카카오는 자체 개발한 ‘Kanana-2-vision-encoder’의 미디엄(medium)과 타이니(tiny) 모델을 글로벌 AI 모델 공유 플랫폼 허깅페이스에 공개했다고 21일 밝혔다. 미디엄은 4억2600만 개, 타이니는 9800만 개의 매개변수(파라미터)를 갖춘 모델이다.

비전 인코더는 AI가 이미지 속 사물과 글자, 위치 등 시각적 특징을 파악하도록 돕는 기술이다. 이미지에서 추출한 정보를 언어모델에 전달하면, 언어모델은 이를 이용자의 질문과 함께 분석해 답변을 생성한다. 메뉴판에 적힌 음식과 가격을 읽거나 복잡한 문서의 내용을 이해하는 데 활용할 수 있다.

카카오는 이미지 기반 질의응답, 문자 인식(OCR), 문서 이해, 이미지 내 위치 파악 등 9개 영역의 42개 평가항목에서 두 모델의 성능을 시험했다. 구글의 ‘SigLIP 2’, 메타의 ‘Perception Encoder’, 애플의 ‘AIMv2’, 알리바바의 ‘Qwen3.5-ViT’ 등을 비교 대상으로 삼았다.

카카오가 공개한 평가 결과에 따르면 미디엄 모델은 9개 영역 평균 55.62점을 기록해 비교 모델 중 최고 점수인 51.54점을 웃돌았다. 타이니 모델도 평균 51.81점으로 비교 대상 중 가장 높은 49.62점을 넘어섰다. 특히 이미지 속 물체의 위치를 파악하거나 한국어 문서를 읽고 이해하는 평가에서 높은 성능을 보였다. 다만 일부 한국어 평가에는 카카오가 자체 구축한 시험 자료가 사용됐다.

카카오는 자체 개발한 언어모델 ‘Kanana-2’를 활용해 비전 인코더의 학습 효율을 기존보다 약 4배 높였다고 설명했다. 고해상도 이미지 처리에 적합한 구조를 적용해 글로벌 주요 모델보다 처리 지연 시간도 60% 이상 줄였다는 설명이다.

두 모델에는 연구·개발과 상업적 활용을 허용하는 ‘카나나 오픈 라이선스’가 적용됐다. 다만 모델을 제3자에게 API나 온디바이스 솔루션 등의 형태로 판매하는 일부 사업에는 카카오의 별도 상업용 라이선스가 필요하다.

카카오는 앞으로 언어모델과 음성 처리 모듈 등 통합 멀티모달 AI ‘Kanana-o’를 구성하는 다른 기술도 순차적으로 공개할 계획이다.

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”고 말했다.

장유정 기자 chloe@timekorea.co.kr