UltralyticsがYOLO26で最先端のビジョンAIを再定義

本日、最先端パフォーマンスの新しい基準を確立する新しいモデル、Ultralytics YOLO26を正式にリリースします。ロンドンで開催されたYOLO Vision 2025 (YV25)において、創業者兼CEOのGlenn Jocherによって初めて紹介された本モデルは、これまでにないほど高度でデプロイ性に優れたモデルです。

軽量、コンパクト、高速であるよう設計されたYOLO26は、実世界の現場でリアルタイムのビジョンAIアプリケーションが実際に動作する場所に向けて開発されました。モデルに直接組み込まれたネイティブなエンドツーエンド推論により、YOLO26はデプロイを簡素化し、システムの複雑さを軽減し、エッジデバイスや大規模な本番環境全体で信頼性の高いパフォーマンスを提供します。

実際、YOLO26の最小バージョンであるnanoモデルは、標準的なCPU上で最大43%高速に動作し、モバイルアプリケーション、スマートカメラ、その他のエッジデバイス上で効率的なリアルタイムビジョンAIソリューションを実現します。影響力のあるビジョンAIの機能を誰もが利用できるようにするというUltralyticsのビジョンに基づいて構築されたYOLO26は、最先端のパフォーマンスとシンプルさを兼ね備えており、簡単に使用およびデプロイすることができます。

コンピュータビジョンの次の時代のために構築#

コンピュータビジョンは急速にクラウドの枠を超えつつあります。現実世界のアプリケーションでは、ドローン、カメラ、モバイルシステム、組み込みプラットフォームなどのデバイス上で、リアルタイム推論、低レイテンシ、ハードウェアの柔軟性、予測可能なパフォーマンスがますます求められています。

YOLO26は、この移行に向けて明確に構築されました。 Ultralyticsは、物体検出のパイプラインを基礎から見直すことで、不要な複雑さを排除しつつ、最先端の精度と速度を実現するモデルアーキテクチャを作り上げました。

例えば、従来のUltralyticsの物体検出モデルは、推論後に重複する予測をフィルタリングするために、Non-Maximum Suppressionと呼ばれる追加のポストプロセッシングステップに依存していました。YOLO26は、ネイティブなエンドツーエンド推論を可能にすることでこの余分なステップを排除し、モデルが直接最終的な検出結果を出力できるようにします。これにより、より高速で、予測可能かつ信頼性の高い実際の現場へのデプロイが可能になります。

YOLO26は単なる漸進的なアップデートではありません。これは、本番グレードのビジョンAIのトレーニング、デプロイ、およびスケーリング方法における構造的な飛躍です。

図1：Ultralytics YOLO26のベンチマーク

YOLO26が可能にすること#

YOLO26の重要な側面の1つは、Ultralytics YOLO11のような従来モデルの強みを活かしながら、コンピュータビジョンで可能なことを拡張している点です。YOLO26は、物体検出、インスタンスセグメンテーション、画像分類など、YOLO11と同じコアのコンピュータビジョンタスクを標準でサポートしています。

図2：YOLO26を使用して画像内の物体を検出する例。

また、姿勢推定、航空および衛星画像向けの指向性バウンディングボックス物体検出、動画ストリーム全体での物体追跡も引き続きサポートしています。YOLO11と同様に、YOLO26はNano (n)、Small (s)、Medium (m)、Large (l)、Extra large (x)の5つのモデルバリエーションで提供され、速度、サイズ、精度のバランスを考慮した選択肢をユーザーに提供します。

Ultralytics YOLO26の主な特徴#

Ultralytics YOLO26には、パフォーマンス、信頼性、および実用性を向上させるために設計された一連の進歩が含まれています。YOLO26の主な特徴を以下に紹介します。

• Distribution Focal Lossの削除： YOLO26はDistribution Focal Loss (DFL)を削除し、モデルの複雑さを軽減して、エッジおよび低電力ハードウェア間でのよりシンプルで互換性の高いデプロイを促進します。
• エンドツーエンドのNMSフリー推論： YOLO26は、重複する予測を削除するために通常使用されるステップであるNon-Maximum Suppression (NMS)をネイティブで排除し、リアルタイム利用時のデプロイをよりシンプルかつ高速にします。
• プログレッシブ・ロス・バランシング + STAL： プログレッシブ・ロス・バランシング (ProgLoss) とSmall Target Aware Label Assignment (STAL) は、トレーニング中にモデルがどのように学習するかを調整し、複雑なシーンにおける小さな物体や遠くの物体のより信頼性の高い検出を可能にします。
• MuSGDオプティマイザー： YOLO26は、Stochastic Gradient Descent (SGD) とMuonに着想を得た技術のハイブリッドであるMuSGDオプティマイザーを導入しており、トレーニングの安定性を高め、より速く、より一貫性のある収束を実現します。
• 最大43%高速なCPU推論： YOLO26のNanoモデルは、標準的なCPU上で最大43%高速な推論を実現し、モバイルデバイス、スマートカメラ、その他のエッジシステム上で効率的なリアルタイムビジョンAIを可能にします。

コードの裏側：Ultralytics YOLO26への道のり#

YOLO26の開発は、私たちのチームの研究と、コミュニティ、パートナー、クライアントから寄せられたフィードバックによって形成された共同の成果です。私たちは、アーキテクチャを簡素化し、効率を向上させ、モデルを実世界の利用に適応しやすくすることを目指しました。

その道のりを振り返り、Glenn Jocherは「最大の課題の一つは、最高のパフォーマンスを提供しながら、ユーザーがYOLO26を最大限に活用できるようにすることでした」と説明しました。彼の視点は、ビジョンAIを使いやすく保つというYOLO26の核心的な設計原則を強調しています。

この考え方をさらに発展させ、シニア機械学習エンジニアのJing Qiuは次のように述べています。「新しいUltralytics YOLOモデルの構築は、焦らず着実に進めることでした。速度と精度のバランスだけに集中し、改良を続けました。形になったときの静かな満足感は、細部へのこだわりを貫くことが功を奏した証拠です。」

Ultralytics YOLO26で開発を始める#

Ultralytics YOLO26は、本日よりUltralytics Platformを通じて一般提供され、トレーニング、推論、エクスポートのワークフロー全体を完全にサポートします。商用環境やクローズド環境でYOLO26をデプロイする組織は、本番環境でのデプロイ、長期的なメンテナンス、スケーラブルなエッジ展開のサポートを含むエンタープライズライセンスオプションを利用できます。

これまでのモデルと同様に、Ultralytics Python packageからも完全にサポートされており、ユーザーはすぐに使い始めることができます。ユーザーは、すでに慣れ親しんだ合理化されたワークフローでYOLO26のトレーニング、検証、デプロイを行いつつ、ONNX、TensorRT、CoreML、TFLite、OpenVINOなどのさまざまなエクスポートオプションを活用できます。

ビジョンAIの未来を共に築きましょう#

Ultralytics YOLO26は、ビジョンAIをより高速に、より軽量に、より使いやすくするための私たちの次の一歩です。しかし、これはほんの始まりに過ぎません。

真のインパクトは、ビジョンAIコミュニティがそれを使って何を創造するかにあります。私たちは皆様のイノベーションを拝見し、コンピュータビジョンの未来を共に形成し続けることを楽しみにしています。

コミュニティに参加し、GitHubリポジトリを探索してAIの理解を深めましょう。ロボット工学におけるAIや物流におけるコンピュータビジョンなどの業界ソリューションを発見し、ライセンスオプションを確認して、今すぐコンピュータビジョンを活用した開発を始めましょう。