카카오가 오픈소스로 공개한 ‘카나나-2’는 전문가 혼합(MoE) 기술을 통해 연산 효율을 극대화하여, 범용 GPU 환경에서도 한국어 능력과 복잡한 도구 호출 기능을 완벽히 수행하는 실용주의 AI 에이전트의 새로운 표준을 제시합니다.
AI포스트 핵심 요약
- ✅ [인프라 문턱 낮춘 효율 혁신] 32B 규모의 모델임에도 추론 시 필요한 3B 파라미터만 활성화하는 MoE 구조를 채택, 고가의 최신 장비가 아닌 범용 GPU(A100 등)에서도 원활한 구동이 가능함.
- ✅ [망각 없는 고도화된 학습] ‘미드 트레이닝’ 단계와 ‘리플레이’ 기법을 도입해, 새로운 추론 능력을 배우면서도 기존의 한국어 능력과 일반 상식을 잃지 않는 안정적인 성능 유지를 달성함.
- ✅ [에이전트 AI 특화 성능] 단순 대화를 넘어 스스로 도구를 선택하고 호출하는 능력을 강화했으며, 4종의 모델을 오픈소스로 공개해 국내 AI 생태계의 기술 자립과 연구 활성화를 지원함.
카카오(대표 정신아)가 자체 기술력으로 개발한 차세대 언어모델 ‘카나나-2(Kanana-2)’를 업데이트하고, 총 4종의 모델을 오픈소스로 추가 공개했다. 에이전틱(Agentic) AI 구현에 최적화된 이번 모델은 고가의 인프라 없이도 고성능 AI를 활용할 수 있도록 실용성을 높인 것이 특징이다.
이번 Kanana-2 모델의 핵심은 ‘전문가 혼합(MoE, Mixture of Experts)’ 아키텍처다. 전체 파라미터는 32B(320억 개) 규모에 달하지만, 실제 추론 시에는 상황에 맞는 3B(30억 개)의 파라미터만 활성화해 연산 효율을 획기적으로 높였다.
카카오는 MoE 모델 학습에 필수적인 커널을 직접 개발해 성능 손실 없이 학습 속도는 높이고 메모리 사용량은 낮췄다. 이를 통해 최신 초고가 인프라가 아닌 엔비디아 A100 수준의 범용 GPU에서도 원활하게 구동되도록 최적화함으로써 중소기업과 학계의 AI 도입 문턱을 크게 낮췄다.
학습 단계의 고도화도 눈에 띈다. 카카오는 사전 학습과 사후 학습 사이에 ‘미드 트레이닝(Mid-training)’ 단계를 신설하고, AI가 새로운 정보를 배울 때 기존 지식을 잊는 ‘치명적 망각(Catastrophic Forgetting)’ 현상을 방지하기 위해 ‘리플레이(Replay)’ 기법을 도입했다.
이를 통해 새로운 추론 능력을 추가하면서도 기존의 한국어 구사 능력과 일반 상식을 안정적으로 유지하는 성과를 거두었다. 카카오는 연구 목적의 활용도를 높이기 위해 미드 트레이닝 탐색용 기본 모델을 포함한 4종(기본, 지시 이행, 추론 특화, 미드 트레이닝)의 모델을 허깅페이스에 공개했다.
새로운 Kanana-2는 단순 대화를 넘어 업무 수행이 가능한 ‘에이전트 AI’ 구현에 특화됐다. 고품질 멀티턴(Multi-turn) 도구 호출 데이터를 집중 학습시켜, 복잡한 사용자 지시를 이해하고 적절한 도구를 스스로 선택해 호출하는 능력을 대폭 강화했다.
실제 성능 평가에서 동급 경쟁 모델인 중국 지푸 AI의 ‘Qwen’ 계열 모델 대비 지시 이행 정확도와 한국어 능력 등에서 압도적인 우위를 기록했다. 현재 카카오는 MoE 구조를 기반으로 수천억 파라미터 규모의 거대 모델인 ‘Kanana-2-155b-a17b’ 개발을 위한 학습을 진행 중이며, 글로벌 최상위 수준의 성능 확보를 목표로 하고 있다.
카카오 김병학 카나나 성과리더는 “보편적인 인프라 환경에서도 고효율을 내는 모델을 공개함으로써 국내 AI 생태계 발전의 새로운 대안이 되길 기대한다”고 밝혔다.
Copyright ⓒ AI포스트 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
