Ultralytics YOLO26을 만나보세요: 더 뛰어나고 빠르며 작은 YOLO 모델

9월 25일 런던에서 열린 연례 하이브리드 행사 YOLO Vision 2025 (YV25)에서 창립자 겸 CEO인 Glenn Jocher는 Ultralytics YOLO 시리즈의 최신 모델인 Ultralytics YOLO26을 공식 발표했습니다. 새로운 컴퓨터 비전 모델 YOLO26은 속도, 정확도, 배포 편의성의 균형을 갖춘 간소화된 아키텍처로 이미지와 동영상을 분석하고 해석할 수 있습니다.

Ultralytics YOLO26은 모델 설계의 일부를 간소화하고 새로운 개선 사항을 추가하면서도, 사용자가 Ultralytics YOLO 모델에서 기대하는 익숙한 기능을 계속 제공합니다. 예를 들어, Ultralytics YOLO26은 사용하기 쉽고 다양한 컴퓨터 비전 작업을 지원하며, 유연한 통합 및 배포 옵션을 제공합니다.

Ultralytics YOLO26으로 번거로움 없이 전환할 수 있으므로 사용자들이 직접 경험할 모습을 기대하고 있습니다. YOLO26은 2026년 1월 14일 공개 출시되었으며, Ultralytics Python 패키지와 Ultralytics Platform에서 사용할 수 있습니다.

그림 1. Ultralytics YOLO26을 사용해 이미지에서 객체를 탐지하는 예시입니다.

간단히 말해 Ultralytics YOLO26은 더 나은 성능을 더 빠르고 작은 크기로 제공하는 비전 AI 모델입니다. 이 글에서는 Ultralytics YOLO26의 주요 기능과 장점을 살펴봅니다.

Ultralytics YOLO26으로 비전 AI의 한계를 넓히다#

Ultralytics YOLO26의 주요 기능과 이를 통해 가능한 애플리케이션을 살펴보기 전에, 이 모델의 개발을 이끈 영감과 동기를 알아보겠습니다.

Ultralytics는 언제나 혁신의 힘을 믿어 왔습니다. 처음부터 우리의 사명은 두 가지였습니다. 한편으로는 누구나 장벽 없이 사용할 수 있도록 비전 AI에 대한 접근성을 높이고자 합니다. 다른 한편으로는 컴퓨터 비전 모델이 달성할 수 있는 한계를 넓혀 최첨단 기술을 유지하는 데에도 똑같이 전념하고 있습니다.

이 사명의 핵심 배경에는 AI 분야가 끊임없이 발전한다는 점이 있습니다. 예를 들어, 클라우드에 의존하지 않고 기기에서 직접 AI 모델을 실행하는 엣지 AI가 여러 산업 전반에서 빠르게 도입되고 있습니다.

스마트 카메라부터 자율 시스템에 이르기까지, 이제 엣지 기기는 정보를 실시간으로 처리해야 합니다. 이러한 변화에 따라 정확도는 높은 수준으로 유지하면서도 더 가볍고 빠른 모델이 필요합니다.

이 때문에 Ultralytics YOLO 모델을 지속적으로 개선해야 합니다. Glenn Jocher의 말처럼, “가장 큰 과제 중 하나는 YOLO26이 최고의 성능을 제공하면서도 사용자가 최대한 활용할 수 있도록 하는 것이었습니다.”

Ultralytics YOLO26 개요#

YOLO26은 즉시 사용할 수 있는 다섯 가지 모델 변형으로 제공되므로, 모든 규모의 애플리케이션에서 유연하게 기능을 활용할 수 있습니다. 이전 Ultralytics YOLO 모델과 마찬가지로 이 모든 모델 변형은 여러 컴퓨터 비전 작업을 지원합니다. 즉, 어떤 크기를 선택하더라도 Ultralytics YOLO11과 마찬가지로 YOLO26이 폭넓은 기능을 제공한다고 믿고 사용할 수 있습니다.

Ultralytics YOLO26이 지원하는 컴퓨터 비전 작업을 간략히 살펴보겠습니다.

