【CNMO 科技消息】7 月 28 日，Kakao 正式发布了自主研发的轻量级语言模型（SLM）"Kanana-2" 四款型号，并已同步上线 AI 开发平台 Hugging Face。此次发布的四款模型由 13 亿参数（1.3B）与 30 亿参数（3B）两种规模，各自搭配基础版（Base）与指令版（Instruct） 两种形态组合而成。Kakao 此举旨在抢占智能手机与 PC 等终端设备的端侧 AI 市场，以 " 轻量化、低成本、高速度 " 的差异化路线应对大模型的算力瓶颈。

轻量级语言模型（SLM）通过大幅削减参数数量与运算量，牺牲部分通用推理能力，换取在智能手机或笔记本电脑上快速运行的能力。当任务目标明确时（如对话摘要、日程提取、文档分类），SLM 在成本与响应速度上均优于大语言模型（LLM）。

Kakao 公布的自主评估数据显示，"Kanana-2-1.3B Instruct" 在韩语对话评估 KoMT-Bench 中得分 6.54 分，超越阿里巴巴 Qwen 3.5-2B 的 5.21 分。在严格的指令执行评估中，Kanana 得分 34.69 分，Qwen 为 24.83 分；外部工具调用能力方面，Kanana 以 69.64 分领先 Qwen 的 66.96 分；代码生成评估中，Kanana 更是以 69.05 分大幅领先 Qwen 的 55.56 分。不过需要指出的是，作为对比对象的 Qwen 3.5-2B 并非该系列的最高性能型号，而是面向智能手机与小型计算机的 20 亿参数级轻量模型。

Kakao 为 Kanana-2 应用了自主研发的韩语专用 Tokenizer（分词器），将韩语处理效率较上一代提升了 30% 以上。Tokenizer 是将文本拆分为最小单元 "Token" 供 AI 理解的技术——不适合韩语的分词器可能将一个单词或助词过度拆分，而 Kakao 的新方案能以更少 Token 处理相同句子，从而加快响应速度、降低服务器成本与内存占用。

Kanana-2-1.3B Instruct 在韩语对话评估 KoMT-Bench 中得分 6.54 分，超越阿里巴巴 Qwen 3.5-2B 的 5.21 分。在严格的指令执行评估中，Kanana 得分 34.69 分，Qwen 为 24.83 分；外部工具调用能力方面，Kanana 以 69.64 分领先 Qwen 的 66.96 分；代码生成评估中，Kanana 更是以 69.05 分大幅领先 Qwen 的 55.56 分。不过需要指出的是，作为对比对象的 Qwen 3.5-2B 并非该系列的最高性能型号，而是面向智能手机与小型计算机的 20 亿参数级轻量模型。

开发 AI 模型

Kakao 发力轻量语言模型的核心战场，正是其国民级应用 KakaoTalk。目前 Kakao 已在 KakaoTalk 的对话摘要、通话摘要等场景中部署了自有轻量模型。其运作逻辑是：轻量模型在用户设备端完成日常对话分析（如日程提取、待办事项识别），仅在需要搜索或复杂推理时才调用服务器端大模型。这一 " 端云协同 " 架构既能降低运营成本与响应延迟，又能强化用户隐私保护。

证券界认为，Kakao AI 战略的成败关键在于 Kanana 能否在 KakaoTalk 内实现用户行为的实质性改变。Daol 投资证券研究员 Kim Hye-young 评价称，Kanana 作为 " 端侧 AI 代理 " 在读取对话上下文的同时兼具安全优势，若能将预约、出行、金融服务的使用频次提升并连接至外部支付与预订，将成为新的收入来源。Meritz 证券研究员 Lee Hyo-jin 则指出，年内正在筹备的 " 代理式电商 "（Agentic Commerce）的成功才是核心，关键在于用户行为的实际改善。

版权所有，未经许可不得转载