카카오가 개인화 AI 에이전트의 기반 기술인 임베딩 모델 'Kanana-2-embedding' 2종(3B·1.3B)을 오픈소스로 공개했다. 카카오 자체 평가에서 두 모델은 구글·알리바바·IBM 등이 공개한 임베딩 모델보다 한국어 점수가 높았다. 사진은 카카오 모델과 타사 모델의 한국어·영어 성능 비교 그래프./사진=카카오


카카오가 이용자의 불분명한 표현과 질문으로도 원하는 정보를 찾아 주는 인공지능(AI) 검색 모델을 오픈소스로 공개했다. 카카오가 실시한 비교 평가에서는 엔비디아·알리바바의 비슷한 규모 모델보다 한국어 성능이 높았다. 카카오는 개인화 AI 에이전트의 기반 기술을 한 단계 끌어올렸다고 설명했다.

카카오는 29일 임베딩 모델 'Kanana-2-embedding' 2종을 허깅페이스에 올렸다고 밝혔다. 30억 파라미터(매개변수) 규모의 'Kanana-2-3b-embedding'과 13억 파라미터 규모의 'Kanana-2-1.3b-embedding'이다. 임베딩은 문장의 뜻을 숫자 묶음으로 바꿔 질문과 의미가 가까운 정보를 골라내는 기술이다. 답을 만들어 내는 일반 언어모델과 달리 답에 쓸 정보를 찾아 주는 역할을 맡는다.



임베딩 모델은 정확한 단어를 기억하지 못해도 비슷한 뜻으로 남아 있는 정보를 찾을 수 있다는 점이 특징이다. 예컨대 이용자가 '예전에 말했던 조용한 식당'을 물으면 식당 이름이 없어도 '대화하기 좋은 곳'처럼 뜻이 가까운 과거 기록을 찾아 답변에 쓰는 식이다.

카카오에 따르면 두 모델은 비슷한 규모의 공개 임베딩 모델인 엔비디아 'llama-nemotron-embed-1b-v2', 알리바바 'Qwen3-Embedding-4B'와 비교한 평가에서 한국어 성능이 가장 높았고 영어 성능은 비슷했다. 추론 효율은 알리바바 모델보다 높았다. 기존 카나나 임베딩 모델보다 검색 성능이 나아졌고 메모리 사용과 추론 속도 효율은 수십 배 이상 개선됐다.

카카오는 자체 소형 언어모델(SLM) 'Kanana-2-SLM'의 언어 이해 능력을 정보 검색에 쓰도록 학습시켜 30억 파라미터 모델을 만들었다. 13억 파라미터 모델은 큰 모델이 익힌 지식을 작은 모델에 옮겨 담는 '지식 증류' 기법으로 구축했다.



서비스 환경에 맞춰 효율을 고를 수 있는 'MRL(Matryoshka Representation Learning)' 기법도 넣었다. 개발자는 필요한 검색 성능과 저장 공간, 처리 속도를 따져 임베딩 벡터 크기를 정할 수 있다.

두 모델에는 '카나나 오픈 라이선스(Kanana Open License)'가 적용됐다. 연구·개발은 물론 라이선스 조건을 지키면 상업적 용도로도 쓸 수 있다.

카카오는 지난 13일 연례 개발자 콘퍼런스 if(kakao)26에서 카카오톡 어디서나 불러 쓰는 AI 어시스턴트 '카나나 스페이스'와 개인화된 AI 경험을 위한 '프로젝트 모자이크'를 공개했다. 카나나 스페이스는 사전 신청자 가운데 선정된 이용자를 대상으로 12월부터 비공개 베타 테스트에 들어간다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "AI 에이전트가 이용자에게 필요한 도움을 제공하려면 질문에 답하는 능력과 함께 흩어진 정보 속에서 필요한 정보를 정확히 찾아내는 기술이 중요하다"고 강조했다.