UltralyticsがYOLO26でビジョンAIの最先端を再定義
Ultralytics YOLO26が、エッジデバイスから大規模サーバーまで、速度、シンプルさ、実環境へのデプロイ適性においてビジョンAIの新たな基準を打ち立てる様子をご覧ください。
本日、新しいモデルであるUltralytics YOLO26を正式にリリースします。このモデルは、最先端の性能に新たなベースラインを確立します。創業者兼CEOのGlenn Jocherがロンドンで開催されたYOLO Vision 2025（YV25）で初めて紹介したYOLO26は、これまでで最も高度でデプロイしやすいモデルです。
軽量、コンパクト、高速になるよう設計されたYOLO26は、実世界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環境を見据えて開発されています。モデルにネイティブなエンドツーエンド推論を直接組み込むことで、デプロイを簡素化し、システムの複雑さを軽減しながら、エッジデバイスから大規模な本番環境まで安定した性能を発揮します。
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。効果の高いビジョンAI機能を誰もが利用できるようにするというUltralyticsの理念に基づき、YOLO26は最先端の性能とシンプルさを兼ね備え、使いやすくデプロイしやすいモデルです。
コンピュータービジョンの次の時代に向けて構築#
コンピュータービジョンは、クラウドの枠を急速に超えつつあります。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、予測可能な性能がますます求められています。
YOLO26は、この変化に対応するために明確な目的を持って開発されました。物体検出のパイプラインを一から見直すことで、Ultralyticsは不要な複雑さを取り除きながら、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開発しました。
たとえば、従来のUltralytics物体検出モデルでは、推論後に重複する予測をフィルタリングするため、Non-Maximum Suppressionと呼ばれる追加の後処理ステップを使用します。YOLO26はネイティブのエンドツーエンド推論に対応することでこの追加ステップをなくし、モデルが最終的な検出結果を直接出力できるようにします。これにより、より高速で予測しやすく、信頼性の高い実環境への導入が可能になります。
YOLO26は単なる小幅なアップデートではありません。本番品質のビジョンAIのトレーニング、デプロイ、スケールの方法を大きく前進させるものです。
図1. Ultralytics YOLO26のベンチマーク。
YOLO26で実現できること#
YOLO26の重要な特長の一つは、Ultralytics YOLO11などの従来モデルの強みを活かしながら、コンピュータービジョンで実現できることを広げている点です。YOLO26は標準で、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と同じ主要なコンピュータービジョンタスクに対応しています。
図2. YOLO26を使用して画像内の物体を検出する例。
姿勢推定、航空画像や衛星画像向けの有向バウンディングボックス物体検出、動画ストリーム上での物体追跡にも引き続き対応しています。YOLO11と同様、YOLO26には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があり、速度、サイズ、精度のバランスに応じて選択できます。
Ultralytics YOLO26の主な機能#
Ultralytics YOLO26には、性能、信頼性、実環境での使いやすさを高めるためのさまざまな進歩が盛り込まれています。YOLO26の主な機能をご紹介します。
- 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するとともに、エッジや低消費電力のハードウェアへのデプロイをよりシンプルで互換性の高いものにします。
- エンドツーエンドのNMS不要推論：YOLO26は、重複する予測を削除するために通常使われるNon-Maximum Suppression（NMS）をネイティブに不要にし、リアルタイム用途でのデプロイをよりシンプルかつ高速にします。
- Progressive Loss Balancing + STAL：Progressive Loss Balancing（ProgLoss）とSmall Target Aware Label Assignment（STAL）は、トレーニング中のモデルの学習方法を調整し、複雑なシーンにおける小さく離れた物体をより確実に検出できるようにします。
- MuSGDオプティマイザー：YOLO26ではMuSGDオプティマイザーを導入しています。これは確率的勾配降下法（SGD）とMuonに着想を得た手法を組み合わせたもので、トレーニングの安定性を高め、より高速で一貫性のある収束を可能にします。
- CPU推論が最大43%高速：YOLO26のNanoモデルは標準的なCPU上で最大43%高速に推論でき、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で効率的なリアルタイムビジョンAIを実現します。
コードの背後にあるもの：Ultralytics YOLO26の開発の歩み#
YOLO26の開発は、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を反映した共同作業でした。アーキテクチャの簡素化、効率の向上、実環境での用途への適応性向上を目指しました。
開発の歩みを振り返り、Glenn Jocherは次のように説明しています。「最大の課題の一つは、最高の性能を実現しながら、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。」この言葉は、ビジョンAIを使いやすくするというYOLO26の中核的な設計原則を示しています。
この考えをさらに詳しく説明して、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モデルの開発では、焦らず、着実に進めることを大切にしました。速度と精度のバランスだけに集中して、改良を重ねました。完成したときは静かな達成感がありました。細部にこだわり続けることの成果だと感じました。」
Ultralytics YOLO26で開発を始めましょう#
Ultralytics YOLO26は本日より、トレーニング、推論、エクスポートの各ワークフローを全面的にサポートするUltralytics Platformで一般公開されます。商用環境やクローズド環境にYOLO26をデプロイする組織向けに、エンタープライズライセンスも用意しています。ライセンスには、本番環境へのデプロイ、長期保守、エッジへの大規模展開のサポートが含まれます。
以前のモデルと同様に、Ultralytics Pythonパッケージで完全にサポートされているため、すぐに利用を開始できます。ユーザーは使い慣れたシンプルなワークフローでYOLO26をトレーニング、検証、導入できるほか、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。
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、軽量、使いやすくするための次の一歩です。しかし、これは始まりにすぎません。
本当のインパクトは、ビジョンAIコミュニティがそれを活用して生み出すものから生まれます。皆さまの革新的な取り組みを楽しみにしています。コンピュータービジョンの未来を共に形作っていきましょう。
コミュニティとつながり、GitHubリポジトリを詳しく見て、AIの理解を深めましょう。ロボティクスにおけるAIや物流におけるコンピュータービジョンなど、業界向けソリューションをご覧ください。ライセンスオプションを確認して、今日からコンピュータービジョンを活用した開発を始めましょう。
