|
이번에 공개한 4종의 모델은 고효율·저비용의 성능 혁신, 실질적 에이전틱 AI의 구현을 위한 도구 호출 능력을 대폭 강화한 것이 특징이라는 설명이다. 최신 초고가 인프라가 아닌 엔비디아 A100 수준의 범용 그래픽 처리장치(GPU) 에서도 원활하게 구동되도록 최적화해 중소기업과 학계 연구자들도 비용 부담없이 고성능 AI를 활용할 수 있도록 실용성을 높였다.
카나나-2 효율성의 핵심은 '전문가 혼합' 아키텍처다. 전체 파라미터는 32B(320억 개) 규모로 거대 모델의 높은 지능을 유지하면서도, 실제 추론 시에는 상황에 맞는 3B(30억 개)의 파라미터만 활성화해 연산 효율을 획기적으로 높였다. 또한, MoE 모델의 학습에 필수적인 여러 커널을 직접 개발해 성능 손실 없이 학습 속도는 높이고, 메모리 사용량은 획기적으로 낮추는 성과를 거두기도 했다.
학습 단계도 고도화했다. 사전 학습과 사후 학습 사이에 '미드 트레이닝' 단계를 신설하고, AI 모델이 새로운 정보를 배울 때 기존 지식을 잊는 치명적 망각 현상을 방지하기 위해 '리플레이' 기법을 도입했다.
카카오는 이러한 기술을 바탕으로 '기본(Base)' 모델부터 '지시 이행' 모델, '추론 특화' 모델, '미드 트레이닝' 모델까지 총 4종의 모델을 허깅페이스에 추가로 공개했다.
카카오 측은 단순 대화형 AI를 넘어 실질적인 업무 수행이 가능한 에이전트 AI 구현에 특화했다고 강조했다.
고품질 멀티턴 도구 호출 데이터를 집중 학습시켜 지시 이행과 도구 호출 능력을 대폭 강화함으로써 복잡한 사용자 지시를 정확히 이해하고 적절한 도구를 스스로 선택 및 호출할 수 있도록 했다.
김병학 카카오 카나나 성과리더는 "새로워진 카나나-2는 '어떻게 하면 고가의 인프라 없이도 실용적인 에이전트 AI를 구현할 수 있을까'에 대해 치열하게 고민한 결과"라며 "보편적인 인프라 환경에서도 고효율을 내는 모델을 오픈소스로 공개함으로써, 국내 AI 연구 개발 생태계 발전과 기업들의 AI 도입의 새로운 대안이 될 수 있기를 기대한다"고 밝혔다.
