카카오 카나나 멀티모달 모델, 허깅페이스 다운로드 160만 돌파

• 카카오의 멀티모달 언어모델(MLLM) 카나나-v가 허깅페이스에서 누적 다운로드 160만회를 찍었음

  • 단순히 “모델 공개했어요” 수준이 아니라, 오픈소스 생태계에서 실제로 사람들이 받아 쓰고 있다는 신호라 꽤 의미 있음
  • 기사에서 중심으로 다룬 모델은 비전언어모델(VLM)인 kanana-1.5-v-3b-instruct임

• 최근 1개월 다운로드만 봐도 숫자가 튐

  • kanana-1.5-v-3b-instruct는 최근 1개월 동안 다운로드 38만건을 넘김
  • 네이버 HyperCLOVAX-SEED-Vision-Instruct-3B의 약 13.7만건과 비교하면 2.8배 수준
  • 체급이 더 큰 LG AI연구원 EXAONE-4.5-33B의 약 24.7만건보다도 높게 나왔음
  • 네이버 HyperCLOVAX-SEED-Think-32B도 약 13.7만건이라, 다운로드 지표만 보면 카나나 쪽 존재감이 확실함

• 카카오가 강조하는 포인트는 “가볍지만 바로 써먹기 좋다” 쪽임

  • 카나나-v는 오픈소스 추론 프레임워크 vLLM의 공식 지원 모델이라 별도 설정 없이 서비스 적용이 가능하다고 함
  • 한국어와 영어 모두에서 글로벌 모델과 견줄 만한 성능을 낸다는 설명도 붙었음
  • GPU 자원이 넉넉하지 않은 환경에서도 경제적으로 운영할 수 있다는 점을 전면에 내세움

• 활용처도 꽤 현실적인 쪽으로 잡고 있음

  • 스타트업 프로토타이핑처럼 빠르게 PoC를 만들어야 하는 경우
  • 기업 상용 서비스처럼 추론 비용과 안정성이 같이 중요한 경우
  • 연구기관 실험, 공공 분야처럼 자체 인프라나 비용 제약이 있는 경우
  • 즉 “모델은 좋은데 GPU 비용 때문에 못 씀”이라는 흔한 병목을 줄이겠다는 포지션임

• 카카오의 AI 로드맵은 카나나-v 하나로 끝나는 그림이 아님

  • 지난해 7월 Kanana-1.5-v-3b를 공개했고, 올해 1월에는 Kanana-v-4b-hybrid를 선보였음
  • Kanana-v-4b-hybrid는 일상 대화부터 복잡한 논리 문제까지 하나의 모델로 처리하고, 자기 점검으로 환각(Hallucination)을 줄이는 방향이라고 설명됨
  • 현재는 에이전틱 AI에 최적화된 Kanana-2에 이어 Kanana-2.5 개발에도 속도를 내는 중
  • 자체 토크나이저 개발로 추론 속도와 비용 효율을 동시에 높이겠다는 계획도 포함됨

• 카카오가 보는 멀티모달의 역할은 “에이전틱 AI의 눈”에 가까움

  • 카카오 관계자는 사용자의 맥락을 파악하고 스스로 판단해 복잡한 과업을 끝내는 에이전틱 AI에서 멀티모달 모델이 핵심 역할을 한다고 설명함
  • 텍스트만 잘하는 모델보다, 이미지와 문서까지 이해하는 모델이 실제 업무 자동화에 더 가까워진다는 얘기임
  • 국내 개발자 입장에서는 한국어 성능, 비용, 배포 편의성까지 같이 보는 선택지가 하나 더 생긴 셈이라 눈여겨볼 만함

---

기술 맥락

• 카카오가 3B급 비전언어모델을 밀고 있는 이유는 추론 비용 때문이에요. 멀티모달 기능이 필요하다고 무조건 30B급 이상 모델을 올리면 GPU 비용이 바로 부담이 되거든요. 그래서 스타트업이나 공공 분야처럼 예산 제약이 있는 곳에는 작은 모델이 더 현실적인 선택지가 될 수 있어요.

• vLLM 공식 지원도 다운로드 증가에 꽤 직접적인 영향을 줬을 가능성이 커요. 모델 성능이 좋아도 서빙 설정이 번거로우면 개발자가 테스트하다가 포기하기 쉬운데, 공식 지원 모델이면 배포와 실험의 첫 진입 장벽이 낮아지거든요.

• 카카오가 자체 토크나이저까지 언급한 건 단순 모델 공개보다 운영 비용 최적화까지 보겠다는 뜻이에요. 토큰 처리 효율이 좋아지면 같은 요청을 더 빠르고 싸게 처리할 수 있어서, 실제 서비스에서는 모델 정확도만큼 중요한 지표가 돼요.

• 에이전틱 AI 관점에서는 멀티모달이 선택 기능이 아니라 핵심 입력 채널이 돼요. 사용자가 문서, 이미지, 화면 캡처를 던지고 “이거 처리해줘”라고 말하는 순간, 모델은 텍스트만이 아니라 시각 정보까지 이해해야 작업을 제대로 끝낼 수 있거든요.