Kakao veröffentlicht Kanana-2-v-decide als Open-Source-Entscheidungsmodell

Für Agenten-Workflows gedacht

KI-Agenten erledigen mehrstufige Aufgaben und müssen dabei laufend entscheiden, welches Werkzeug sie nutzen, welche Informationen sie heranziehen und was als Nächstes folgt. Ein Entscheidungsmodell liefert die Schlussfolgerung für jeden Schritt schnell, damit der Agent weiterarbeiten kann.

Kanana-2-v-decide basiert auf Kakaos multimodalem Modell Kanana-2-v-3b. Eine Wahrscheinlichkeit gibt an, wie wahrscheinlich eine Bedingung zutrifft. Eine Auswahl nennt die Wahrscheinlichkeit jeder Option und die passendste. Ein Score ist eine feinere Bewertung, die Wahrscheinlichkeiten je Bewertungsstufe berücksichtigt. Im Beispiel lädt ein Kunde ein Foto eines kaputten Produkts hoch und bittet um Umtausch. Das Modell wertet Foto und Anfrage aus und beurteilt, ob die Ware tatsächlich beschädigt ist, um welche Art von Anfrage es sich handelt und wie unzufrieden der Kunde ist. Der Dienst leitet den Fall dann an einen Mitarbeiter weiter oder startet den Umtausch. Weitere Einsatzfelder sind die Sortierung von Anfragen, die Werkzeugwahl von Agenten und die Bewertung von Produktbildern.

Die Architektur basiert auf Embeddings: Fragen und Optionen werden in Vektoren umgewandelt und auf Ähnlichkeit verglichen. Das funktioniert auch bei vielen Kategorien. Häufig genutzte Optionen lassen sich als Vektoren speichern und wiederverwenden, was Rechenaufwand und Antwortzeit bei wiederholten Anfragen senkt.

Tempo und Benchmarks

Laut Kakao antwortet das Modell auf einer einzelnen H200-GPU im Schnitt in 0,04 Sekunden und ist damit etwa 43-mal schneller als GPT-6 Luna von OpenAI. Die Genauigkeit wurde mit dem eigenen koreanischen Benchmark Kanana Decision Bench (15.909 Fragen) und dem öffentlichen Decision Index gemessen. In beiden erzielte Kanana-2-v-decide nach Unternehmensangaben die höchste Punktzahl, verglichen mit Microsofts Decision-1, Jev von TypeSafe AI, pplx-decider-v1.1-27B von Perplexity und Solar Decide von Upstage.

Kakao will das Modell zunächst in internen Projekten wie Websuche und automatischer Produktkategorisierung einsetzen und im Livebetrieb verfeinern. Langfristig sollen Suche und Entscheidung in einem Modell zusammenfließen.