카카오, 허깅페이스에 AI 에이전트 핵심 Kanana-2 임베딩 모델 오픈소스 공개

​-자체 개발 3B·1.3B 2종 공개…맥락 기반 의미 검색으로 고도화된 개인화 경험 제공

-llama-nemotron·Qwen3 대비 우수한 한국어 성능 및 압도적 추론·메모리 효율 입증

-카나나 오픈 라이선스 적용해 상업적 활용 지원…MRL 기법으로 벡터 크기 자율 조절

카카오가 개인화 AI 에이전트의 중추 기반 기술인 고성능 임베딩 모델 ‘카나나-2-임베딩(Kanana-2-embedding)’ 2종을 글로벌 AI 오픈소스 플랫폼인 허깅페이스(Hugging Face)에 무료 공개했다고 29일 밝혔다. 지난 7월 자체 개발 소형 언어모델(SLM) 4종을 공개한 데 이은 후속 조치다.

이번에 공개된 모델은 30억 파라미터(매개변수) 규모의 ‘Kanana-2-3b-embedding’과 13억 파라미터 규모의 ‘Kanana-2-1.3b-embedding’이다.

임베딩 모델은 텍스트의 의미와 맥락을 고차원 수치(벡터)로 변환해 이용자의 질문 의도에 부합하는 정밀 정보를 찾아내는 기술이다. 생성형 언어모델이 질문을 이해해 답을 작성한다면, 임베딩 모델은 방대한 데이터베이스에서 관련 정보를 신속하게 탐색·제공하는 검색 엔진 역할을 한다. 단어의 철자가 정확히 일치하지 않아도 의미적 유사성을 바탕으로 문맥을 파악하는 것이 특징이다.

이 기술은 흩어진 일상의 맥락을 엮어내는 개인화 AI 에이전트 구현의 핵심 열쇠로 꼽힌다. 예컨대 사용자가 과거 대화에서 “전에 이야기했던 조용한 식당”을 다시 찾고자 할 때, 구체적 상호를 기억하지 못해도 과거 메신저상에 남은 ‘대화하기 좋은 곳’과 같은 뉘앙스를 추론해 알맞은 정보를 즉시 매칭할 수 있다.

성능 평가에서도 동급 글로벌 오픈소스 모델들을 뛰어넘는 결과를 보였다. 유사한 파라미터 체급을 지닌 엔비디아의 ‘llama-nemotron-embed-1b-v2’ 및 알리바바의 ‘Qwen3-Embedding-4B’와 비교 테스트한 결과, 한국어 정보 검색 부문에서 최고 수준의 정확도를 기록했으며 글로벌 영어 벤치마크에서도 대등한 성능을 보였다. 특히 Qwen3 대비 우수한 추론 처리량을 기록한 것은 물론, 이전 세대 카나나 임베딩 모델 대비 메모리 사용량과 추론 속도를 수십 배 이상 획기적으로 개선했다.

카카오는 자체 소형 파운데이션 모델 ‘Kanana-2-SLM’의 언어 이해력을 정보 검색에 최적화해 3B 모델을 구축한 뒤, 대형 모델의 정제된 지식을 소형 모델로 전달하는 지식 증류(Knowledge Distillation) 기법을 접목해 1.3B 경량화 모델을 완성했다. 아울러 다차원 벡터의 크기를 필요에 따라 유연하게 축소·선택할 수 있는 ‘MRL(Matryoshka Representation Learning)’ 압축 기법을 도입, 개발 환경에 맞춰 인프라 비용과 응답 지연시간(레이턴시)을 손쉽게 제어할 수 있도록 했다.

두 모델에는 연구·학술 목적뿐만 아니라 조건부 상업적 서비스 도입까지 지원하는 ‘카나나 오픈 라이선스(Kanana Open License)’가 적용된다. 국내외 AI 스타트업과 개발자 생태계는 이를 활용해 검색 증강 생성(RAG) 파이프라인이나 버티컬 AI 검색 서비스를 구현할 수 있다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 “진정한 개인화 AI 에이전트를 완성하려면 뛰어난 생성 능력과 더불어 흩어진 데이터 속에서 핵심 맥락을 정확하게 발굴하는 임베딩 기술이 필수적”이라며 “한국어 환경에 압도적 강점을 지닌 고효율 임베딩 모델을 통해 오픈소스 생태계 발전에 기여하고 차세대 모델 연구를 지속하겠다”고 전했다. 

Welaunch  지현우 기자

스타트업∙딥테크 뉴스 전문 미디어-위런치

Copyright ⓒ Welaunch. All rights reserved.

보도자료/기고  : editor@welaunch.kr

광고/제휴 문의 : we@welaunch.kr

​