Conoce Ultralytics YOLO26: un modelo YOLO mejor, más rápido y más pequeño

El 25 de septiembre, en nuestro evento híbrido anual, YOLO Vision 2025 (YV25) en Londres, Glenn Jocher, nuestro fundador y consejero delegado, anunció oficialmente el último avance en la serie de modelos Ultralytics YOLO, ¡Ultralytics YOLO26! Nuestro nuevo modelo de visión artificial, YOLO26, puede analizar e interpretar imágenes y vídeo con una arquitectura optimizada que equilibra la velocidad, la precisión y la facilidad de implantación.

Aunque Ultralytics YOLO26 simplifica aspectos del diseño del modelo y añade nuevas mejoras, también sigue ofreciendo las características familiares que los usuarios esperan de los modelos Ultralytics YOLO. Por ejemplo, Ultralytics YOLO26 es fácil de usar, admite una amplia gama de tareas de visión artificial y ofrece opciones flexibles de integración y despliegue.

No hace falta decir que esto hace que cambiar al uso de Ultralytics YOLO26 sea sencillo, y estamos deseando ver a los usuarios experimentándolo por sí mismos cuando esté disponible públicamente a finales de octubre.

Fig 1. Un ejemplo del uso de Ultralytics YOLO26 para detectar objetos en una imagen.

En pocas palabras, Ultralytics YOLO26 es un modelo de IA de visión mejor, más rápido y más pequeño. En este artículo, exploraremos las características clave de Ultralytics YOLO26 y lo que aporta. ¡Empecemos!

Ampliando los límites de la IA de visión con Ultralytics YOLO26#

Antes de profundizar en las características clave de Ultralytics YOLO26 y las aplicaciones que hace posibles, demos un paso atrás y hablemos de la inspiración y motivación que impulsaron el desarrollo de este modelo.

En Ultralytics siempre hemos creído en el poder de la innovación. Desde el principio, nuestra misión ha sido doble. Por un lado, queremos que la IA de visión sea accesible para que cualquiera pueda utilizarla sin barreras. Por otro lado, estamos igualmente comprometidos en mantenerla a la vanguardia, ampliando los límites de lo que pueden lograr los modelos de visión artificial.

Un factor clave detrás de esta misión es que el espacio de la IA siempre está evolucionando. Por ejemplo, la IA en el borde (edge AI), que consiste en ejecutar modelos de IA directamente en los dispositivos en lugar de depender de la nube, se está adoptando rápidamente en todos los sectores.

Desde cámaras inteligentes hasta sistemas autónomos, ahora se espera que los dispositivos en el borde procesen información en tiempo real. Este cambio exige modelos que sean más ligeros y rápidos, sin dejar de ofrecer el mismo alto nivel de precisión.

Es por eso que existe una necesidad constante de seguir mejorando nuestros modelos Ultralytics YOLO. Como dice Glenn Jocher: "Uno de los mayores retos fue asegurarse de que los usuarios puedan aprovechar al máximo YOLO26 mientras se ofrece un rendimiento superior".

Una visión general de Ultralytics YOLO26#

YOLO26 está disponible por defecto en cinco variantes de modelo diferentes, lo que te ofrece la flexibilidad de aprovechar sus capacidades en aplicaciones de cualquier escala. Todas estas variantes de modelo admiten múltiples tareas de visión artificial, al igual que los anteriores modelos Ultralytics YOLO. Esto significa que, sin importar qué tamaño elijas, puedes confiar en que YOLO26 ofrecerá una amplia gama de capacidades, muy similar a Ultralytics YOLO11.

Aquí tienes un resumen de las computer vision tasks compatibles con Ultralytics YOLO26:

• Object detection: Ultralytics YOLO26 puede identificar y localizar múltiples objetos dentro de una imagen o fotograma de vídeo.
• Instance segmentation: Yendo un paso más allá de la detección, Ultralytics YOLO26 puede generar contornos perfectos a nivel de píxel alrededor de cada objeto que identifica.
• Clasificación de imágenes: El modelo puede analizar una imagen completa y asignarla a una categoría o etiqueta específica.
• Pose estimation: Ultralytics YOLO26 puede detectar puntos clave y estimar posturas tanto en humanos como en otros objetos.
• Cajas delimitadoras orientadas (OBB): El modelo puede detectar objetos en cualquier ángulo, lo que es especialmente útil para imágenes aéreas, de drones y satelitales, donde elementos como edificios, vehículos o cultivos pueden no estar alineados con el marco de la imagen.
• Object tracking: Ultralytics YOLO26 se puede utilizar para realizar el seguimiento de objetos a través de fotogramas de vídeo o flujos en tiempo real.

Fig 2. Detección de objetos en una imagen utilizando Ultralytics YOLO26.

Un vistazo a la arquitectura de Ultralytics YOLO26#

Ahora que entendemos mejor de qué es capaz Ultralytics YOLO26, vamos a repasar algunas de las innovaciones en su arquitectura.

El diseño del modelo se ha optimizado eliminando el módulo Distribution Focal Loss (DFL), que anteriormente ralentizaba la inferencia y limitaba la regresión de la caja delimitadora.

El proceso de predicción también se ha simplificado con una opción de inferencia de extremo a extremo (E2E), que permite al modelo saltarse el paso tradicional de Non-Maximum Suppression (NMS). Esta mejora reduce la complejidad y permite que el modelo entregue resultados más rápidamente, haciendo que el despliegue sea más fácil en aplicaciones del mundo real.

