Kakao ouvre Kanana-2-v-decide, un modèle de décision pour agents IA

Pensé pour les agents

Les agents d'IA exécutent des tâches en plusieurs étapes et doivent sans cesse décider de l'outil à utiliser, des informations à consulter et de la suite à donner. Un modèle de décision fournit rapidement la conclusion de chaque étape pour que l'agent poursuive son travail.

Kanana-2-v-decide repose sur le modèle multimodal Kanana-2-v-3b de Kakao. La probabilité indique la vraisemblance qu'une condition soit remplie. Le choix donne la probabilité de chaque option et la plus adaptée. Le score est une note plus fine tenant compte des probabilités à chaque niveau d'évaluation. Exemple : un client envoie la photo d'un produit cassé et demande un échange. Le modèle examine la photo et le message pour déterminer si l'article est réellement endommagé, le type de demande et le degré de mécontentement. Le service oriente ensuite vers un conseiller ou lance la procédure d'échange. Le modèle peut aussi servir à classer des demandes, choisir des outils pour un agent ou évaluer des images de produits.

L'architecture repose sur des embeddings : questions et options sont converties en vecteurs, puis comparées selon leur similarité. Cela fonctionne même avec de nombreuses catégories, et les options fréquentes, stockées sous forme de vecteurs, sont réutilisées, ce qui réduit le calcul et le temps de réponse pour les requêtes répétées.

Vitesse et évaluations

Selon Kakao, le modèle répond en 0,04 seconde en moyenne sur un seul GPU H200, soit environ 43 fois plus vite que GPT-6 Luna d'OpenAI. La précision a été mesurée avec le jeu interne en coréen Kanana Decision Bench (15 909 questions) et le Decision Index public. Kakao affirme que son modèle obtient le meilleur score sur les deux, face à Decision-1 de Microsoft, Jev de TypeSafe AI, pplx-decider-v1.1-27B de Perplexity et Solar Decide d'Upstage.

Kakao l'appliquera d'abord à des projets internes comme la recherche web et le classement automatique des catégories de produits, afin de l'affiner en conditions réelles. À long terme, l'entreprise vise la fusion de la recherche et de la décision dans un seul modèle.