2026-11-06,Kakao 在 Hugging Face 发布 [Kanana-2-v-decide-3b-2611](https://huggingface.co/kakaocorp/kanana-2-v-decide-3b-2611) 权重。它不是通用对话生成模型,而是受约束的“决策模型”:给定状态和一组问题,模型只在候选选项、是或否、或有序等级之间评分,并返回每个候选的概率分布。
模型总计 3.67B 参数,其中视觉编码器约 0.49B、语言模型约 3.18B。输入状态可以是文本、JSON、聊天消息,并可附带最多 10 张图片;模型卡给出的最大输入为 20,480 tokens。问题与状态被编码为一个向量,候选答案分别编码,再以余弦相似度和 softmax 形成分布,因此它更接近可配置分类器或打分器,而不是用自然语言解释理由的助手。
Kakao 公布的自测中,模型在两个公开 Decision Index 0.4.1 基准上的平均分为 61.23;内部韩语决策集得分为 72.50。模型卡列出的比较对象、任务集合和分数可供复核,但这些仍是发布方提供的结果,没有看到独立机构在相同推理配置下复测。尤其是“概率”只表示给定候选间的相对分布,增加或改写选项会改变输出,不能直接当作经过校准的现实风险概率。
这种输出形态适合需要固定动作空间的工程环节,例如工单路由、内容审核分流、表单判定、质检评分或 Agent 下一步工具选择。相较自由文本,它便于设置阈值、记录候选分布并接入规则系统;但模型不生成解释,复杂业务仍需另行保存输入、候选集、阈值和人工复核结果,才能满足审计要求。
权重采用 KananaOpenLicense,部署方应在商用前直接审阅完整条款,而不能把“可下载”自动等同于无条件开源。模型卡还说明,超长输入默认会保留首尾并截短中间内容,图片会转成 RGB,EXIF 方向不会自动应用,视频不受支持;这些预处理细节可能改变分类结果,生产管线应显式标准化。
量仔观察
该发布对做工作流路由、审核和端侧多模态分类的团队最有价值,证据来自可下载权重和完整模型卡,但性能主张仍主要是厂商自测。建议先用真实候选集测试概率稳定性、截断行为与阈值漂移,再决定是否替换现有分类器。下一观察点是第三方复测、许可证边界以及不同语言和图像分布下的校准表现。
