UltralyticsがYOLO26で最先端のビジョンAIを再定義

本日、私たちは新しいモデルであり、最先端の性能における新たなベースラインを確立する Ultralytics YOLO26 を正式にローンチします。ロンドンで開催された YOLO Vision 2025 (YV25) にて、創業者兼CEOの Glenn Jocher が初めて発表したこのモデルは、これまでで最も高度かつデプロイしやすいモデルです。

軽量、コンパクト、かつ高速になるよう設計されたYOLO26は、現実世界でリアルタイムビジョンAIアプリケーションが実際に動作する環境向けに開発されています。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、YOLO26はデプロイを簡素化し、システムの複雑性を低減するとともに、エッジデバイスから大規模な本番環境まで、信頼性の高い性能を実現します。

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。誰もがインパクトのあるビジョンAI機能を利用できるようにするというUltralyticsのビジョンに基づき、YOLO26は最先端の性能とシンプルさを両立し、使いやすくデプロイしやすいモデルとなっています。

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 は急速にクラウドの外へと広がっています。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、予測可能な性能がますます求められています。

YOLO26は、この変化に明確に対応するために構築されました。 Ultralyticsは、物体検出パイプラインをゼロから見直すことで、不要な複雑性を取り除きながら、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 Non-Maximum Suppression と呼ばれる追加の後処理ステップに依存しています。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、この追加ステップを排除し、モデルが最終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、信頼性の高い現実世界でのデプロイが可能になります。

YOLO26は単なる段階的なアップデートではありません。本番環境向けのVision AIをどのように学習、デプロイ、スケーリングするかにおける、構造的な大きな飛躍を示すモデルです。

図1. Ultralytics YOLO26のベンチマーク

YOLO26が実現すること#

YOLO26の重要な特徴の一つは、Ultralytics YOLO11 などの従来モデルの強みを基盤としながら、コンピュータービジョンで可能なことを拡張している点です。YOLO26は、標準でYOLO11と同じ主要な コンピュータービジョンタスク をサポートしており、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

さらに、ポーズ推定、航空画像や衛星画像向けの方向付き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にも引き続き対応しています。YOLO11と同様に、YOLO26にはNano (n)、Small (s)、Medium (m)、Large (l)、Extra large (x) の5つのモデルバリアントが用意されており、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、現実世界での使いやすさを向上させるために設計された、さまざまな進化が含まれています。YOLO26の主な機能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、モデルの複雑性を低減するとともに、エッジハードウェアや低消費電力ハードウェアでの、よりシンプルで互換性の高いデプロイを実現します。
• 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Non-Maximum Suppression (NMS) をネイティブに不要とし、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) により、学習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な物体や遠方の物体を、より信頼性高く検出できるようにします。
• MuSGDオプティマイザー: YOLO26は、確率的勾配降下 (SGD) とMuonに着想を得た手法を組み合わせたハイブリッドなMuSGDオプティマイザーを導入し、学習の安定性を高め、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、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作られた、共同の取り組みでした。私たちは、アーキテクチャを簡素化し、効率を向上させ、モデルを現実世界での用途にさらに適応させることを目指しました。

この道のりを振り返り、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の性能を最大限に引き出せるようにすることでした。」この見解は、YOLO26の中核となる設計原則、つまりビジョンAIを使いやすく保つことを示しています。

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モデルの構築では、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、改善を重ねました。すべてが形になったとき、静かな達成感がありました。細部にこだわり続けることが成果につながる証明でした。」

Ultralytics YOLO26で開発を始める#

Ultralytics YOLO26は本日より Ultralytics Platform を通じて一般公開され、学習、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します。商用環境またはクローズド環境でYOLO26を導入する組織は、エンタープライズライセンスのオプションを利用できます。これには、本番環境へのデプロイ、長期メンテナンス、スケーラブルなエッジ展開のサポートが含まれます。

従来のモデルと同様に、Ultralytics Python package を通じて全面的にサポートされているため、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、すでに使い慣れた合理化されたワークフローでYOLO26の学習、検証、デプロイを行いながら、ONNX、TensorRT、CoreML、TFLite、OpenVINOなど、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の未来を一緒に構築しましょう#

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私たちの次の一歩です。しかし、これは始まりにすぎません。

真のインパクトは、ビジョンAIコミュニティがYOLO26を使って何を生み出すかによってもたらされます。皆さまのイノベーションを拝見し、コンピュータービジョンの未来をともに形作り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についてさらに詳しく学びましょう。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 などの業界向けソリューションを確認し、ライセンスオプション をご覧のうえ、今日からコンピュータービジョンの開発を始めましょう。