카카오 차세대 언어모델 카나나-2 이슈 이해하기

국내 메신저와 검색, 쇼핑까지 아우르는 카카오가 새 언어모델 카나나-2를 앞세워 에이전트형 인공지능 경쟁에 속도를 내고 있습니다. 값비싼 장비가 없어도 빠르고 알뜰하게 돌아가고, 스스로 필요한 도구를 골라서 문제를 푸는 점이 눈에 띕니다. 한국어에 강하다는 평가는 그대로 유지하면서, 지시를 이해하고 복잡한 일을 나눠 처리하는 쪽으로 무게가 옮겨졌습니다. 업계에서는 오픈소스 공개 폭을 넓힌 점을 들어, 스타트업과 연구자가 바로 실험하고 제품에 붙이기 쉬워졌다고 봅니다.

카나나-2 구성과 공개 범위

카나나-2는 실제 쓰임새에 맞춘 네 갈래로 나뉩니다. 기본 글쓰기와 읽기가 단단한 Base, 지시 이행을 다듬은 Instruct, 복잡한 셈과 코드, 논리를 풀어내는 Thinking, 그리고 지식 잃음을 줄이는 Mid-training 모델이 있습니다. 카카오는 이들 모델을 오픈소스로 추가 공개해, 학습된 값까지 확인하며 파인튜닝할 수 있게 했습니다. 이로써 팀 규모가 작아도 자신들 데이터에 맞춰 바로 적용할 발판이 마련됐습니다. 카나나-2의 방향은 연구용을 넘어 실제 서비스에 꽂아 쓰는 데 맞춰져 있습니다.

MoE로 효율을 끌어올린 구조

카나나-2의 핵심은 전문가 혼합 구조, 즉 MoE입니다. 모든 머리를 한꺼번에 쓰지 않고, 필요한 부분만 켜서 답을 내는 방식이라 연산이 줄고 속도는 빨라집니다. 덕분에 A100 같은 범용 GPU에서도 무리 없이 돌아가도록 최적화됐습니다. 학습 과정에서는 미드 트레이닝 단계가 신설되어, 새 정보를 배울 때 예전 지식을 놓치는 현상을 줄였습니다. 이 과정에 리플레이 기법이 쓰여 안정성을 확보했고, 긴 문맥 이해와 다단계 추론에서 흔들림을 줄였습니다. 같은 자원으로 더 많은 요청을 처리할 수 있어 서비스 비용 면에서도 이점이 큽니다.

에이전틱 AI와 실제 성능 이슈

카나나-2는 도구 호출 능력을 크게 끌어올렸습니다. 필요한 순간에 캘린더, 문서 요약기, 번역기 같은 외부 도구를 스스로 고르고 순서대로 실행합니다. 여러 차례 대화를 이어가며 조건이 바뀌어도 맥락을 놓치지 않고, 단계별로 일을 쪼개 처리합니다. 한국어 성능을 겨루는 호랑이 리더보드 V3에서 높은 성적을 냈고, 지시 이행과 추론에서 같은 급의 글로벌 모델과 어깨를 나란히 하거나 앞서는 결과도 나왔습니다. 다만 카카오톡 같은 기존 서비스에 붙일 때, 어떤 화면과 흐름으로 사용자에게 자연스럽게 보일지에 대한 과제가 남아 있습니다. 카카오는 이를 풀기 위해 대화 맥락을 오래 기억하고 먼저 제안까지 하는 AI 메이트 구상을 밀고 있습니다.

지금까지 살펴본 바처럼 카나나-2는 오픈소스 폭을 넓히고, MoE와 미드 트레이닝으로 효율과 안정성을 챙기며, 도구 호출을 강화해 에이전트형 기능을 앞세우고 있습니다. 범용 GPU에서도 잘 돌아가도록 설계해 접근성을 높였고, 한국어와 지시 이행 성능에서 좋은 지표를 보였습니다. 실제 서비스 적용에서는 화면 구성과 흐름 설계가 핵심이 될 것으로 보이며, 카카오는 AI 메이트를 통해 이 부분을 다듬어 가고 있습니다.