[イーデイリーLee So-Hyun 記者]Kakao(035720)が、人工知能（AI）エージェントの判断と選択を迅速に処理するマルチモーダル意思決定モデルをオープンソースとして公開しました。一般的な大規模言語モデル（LLM）のように文章を生成するのではなく、確率・選択・スコアの形で結果を出力し、エージェントが次の作業へ素早く移行できるよう設計されている点が特徴です。

カカオは6日、自社開発のマルチモーダルモデル「Kanana-2-v-decide」をHugging Faceでオープンソースとして公開したと発表しました。

最近では、AIエージェントが複数の段階にわたる業務を遂行する中で、どのツールを使用し、どのような情報を参照し、その後どのような行動を実行するかを繰り返し決定しなければならないため、判断に特化したモデルの開発も増えています。

Kanana-2-v-decideは、ユーザーの質問に対して自然言語の文章で答える代わりに、△確率 △選択肢 △スコアなど、規格化された形式で判断結果を提供します。

これにより、サービスが結果を直ちに後続の作業に活用できるため、自然言語の回答から改めて必要な結論を抽出するプロセスを削減できるとのことです。

テキスト・画像を併せて確認し、「次の行動」を判断

カカオは、独自のマルチモーダル言語モデル「Kanana-2-v-3b」を基盤として、今回のモデルを開発しました。

テキストと画像を同時に理解できるため、顧客からの問い合わせの分類やAIエージェントのツール選択、商品画像の判別など、様々なサービスに適用可能です。

例えば、顧客が破損した商品の写真とともに交換を依頼した場合、モデルが画像と問い合わせ内容を併せて分析し、破損の有無や問い合わせの種類、顧客の感情状態などを確率やスコアで判断します。

サービス側では、この結果を事前に定めた基準と照合し、オペレーターにつなぐか、交換手続きを案内するといった形で活用できます。

このモデルは、入力された質問と選択肢を数値の集合であるベクトルに変換し、類似度を比較する埋め込みベースの構造を採用しています。同一の選択肢のベクトルは保存して再利用できるため、繰り返しリクエストがあった際の演算量と応答遅延を低減できるようにしました。

GPT-6に比べて約43倍の速度

カカオによると、Kanana-2-v-decideはNVIDIA H200 GPU 1枚を基準に、平均0.04秒以内の応答速度を記録しました。

同社は、独自の測定基準に基づき、GPT-6 Lunaよりも約43倍速い速度を記録したと説明しました。

判断性能においても、独自の評価セット「Kanana Decision Bench」と公開評価セット「Decision Index」において、比較対象モデルの中で最も高い性能を記録したと明らかにしました。

比較対象には、マイクロソフトの「Decision-1」、タイプセーフAIの「Jev」、パープルクシティの「pplx-decider-v1.1-27B」、アップステージの「Solar Decide」などが含まれました。

商用利用可能なオープンライセンスの適用

カカオは、今回のモデルに研究だけでなく商用利用も可能な「カナナ・オープンライセンス」を適用しました。国内外の研究者や企業がAIエージェントサービスの開発に活用できるようにするという趣旨です。

カカオは、ウェブ検索や商品カテゴリーの自動分類など、社内プロジェクトにまず適用し、実際のサービス環境において性能を改善する計画です。将来的には、検索と判断機能を1つのモデルに統合する方向で技術を高度化していきます。

カカオ・アプライドAIモデルの成果リーダーであるチェ・ドンジン氏は、「最新のAI技術を実際のサービスに活用できる基盤を広げるという点に意義がある」とし、「技術の高度化と公開を通じて、利用者が日常生活で実感できるAI体験を提供していく」と述べました。