'3모달' 카카오 AI, 챗GPT·제미나이 따라잡았다

■카나나-o 성능검증 결과 공개
텍스트·음성·이미지 복합 처리
영어 통합이해능력 中 AI 제쳐
지역 방언 인식, 표준어로 전환
한국어는 70점 넘어 경쟁사 압도

정신아 카카오 대표

[서울경제]

카카오(035720)의 멀티모달 언어모델 ‘카나나-오(o)’가 챗GPT 등 글로벌 대표 인공지능(AI) 모델과 근접하거나 더 우수한 성능을 보인다는 비교 결과가 나왔다. AI 에이전트의 산업별 응용이 늘면서 멀티모달 언어모델의 수요가 대폭 늘어날 것으로 예상되는 가운데 카카오가 시장 경쟁력을 확인했다는 평가다.

카카오는 1일 공식 테크 블로그를 통해 카나나-o와 주요 AI 모델의 성능 검증(벤치마크) 결과를 공개했다. 카나나-o는 텍스트와 음성, 이미지까지 다양한 형태의 정보를 동시에 이해하고 처리하는 모델이다. 텍스트, 음성, 이미지 중 어떤 조합으로 질문해도 이를 이해하고 처리할 수 있다. 현재 국내 멀티모달 언어모델들은 대부분 텍스트·이미지, 또는 텍스트·음성을 지원하는 수준이다. 텍스트·음성·이미지 등 ‘3모달’ 통합형 모델은 카나나-o가 국내에서 유일하다.

카카오의 자체 분석 결과 카나나-o는 한국어 및 영어 벤치마크에서 미국의 챗GPT-포오(4o)와 제미나이 1.5프로, 중국의 미니CPM-오(o) 2.6 등 글로벌 최고 수준의 모델과 비교해도 밀리지 않는 성능을 보였다.

이미지에 대해 음성·텍스트로 주어진 지시를 얼마나 정확하게 이해하고 응답하는지 평가한 ‘이미지-오디오 통합 이해 능력’(영어) 비교에서 카나나-o는 평균 71.1점으로 제미나이 1.5프로(73.9점)와 유사한 수준을 보였고 미니CPM-0 2.6(68.3점)보다는 앞섰다. 한국어로 평가했을 때는 평균 70.8점으로 제미나이(69.5점), 미니CPM(57.0점)를 모두 앞섰다. 영어 음성인식, 음성합성 등에서도 챗GPT 4o 등 글로벌 경쟁 모델과 유사한 최고 수준의 역량을 보였다. 특히 감정 인식 능력에서는 한국어와 영어 모두에서 크게 앞섰다.

한국어 벤치마크에서는 경쟁 모델에 비해 압도적인 우위를 보였다. 카나나-o는 대규모 한국어 데이터셋을 활용해 한국어의 특수한 발화 구조, 억양, 어미 변화 등을 정밀하게 반영했다. 제주도, 경상도 등 지역 방언을 인식하고 이를 표준어로 변환해 자연스러운 음성을 생성한다.

멀티모달 언어모델은 AI 에이전트의 채택 증가와 함께 급격한 수요 증가가 예상된다. 자율주행 차량, 의료, 교육 등 폭넓은 분야에서 AI를 효과적으로 사용하려면 기존의 텍스트 기반의 지시를 넘어 음성, 이미지 등을 함께 처리하는 능력이 필수적이기 때문이다. 시장조사업체 그랜드뷰 리서치는 멀티모달 AI 시장이 2024년 기준 17억 4000만 달러(약 2조 4900억 원)에서 2030년 108억 9000만 달러(약 16조 7400억 원) 규모로 성장할 것으로 예측했다. AI 응용의 핵심 기술로 주목받으면서 오픈AI, 구글, 마이크로소프트(MS) 등 글로벌 AI 빅테크들도 기술 경쟁에 적극 뛰어들고 있다.

카카오는 카나나-o의 성능을 개선하고 다양한 서비스와 접목해 상업화 가능성을 검토할 계획이다. 김병학 카카오 카나나 성과리더는 “독자적인 멀티모달 기술을 바탕으로 AI 기술 경쟁력을 강화하는 한편 지속적 연구 결과 공유를 통해 국내 AI 생태계 발전에 꾸준히 기여할 계획”이라고 말했다.

진동영 기자 jin@sedaily.com