Configuración de cookies
Al hacer clic en “Aceptar todas las cookies”, aceptas el almacenamiento de cookies en tu dispositivo para mejorar la navegación del sitio, analizar el uso del sitio y ayudar en nuestros esfuerzos de marketing. Más información
Configuración de cookies
Al hacer clic en “Aceptar todas las cookies”, aceptas el almacenamiento de cookies en tu dispositivo para mejorar la navegación del sitio, analizar el uso del sitio y ayudar en nuestros esfuerzos de marketing. Más información
Aceptar todas las cookies
Configuración de cookies
Yolo Vision Shenzhen
Shenzhen
Únete ahora

ultralytics

Implementa modelos de IA de visión en 43 regiones de todo el mundo

Lleva tus modelos entrenados desde las pruebas en el navegador hasta los puntos finales de producción con solo unos clics, gracias al autoescalado, la supervisión en tiempo real y más de 17 formatos de exportación. La solución integral para la implementación de casos de uso en el mundo real.

Comience ahora
Contactar con ventas
Interfaz de usuario que muestra las opciones de exportación para PyTorch , entre las que se incluyen ONNX, TorchScript, OpenVINO, TensorRT, CoreML, TF , TF SavedModel y TF GraphDef, con un mapa del mundo en el que se muestran tres implementaciones en verde y varios marcadores de ubicación en rojo.

43+

Regiones de implementación

17+

Formatos de exportación

500+

Implementaciones activas

Prueba tu modelo en el navegador

Todos los modelos entrenados incluyen una pestaña «Predecir» integrada. Sube una imagen, selecciona un ejemplo o abre la cámara; los resultados aparecen al instante con cuadros delimitadores, máscaras o puntos clave superpuestos directamente sobre la imagen.

Respuesta inmediata

La inferencia se ejecuta automáticamente al subir una imagen o modificar un parámetro. Sin pulsar botones, sin esperas, solo el máximo rendimiento del modelo.

Parámetros ajustables

Ajusta los umbrales de confianza, IoU y el tamaño de la imagen para ver cómo influyen en las predicciones en tiempo real.

Ideal para cualquier tarea

Detección, segmentación de instancias, clasificación, estimación de la postura y OBB, todo ello visualizado con las superposiciones adecuadas para tu tipo de tarea.
Interfaz de usuario que muestra la imagen de una excavadora amarilla en una obra, detectada y etiquetada por un modelo de IA, con IoU de confianza e IoU visibles.
Interfaz de usuario que muestra miniaturas de selección de imágenes, controles deslizantes para los umbrales de confianza (0,25) e IoU 0,70), y opciones de tamaño de imagen con 640 seleccionado.
Vista aérea de una obra de excavación en la que dos excavadoras cargan tierra en tres camiones volquete; todos los vehículos aparecen resaltados en azul y verde para facilitar su identificación.

Implementar en 43 regiones de todo el mundo

Implemente sus modelos en puntos de acceso dedicados repartidos por 43 regiones de todo el mundo, que abarcan América, Europa, Asia-Pacífico y Oriente Medio. Cada punto de acceso es un servicio de uso exclusivo con su propia URL, escalado automático y supervisión independiente.
Mapa del mundo en el que se muestran diversos lugares señalados con chinchetas de colores en América del Norte, Europa y Asia.
Panel de control que muestra las métricas de rendimiento del modelo, con mAP50 96,2 %, mAP50 del 90,1 % y una precisión del 87,2 %, junto con un panel de registros del modelo de segmentación YOLO26s implementado en París.

Escalado automático que se adapta a tu tráfico

Los nodos dedicados se amplían automáticamente para gestionar los picos de tráfico y se reducen a cero cuando están inactivos, por lo que nunca pagas por recursos informáticos que no utilizas.

Escalado a cero de forma predeterminada. Sin coste cuando tu punto de conexión no recibe solicitudes.

Sin límites de velocidad. Sin límites de velocidad. A diferencia de la inferencia compartida, los puntos de conexión dedicados no tienen límites de rendimiento, sino que solo están limitados por los recursos de tu punto de conexión.

Recursos configurables. Elige el número de CPU (1-8) y la memoria (1-32 GB) según los requisitos de tu modelo y los patrones de tráfico.

Más de 17 formatos de exportación. Tu modelo. Cualquier entorno.

Ultralytics admite implementaciones tanto en la nube como en el borde. TodosYOLO Ultralytics están optimizados de forma nativa para funcionar de manera eficiente en distintos entornos, ofreciendo un rendimiento fiable incluso en hardware con recursos informáticos limitados.

