카카오, 자체 개발 AI '눈' 공개…비전 인코더 성능 글로벌 주요 모델 앞서

'카나나2 비전 인코더' 2종 오픈소스 공개…9개 영역·42개 벤치마크서 성능 평가

한국어 문서 이해·이미지 위치 파악 등 강점…경량 모델도 높은 성능 기록

학습 효율 4배 높이고 처리 지연 60% 단축…상업적 활용 가능한 라이선스 적용

카카오가 자체 개발한 비전 인코더 ‘카나나(Kanana)-2-비전(vision)-인코더(encoder)’ 2종을 허깅페이스에 오픈소스로 공개했다. [사진=카카오]

카카오는 자체 개발한 비전 인코더 ‘카나나 비전 인코더(Kanana-2-vision-encoder)’ 2종을 허깅페이스에 오픈소스로 공개했다고 21일 밝혔다.

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. 메뉴판 음식과 가격을 읽거나 문서의 내용과 배치를 파악하는 데 활용된다.

카나나 비전 인코더는 4억 2600만 파라미터 규모의 ‘미디엄’과 9800만 파라미터 규모의 ‘타이니’다. 카카오는 지난 13일 개최한 ‘이프카카오·if(kakao)26’ 컨퍼런스 키노트를 통해 비전 인코더의 오픈소스 공개를 예고했다. 

카카오는 일반 시각 질의응답과 한국어·영어 문자 인식 및 문서 이해 등 9개 영역, 총 42개 벤치마크에서 성능을 평가했다. 회사에 따르면 두 모델은 구글·메타·애플·알리바바 등 주요 글로벌 기업의 비전 인코더와 비교해 가장 높은 성능을 기록했다. 특히 경량 모델인 타이니는 4억개 이상의 파라미터를 가진 모델과 비교해서도 한국어 문서 이해와 이미지 내 위치 파악 등에서 높은 성능을 보였다.

카카오는 자체 개발한 ‘카나나2(Kanana-2)’ 언어모델을 활용해 비전 인코더의 학습 효율을 기존 대비 약 4배 높이고 세밀한 시각 정보를 추출하는 능력을 확보했다.

카카오는 지난해 12월 언어모델 카나나2 3종을 오픈소스로 공개한 데 이어 올해 1월 성능을 개선한 모델 4종을 추가 공개한 바 있다. 지난 7월에는 스마트폰 등 기기에서 구동할 수 있는 경량 언어모델 4종도 선보이며 자체 AI 모델의 공개 범위를 확대해 왔다. 

카카오는 두 모델을 연구·개발뿐 아니라 상업적으로도 활용할 수 있는 카나나 오픈 라이선스로 공개한다. 국내외 연구자와 기업의 기술 활용 및 서비스 개발 접근성을 높이고, 멀티모달 AI 연구의 발전을 뒷받침할 계획이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 “최근 에이전틱 AI 시대를 맞아 PC나 모바일 화면을 직접 이해하고 조작하는 ‘컴퓨터 유즈’ 기술이 주목받으면서 고해상도 이미지를 정확하게 분석하는 비전 인코더의 역할이 커지고 있다”며 “앞으로도 자체 AI 모델의 경쟁력을 꾸준히 높이고 관련 기술을 공개해 AI 생태계 발전에 기여할 것”이라고 말했다.