UltralyticsがYOLO26で最先端のビジョンAIを再定義

Today, we’re officially launching Ultralytics YOLO26, our new model that establishes a new baseline for state-of-the-art performance. First introduced by our Founder and CEO, Glenn Jocher, at YOLO Vision 2025 (YV25) in London, it is our most advanced and deployable model to date.

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の最小モデルであるナノモデルは、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。すべての人にインパクトのあるビジョンAI機能を届けたいというUltralyticsのビジョンに基づき、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、容易な利用とデプロイを可能にします。

Link to this section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。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において、リアルタイム推論、低レイテンシ、ハードウェアの柔軟性、そして予測可能なパフォーマンスに対する需要が高まっています。

YOLO26はこの変化のために特別に構築されました。 Ultralyticsは物体検出パイプラインを一から再考することで、不要な複雑さを取り除き、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創出しました。

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（非最大値抑制）という追加の後処理ステップに依存しています。YOLO26はこの余分なステップを排除し、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、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した。これにより、より高速で、より予測しやすく、より信頼性の高い実世界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

Link to this sectionYOLO26が可能にすること#

YOLO26の重要な側面の1つは、Ultralytics YOLO11のような以前のモデルの強みを活かしつつ、コンピュータビジョンで可能なことを拡大している点です。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と同じコアとなるコンピュータビジョンタスクをすぐに利用できます。

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。

Link to this sectionUltralytics 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。

Link to this section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。

この考えをさらに広げて、シニア・マシンラーニング・エンジニアのJing Qiuは次のように付け加えました。「新しいUltralytics YOLOモデルの構築は、焦らず、着実に取り組むことでした。速度と精度のバランスだけに集中し、改良を続けました。完成したときには、静かな達成感がありました。細部にこだわることの正しさが証明されたのです。」

Link to this sectionUltralytics YOLO26で開発を始める#

Ultralytics YOLO26は、今日からUltralytics Platformを通じて一般公開され、トレーニング、推論、エクスポートの全ワークフローを完全にサポートします。商業環境やクローズド環境でYOLO26をデプロイする組織は、エンタープライズライセンスオプションを利用でき、これには本番デプロイ、長期メンテナンス、およびスケーラブルなエッジ展開へのサポートが含まれます。

以前のモデルと同様に、Ultralytics Pythonパッケージを通じても完全にサポートされており、ユーザーはすぐに開発を開始できます。ユーザーは、すでに馴染みのある効率化されたワークフローでYOLO26をトレーニング、検証、デプロイできると同時に、ONNX、TensorRT、CoreML、TFLite、OpenVINOなどの幅広いエクスポートオプションを活用できます。

Link to this section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。

私たちのコミュニティとつながり、GitHubリポジトリを探索してAIを深掘りしてください。AI in roboticsやcomputer vision in logisticsといった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の開発を始めましょう。