Otras mejoras hacen que el modelo sea más inteligente y fiable. Progressive Loss Balancing (ProgLoss) ayuda a estabilizar el entrenamiento y mejorar la precisión, mientras que Small-Target-Aware Label Assignment (STAL) asegura que el modelo detecte objetos pequeños de manera más efectiva. Además de eso, un nuevo optimizador MuSGD mejora la convergencia del entrenamiento y aumenta el rendimiento general.

De hecho, la versión más pequeña de Ultralytics YOLO26, el modelo nano, ahora se ejecuta hasta un 43% más rápido en CPU estándar, lo que lo hace especialmente adecuado para aplicaciones móviles, cámaras inteligentes y otros dispositivos de borde donde la velocidad y la eficiencia son fundamentales. Aquí tienes un breve resumen de las características de YOLO26 y lo que puedes esperar:

• Eliminación de DFL: Hemos eliminado el módulo Distribution Focal Loss de la arquitectura del modelo. Independientemente de los tamaños de los objetos en una imagen, Ultralytics YOLO26 puede colocar cuadros delimitadores adaptados mientras se ejecuta de manera más eficiente.
• Inferencia de extremo a extremo sin NMS: Ultralytics YOLO26 añade un modo opcional que no necesita Non-Maximum Suppression (NMS), un paso que normalmente se utiliza para eliminar predicciones duplicadas, lo que simplifica y acelera el despliegue para su uso en tiempo real.
• ProgLoss y STAL: Estas mejoras hacen que el entrenamiento sea más estable y aumentan significativamente la precisión, especialmente para detectar objetos pequeños en escenas complejas.
• Optimizador MuSGD: Ultralytics YOLO26 utiliza un nuevo optimizador que combina las fortalezas de dos optimizadores de entrenamiento (Muon y SGD), lo que ayuda al modelo a aprender más rápido y alcanzar una mayor precisión.

Fig. 3. Evaluación comparativa de Ultralytics YOLO26.

Simplificando el despliegue con Ultralytics YOLO26#

Trabajes en aplicaciones móviles, cámaras inteligentes o sistemas empresariales, desplegar YOLO26 es sencillo y flexible. El paquete Python de Ultralytics es compatible con un número cada vez mayor de formatos de exportación, lo que facilita la integración de YOLO26 en los flujos de trabajo existentes y lo hace compatible con prácticamente cualquier plataforma.

Algunas de las opciones de exportación incluyen TensorRT para la máxima aceleración por GPU, ONNX para una amplia compatibilidad, CoreML para aplicaciones nativas de iOS, TFLite para Android y dispositivos de borde, y OpenVINO para un rendimiento optimizado en hardware de Intel. Esta flexibilidad hace que sea sencillo llevar Ultralytics YOLO26 desde el desarrollo hasta la producción sin obstáculos adicionales.

Otra parte crucial del despliegue es asegurarse de que los modelos se ejecuten de manera eficiente en dispositivos con recursos limitados. Aquí es donde entra en juego la cuantización. Gracias a su arquitectura simplificada, Ultralytics YOLO26 gestiona esto de forma excepcional. Es compatible con el despliegue en INT8 (utilizando compresión de 8 bits para reducir el tamaño y mejorar la velocidad con una pérdida mínima de precisión), así como con la precisión mixta (FP16) para una inferencia más rápida en el hardware compatible.

Lo más importante es que Ultralytics YOLO26 ofrece un rendimiento constante en estos niveles de cuantización, por lo que puedes confiar en él tanto si se ejecuta en un servidor potente como en un dispositivo de borde compacto.

De la robótica a la fabricación: Casos de uso de Ultralytics YOLO26#

Ultralytics YOLO26 se puede utilizar en una amplia variedad de aplicaciones de computer vision en muy diversos sectores y casos de uso. Desde la robótica hasta la fabricación, puede generar un impacto significativo al mejorar los flujos de trabajo y permitir una toma de decisiones más rápida y precisa.

Por ejemplo, un buen caso se encuentra en la robótica, donde Ultralytics YOLO26 puede ayudar a los robots a interpretar su entorno en tiempo real. Esto hace que la navegación sea más fluida y la manipulación de objetos más precisa. También permite una colaboración más segura con las personas.

Otro ejemplo es la fabricación, donde el modelo puede utilizarse para la detección de defectos. Puede identificar automáticamente fallos en las líneas de producción de forma más rápida y precisa que la inspección manual.

Fig. 4. Detección de botellas en una fábrica de manufactura utilizando Ultralytics YOLO26.

En general, dado que Ultralytics YOLO26 es mejor, más rápido y más ligero, se adapta con facilidad a una amplia gama de entornos, desde dispositivos de borde ligeros hasta grandes sistemas empresariales. Esto lo convierte en una opción práctica para las industrias que buscan mejorar su eficiencia, precisión y fiabilidad.

Conclusiones clave#

Ultralytics YOLO26 es un modelo de visión artificial que es mejor, más rápido y más ligero, a la vez que sigue siendo fácil de usar y ofrece un rendimiento sólido. Funciona en una amplia gama de tareas y plataformas y estará disponible para todos a finales de octubre. Estamos deseando ver cómo la comunidad lo utiliza para crear nuevas soluciones y ampliar los límites de la visión artificial.

¡Únete a nuestra creciente comunidad! Explora nuestro repositorio de GitHub para aprender más sobre IA. Descubre innovaciones como la visión artificial en el comercio minorista y la IA en la industria del automóvil visitando nuestras páginas de soluciones. Para empezar a desarrollar con visión artificial hoy mismo, consulta nuestras opciones de licencia.