코더는 AI가 이미지를 이해하도록 돕는 ‘눈’ 역할을 하는 기술이다. 이미지 속 사물이나 글자, 위치, 형태 등 시각적 특징을 추출해 언어모델에 전달하면 언어모델은 이를 이용자의 질문과 함께 해석해 답변을 생성한다. 가령 메뉴판의 음식과 가격을 읽거나 문서의 내용과 배치를 파악하고 사진 속 상황을 설명하는 데 쓰인다. 이미지 정보를 얼마나 정확하고 세밀하게 포착하느냐는 멀티모달 AI의 답변 품질을 좌우하는 중요한 요소 중 하나다.

카카오는 일반 시각 질의응답(General VQA), 영어 문자 인식·문서 이해(English OCR·Document Understanding), 한국어 문자 인식·문서 이해(Korean OCR·Document Understanding), 이미지 내 위치 파악·세밀한 인식(Visual Grounding·Fine-grained Perception) 등을 포함하는 9개의 영역, 총 42개 벤치마크에서 카나나 비전 인코더의 성능을 평가했다. 평가 결과 두 모델은 구글의 ‘SigLIP 2’, 메타의 ‘Perception Encoder‘, 애플의 ‘AIMv2’, 알리바바의 ‘Qwen3.5-ViT‘ 등 글로벌 주요 비전 인코더를 상회하는 최고 성능을 기록했다고 회사는 전했다.

특히 tiny 모델은 파라미터 수가 1억개 미만인 경량 모델임에도 4억개가 넘는 글로벌 모델과 비교해서도 뛰어난 성능을 보였다는 설명이다. 이미지 내 위치 파악과 한국어 시험, 한국어 문자 인식·문서 이해 영역에서는 특히 큰 성능 차이를 나타냈다. 이는 자체 학습 기술로 작은 글자와 복잡한 문서 구조의 세밀한 시각 정보를 보존해, 비전 언어모델의 핵심 역량인 문자 인식(OCR)과 문서 이해 역량을 강화한 결과다.

이 외에도 카카오는 자체 개발한 ‘카나나-2’ 언어모델을 활용해 비전 인코더의 학습 효율을 기존 대비 약 4배 높이고, 세밀한 시각 정보를 추출하는 능력을 확보했다. 언어모델의 성능 향상을 비전 인코더의 학습에 활용해 자체 기술 간 성능을 높이는 선순환 구조를 마련했으며, 고해상도 이미지 처리에 최적화된 설계로 글로벌 주요 비전 인코더 대비 처리 지연 시간을 60% 이상 줄였다. 또한 지식 증류 및 경량화 기술을 적용해 medium 모델부터 온디바이스 활용을 고려한 tiny 모델까지 개발했다.

카카오는 두 모델을 연구·개발뿐 아니라 상업적으로도 활용할 수 있는 ‘카나나 오픈 라이선스(Kanana Open License)’로 공개한다. 국내외 연구자와 기업의 기술 활용 및 서비스 개발 접근성을 높이고, 멀티모달 AI 연구의 발전을 뒷받침할 계획이다.

한편, 카카오는 비전 인코더를 포함해 언어모델과 시각·음성 처리 모듈 등 옴니 언어모델 ‘카나나-o’를 구성하는 모든 요소를 자체 개발해 멀티모달 AI 기술 경쟁력을 강화해가고 있다. 한국어와 한국적 맥락에 맞춘 기술을 바탕으로 서비스의 목적과 운영 환경에 적합한 모델을 활용하고, 국내외 AI 생태계의 기술 발전에 기여하기 위해 다른 구성 요소도 순차적으로 공개할 예정이다.

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.

카카오

035720 KOSPI

31,100 ▼ 1.43%

카카오가 자체 개발한 비전 인코더 카나나-2-비전-인코더 2종을 허깅페이스에 오픈소스로 공개했습니다.
global 주요 비전 인코더를 상회하는 최고 성능을 기록하며 멀티모달 AI 기술 경쟁력을 강화하고 있습니다.
관건은 처리지연시간 단축 성과가 실제 서비스 적용과 생태계 발전으로 이어지는 속도입니다.

주의사항 : 본 서비스는 AI의 구조적 한계로 인해 오류가 발생할 수 있습니다. 모든 내용은 투자 권유 또는 주식거래를 목적으로 하지 않습니다.

신고하기

신고 사유 선택

• 잘못된 정보 또는 사실과 다른 내용
• 오해의 소지가 있거나 과장된 분석
• 기사와 종목이 일치하지 않거나 연관성 부족
• 분석 정보가 오래되어 현재 상황과 맞지 않음

• Q. 경량 비전 인코더 확산이 AI 경쟁에 미칠 영향은?
• Q. 한국어 특화 멀티모달 AI 개발이 필요한 배경은?

에디터 픽 추천기사

• 中企, 한은 저리대출 43조 몰려 … 고금리에 자금조달 부담 가중

• 최저임금 이상 받게 한다더니 … 장애인 일자리 전환율 10% 안팎

• '주52시간' 놓고 … 초광역특구법 두 갈래로

• 지역건보 부담 커진다 … 394만 가구 3.3조 더 낼 듯

• 한해 10억 버는 유튜버 9배 급증

나만의 AI 비서

핵심요약 쏙

AI 요약은 OpenAI의 최신 기술을 활용해 핵심 내용을 빠르고 정확하게 제공합니다.
전체 맥락을 이해하려면 기사 본문을 함께 확인하는 것이 좋습니다

카카오는 21일 자체 개발한 비전 인코더 '카나나-2-비전-인코더' 2종을 허깅페이스에 오픈소스로 공개했다고 밝혔다.

이번 공개된 모델은 4억2600만 파라미터의 'medium'과 9800만 파라미터의 'tiny'로, 글로벌 주요 비전 인코더와 비교해 우수한 성능을 기록한 것으로 전해졌다.

카카오는 이 인코더를 연구·개발뿐 아니라 상업적으로도 활용할 수 있도록 오픈 라이선스 형태로 제공하며, 멀티모달 AI 기술 발전에 기여할 계획이다.