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

El 25 de septiembre, en nuestro evento híbrido anual, YOLO Vision 2025 (YV25), celebrado en Londres, Glenn Jocher, nuestro fundador y director ejecutivo, anunció oficialmente el modelo más reciente de la serie Ultralytics YOLO: Ultralytics YOLO26. Nuestro nuevo modelo de visión artificial, YOLO26, puede analizar e interpretar imágenes y vídeos gracias a una arquitectura optimizada que equilibra la velocidad, la precisión y la facilidad de implementación.

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

Así, cambiar a Ultralytics YOLO26 resulta muy sencillo, y estamos deseando que los usuarios lo prueben. YOLO26 se publicó el 14 de enero de 2026 y ya está disponible a través del paquete de Python Ultralytics y de Ultralytics Platform.

Fig. 1. 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, veremos sus características clave y todo lo que ofrece.

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

Antes de repasar las características clave de Ultralytics YOLO26 y las aplicaciones que permite, veamos la inspiración y la 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 tenido dos vertientes. Por un lado, queremos que la IA de visión sea accesible para que cualquiera pueda utilizarla sin barreras. Por otro, nos comprometemos por igual a mantenerla a la vanguardia y a ampliar los límites de lo que pueden lograr los modelos de visión artificial.

Un factor clave de esta misión es que el ámbito de la IA está en constante evolución. Por ejemplo, la IA en el edge, 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 edge procesen información en tiempo real. Este cambio exige modelos más ligeros y rápidos que, aun así, ofrezcan el mismo alto nivel de precisión.

Por eso necesitamos mejorar constantemente nuestros modelos Ultralytics YOLO. Como dice Glenn Jocher: «Uno de los mayores retos era asegurarnos de que los usuarios pudieran sacar el máximo partido a YOLO26 y, al mismo tiempo, ofrecer un rendimiento de primer nivel».

Descripción general de Ultralytics YOLO26#

YOLO26 está disponible de serie en cinco variantes de modelo diferentes, lo que te ofrece la flexibilidad necesaria para aprovechar sus capacidades en aplicaciones de cualquier escala. Todas estas variantes admiten varias tareas de visión artificial, al igual que los modelos Ultralytics YOLO anteriores. Esto significa que, sea cual sea el tamaño que elijas, puedes confiar en que YOLO26 ofrecerá una amplia variedad de capacidades, igual que Ultralytics YOLO11.

Aquí tienes un resumen de las tareas de visión artificial compatibles con Ultralytics YOLO26:

• Detección de objetos: Ultralytics YOLO26 puede identificar y localizar varios objetos en una imagen o un fotograma de vídeo.
• Segmentación de instancias: Un paso más allá de la detección, Ultralytics YOLO26 puede generar límites con precisión a nivel de píxel alrededor de cada objeto que identifica.
• Clasificación de imágenes: El modelo puede analizar una imagen completa y asignarle una categoría o etiqueta específica.
• Estimación de pose: Ultralytics YOLO26 puede detectar puntos clave y estimar poses tanto de personas como de otros objetos.
• Cajas delimitadoras orientadas (OBB): El modelo puede detectar objetos en cualquier ángulo, algo especialmente útil con imágenes aéreas, de drones y satelitales, donde elementos como edificios, vehículos o cultivos pueden no estar alineados con el encuadre de la imagen.
• Seguimiento de objetos: Ultralytics YOLO26 se puede usar para seguir objetos a lo largo de fotogramas de vídeo o flujos en tiempo real.

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

Un vistazo a la arquitectura de Ultralytics YOLO26#

Ahora que entendemos mejor las capacidades de Ultralytics YOLO26, repasemos algunas de las innovaciones de su arquitectura.

El diseño del modelo se ha simplificado al eliminar el módulo Distribution Focal Loss (DFL), que antes ralentizaba la inferencia y limitaba la regresión de las cajas delimitadoras.

El proceso de predicción también se ha simplificado con una opción de inferencia integral (E2E), que permite al modelo omitir el paso tradicional de supresión no máxima (NMS). Esta mejora reduce la complejidad y permite que el modelo ofrezca resultados más rápidamente, lo que facilita su implementación en aplicaciones del mundo real.

