Kakao发布Kanana-2四款轻量级语言模型抢占端侧AI市场

7月28日，Kakao正式推出自主研发的轻量级语言模型（SLM）'Kanana-2'，包括四款型号，并同步上线AI开发平台Hugging Face。此举聚焦于应对大模型算力瓶颈，通过轻量化、低成本、高速度的产品特性布局智能手机与PC等终端设备的端侧AI市场。

模型规格与部署细节

Kanana-2系列由13亿参数（1.3B）与30亿参数（3B）两种规模构成。每种参数规模分别提供基础版（Base）与指令版（Instruct）两种形态，形成完整组合。这些模型已直接接入Hugging Face平台，开发者可通过官方接口无缝调用其功能。

四款模型参数配置：13亿参数基础版、13亿参数指令版、30亿参数基础版、30亿参数指令版。

轻量级语言模型（SLM）指参数规模较小、计算资源需求低的语言模型，专为终端设备优化运行。此类模型无需依赖云端服务器，在本地设备上即可实现高效处理。

战略定位与技术逻辑

Kakao采用差异化路线应对大模型算力瓶颈：通过降低模型体积与运算成本，提升终端设备响应速度。该策略直接针对智能手机与PC等设备的资源限制问题，确保AI功能在本地稳定运行。

基础版（Base）专注于通用语言处理任务，指令版（Instruct）则侧重于理解用户指令并生成精准响应。这种双形态设计满足开发者从训练到应用的全链路需求，同时兼容多样终端环境。

面向端侧AI市场，Kakao强调"轻量化、低成本、高速度"的特性：参数规模缩减至13亿或30亿级别，显著降低硬件运算负担；模型部署无需额外服务器支持，有效控制开发及运营成本。此举可能促进智能手机厂商在设备中集成深度AI功能，提升用户无需依赖云端即可访问的智能体验。

• 13亿参数版本适合低端硬件设备，保证基础推理能力
• 30亿参数版本兼顾性能与效率，适用于中端终端用户场景
• 指令版通过微调优化人机交互，支持更自然流畅的对话服务

Kakao Kanana-2-1.3B Instruct模型在韩语评估中性能超越Qwen 3.5-2B

Kakao近日公布的自主评估数据显示，其开发的轻量级语言模型Kanana-2-1.3B Instruct在多项任务中表现优于阿里巴巴的Qwen 3.5-2B。该模型通过削减参数数量与运算量，在智能手机或笔记本电脑等移动设备上实现快速运行，尤其适用于对话摘要、日程提取及文档分类等目标明确的任务。

评估指标对比分析

在韩语对话评估KoMT-Bench中，Kanana-2-1.3B得分6.54分，显著领先Qwen 3.5-2B的5.21分。指令执行评估方面，Kanana以34.69分完胜Qwen的24.83分。外部工具调用能力测试中，Kanana得分69.64分高于Qwen的66.96分。代码生成评估表现最为突出，Kanana以69.05分大幅领先Qwen的55.56分。

作为对比对象的Qwen 3.5-2B并非阿里巴巴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。

语言处理技术优化

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过度拆分单词或助词，而Kakao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。

• 韩语专用Tokenizer避免了非专业分词器导致的过度拆分问题
• Token数量减少直接优化设备端运行效率
• 内存占用与服务器成本随响应速度提升而降低

轻量级语言模型(SLM)通过牺牲部分通用推理能力换取移动端部署优势，其核心价值在于任务目标明确场景下的成本与响应速度优化。该技术趋势可能加速智能手机AI应用的普及，为移动设备提供更即时的交互体验。

Kakao在KakaoTalk部署轻量语言模型优化日常交互

Kakao正将自有轻量语言模型集成至国民级应用KakaoTalk，用于实现对话摘要、通话摘要等场景的实时分析。该模型在用户设备端处理基础任务，仅当需求涉及搜索或复杂推理时才调用服务器端大模型，确保系统高效运行并强化隐私保护。

技术运作逻辑

轻量模型在用户设备端负责日程提取、待办事项识别等日常对话分析工作。当需要执行搜索或复杂计算时，才触发服务器端大模型调用。这种端云协同架构指设备端处理简单任务、云端处理复杂任务，既能降低运营成本与响应延迟，又避免了敏感数据上传云服务器。

“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。” Daol投资证券研究员Kim Hye-young

证券市场评估

证券界一致认为，Kanana能否促成KakaoTalk内用户行为实质性改变，是AI战略成败的核心指标。Meritz证券研究员Lee Hyo-jin指出，年内筹备的“代理式电商”成功关键在于用户实际行为改善，这直接影响商业价值转化。

• 端云协同架构特点：端侧执行日常分析、云端处理复杂任务，形成分层响应机制
• Kanana定义：“端侧AI代理”指在用户设备端运行的轻量AI模型，专注即时任务处理

该技术落地后可能促进KakaoTalk用户更频繁调用外部服务，进而带动平台相关收入增长。