카카오가 2026년 10월 29일 한국어·영어 검색용 텍스트 임베딩 모델 '카나나-2-임베딩' 2종을 허깅페이스에 공개했습니다. 30억 매개변수의 3B 모델과 13억 매개변수의 1.3B 모델이며, 문서 기반 답변(RAG) 챗봇과 의미 검색에 쓰는 모델입니다. 카나나 오픈 라이선스가 적용되어 조건을 지키면 자체 서비스에 상업적으로 쓸 수 있습니다.
핵심 요약
- 카카오가 10월 29일 kanana-2-3b-embedding(2560차원)과 kanana-2-1.3b-embedding(1280차원) 가중치를 허깅페이스에 공개했습니다.
- 임베딩 모델은 질문과 문서의 의미를 숫자 벡터로 바꿔 비슷한 내용을 찾아 주는 모델로, RAG 챗봇이 답변 근거를 찾는 단계에 쓰입니다.
- 카카오 자체 평가에서 3B 모델은 비교 대상 공개 모델 가운데 한국어 검색 벤치마크 평균 점수가 가장 높았고, 영어는 비슷한 수준이었습니다.
- 입력은 최대 4,096 토큰이며, 벡터 차원을 1024·512·256·128로 줄여 저장·검색 비용을 낮출 수 있습니다.
무슨 일이 있었나
카카오는 2026년 10월 29일 개인화 AI 에이전트의 기반 기술로 개발한 텍스트 임베딩 모델 '카나나-2-임베딩' 2종을 허깅페이스에 오픈소스로 공개했다고 밝혔습니다. 공개된 모델은 30억(3B) 매개변수 규모의 kanana-2-3b-embedding과 13억(1.3B) 매개변수 규모의 kanana-2-1.3b-embedding입니다. 허깅페이스 모델 카드에는 같은 날짜로 두 모델의 가중치 공개 소식이 올라와 있습니다.
임베딩 모델은 글의 의미를 숫자 벡터로 바꾸는 모델입니다. 일반 언어모델처럼 문장을 생성하는 대신, 질문과 문서가 얼마나 비슷한 뜻인지 계산해 관련 정보를 찾아 줍니다. 카카오는 이 모델이 의미 검색, 문서 기반 답변(RAG), 문장 유사도 계산에 쓰이며, AI 에이전트가 과거 대화와 맥락에서 필요한 정보를 찾아 답변에 반영하는 데 활용된다고 설명했습니다.
모델 구조를 보면, 두 모델 모두 카카오의 소형 언어모델 '카나나-2-SLM'을 바탕으로 양방향 어텐션과 평균 풀링 방식으로 바꿔 만들었습니다. 3B 모델은 카나나-2-SLM의 언어 이해 능력을 검색용으로 학습시켜 개발했고, 1.3B 모델은 큰 모델이 배운 내용을 작은 모델에 옮기는 지식 증류 기법으로 만들었습니다. 임베딩 벡터 차원은 3B 모델이 2560, 1.3B 모델이 1280이며, 입력은 최대 4,096 토큰까지 받습니다.
성능은 임베딩 벤치마크 도구인 MTEB로 같은 조건에서 평가했습니다. 모델 카드에 따르면 3B 모델은 한국어 검색 벤치마크인 nano-BEIR(ko)와 Ko-Retrieval에서 비교 대상 모델 가운데 모든 차원에서 가장 높은 평균 점수를 기록했습니다. 비교 대상에는 엔비디아 llama-nemotron-embed-1b-v2, 알리바바 Qwen3-Embedding-4B, 구글 embeddinggemma-300m 등이 포함됩니다. 영어 벤치마크인 MTEB(eng, v2)에서는 Qwen3-Embedding-4B가 더 높았습니다. 카카오는 큐원3 임베딩보다 추론 효율이 높았다고 밝혔으며, 이 수치들은 모두 카카오 자체 평가 결과입니다.
두 모델에는 마트료시카 표현 학습(MRL) 기법이 적용되어, 2560 또는 1280차원의 벡터를 1024·512·256·128차원으로 잘라 써도 됩니다. 차원을 줄이면 벡터 저장 공간과 검색 비용이 줄어듭니다. 모델 가중치는 '카나나 오픈 라이선스'로 배포됩니다. 라이선스 문서에 따르면 자체 서비스 개발·운영에는 별도 상업 라이선스 없이 쓸 수 있지만, 이 모델을 API나 클라우드로 제3자에게 재판매하거나 SI·온프레미스 구축 솔루션의 일부로 제3자에게 제공하는 경우에는 카카오의 별도 상업 라이선스가 필요합니다. 또 관련 웹사이트나 문서에 'Powered by Kanana' 문구를 표시해야 합니다.
