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

본문

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.

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. 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. 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.

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. 카카오가 자체 개발한 비전 인코더 카나나-2-비전-인코더 2종을 허깅페이스에 오픈소스로 공개했습니다. 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.