Osegi
IA·2 min de lectura

Kakao libera Kanana-2-v-decide, modelo de decisión para agentes de IA

Kakao publica en Hugging Face Kanana-2-v-decide, un modelo multimodal que responde con probabilidades, opciones y puntuaciones en lugar de frases, pensado para agentes de IA.

Illustration of an AI agent receiving probability and score outputs from Kakao's Kanana-2-v-decide model.
Imagen: 스타트업 생태계의 모든 것 \'플래텀(Platum)\'

Kakao ha publicado como código abierto en Hugging Face Kanana-2-v-decide, un modelo de decisión multimodal. La compañía lo anunció el día 6. Se distribuye bajo la licencia Kanana Open License, que permite tanto la investigación como el uso comercial.

En lugar de redactar una respuesta larga, un modelo de decisión devuelve el resultado en un formato fijo: una probabilidad, una elección o una puntuación. Un gran modelo de lenguaje convencional genera frases, y el servicio debe extraer después la conclusión. El modelo de decisión se salta ese paso y pasa el resultado directamente a la siguiente acción. Hay otros desarrollos similares: la startup estadounidense TypeSafe AI lanzó en septiembre uno llamado Jev.

Diseñado para agentes

Los agentes de IA resuelven tareas de varios pasos y deben decidir continuamente qué herramienta usar, qué información consultar y qué hacer después. Un modelo de decisión aporta la conclusión de cada paso con rapidez para que el agente siga adelante.

Kanana-2-v-decide se basa en el modelo multimodal de Kakao Kanana-2-v-3b. La probabilidad indica cuán probable es que se cumpla una condición. La elección da la probabilidad de cada opción y la más adecuada. La puntuación es una valoración más fina que refleja las probabilidades de cada etapa de evaluación. En un ejemplo, un cliente sube la foto de un producto roto y pide un cambio. El modelo analiza la foto y la consulta para juzgar si el artículo está realmente dañado, qué tipo de consulta es y cuán insatisfecho está el cliente. El servicio deriva entonces el caso a un agente humano o inicia el cambio. También sirve para clasificar consultas, elegir herramientas de un agente y evaluar imágenes de productos.

La arquitectura se basa en embeddings: las preguntas y las opciones se convierten en vectores y se comparan por similitud. Funciona incluso con muchas categorías, y las opciones más usadas se guardan como vectores y se reutilizan, lo que reduce el cálculo y el tiempo de respuesta en solicitudes repetidas.

Velocidad y pruebas

Según Kakao, el modelo responde en 0,04 segundos de media con una sola GPU H200, unas 43 veces más rápido que GPT-6 Luna de OpenAI. La precisión se midió con su propio conjunto en coreano, Kanana Decision Bench (15.909 preguntas), y con el Decision Index público. La empresa afirma que obtuvo la mayor puntuación en ambos frente a Decision-1 de Microsoft, Jev de TypeSafe AI, pplx-decider-v1.1-27B de Perplexity y Solar Decide de Upstage.

Kakao lo aplicará primero en proyectos internos como la búsqueda web y la clasificación automática de categorías de productos, para pulirlo en servicios reales. A largo plazo, busca unir búsqueda y decisión en un solo modelo.

Apps que merecen la pena

SUMO: el puzle de números

Toca las casillas correctas, suma y alcanza el objetivo. Fácil de aprender, difícil de dominar. Gratis, para todas las edades.

Etiquetas:kakaokananaopen sourceai agentshugging facedecision model

Más de este día

Ver todas →

Más en: IA

Ver todas →