왜 중요한가
홈페이지 챗봇이 문서 기반으로 답하려면, 먼저 사용자의 질문과 비슷한 내용을 가진 문서 조각을 찾아야 합니다. 이 검색 품질은 임베딩 모델이 좌우합니다. 한국어 공지, 규정, 민원 안내처럼 띄어쓰기와 조사 변화가 많은 글에서는 영어 중심으로 학습된 임베딩 모델이 뜻이 같은 문장을 놓치는 일이 생깁니다. 한국어 검색 성능을 목표로 만든 공개 모델이 하나 더 생겼다는 점이 이번 공개의 핵심입니다.
외부 API 대신 직접 띄울 수 있는 공개 가중치라는 점도 중요합니다. 공공기관이나 기업은 내부 문서를 외부 서비스로 보내는 데 제약이 있는 경우가 많습니다. 공개 모델은 자체 서버나 국내 클라우드 안에서 임베딩을 만들 수 있어, 데이터가 밖으로 나가지 않는 구성을 짜기 쉬워집니다. 1.3B 모델처럼 작은 모델은 GPU 자원이 적은 환경에서도 검토해 볼 수 있습니다.
벡터 차원을 줄일 수 있는 MRL 지원은 운영 비용과 직결됩니다. 문서가 수만 건으로 늘어나면 벡터 저장 공간과 검색 시간이 함께 늘어납니다. 모델 카드의 평가표에는 차원을 줄였을 때 점수가 얼마나 떨어지는지도 함께 적혀 있어, 품질과 비용 사이에서 자기 서비스에 맞는 지점을 고를 수 있습니다.
다만 벤치마크 점수는 카카오의 자체 평가이고, 평가는 질문·문서 접두어 없이 원문 그대로 넣는 조건으로 진행되었습니다. 실제 서비스 문서로 직접 비교해 보기 전까지는 참고 수치로 보는 편이 안전합니다.
기관·기업 홈페이지 담당자가 볼 점
이미 홈페이지에 문서 기반 챗봇을 운영 중이라면, 지금 쓰는 임베딩 모델이 무엇인지부터 확인해 보시기 바랍니다. 챗봇 답변이 엉뚱한 문서를 근거로 삼는 일이 잦다면 생성 모델보다 검색 단계, 즉 임베딩 모델과 문서 분할 방식이 원인인 경우가 많습니다. 임베딩 모델은 생성 모델과 따로 바꿀 수 있으므로, 한국어 성능을 내세운 모델로 바꿨을 때 검색 결과가 달라지는지 소규모로 실험해 볼 수 있습니다.
임베딩 모델을 바꾸면 기존에 만들어 둔 벡터를 모두 다시 만들어야 합니다. 모델마다 벡터 차원과 의미 공간이 다르기 때문입니다. 문서 수가 많다면 재색인에 드는 시간과 비용을 먼저 계산해야 합니다. 이번 모델은 입력 길이가 최대 4,096 토큰이므로, 긴 규정 문서는 그보다 짧은 단위로 나누어 넣는 설계가 필요합니다.
라이선스는 담당자가 직접 읽어야 하는 부분입니다. 기관이 자체 서비스에 쓰는 것은 별도 계약 없이 가능하지만, 외부 구축 업체가 이 모델을 포함한 솔루션을 납품하는 형태는 라이선스 문서상 카카오의 별도 상업 라이선스가 필요한 경우에 해당할 수 있습니다. 챗봇 구축을 외주로 맡길 때는 어떤 모델을 쓰는지, 그 모델의 라이선스 조건을 누가 책임지는지 계약서에 적어 두는 편이 좋습니다. 'Powered by Kanana' 표시 의무도 홈페이지 화면 어딘가에 반영해야 합니다.
- 운영 중인 챗봇의 임베딩 모델 이름과 벡터 차원, 벡터 저장소 종류를 문서로 정리합니다.
- 자주 틀리는 질문 20~30개를 모아, 현재 모델과 새 모델로 검색된 문서가 어떻게 다른지 비교해 봅니다.
- 전체 문서 재색인에 걸리는 시간과 GPU·저장소 비용을 추정합니다.
- 허깅페이스 모델 카드의 라이선스 전문을 읽고, 자체 운영인지 외부 납품인지에 따라 별도 상업 라이선스가 필요한지 확인합니다.
- 외부 업체와 챗봇 구축 계약을 맺을 때 사용 모델과 라이선스 책임 범위를 계약서에 명시합니다.
출처
- kakaocorp/kanana-2-3b-embedding (모델 카드) – Hugging Face, 2026-10-29
- 카카오, 개인화 AI 에이전트 기반 기술 'Kanana-2-embedding' 모델 2종 오픈소스 공개 – 카카오, 2026-10-29
- 카카오, 개인 AI 에이전트용 임베딩 모델 2종 오픈 공개 – AI타임스, 2026-10-29
- KANANA OPEN LICENSE AGREEMENT – 카카오 (Hugging Face), 2026-10-29
공개된 자료를 바탕으로 VENOX가 정리한 글입니다. 세부 내용과 최신 변경 사항은 출처 원문을 확인해 주세요.
관련: Nexis Chat – 근거 기반 AI 챗봇 · AI 검색·챗봇 구축 · 홈페이지·CMS 구축 · 도입 문의