Kakao 开源 Kanana-2 视觉编码器两款模型
Kakao 于 10 月 22 日宣布,已将旗下自研的两款影像辨识模型 Kanana-2-vision-encoder 以开源形式释出,并上架 Hugging Face。此次公开的版本包括 4.26 亿参数的 medium 与 9,800 万参数的 tiny,两者皆采用可供研究与商业用途的 Kanana Open License。Kakao 称其内部评测显示,两款模型在一般视觉问答、英文与韩文 OCR、文件理解、影像定位与细粒度辨识等基准测试中整体优于多款国际主流视觉编码器,但报道未引用独立基准测试结果。
Kakao 以可商用的许可证开放核心视觉编码器技术,公司表示初衷是降低国内外研究人员与企业导入多模态 AI 的门槛。

Kakao 於 10 月 22 日宣布,已將旗下自研的兩款影像辨識模型 Kanana-2-vision-encoder 釋出為開源模型,並上架至全球 AI 開發平台 Hugging Face。這次公開的版本包括 4.26 億參數的 medium 與 9,800 萬參數的 tiny,兩者皆採用可供研究與商業用途的 Kanana Open License。
這類視覺編碼器可視為多模態 AI 的「眼睛」,負責從影像中擷取物件、文字、位置與形狀等資訊,再交由語言模型進一步理解與回應。Kakao 表示,這類技術可應用於菜單與文件辨識、圖片內容理解,以及視覺問答等場景。
效能超越主流模型,訓練效率大幅躍升
根據 Kakao 的內部評測,兩款模型在涵蓋一般視覺問答、英文與韓文 OCR、文件理解、影像定位與細粒度辨識等多項基準測試中,整體表現優於多款國際主流視覺編碼器。
#Kakao#Kanana-2-vision-encoder#Kanana-2#Hugging Face#Kanana Open License