Ultralytics definiert mit YOLO26 modernste Vision AI neu

Heute kündigen wir offiziell Ultralytics YOLO26 an, unser neues Modell, das eine neue Basislinie für State-of-the-Art-Performance setzt. Es wurde erstmals von unserem Gründer und CEO, Glenn Jocher, auf der YOLO Vision 2025 (YV25) in London vorgestellt und ist unser bisher fortschrittlichstes und einsatzfähigstes Modell.

YOLO26 wurde als leichtes, kompaktes und schnelles Modell konzipiert und ist genau für die Orte entwickelt, an denen Vision-KI-Anwendungen in der realen Welt tatsächlich laufen. Dank der nativen End-to-End-Inferenz, die direkt in das Modell integriert ist, vereinfacht YOLO26 die Bereitstellung, reduziert die Systemkomplexität und liefert zuverlässige Leistung auf Edge-Geräten und in groß angelegten Produktionsumgebungen.

Tatsächlich läuft die kleinste Version von YOLO26, das Nano-Modell, auf Standard-CPUs bis zu 43 % schneller und ermöglicht so effiziente real-time vision AI solutions auf mobilen Anwendungen, Smart Cameras und anderen Edge-Geräten. Aufbauend auf der Vision von Ultralytics, wirkungsvolle Vision-KI-Funktionen für jeden zugänglich zu machen, verbindet YOLO26 State-of-the-Art-Performance mit Einfachheit, wodurch es leicht zu verwenden und bereitzustellen ist.

Gebaut für die nächste Ära der Computer Vision#

Computer vision bewegt sich rasant über die Cloud hinaus. Anwendungen in der Praxis fordern zunehmend Echtzeit-Inferenz, geringe Latenz, Hardware-Flexibilität und vorhersehbare Leistung auf Geräten wie Drohnen, Kameras, mobilen Systemen und eingebetteten Plattformen.

YOLO26 wurde explizit für diesen Wandel entwickelt. Durch die Neugestaltung der Objekterkennungs-Pipeline von Grund auf hat Ultralytics eine Modellarchitektur geschaffen, die unnötige Komplexität entfernt und gleichzeitig State-of-the-Art-Genauigkeit und -Geschwindigkeit liefert.

Traditionelle Ultralytics-Objekterkennungsmodelle basieren beispielsweise auf einem zusätzlichen Nachbearbeitungsschritt namens Non-Maximum Suppression, um überlappende Vorhersagen nach der Inferenz zu filtern. YOLO26 eliminiert diesen zusätzlichen Schritt, indem es native End-to-End-Inferenz ermöglicht, sodass das Modell direkte End-Erkennungen erzeugt. Dies ermöglicht eine schnellere, vorhersehbarere und zuverlässigere Bereitstellung in der Praxis.

YOLO26 ist kein inkrementelles Update. Es stellt einen strukturellen Sprung nach vorne dar, wie Vision-KI in Produktionsqualität trainiert, bereitgestellt und skaliert wird.

Abb. 1. Benchmarking von Ultralytics YOLO26

Was YOLO26 möglich macht#

Einer der Hauptaspekte von YOLO26 ist, wie es auf den Stärken früherer Modelle wie Ultralytics YOLO11 aufbaut und gleichzeitig erweitert, was mit Computer Vision möglich ist. Von Haus aus unterstützt YOLO26 dieselben Core-computer vision tasks wie YOLO11, einschließlich Objekterkennung, Instanzsegmentierung und Bildklassifizierung.

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

Es unterstützt weiterhin Pose-Schätzung, orientierte Bounding-Box-Objekterkennung für Luft- und Satellitenbilder sowie Objektverfolgung in Videostreams. Wie YOLO11 ist YOLO26 in fünf Modellvarianten erhältlich: Nano (n), Small (s), Medium (m), Large (l) und Extra large (x), was dir Optionen bietet, um Geschwindigkeit, Größe und Genauigkeit auszubalancieren.

