[서울=뉴스핌] 심재민 인턴기자 = 카카오가 인공지능(AI)의 이미지 인식과 문서 이해를 담당하는 자체 개발 비전 인코더 2종을 오픈소스로 공개했다. 카카오는 자체 성능 평가에서 구글과 메타, 애플 등 글로벌 기업의 주요 모델을 상회하는 성능을 기록했다고 밝혔다.

카카오는 자체 개발한 '카나나-2-비전-인코더(Kanana-2-vision-encoder)' 2종을 글로벌 AI 모델 공유 플랫폼 허깅페이스(Hugging Face)에 공개했다고 21일 밝혔다.

이번에 공개한 모델은 4억2600만 개 파라미터 규모의 '미디엄(medium)'과 9800만 개 규모의 '타이니(tiny)'다. 카카오는 지난 13일 열린 개발자 콘퍼런스 '이프카카오'에서 해당 모델의 오픈소스 공개를 예고한 바 있다.

비전 인코더는 AI가 이미지 속 사물과 문자, 위치, 형태 등 시각적 특징을 추출하도록 돕는 기술이다. 추출한 정보를 언어모델에 전달하면 이용자의 질문에 맞춰 이미지 내용을 설명하거나 문서를 분석하는 답변을 생성할 수 있다.

카카오는 일반 시각 질의응답(VQA), 영어·한국어 문자 인식(OCR) 및 문서 이해, 이미지 내 위치 파악 등 9개 영역의 42개 벤치마크를 통해 모델 성능을 평가했다.

카카오에 따르면 두 모델은 자체 평가에서 구글의 '시그립 2(SigLIP 2)', 메타의 '퍼셉션 인코더(Perception Encoder)', 애플의 '에임 v2(AIMv2)', 알리바바의 '큐원 3.5 비전 트랜스포머(Qwen3.5-ViT)' 등 글로벌 주요 비전 인코더를 상회하는 성능을 기록했다.

특히 타이니 모델은 파라미터 수가 1억 개 미만인 경량 모델임에도 4억 개 이상의 파라미터를 가진 글로벌 모델보다 높은 성능을 보였다고 회사 측은 설명했다. 이미지 내 위치 파악과 한국어 문자 인식·문서 이해 등에서 강점을 나타냈다.

카카오는 자체 개발한 언어모델 '카나나-2'를 활용해 비전 인코더의 학습 효율을 기존 대비 약 4배 높였다. 작은 글자와 복잡한 문서 구조에서도 세밀한 시각 정보를 보존하도록 학습 기술을 개선했다.

고해상도 이미지 처리에 최적화된 설계를 적용해 글로벌 주요 비전 인코더 대비 처리 지연 시간도 60% 이상 줄였다. 지식 증류와 경량화 기술을 통해 모바일 기기 등에서의 온디바이스 AI 활용 가능성도 고려했다.

두 모델은 연구·개발뿐 아니라 상업적 활용도 허용하는 '카나나 오픈 라이선스(Kanana Open License)'로 공개된다. 카카오는 국내외 연구자와 기업이 이를 활용해 멀티모달 AI 서비스를 개발할 수 있도록 지원할 계획이다.

카카오는 언어모델과 시각·음성 처리 모듈 등 옴니 언어모델 '카나나-o'를 구성하는 요소를 자체 개발하고 있다. 향후 다른 구성 요소도 순차적으로 공개해 멀티모달 AI 기술 생태계를 확대한다는 방침이다.

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 기여하겠다"고 말했다.

flurry327@newspim.com