A Ultralytics redefine a visão AI de ponta com o YOLO26

Hoje, estamos a lançar oficialmente o Ultralytics YOLO26, o nosso novo modelo que estabelece uma nova referência para o desempenho de ponta. Apresentado pela primeira vez pelo nosso Fundador e CEO, Glenn Jocher, no YOLO Vision 2025 (YV25) em Londres, é o nosso modelo mais avançado e implementável até à data.

Projetado para ser leve, compacto e rápido, o YOLO26 foi desenvolvido para onde as aplicações de IA de visão em tempo real realmente operam no mundo real. Com inferência nativa de ponta a ponta incorporada diretamente no modelo, o YOLO26 simplifica a implementação, reduz a complexidade do sistema e entrega desempenho confiável em dispositivos de borda e ambientes de produção em larga escala.

De facto, a versão mais pequena do YOLO26, o modelo nano, executa até 43% mais rápido em CPUs padrão, permitindo soluções de IA de visão em tempo real eficientes em aplicações móveis, câmaras inteligentes e outros dispositivos edge. Construído com base na visão da Ultralytics de tornar as capacidades de IA de visão impactantes acessíveis a todos, o YOLO26 combina um desempenho de ponta com simplicidade, tornando-o fácil de utilizar e implementar.

Construído para a próxima era da visão computacional#

A visão computacional está a evoluir rapidamente para lá da nuvem. As aplicações do mundo real exigem cada vez mais inferência em tempo real, baixa latência, flexibilidade de hardware e desempenho previsível em dispositivos como drones, câmaras, sistemas móveis e plataformas incorporadas.

O YOLO26 foi criado explicitamente para esta transição. Ao repensar o pipeline de deteção de objetos de raiz, a Ultralytics criou uma arquitetura de modelo que remove a complexidade desnecessária, proporcionando ao mesmo tempo precisão e velocidade de ponta.

Por exemplo, os modelos de deteção de objetos tradicionais da Ultralytics dependem de um passo de pós-processamento adicional chamado Non-Maximum Suppression para filtrar previsões sobrepostas após a inferência. O YOLO26 elimina este passo extra ao permitir a inferência nativa de ponta a ponta, permitindo que o modelo produza detecções finais diretamente. Isto desbloqueia uma implementação no mundo real mais rápida, previsível e fiável.

O YOLO26 não é uma atualização incremental. Ele representa um salto estrutural na forma como a IA de Visão de nível de produção é treinada, implementada e escalada.

Fig 1. Benchmarking do Ultralytics YOLO26

O que o YOLO26 torna possível#

Um dos aspetos fundamentais do YOLO26 é a forma como se baseia nos pontos fortes de modelos anteriores como o Ultralytics YOLO11, enquanto expande o que é possível com a visão computacional. Logo a partir da caixa, o YOLO26 suporta as mesmas tarefas de visão computacional principais do YOLO11, incluindo deteção de objetos, segmentação de instâncias e classificação de imagens.

Fig 2. Um exemplo do uso do YOLO26 para detectar objetos em uma imagem.

Ele também continua a suportar estimativa de pose, detecção de objetos com caixa delimitadora orientada para imagens aéreas e de satélite, e rastreamento de objetos em fluxos de vídeo. Assim como o YOLO11, o YOLO26 está disponível em cinco variantes de modelo, Nano (n), Small (s), Medium (m), Large (l) e Extra large (x), oferecendo aos usuários opções que equilibram velocidade, tamanho e precisão.

Principais recursos do Ultralytics YOLO26#

O Ultralytics YOLO26 inclui uma gama de avanços projetados para aprimorar o desempenho, a confiabilidade e a usabilidade no mundo real. Aqui está uma visão geral dos principais recursos do YOLO26:

• Remoção da Distribution Focal Loss: O YOLO26 remove a Distribution Focal Loss (DFL), reduzindo a complexidade do modelo e impulsionando uma implementação mais simples e compatível em hardware de borda e de baixo consumo de energia.
• Inferência end-to-end sem NMS: O YOLO26 elimina nativamente a necessidade de Non-Maximum Suppression (NMS), um passo normalmente usado para remover predições duplicadas, tornando a implementação mais simples e rápida para uso em tempo real.
• Progressive Loss Balancing + STAL: O Progressive Loss Balancing (ProgLoss) e o Small Target Aware Label Assignment (STAL) ajustam como o modelo aprende durante o treinamento, permitindo uma detecção mais confiável de objetos pequenos e distantes em cenas complexas.
• Otimizador MuSGD: O YOLO26 apresenta o otimizador MuSGD, um híbrido de Stochastic Gradient Descent (SGD) e técnicas inspiradas em Muon, que aumenta a estabilidade do treinamento e permite uma convergência mais rápida e consistente.
• Inferência de CPU até 43% mais rápida: O modelo YOLO26 nano entrega inferência até 43% mais rápida em CPUs padrão, possibilitando IA de visão em tempo real eficiente em dispositivos móveis, câmeras inteligentes e outros sistemas de borda.

Por trás do código: A jornada para o Ultralytics YOLO26#

O desenvolvimento do YOLO26 foi um esforço coletivo moldado pela pesquisa da nossa equipe e pelo feedback que recebemos da comunidade, nossos parceiros e clientes. Decidimos simplificar a arquitetura, melhorar a eficiência e tornar o modelo mais adaptável para o uso no mundo real.

Refletindo sobre essa jornada, Glenn Jocher explicou: "Um dos maiores desafios foi garantir que os usuários pudessem tirar o máximo proveito do YOLO26, mantendo o melhor desempenho." Sua perspectiva destaca um princípio central de design do YOLO26: manter a IA de visão fácil de usar.

Expandindo esta ideia, Jing Qiu, o nosso Engenheiro Sénior de Aprendizagem Automática, acrescentou: “Construir o novo modelo Ultralytics YOLO consistiu em manter a estabilidade, sem pressas. Continuei a refinar, focado apenas no equilíbrio entre velocidade e precisão. Quando tudo se encaixou, foi uma satisfação silenciosa — a prova de que prestar atenção aos detalhes resulta.”

Comece a construir com o Ultralytics YOLO26#

O Ultralytics YOLO26 estará disponível publicamente a partir de hoje através da Ultralytics Platform com suporte total em fluxos de trabalho de treino, inferência e exportação. As organizações que implementam o YOLO26 em ambientes comerciais ou fechados podem aceder a opções de licenciamento empresarial, que incluem suporte para implementação em produção, manutenção de longo prazo e rollouts edge escaláveis.

Tal como os nossos modelos anteriores, também é totalmente suportado através do pacote Python da Ultralytics, permitindo aos utilizadores começar imediatamente. Os utilizadores podem treinar, validar e implementar o YOLO26 com o mesmo fluxo de trabalho otimizado que já conhecem, tirando partido de uma gama de opções de exportação como ONNX, TensorRT, CoreML, TFLite, OpenVINO e muito mais.

Vamos construir o futuro da IA de visão juntos#

O Ultralytics YOLO26 representa nosso próximo passo em tornar a IA de visão mais rápida, leve e fácil de usar. Mas este é apenas o começo.

O impacto real vem do que a comunidade de IA de visão cria com ele. Estamos ansiosos para ver suas inovações e continuar moldando o futuro da visão computacional juntos.

Conecta-te com a nossa comunidade e explora o nosso repositório do GitHub para mergulhares mais fundo na IA. Descobre soluções da indústria como IA na robótica e visão computacional na logística, consulta as nossas opções de licenciamento e começa a construir com visão computacional hoje mesmo.