• 객체 탐지: Ultralytics YOLO26은 이미지나 비디오 프레임에서 여러 객체를 식별하고 위치를 찾을 수 있습니다.
• 인스턴스 분할: Ultralytics YOLO26은 탐지에서 한 걸음 더 나아가 식별한 각 객체의 경계를 픽셀 단위로 정확하게 생성할 수 있습니다.
• 이미지 분류: 모델은 전체 이미지를 분석하고 특정 카테고리나 레이블을 할당할 수 있습니다.
• 포즈 추정: Ultralytics YOLO26은 사람뿐 아니라 다른 객체의 키포인트를 탐지하고 포즈를 추정할 수 있습니다.
• 방향성 바운딩 박스(OBB): 모델은 어떤 각도에 있는 객체든 탐지할 수 있으며, 이는 건물, 차량, 농작물과 같은 항목이 이미지 프레임과 정렬되어 있지 않을 수 있는 항공, 드론 및 위성 이미지에서 특히 유용합니다.
• 객체 추적: Ultralytics YOLO26은 비디오 프레임이나 실시간 스트림에서 객체를 추적하는 데 사용할 수 있습니다.

그림 2. Ultralytics YOLO26을 사용한 이미지 내 객체 탐지입니다.

Ultralytics YOLO26 아키텍처 살펴보기#

이제 Ultralytics YOLO26의 기능을 더 잘 이해했으니, 아키텍처에 적용된 몇 가지 혁신을 살펴보겠습니다.

이전에는 추론 속도를 늦추고 바운딩 박스 회귀를 제한했던 분포 초점 손실(DFL) 모듈을 제거하여 모델 설계를 간소화했습니다.

엔드투엔드(E2E) 추론 옵션을 도입해 예측 과정도 간소화했습니다. 이 옵션을 사용하면 모델이 기존의 비최대 억제(NMS) 단계를 건너뛸 수 있습니다. 이러한 개선으로 복잡성이 줄고 모델이 더 빠르게 결과를 제공하여 실제 애플리케이션에 쉽게 배포할 수 있습니다.

그 밖의 개선 사항은 모델의 지능과 신뢰성을 높입니다. 점진적 손실 균형 조정(ProgLoss)은 학습을 안정화하고 정확도를 높이는 데 도움이 되며, 소형 객체 인식 레이블 할당(STAL)은 모델이 작은 객체를 더 효과적으로 감지하도록 합니다. 여기에 새로운 MuSGD 옵티마이저를 추가해 학습 수렴을 개선하고 전반적인 성능을 높였습니다.

실제로 Ultralytics YOLO26의 가장 작은 버전인 nano 모델은 이제 표준 CPU에서 YOLO11n보다 최대 43% 빠르게 실행되므로, 속도와 효율성이 중요한 모바일 앱, 스마트 카메라 및 기타 엣지 기기에 특히 적합합니다. 다음은 YOLO26의 기능과 사용자가 기대할 수 있는 사항을 간단히 정리한 내용입니다.

• DFL 제거: 모델 아키텍처에서 분포 초점 손실 모듈을 제거했습니다. 이미지 내 객체 크기와 관계없이 Ultralytics YOLO26은 맞춤형 바운딩 박스를 생성하면서 더 효율적으로 실행됩니다.
• 엔드투엔드 NMS 없는 추론: Ultralytics YOLO26에는 일반적으로 중복 예측을 제거하는 데 사용되는 단계인 비최대 억제(NMS)가 필요 없는 선택적 모드가 추가되어 실시간 사용을 위한 배포가 더 간단하고 빨라집니다.
• ProgLoss 및 STAL: 이러한 개선 사항은 학습을 더 안정적으로 만들고 정확도를 크게 높이며, 특히 복잡한 장면에서 작은 객체를 탐지하는 성능을 향상합니다.
• MuSGD 옵티마이저: Ultralytics YOLO26은 두 가지 학습 옵티마이저(Muon 및 SGD)의 장점을 결합한 새로운 옵티마이저를 사용하여 모델이 더 빠르게 학습하고 더 높은 정확도에 도달하도록 돕습니다.

그림 3. Ultralytics YOLO26 벤치마킹입니다.