Otras mejoras hacen que el modelo sea más inteligente y fiable. El equilibrado progresivo de la pérdida (ProgLoss) ayuda a estabilizar el entrenamiento y a mejorar la precisión, mientras que la asignación de etiquetas con atención a objetivos pequeños (STAL) permite al modelo detectar objetos pequeños con mayor eficacia. Además, 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 funciona hasta un 43 % más rápido que YOLO11n en CPU estándar, por lo que es especialmente adecuada para aplicaciones móviles, cámaras inteligentes y otros dispositivos edge en los que la velocidad y la eficiencia son fundamentales. Aquí tienes un breve resumen de las características de YOLO26 y de lo que pueden esperar los usuarios:

• Eliminación de DFL: Hemos eliminado el módulo Distribution Focal Loss de la arquitectura del modelo. Independientemente del tamaño de los objetos de una imagen, Ultralytics YOLO26 puede colocar cajas delimitadoras adaptadas y funcionar de forma más eficiente.
• Inferencia de extremo a extremo sin NMS: Ultralytics YOLO26 incorpora un modo opcional que no necesita supresión no máxima (NMS), un paso que normalmente se usa para eliminar predicciones duplicadas, lo que simplifica y agiliza el despliegue en aplicaciones en tiempo real.
• ProgLoss y STAL: Estas mejoras estabilizan el entrenamiento y aumentan considerablemente la precisión, sobre todo al detectar objetos pequeños en escenas complejas.
• Optimizador MuSGD: Ultralytics YOLO26 utiliza un nuevo optimizador que combina las ventajas 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.

Simplificar el despliegue con Ultralytics YOLO26#

Tanto si trabajas con aplicaciones móviles, cámaras inteligentes o sistemas empresariales, desplegar YOLO26 es sencillo y flexible. El paquete de Python de Ultralytics admite 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 casi cualquier plataforma.

Entre las opciones de exportación se incluyen TensorRT para lograr la máxima aceleración de GPU, ONNX para una amplia compatibilidad, CoreML para aplicaciones nativas de iOS, TFLite para Android y dispositivos edge, y OpenVINO para un rendimiento optimizado en hardware Intel. Esta flexibilidad permite pasar fácilmente de desarrollar Ultralytics YOLO26 a ponerlo en producción, sin obstáculos adicionales.

Otro aspecto crucial de la implementación es garantizar que los modelos funcionen de forma eficiente en dispositivos con recursos limitados. Aquí es donde entra en juego la cuantización. Gracias a su arquitectura simplificada, Ultralytics YOLO26 la gestiona bien. Admite la implementación INT8 (que utiliza compresión de 8 bits para reducir el tamaño y aumentar la velocidad con una pérdida mínima de precisión), así como la precisión media (FP16) para acelerar la inferencia en hardware compatible.

Y lo más importante: Ultralytics YOLO26 ofrece un rendimiento constante en estos niveles de cuantización, así que puedes confiar en él tanto si se ejecuta en un servidor potente como en un dispositivo edge 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 visión artificial en muchos sectores y casos de uso distintos. Desde la robótica hasta la fabricación, puede tener un impacto significativo al mejorar los flujos de trabajo y permitir tomar decisiones más rápidas y precisas.

Por ejemplo, un buen caso de uso es la robótica, donde Ultralytics YOLO26 puede ayudar a los robots a interpretar su entorno en tiempo real. Esto facilita la navegación y hace más preciso el manejo de objetos. También permite colaborar con las personas de forma más segura.

Otro ejemplo es la fabricación, donde el modelo se puede usar para detectar defectos. Puede identificar automáticamente fallos en las líneas de producción con mayor rapidez y precisión que una inspección manual.

Fig. 4. Detección de botellas en una fábrica con Ultralytics YOLO26.

En general, como Ultralytics YOLO26 es mejor, más rápido y más ligero, se adapta fácilmente a una gran variedad de entornos, desde dispositivos edge ligeros hasta grandes sistemas empresariales. Esto lo convierte en una opción práctica para los sectores que buscan mejorar la eficiencia, la precisión y la fiabilidad.

Conclusiones clave#

Ultralytics YOLO26 es un modelo de visión artificial mejor, más rápido y ligero, que sigue siendo fácil de usar y ofrece un rendimiento sólido. Funciona con una amplia variedad de tareas y plataformas, y está disponible para todo el mundo desde su lanzamiento en enero de 2026. Estamos deseando ver cómo lo utiliza la comunidad 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 el sector automovilístico en nuestras páginas de soluciones. Para empezar hoy mismo a desarrollar con visión artificial, consulta nuestras opciones de licencia.