Lista de formatos de exportación para PyTorch , entre los que se incluyen ONNX, TorchScript, OpenVINO, TensorRT GPU, CoreML y TF , con sus respectivos iconos y códigos de formato.
Panel de control que muestra un total de 13 959 solicitudes, 3 implementaciones activas, una tasa de error del 0 % y una latencia P95 de 14 ms en las últimas 24 horas.

Supervisa todo lo que está en producción

Visibilidad completa en tiempo real del rendimiento de tus modelos. Una vez que tus modelos estén en producción, el panel de implementaciones te ofrece una visión general centralizada de todos los puntos finales en ejecución, con las métricas que necesitas para garantizar el funcionamiento fiable de tus marcos de trabajo.

Volumen de solicitudes. Total de solicitudes en todos los puntos de conexión durante las últimas 24 horas.

Latencia P95. Tiempo de respuesta del percentil 95 para track el rendimiento en casos de uso track .

Índices de error. Alertas destacadas cuando los índices de error superan el 5 %, con registros filtrados por gravedad para ayudarte a diagnosticar los problemas rápidamente.

Comprobaciones de estado. Indicadores de estado en tiempo real con reintento automático cuando los puntos finales no funcionan correctamente. La latencia de respuesta se muestra junto a cada comprobación.

Integración en cuestión de minutos

Cada punto final implementado incluye ejemplos de código generados automáticamente en Python, JavaScript y cURL, que ya contienen tu URL de punto final y tu clave de API. Solo tienes que copiarlos, pegarlos y empezar a enviar solicitudes de inferencia desde cualquier aplicación.

Comience ahora
Contactar con ventas
Fragmento Python para enviar una imagen a un punto final de implementación utilizando la biblioteca `requests`, con parámetros de autorización e inferencia.

¡Aprende a implementar!

Descubre cómo probar un modelo entrenado, implementarlo en un punto de acceso global y supervisar su rendimiento.
Mujer que utiliza la aplicación móvil Ultralytics

¿Necesitas entrenar primero un modelo?

Ultralytics integra la anotación, el entrenamiento y la implementación en una única plataforma.
 Descubre la formación

Preguntas frecuentes

¿Puedo implementar el mismo modelo en varias regiones?

Sí. Cada modelo se puede implementar en varias regiones a la vez . Tu plan determina el número total de puntos de conexión disponibles: 3 en la versión gratuita, 10 en la versión Pro e ilimitados en la versión Enterprise. Esto te permite dar servicio a usuarios de todo el mundo con puntos de conexión de baja latencia en cada región.

¿Cuánto cuesta la implementación?

Los puntos de conexión dedicados se facturan en función de CPU, la memoria y el volumen de solicitudes. Como la opción «scale-to-zero» está habilitada de forma predeterminada, solo pagas por el tiempo de inferencia activo; no hay ningún coste cuando tu punto de conexión no recibe solicitudes. La inferencia compartida está incluida en tu plan de plataforma.

¿Cuál es la diferencia entre la inferencia compartida y la dedicada?

La inferencia compartida se ejecuta en un servicio multitenant en tres regiones y tiene un límite de 20 solicitudes por minuto. Es ideal para el desarrollo y las pruebas rápidas. Los puntos de conexión dedicados son servicios de un solo tenant que se implementan en cualquiera de las 43 regiones, sin límites de velocidad, con una latencia constante y recursos configurables, diseñados para cargas de trabajo de producción escalables.

¿Cuánto tiempo dura la implementación?

La implementación de un punto final dedicado suele tardar entre uno y dos minutos. Esto incluye el aprovisionamiento del contenedor, su puesta en marcha y una comprobación inicial del estado para verificar que el servicio está listo. Una vez que el punto final está listo, comienza a aceptar solicitudes de inferencia de inmediato .

¿Qué es el despliegue de modelos?

La implementación de modelos es el proceso mediante el cual se pone a disposición un modelo de visión artificial entrenado para que reciba y procese datos del mundo real. Una vez implementadas, las aplicaciones de visión artificial pueden enviar imágenes y fotogramas de vídeo al modelo a través de una API y recibir predicciones, lo que permite desde la inspección automatizada de la calidad hasta la detección de objetos en tiempo real en sistemas de producción. En Ultralytics , la implementación está integrada directamente en el flujo de trabajo de entrenamiento de extremo a extremo. Una vez entrenado el modelo, puede probarlo en el navegador, implementarlo en un punto final dedicado en cualquiera de las 43 regiones globales y supervisar su rendimiento, todo ello desde el mismo espacio de trabajo.

Empieza a implementarlo hoy mismo

Lleva tus modelos entrenados a producción en 43 regiones de todo el mundo con escalado automático y supervisión en tiempo real.

Comience ahora
Contactar con ventas