Hacia dónde se dirige Ultralytics
Desde los modelos que llevaron la IA de visión en tiempo real a millones de personas, hasta los lanzamientos en el horizonte. Esto es lo que hemos publicado y lo que está por llegar.
El lanzamiento que llevó la detección de objetos en tiempo real a millones de usuarios: nativo de PyTorch, rápido y notablemente fácil de entrenar.
Un único marco de trabajo para detección, segmentación, clasificación, estimación de pose y cajas delimitadoras orientadas.
Una arquitectura refinada que ofrece mayor precisión con menos parámetros, presentada en el evento Ultralytics YOLO Vision 2024.
Nuestro modelo recomendado actual: más rápido, más preciso y listo para producción en cualquier tarea de visión.
La plataforma integral para anotar datos, entrenar modelos YOLO y realizar despliegues en 42 regiones globales, todo en un mismo lugar.
Nuestros primeros modelos de segmentación semántica: etiquetas de clase densas por píxel para una comprensión completa de la escena.
Una biblioteca de inferencia y CLI de YOLO de alto rendimiento escrita en Rust, que ejecuta modelos en ONNX Runtime detrás de una API diseñada para coincidir con el paquete de Python de Ultralytics.
Ejecuta modelos YOLO directamente en el navegador, sin servidor y sin Python. Se ejecuta en WebGPU con un respaldo automático de CPU y wasm, detrás de una pequeña API de TypeScript impulsada por el crate de Rust compilado a WebAssembly.
El artículo de investigación detrás de YOLO26, que detalla su diseño integral sin NMS, el nuevo optimizador MuSGD y un compromiso de precisión-latencia de vanguardia en las cinco escalas de modelo.
Seguimiento multiobjeto más rápido y preciso: identidades más estables a través de oclusiones y escenas concurridas para vídeo en el mundo real.
- Re-ID: la reidentificación mantiene las identidades de los objetos consistentes a través de cámaras y después de oclusiones
La destilación de conocimiento integrada comprime modelos docentes grandes en estudiantes más pequeños y rápidos, ayudando al mismo tiempo a preservar la precisión para un despliegue eficiente en el borde y en tiempo real.
Los modelos de profundidad YOLO26 predicen mapas de distancia densos por píxel a partir de una única cámara RGB, añadiendo conciencia espacial 3D sin necesidad de sensores de profundidad especializados o lidar.
Ultralytics YOLO Vision 2026
La siguiente generación insignia de YOLO, presentada en directo en Ultralytics YOLO Vision 2026, que amplía la familia hacia la visión-lenguaje:
- YOLO-VLM: un front-end ligero de YOLO que alimenta una capa de LLM más profunda para tuberías de visión-lenguaje eficientes
Exporta modelos YOLO al nuevo formato .aimodel de Apple para el runtime de Core AI una vez que iOS 27 y macOS 27 estén disponibles de forma general, manteniendo CoreML para una mayor compatibilidad con dispositivos.
Tres áreas de enfoque del producto impulsan la plataforma durante el resto del año:
- Auto-Training: análisis de entrenamiento iterativo basado en LLM que diagnostica automáticamente cada ejecución y perfecciona la configuración a lo largo de rondas sucesivas para aumentar la precisión.
- On-Premise: ejecuta la plataforma dentro de tu propia infraestructura, manteniendo los datos y el entrenamiento bajo tu control absoluto.
- Monitoring: supervisión de modelos en producción para realizar el seguimiento del rendimiento, detectar desviaciones y mantener saludables tus implementaciones.
Nuevas capacidades se unen a la familia YOLO a lo largo de 2027:
- YOLO-OCR: reconocimiento de texto rápido y preciso
- YOLO-Face: reconocimiento y análisis facial
- YOLO-Stereo3D: detección 3D estéreo a partir de pares de cámaras binoculares para robótica, una alternativa nativa de cámara al lidar
Construye sobre el último YOLO
Empieza a entrenar e implementar con YOLO26 hoy mismo, y prepárate para todo lo que vendrá después.