Kakao 开源 Kanana-2-v-decide-3b：3.67B 多模态决策模型，输出概率/选择/分数，厂商口径 Decision Index 均值 61.23

核心背景与行业痛点

Agent 多步任务要反复做工具选择、工单分类与打分；通用大模型先写自然语言再解析 JSON，既慢又易出错。Kakao 于 2026 年 11 月 6 日在 Hugging Face 开源多模态决策模型 Kanana-2-v-decide，直接输出结构化判断结果，并采用允许商业使用的 Kanana Open License，面向真实服务落地。

架构亮点与底层机制

模型基于 Kanana-2-v-3b：视觉编码器约 0.49B、语言模型约 3.18B，合计约 3.67B。输入 state 可为文本、JSON 或聊天历史，最多 10 张图片、约 20,480 个 token。问题与候选答案分别编码为 2,560 维嵌入，对余弦相似度做 softmax，得到 choice（多选一）、noul（是否）或 score（有序量表）的概率分布。相同候选向量可跨请求缓存。官方提供 transformers 的 system_one、decision pipeline，以及标准库 HTTP System One 服务。

权威 Benchmark 与实测跑分对比

以下为厂商与模型卡口径，非 AICoder 复测：韩文自建集 Kanana Decision Bench（15,909 题）得分 72.50；公开 Decision Index 为 61.34、Decision Index Vision 为 61.12，两者均值 61.23，高于对比组 StartLux、Liquid AI d1、Joey-1。时延方面，H200 单卡平均响应低于 0.04 秒，Kakao 称较 GPT-6 Luna 约快 43 倍。新闻稿还对比了微软 Decision-1、TypeSafe Jev 等。

开发者实战落地与开箱指南

安装依赖后加载 kakaocorp/kanana-2-v-decide-3b-2611（trust_remote_code=True），调用 system_one 一次提交多题；图片支持路径、URL、base64 或 PIL。自托管可运行 server_kanana_v_decide.py。集合页见 Hugging Face collections。注意：跑分与 43 倍时延均为厂商自报；不支持视频输入；概率相对所给候选，增删选项会改变分布。