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) celebrado en Londres, Glenn Jocher, nuestro fundador y CEO, anunció oficialmente el último avance de la serie de modelos Ultralytics YOLO: ¡Ultralytics YOLO26! Nuestro nuevo modelo de visión por ordenador, YOLO26, puede analizar e interpretar imágenes y vídeos con 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 varias tareas de visión por ordenador y ofrece opciones flexibles de integración e implementación.

No hace falta decir que esto facilita enormemente el cambio a Ultralytics YOLO26, y estamos deseando que los usuarios puedan probarlo por sí mismos cuando esté disponible públicamente a finales de octubre.

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, exploraremos las funciones clave de Ultralytics YOLO26 y sus novedades. ¡Empecemos!

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

Antes de profundizar en las funciones clave de Ultralytics YOLO26 y en las aplicaciones que hace posibles, detengámonos un momento para hablar de 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 hacer accesible la IA de visión para que cualquiera pueda utilizarla sin barreras. Por otro, tenemos el mismo compromiso de mantenerla a la vanguardia, superando los límites de lo que los modelos de visión por ordenador pueden conseguir.

Un factor clave de esta misión es que el ámbito de la IA evoluciona constantemente. 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 distintos sectores.

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

Por eso es necesario 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 de YOLO26 sin dejar de ofrecer un rendimiento de primer nivel».

Una visión general de Ultralytics YOLO26#

YOLO26 está disponible de serie en cinco variantes de modelo diferentes, lo que te ofrece la flexibilidad de aprovechar sus capacidades en aplicaciones de cualquier escala. Todas estas variantes admiten varias tareas de visión por ordenador, igual que los modelos Ultralytics YOLO anteriores. Esto significa que, independientemente del tamaño que elijas, puedes confiar en que YOLO26 ofrecerá una amplia variedad de capacidades, como Ultralytics YOLO11.

Este es un resumen de las tareas de visión por ordenador compatibles con Ultralytics YOLO26:

• Detección de objetos: Ultralytics YOLO26 puede identificar y localizar varios objetos dentro de una imagen o un fotograma de vídeo.
• Segmentación de instancias: Yendo un paso más allá de la detección, Ultralytics YOLO26 puede generar límites precisos 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.
• Estimación de la 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 con cualquier ángulo, lo que resulta especialmente útil para imágenes aéreas, tomadas por drones o de satélite, en las que elementos como edificios, vehículos o cultivos pueden no estar alineados con el marco de la imagen.
• Seguimiento de objetos: Ultralytics YOLO26 puede utilizarse para seguir objetos a través 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 de qué es capaz Ultralytics YOLO26, repasemos algunas de las innovaciones de su arquitectura.

El diseño del modelo se ha optimizado eliminando el módulo de Pérdida focal de distribución (DFL), que anteriormente ralentizaba la inferencia y limitaba la regresión de las cajas delimitadoras.

El proceso de predicción también se ha simplificado con una opción de inferencia de extremo a extremo (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 la 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 mejorar la precisión, mientras que la Asignación de etiquetas consciente de objetivos pequeños (STAL) garantiza que el modelo detecte 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 en CPU estándar, lo que lo hace especialmente adecuado para aplicaciones móviles, cámaras inteligentes y otros dispositivos edge en los que la velocidad y la eficiencia son fundamentales. Este es un breve resumen de las funciones de YOLO26 y de lo que los usuarios pueden esperar:

• Eliminación de DFL: Hemos eliminado el módulo de Pérdida focal de distribución 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 añade un modo opcional que no necesita Supresión no máxima (NMS), un paso que normalmente se utiliza para eliminar predicciones duplicadas, lo que hace que la implementación sea más sencilla y rápida para usos en tiempo real.
• ProgLoss y STAL: Estas mejoras hacen que el entrenamiento sea más estable y aumentan significativamente la precisión, especialmente 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), ayudando al modelo a aprender más rápido y alcanzar una mayor precisión.

Fig. 3. Evaluación comparativa de Ultralytics YOLO26.

Simplifica la implementación con Ultralytics YOLO26#

Tanto si trabajas en aplicaciones móviles como en cámaras inteligentes o sistemas empresariales, implementar 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 prácticamente cualquier plataforma.

Algunas de las opciones de exportación son TensorRT para obtener la máxima aceleración de la 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 facilita llevar Ultralytics YOLO26 del desarrollo a producción sin obstáculos adicionales.

Otra parte crucial de la implementación es asegurarse de 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 gestiona este proceso excepcionalmente bien. Admite la implementación INT8 (mediante compresión de 8 bits para reducir el tamaño y mejorar la velocidad con una pérdida mínima de precisión), así como la precisión media (FP16) para acelerar la inferencia en hardware compatible.

Y lo que es más importante, 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 edge compacto.

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

Ultralytics YOLO26 puede utilizarse en una gran variedad de aplicaciones de visión por ordenador en numerosos 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 caso destacado es 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 detectar defectos. Puede identificar automáticamente los defectos en las líneas de producción de forma más rápida y precisa que una inspección manual.

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

En general, como Ultralytics YOLO26 es mejor, más rápido y más ligero, se adapta fácilmente a una amplia 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 por ordenador mejor, más rápido y más ligero, que además sigue siendo fácil de usar y ofrece un rendimiento sólido. Funciona en una amplia variedad de tareas y plataformas, y estará disponible para todo el mundo a finales de octubre. Estamos deseando ver cómo lo utiliza la comunidad para crear nuevas soluciones y superar los límites de la visión por ordenador.

¡Únete a nuestra creciente comunidad! Explora nuestro repositorio de GitHub para obtener más información sobre la IA. Descubre innovaciones como la visión por ordenador en el comercio minorista y la IA en el sector de la automoción visitando nuestras páginas de soluciones. Para empezar hoy mismo a desarrollar con visión por ordenador, consulta nuestras opciones de licencia.