Куда движется Ultralytics
От моделей, которые подарили миллионам пользователей ИИ машинного зрения в реальном времени, до релизов на горизонте. Вот что мы уже выпустили и что ждет впереди.
Релиз, который предоставил миллионам пользователей быстрое и невероятно простое в обучении детектирование объектов в реальном времени на базе PyTorch.
Единый фреймворк для детектирования, сегментации, классификации, оценки позы и ориентированных ограничивающих рамок.
Усовершенствованная архитектура, обеспечивающая более высокую точность при меньшем количестве параметров, представленная на Ultralytics YOLO Vision 2024.
Наша текущая рекомендуемая модель — быстрее, точнее и готова к промышленному использованию во всех задачах машинного зрения.
Комплексная платформа для разметки данных, обучения моделей YOLO и развертывания в 42 регионах мира — все в одном месте.
Наши первые модели семантической сегментации — плотные попиксельные классовые метки для полноценного понимания сцены.
Высокопроизводительная библиотека для инференса YOLO и CLI на Rust, запускающая модели на базе ONNX Runtime через API, спроектированный так, чтобы соответствовать пакету Ultralytics для Python.
Запускай модели YOLO прямо в браузере, без сервера и без Python. Он работает на WebGPU с автоматическим резервным переключением на CPU и wasm, используя небольшой API на TypeScript, работающий на базе крейта для Rust, скомпилированного в WebAssembly.
Научная статья о YOLO26 — детальное описание дизайна «end-to-end» без NMS, нового оптимизатора MuSGD и передового баланса точности и задержки для всех пяти масштабов моделей.
Более быстрый и точный многообъектный трекинг — устойчивое сохранение идентификаторов при перекрытиях и в сценах с высокой плотностью объектов для реальных видео.
- Re-ID — повторная идентификация объектов позволяет сохранять консистентность ID между камерами и после перекрытий
Встроенная дистилляция знаний сжимает большие модели-учителя в меньшие и более быстрые модели-ученики, помогая сохранить точность для эффективного развертывания на периферийных устройствах и в режиме реального времени.
Модели глубины YOLO26 предсказывают плотные карты расстояний для каждого пикселя на основе изображения с одной RGB-камеры, добавляя 3D-пространственное восприятие без использования специализированных датчиков глубины или лидаров.
Ultralytics YOLO Vision 2026
Следующее флагманское поколение YOLO, представленное в прямом эфире на Ultralytics YOLO Vision 2026, расширяющее семейство в сторону визуально-языковых моделей:
- YOLO-VLM — легковесный фронтенд YOLO, подающий данные в более глубокий слой LLM для эффективных конвейеров «зрение-язык»
Экспортируй модели YOLO в новый формат .aimodel от Apple для среды выполнения Core AI после выхода iOS 27 и macOS 27 в общий доступ, сохраняя при этом CoreML для обеспечения широкой совместимости с устройствами.
Три ключевых направления продукта определяют развитие платформы до конца года:
- Автоматическое обучение (Auto-Training) — итеративный анализ обучения на базе LLM, который автоматически диагностирует каждый запуск и уточняет конфигурацию в последующих раундах для повышения точности.
- Локальное развертывание (On-Premise) — запускай платформу в собственной инфраструктуре, полностью контролируя свои данные и процесс обучения.
- Мониторинг — отслеживание работы моделей в продакшене для контроля производительности, обнаружения деградации и поддержания стабильной работы развернутых систем.
Новые возможности, которые дополнят семейство YOLO в 2027 году:
- YOLO-OCR — быстрое и точное распознавание текста
- YOLO-Face — распознавание и анализ лиц
- YOLO-Stereo3D — стерео 3D-детектирование с использованием бинокулярных камер для робототехники, альтернатива лидарам, использующая только камеры
Создавай на базе новейшей YOLO
Начни обучение и развертывание с YOLO26 сегодня — и будь готов ко всему, что будет дальше.