카카오(035720)는 인공지능(AI)의 '눈' 역할을 하는 자체 개발 비전 인코더 '카나나-2 비전 인코더' 2종을 오픈소스로 공개했다고 21일 밝혔다. 평가 결과 두 모델은 구글, 메타, 애플, 알리바바 등 주요 글로벌 기업의 모델보다 높은 성능을 기록한 것으로 나타났다.

비전 인코더는 AI가 이미지를 이해하도록 돕는 기술이다. 이미지 속 사물, 글자, 위치, 형태 등 시각적 특징을 추출해 언어모델에 전달하면 이용자의 질문과 함께 해석해 답변을 생성한다.

카나나 비전 인코더는 4억 2600만 파라미터 규모의 '미디움'(medium)과 9800만 파라미터 규모의 '타이니'(tiny)로 구성됐다.

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) 등 9개 영역과 총 42개 벤치마크에서 카나나 비전 인코더의 성능을 평가했다.

카카오에 따르면 평가 결과 두 모델은 구글의 'SigLIP 2', 메타의 '퍼셉션 인코더'(Perception Encoder), 애플의 'AIMv2', 알리바바의 'Qwen3.5-ViT' 등 글로벌 주요 비전 인코더를 상회하는 성능을 기록했다.

타이니 모델은 파라미터 수가 1억 개 미만인 경량 모델임에도 이미지 내 위치 파악, 한국어 시험, 한국어 문자 인식·문서 이해 영역 등에서 뛰어난 성능을 보였다.

카카오는 자체 학습 기술을 통해 작은 글자와 복잡한 문서 구조에 담긴 세밀한 시각 정보를 보존함으로써 비전 언어 모델의 핵심 역량인 문자 인식(OCR)과 문서 이해 성능을 높인 결과라고 설명했다.

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 높였으며, 고해상도 이미지 처리에 최적화된 설계로 글로벌 주요 비전 인코더 대비 처리 지연 시간을 60% 이상 줄였다.

지식 증류 및 경량화 기술을 적용해 미디움 모델부터 온디바이스 활용을 고려한 타이니 모델도 개발했다.

카카오는 두 모델을 상업적으로도 활용할 수 있는 '카나나 오픈 라이선스'(Kanana Open License)로 공개한다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "에이전틱 AI 시대를 맞아 PC나 모바일 화면을 이해하고 조작하는 '컴퓨터 유즈'(Computer Use) 기술이 주목받으면서 비전 인코더의 역할이 커지고 있다"며 "자체 AI 모델의 경쟁력을 높이고 관련 기술을 공개해 AI 생태계 발전에 기여할 것"이라고 말했다.

shushu@news1.kr