ULTRALYTICS YOLO
Diseñado desde cero para dispositivos periféricos y de bajo consumo, Ultralytics establece un nuevo estándar en IA de visión en tiempo real, ofreciendo CPU hasta un 43 % más rápida gracias a una arquitectura más limpia y sencilla.



























Explore cómo funcionan los modelosYOLO Ultralytics directamente en su navegador.
Más de 130 700
Más de 263,7 millones
Más de 2.800 millones
Más de 1000

Rendimiento en tiempo real en dispositivos sin GPU, diseñados específicamente para entornos periféricos y con recursos limitados.
1

Predicciones generadas directamente, sin necesidad de pasos de posprocesamiento. Menor latencia y una implementación más sencilla.
2

La eliminación de la pérdida focal de distribución (DFL) simplifica las exportaciones y amplía la compatibilidad con los dispositivos periféricos.
3

Un híbrido de SGD Muon inspirado en los avances en el entrenamiento de modelos de lenguaje grande (LLM), que ofrece un entrenamiento más estable y una convergencia más rápida.
4

Funciona de manera eficiente en CPU, GPU y dispositivos periféricos. Exporta a más de 17 formatos y despliega en cualquier lugar.

Inteligencia artificial para la visión en tiempo real en dispositivos con recursos limitados, sin sacrificar la precisión.

Detecta más allá de las categorías fijas mediante indicaciones de texto, indicaciones visuales o inferencias sin indicaciones en 4.585 clases.

YOLO26 presenta la misma interfaz que ya conocemos de YOLOv8 YOLO11, por lo que no supone una gran dificultad de aprendizaje.

Los canales de asistencia especializados, los foros activos y las actualizaciones periódicas te ayudan a seguir avanzando.

Opciones flexibles para uso académico, de código abierto y comercial bajo las licencias AGPL-3.0 Enterprise.
YOLO26 elimina DFL para simplificar la exportación, suprime NMS acelerar la inferencia de extremo a extremo, mejora la precisión en la detección de objetos pequeños con ProgLoss + STAL, incorpora el optimizador MuSGD para un entrenamiento más estable y ofrece CPU hasta un 43 % más rápida.
La variante nano (n) es ideal para dispositivos periféricos y CPU. Las variantes pequeña (s) y mediana (m) ofrecen un excelente equilibrio entre velocidad y precisión para la mayoría de las aplicaciones. Las variantes grande (l) y extragrande (x) proporcionan la máxima precisión para cargas de trabajo exigentes.
Detección de objetos, segmentación de instancias, clasificación de imágenes, estimación de la postura y detección de objetos orientados, todo ello en una única familia de modelos unificada.
Sí. YOLO26 utiliza la misma interfaz que YOLOv8 YOLO11, por lo que la migración es muy sencilla. Solo tienes que sustituir los pesos del modelo por los de YOLO26.
YOLO26 permite exportar a TensorRT, ONNX, CoreML, TFLite y OpenVINO, cubriendo así los destinos de implementación en el borde más habituales. Su arquitectura NMS se traduce en menos problemas de integración y una menor latencia desde el primer momento.
Desde la anotación hasta la implementación, crea soluciones de IA visual que se adapten a tus necesidades.