Hauptfunktionen von Ultralytics YOLO26#

Ultralytics YOLO26 enthält eine Reihe von Verbesserungen, die auf die Steigerung von Leistung, Zuverlässigkeit und praktischer Nutzbarkeit ausgelegt sind. Hier ist ein Einblick in die wichtigsten Funktionen von YOLO26:

• Entfernung von Distribution Focal Loss: YOLO26 entfernt Distribution Focal Loss (DFL), reduziert die Modellkomplexität und sorgt für eine einfachere, kompatiblere Bereitstellung auf Edge- und Low-Power-Hardware.
• End-to-End NMS-freie Inferenz: YOLO26 macht die Notwendigkeit von Non-Maximum Suppression (NMS) nativ überflüssig – ein Schritt, der normalerweise verwendet wird, um doppelte Vorhersagen zu entfernen. Dies macht die Bereitstellung für den Echtzeiteinsatz einfacher und schneller.
• Progressive Loss Balancing + STAL: Progressive Loss Balancing (ProgLoss) und Small Target Aware Label Assignment (STAL) passen an, wie das Modell während des Trainings lernt, was eine zuverlässigere Erkennung kleiner und entfernter Objekte in komplexen Szenen ermöglicht.
• MuSGD-Optimierer: YOLO26 führt den MuSGD-Optimierer ein, eine Hybridlösung aus Stochastic Gradient Descent (SGD) und von Muon inspirierten Techniken, die die Trainingsstabilität verbessert und eine schnellere, konsistentere Konvergenz ermöglicht.
• Bis zu 43 % schnellere CPU-Inferenz: Das YOLO26-Nano-Modell liefert eine bis zu 43 % schnellere Inferenz auf Standard-CPUs und ermöglicht so effiziente Echtzeit-Vision-KI auf mobilen Geräten, intelligenten Kameras und anderen Edge-Systemen.

Hinter dem Code: Die Reise zu Ultralytics YOLO26#

Die Entwicklung von YOLO26 war eine gemeinsame Anstrengung, die durch die Forschung unseres Teams sowie das Feedback unserer Community, Partner und Kunden geprägt wurde. Wir haben uns das Ziel gesetzt, die Architektur zu vereinfachen, die Effizienz zu verbessern und das Modell anpassungsfähiger für den realen Einsatz zu machen.

Über diese Reise nachdenkend, erklärte Glenn Jocher: „Eine der größten Herausforderungen bestand darin, sicherzustellen, dass die Benutzer das Beste aus YOLO26 herausholen und gleichzeitig Spitzenleistung erhalten.“ Seine Perspektive unterstreicht ein grundlegendes Designprinzip von YOLO26: Vision-KI einfach zu bedienen.

Diesen Gedanken weiterführend sagte Jing Qiu, unsere Senior Machine Learning Engineer: „Beim Bau des neuen Ultralytics YOLO-Modells ging es darum, beständig zu bleiben, ohne Eile. Ich habe weiter verfeinert und mich nur auf diese Geschwindigkeits-Genauigkeits-Balance konzentriert. Als sich alles fügte, war es eine stille Genugtuung – der Beweis, dass das Festhalten an Details funktioniert.“

Beginne mit der Entwicklung mit Ultralytics YOLO26#

Ultralytics YOLO26 wird ab heute über die Ultralytics Platform mit voller Unterstützung für Trainings-, Inferenz- und Export-Workflows öffentlich verfügbar sein. Unternehmen, die YOLO26 in kommerziellen oder geschlossenen Umgebungen einsetzen, können auf Enterprise-Lizenzoptionen zugreifen, die Unterstützung für die Produktionsbereitstellung, langfristige Wartung und skalierbare Edge-Rollouts beinhalten.

Wie unsere vorherigen Modelle wird es auch vollständig über das Ultralytics Python package unterstützt, sodass Benutzer sofort loslegen können. Benutzer können YOLO26 mit demselben optimierten Workflow trainieren, validieren und bereitstellen, den sie bereits kennen, und gleichzeitig von einer Reihe von Exportoptionen wie ONNX, TensorRT, CoreML, TFLite, OpenVINO und mehr profitieren.

Lass uns gemeinsam die Zukunft der Vision-KI bauen#

Ultralytics YOLO26 repräsentiert unseren nächsten Schritt, Vision-KI schneller, leichter und einfacher in der Anwendung zu machen. Aber dies ist erst der Anfang.

Die echte Wirkung entsteht durch das, was die Vision-KI-Community damit erschafft. Wir freuen uns darauf, deine Innovationen zu sehen und gemeinsam die Zukunft der Computer Vision zu gestalten.

Vernetzen Sie sich mit unserer community und erkunden Sie unser GitHub repository, um tiefer in die KI einzutauchen. Entdecken Sie Branchenlösungen wie AI in robotics und computer vision in logistics, schauen Sie sich our licensing options an und beginnen Sie noch heute mit dem Aufbau von Computer Vision.