Ultralytics definiert den Stand der Technik bei Vision AI mit YOLO26 neu

Heute bringen wir offiziell Ultralytics YOLO26 auf den Markt, unser neues Modell, das einen neuen Maßstab für Leistungen auf dem Stand der Technik setzt. Unser Gründer und CEO Glenn Jocher stellte es erstmals bei YOLO Vision 2025 (YV25) in London vor. Es ist unser bisher fortschrittlichstes und am besten einsetzbares Modell.

YOLO26 wurde als leichtgewichtiges, kompaktes und schnelles Modell entwickelt und ist für den Einsatz in realen Anwendungen der KI für Computer Vision ausgelegt, in denen tatsächlich Echtzeitbetrieb erforderlich ist. Dank der direkt in das Modell integrierten nativen End-to-End-Inferenz vereinfacht YOLO26 die Bereitstellung, reduziert die Systemkomplexität und liefert zuverlässige Leistung auf Edge-Geräten sowie in Produktionsumgebungen im großen Maßstab.

Tatsächlich läuft die kleinste Variante von YOLO26, das Nano-Modell, auf Standard-CPUs bis zu 43 % schneller und ermöglicht so effiziente Echtzeitlösungen für KI in der Computer Vision auf mobilen Anwendungen, intelligenten Kameras und anderen Edge-Geräten. YOLO26 basiert auf der Vision von Ultralytics, leistungsstarke Funktionen für KI in der Computer Vision für alle zugänglich zu machen, und verbindet Leistungen auf dem Stand der Technik mit Einfachheit, sodass es leicht zu verwenden und bereitzustellen ist.

Für die nächste Ära der Computer Vision entwickelt#

Computer Vision bewegt sich rasant über die Cloud hinaus. Anwendungen in der realen Welt erfordern zunehmend Inferenz in Echtzeit, geringe Latenz, flexible Hardware und vorhersehbare Leistung auf Geräten wie Drohnen, Kameras, mobilen Systemen und eingebetteten Plattformen.

YOLO26 wurde ausdrücklich für diesen Wandel entwickelt. Durch eine grundlegende Neugestaltung der Pipeline zur Objekterkennung hat Ultralytics eine Modellarchitektur geschaffen, die unnötige Komplexität beseitigt und gleichzeitig Genauigkeit und Geschwindigkeit auf dem Stand der Technik liefert.

Herkömmliche Objekterkennungsmodelle von Ultralytics verwenden beispielsweise nach der Inferenz einen zusätzlichen Nachbearbeitungsschritt namens Nichtmaximale Unterdrückung, um sich überschneidende Vorhersagen zu filtern. YOLO26 beseitigt diesen zusätzlichen Schritt durch native End-to-End-Inferenz, sodass das Modell die endgültigen Erkennungen direkt erzeugen kann. Dadurch wird eine schnellere, vorhersehbarere und zuverlässigere Bereitstellung in der realen Welt ermöglicht.

YOLO26 ist kein schrittweises Update. Es stellt einen strukturellen Sprung nach vorn dar, wie Modelle für den produktiven Einsatz in der KI für Computer Vision trainiert, bereitgestellt und skaliert werden.

Abb. 1. Benchmarking von Ultralytics YOLO26

Was YOLO26 ermöglicht#

Ein zentraler Aspekt von YOLO26 ist, dass es auf den Stärken früherer Modelle wie Ultralytics YOLO11 aufbaut und gleichzeitig die Möglichkeiten der Computer Vision erweitert. YOLO26 unterstützt direkt nach der Installation dieselben grundlegenden Computer-Vision-Aufgaben wie YOLO11, darunter Objekterkennung, Instanzsegmentierung und Bildklassifizierung.

Abb. 2. Beispiel für die Verwendung von YOLO26 zur Objekterkennung in einem Bild.

Außerdem werden weiterhin Posenschätzung, die Objekterkennung mit ausgerichteten Bounding-Boxen für Luft- und Satellitenbilder sowie die Objektverfolgung über Videostreams hinweg unterstützt. Wie YOLO11 ist YOLO26 in fünf Modellvarianten verfügbar: Nano (n), Small (s), Medium (m), Large (l) und Extra large (x). Damit stehen dir Optionen zur Verfügung, die Geschwindigkeit, Größe und Genauigkeit ausgewogen kombinieren.

