先了解这件事
Kakao 开源了自研图像识别模型 Kanana-2-vision-encoder 的两个版本:中等版 4.26 亿参数、微型版 9800 万参数,均已上线 Hugging Face。据 The Elec 2026 年 10 月 22 日报道,Kakao 称两款模型在覆盖通用视觉问答、英韩 OCR、文档理解和目标定位等九大类共 42 项基准上,对比 Google SigLIP 2、Meta Perception Encoder、Apple AIMv2 和阿里 Qwen3.5-ViT 均取得最高性能;微型版在部分基准上超过参数量 4 亿以上的竞品,韩文识别、文档理解和目标定位差距尤为明显。报道还称,训练中使用自研 Kanana-2 语言模型使训练效率提升约 4 倍,高分辨率图像处理架构改进使延迟降低 60% 以上。模型以 Kanana Open License 发布,允许研究、开发和商用。目前尚无后续进展。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：The Elec
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月22日
The Elec
Kakao 开源 Kanana-2-vision-encoder 视觉编码器，含 4.26 亿与 9800 万参数两版
Kakao 将自研图像识别模型 Kanana-2-vision-encoder 的两个版本开源，中等版 4.26 亿参数、微型版 9800 万参数，均已上线 Hugging Face。Kakao 称两款模型在覆盖通用视觉问答、英韩 OCR、文档理解和目标定位等九大类共 42 项基准上，对比 Google SigLIP 2、Meta Perception Encoder、Apple AIMv2 和阿里 Qwen3.5-ViT 均取得最高性能，微型版在部分基准上超过参数量 4 亿以上的竞品，韩文识别、文档理解和目标定位差距尤为明显。训练中使用自研 Kanana-2 语言模型使训练效率提升约 4 倍，高分辨率图像处理架构改进使延迟降低 60% 以上；模型以 Kanana Open License 发布，允许研究、开发和商用。