Kakao 於 7 月 28 日正式發布了其自主研發的輕量級語言模型（SLM）“Kanana-2”四款型號，並已同步上線 AI 開發平台 Hugging Face。此次發布的四款模型由 13 億參數（1.3B）與 30 億參數（3B）兩種規模，各自搭配基礎版（Base）與指令版（Instruct）兩種形態組合而成。Kakao 此舉旨在搶佔智能手機與 PC 等終端設備的端側 AI 市場，以“輕量化、低成本、高速度”的差異化路線應對大模型的算力瓶頸。
AI 輕量級語言模型（SLM）通過大幅削減參數數量與運算量，犧牲部分通用推理能力，換取在智能手機或筆記本電腦上快速運行的能力。當任務目標明確時（如對話摘要、日程提取、文檔分類），SLM 在成本與響應速度上均優於大語言模型（LLM）。Kakao 公佈的自主評估數據顯示，“Kanana-2-1.3B Instruct”在韓語對話評估 KoMT-Bench 中得分 6.54 分，超越阿里巴巴 Qwen 3.5-2B 的 5.21 分。
在嚴格的指令執行評估中，Kanana 得分 34.69 分，Qwen 為 24.83 分；外部工具調用能力方面，Kanana 以 69.64 分領先 Qwen 的 66.96 分；在代碼生成評估中，Kanana 更是以 69.05 分大幅領先 Qwen 的 55.56 分。
Kanana-2 在韓語對話評估中表現優異
不過需要指出的是，作為對比對象的 Qwen 3.5-2B 並非該系列的最高性能型號，而是面向智能手機與小型計算機的 20 億參數級輕量模型。Kakao 為 Kanana-2 應用了自主研發的韓語專用 Tokenizer（分詞器），將韓語處理效率較上一代提升了 30%以上。Tokenizer 是將文本拆分為最小單元“Token”供 AI 理解的技術——不適合韓語的分詞器可能將一個單詞或助詞過度拆分，而 Kakao 的新方案能以更少 Token 處理相同句子，從而加快響應速度、降低伺服器成本與內存佔用。
Kakao 發力輕量語言模型的核心戰場，正是其國民級應用 KakaoTalk。目前 Kakao 已在 KakaoTalk 的對話摘要、通話摘要等場景中部署了自有輕量模型。其運作邏輯是：輕量模型在用户設備端完成日常對話分析（如日程提取、待辦事項識別），僅在需要搜索或複雜推理時才調用伺服器端大模型。這一“端雲協同”架構既能降低運營成本與響應延遲，又能強化用户隱私保護。
Kakao AI 戰略的成功取決於用户行為的改變
證券界認為，Kakao AI 戰略的成敗關鍵在於 Kanana 能否在 KakaoTalk 內實現用户行為的實質性改變。Daol 投資證券研究員 Kim Hye-young 評價稱，Kanana 作為“端側 AI 代理”在讀取對話上下文的同時兼具安全優勢，若能將預約、出行、金融服務的使用頻次提升並連接至外部支付與預訂，將成為新的收入來源。Meritz 證券研究員 Lee Hyo-jin 則指出，年內正在籌備的“代理式電商”（Agentic Commerce）的成功才是核心，關鍵在於用户行為的實際改善。