Wichtige Funktionen von Ultralytics YOLO26#

Ultralytics YOLO26 umfasst zahlreiche Weiterentwicklungen zur Verbesserung von Leistung, Zuverlässigkeit und Praxistauglichkeit. Hier ist ein Überblick über die wichtigsten Funktionen von YOLO26:

• Entfernung des Verlusts mit Verteilungsfokus: YOLO26 entfernt den Verlust mit Verteilungsfokus (DFL), reduziert dadurch die Modellkomplexität und ermöglicht eine einfachere, kompatiblere Bereitstellung auf Edge- und stromsparender Hardware.
• End-to-End-Inferenz ohne NMS: YOLO26 macht die Nichtmaximale Unterdrückung (NMS) nativ überflüssig. Dieser Schritt wird normalerweise zum Entfernen doppelter Vorhersagen verwendet. Dadurch wird die Bereitstellung für den Echtzeitbetrieb einfacher und schneller.
• Progressive Verlustausbalancierung + STAL: Die progressive Verlustausbalancierung (ProgLoss) und die labelbasierte Zuweisung unter Berücksichtigung kleiner Objekte (STAL) passen an, wie das Modell während des Trainings lernt, und ermöglichen so eine zuverlässigere Erkennung kleiner und weit entfernter Objekte in komplexen Szenen.
• MuSGD-Optimierer: YOLO26 führt den MuSGD-Optimierer ein, eine Kombination aus stochastischem Gradientenabstieg (SGD) und von Muon inspirierten Techniken, die die Stabilität des Trainings verbessert und eine schnellere, gleichmäßigere Konvergenz ermöglicht.
• Bis zu 43 % schnellere Inferenz auf CPUs: Das YOLO26-Nano-Modell liefert auf Standard-CPUs eine bis zu 43 % schnellere Inferenz und ermöglicht effiziente KI für Computer Vision in Echtzeit auf mobilen Geräten, intelligenten Kameras und anderen Edge-Systemen.

Hinter dem Code: Die Entwicklung von Ultralytics YOLO26#

Die Entwicklung von YOLO26 war eine gemeinsame Leistung, geprägt durch die Forschung unseres Teams und das Feedback aus der Community sowie von unseren Partnern und Kunden. Unser Ziel war es, die Architektur zu vereinfachen, die Effizienz zu verbessern und das Modell besser an den Einsatz in der realen Welt anzupassen.

Im Rückblick auf diese Entwicklung erklärte Glenn Jocher: „Eine der größten Herausforderungen bestand darin, sicherzustellen, dass Nutzer das Beste aus YOLO26 herausholen können und gleichzeitig eine Spitzenleistung geboten wird.“ Seine Perspektive unterstreicht ein zentrales Designprinzip von YOLO26: KI für Computer Vision einfach nutzbar zu halten.

Zu diesem Gedanken ergänzte Jing Qiu, unser Senior Machine Learning Engineer: „Beim Aufbau des neuen YOLO-Modells von Ultralytics ging es darum, beständig und ohne Eile voranzugehen. Ich habe es immer weiter verfeinert und mich ausschließlich auf das Gleichgewicht zwischen Geschwindigkeit und Genauigkeit konzentriert. Als alles zusammenkam, war da eine stille Zufriedenheit – der Beweis, dass sich die Liebe zum Detail auszahlt.“

Beginne mit der Entwicklung auf Basis von Ultralytics YOLO26#

Ultralytics YOLO26 ist ab heute öffentlich über die Ultralytics Platform verfügbar und wird vollständig in den Workflows für Training, Inferenz und Export unterstützt. Organisationen, die YOLO26 in kommerziellen oder abgeschotteten Umgebungen einsetzen, können auf Optionen für Unternehmenslizenzen zugreifen. Diese umfassen Unterstützung für den produktiven Einsatz, langfristige Wartung und skalierbare Bereitstellungen am Netzwerkrand.

Wie unsere vorherigen Modelle wird es auch vollständig über das Ultralytics Python-Paket unterstützt, sodass Nutzer sofort loslegen können. Du kannst YOLO26 mit demselben optimierten Workflow trainieren, validieren und bereitstellen, den du bereits kennst, und dabei eine Reihe von Exportoptionen wie ONNX, TensorRT, CoreML, TFLite, OpenVINO und weitere nutzen.

Lass uns gemeinsam die Zukunft der KI für Computer Vision gestalten#

Ultralytics YOLO26 ist unser nächster Schritt, um KI für Computer Vision schneller, leichter und einfacher nutzbar zu machen. Doch das ist erst der Anfang.

Die tatsächliche Wirkung entsteht durch das, was die Community für KI in der Computer Vision damit entwickelt. Wir freuen uns darauf, deine Innovationen zu sehen und gemeinsam mit dir die Zukunft der Computer Vision weiter zu gestalten.

Vernetze dich mit unserer Community und erkunde unser GitHub-Repository, um tiefer in die KI einzusteigen. Entdecke Branchenlösungen wie KI in der Robotik und Computer Vision in der Logistik, sieh dir unsere Lizenzoptionen an und beginne noch heute mit der Entwicklung auf Basis von Computer Vision.