카카오 Multimodal Model Training팀에서 자체 기술력으로 개발한 독자적인 비전 인코더, Kanana-2-vision-encoder를 소개합니다! 이 모델은 카카오의 언어모델인 Kanana-2 LLM의 가중치와 구조를 활용하여 학습과 추론 모두에서 매우 높은 효율성을 보여줍니다. 특히 고해상도 이미지를 처리하는 능력이 뛰어나며, 한국의 문화적 맥락과 한글을 정확하게 이해할 수 있도록 설계된 것이 큰 특징입니다. Large부터 Tiny까지 네 가지 모델 라인업을 갖추어 다양한 서비스 환경에 맞춤형으로 적용할 수 있으며, 현재 Medium과 Tiny 모델의 가중치가 오픈소스로 공개되어 연구자들의 발전에 기여하고 있습니다.