カカオ、視覚エンコーダー「Kanana-2」2種を公開

韓国のカカオは2026年10月21日、視覚エンコーダーモデル「Kanana-2 Vision Encoder」のMediumとTinyの2種をHugging Faceでオープンソースとして公開した。digitaltoday.co.krが報じた。

Mediumは4億2600万パラメータ、Tinyは9800万パラメータ。視覚的質問応答や英語・韓国語のOCR、文書理解、ローカライゼーションなど9分野42のベンチマークで評価された。

カカオの社内評価では、両モデルともGoogleの「SigLIP 2」、Metaの「Perception Encoder」、Appleの「AIMv2」、Alibabaの「Qwen3.5-ViT」といった比較モデルを上回ったという。

カカオによると、視覚エンコーダーの学習に自社の言語モデル「Kanana-2」を用いることで学習効率が約4倍に向上。高解像度画像の処理により、主要な海外比較モデルと比べて処理レイテンシーを60%以上削減したとしている。

ライセンスは商用利用と研究開発の双方を認める「Kanana Open License」を適用。カカオはオムニ言語モデル「Kanana-o」の他の構成要素も順次公開する計画だ。なお、カカオは2026年10月13日に開催したイベント「if(kakao)26」で今回の公開方針を明らかにしていた。