Ultralytics YOLO26으로 배포 간소화하기#

모바일 앱, 스마트 카메라 또는 엔터프라이즈 시스템을 다루는 경우에도 YOLO26은 간단하고 유연하게 배포할 수 있습니다. Ultralytics Python 패키지는 계속해서 늘어나는 다양한 내보내기 형식을 지원하므로, 기존 워크플로에 YOLO26을 쉽게 통합할 수 있으며 거의 모든 플랫폼과 호환됩니다.

내보내기 옵션으로는 GPU 가속을 극대화하는 TensorRT, 폭넓은 호환성을 제공하는 ONNX, iOS 앱에 기본으로 제공되는 CoreML, Android 및 엣지 기기용 TFLite, Intel 하드웨어에서 최적화된 성능을 제공하는 OpenVINO 등이 있습니다. 이러한 유연성 덕분에 추가적인 어려움 없이 Ultralytics YOLO26을 개발 환경에서 프로덕션 환경으로 원활하게 전환할 수 있습니다.

배포의 또 다른 핵심은 리소스가 제한된 기기에서도 모델을 효율적으로 실행하는 것입니다. 이때 양자화가 유용합니다. 간소화된 아키텍처 덕분에 Ultralytics YOLO26은 양자화를 효과적으로 처리합니다. 정확도 손실을 최소화하면서 크기를 줄이고 속도를 높이는 INT8 배포와 지원되는 하드웨어에서 더 빠른 추론을 위한 반정밀도(FP16)를 모두 지원합니다.

무엇보다 중요한 점은 Ultralytics YOLO26이 이러한 양자화 수준 전반에서 일관된 성능을 제공하므로, 강력한 서버에서 실행하든 소형 엣지 기기에서 실행하든 믿고 사용할 수 있다는 것입니다.

로보틱스부터 제조까지: Ultralytics YOLO26 활용 사례#

Ultralytics YOLO26은 다양한 산업과 활용 사례에서 폭넓은 컴퓨터 비전 애플리케이션에 사용할 수 있습니다. 로보틱스부터 제조까지, 워크플로를 개선하고 더 빠르고 정확한 의사결정을 가능하게 하여 큰 영향을 미칠 수 있습니다.

예를 들어 로보틱스 분야에서 Ultralytics YOLO26은 로봇이 주변 환경을 실시간으로 해석하도록 지원할 수 있습니다. 이를 통해 더 원활하게 이동하고 객체를 더 정밀하게 다룰 수 있습니다. 또한 사람과 더 안전하게 협업할 수 있습니다.

또 다른 예로 제조 분야에서는 모델을 결함 탐지에 사용할 수 있습니다. 모델은 생산 라인의 결함을 자동으로 식별하며, 수동 검사보다 더 빠르고 정확하게 처리할 수 있습니다.

그림 4. Ultralytics YOLO26을 사용해 제조 공장에서 병을 탐지하는 모습입니다.

전반적으로 Ultralytics YOLO26은 더 뛰어나고 빠르며 가볍기 때문에, 경량 엣지 기기부터 대규모 엔터프라이즈 시스템까지 다양한 환경에 쉽게 적응합니다. 따라서 효율성, 정확도 및 신뢰성을 높이고자 하는 산업에 실용적인 선택지가 됩니다.

핵심 요점#

Ultralytics YOLO26은 사용하기 쉽고 뛰어난 성능을 유지하면서도 더 나은 성능을 더 빠르고 가볍게 제공하는 컴퓨터 비전 모델입니다. 다양한 작업과 플랫폼에서 작동하며 2026년 1월 출시 이후 누구나 사용할 수 있습니다. 커뮤니티가 이 모델을 활용해 새로운 솔루션을 만들고 컴퓨터 비전의 한계를 넓혀 나갈 모습을 기대합니다.

성장 중인 커뮤니티에 참여해 보세요! AI에 대해 자세히 알아보려면 GitHub 저장소를 살펴보세요. 솔루션 페이지에서 리테일 분야의 컴퓨터 비전과 자동차 산업의 AI 같은 혁신 사례를 확인해 보세요. 지금 바로 컴퓨터 비전 개발을 시작하려면 라이선스 옵션을 확인하세요.