Giới thiệu Ultralytics YOLO26: Model YOLO tốt hơn, nhanh hơn và nhỏ gọn hơn

Vào ngày 25 tháng 9, tại sự kiện thường niên kết hợp trực tuyến và trực tiếp YOLO Vision 2025 (YV25) ở London, Glenn Jocher, Nhà sáng lập kiêm CEO của chúng tôi, đã chính thức công bố model mới nhất trong dòng Ultralytics YOLO, Ultralytics YOLO26. Model thị giác máy tính mới YOLO26 có thể phân tích và diễn giải hình ảnh, video bằng kiến trúc tinh gọn, cân bằng giữa tốc độ, độ chính xác và khả năng triển khai dễ dàng.

Mặc dù Ultralytics YOLO26 đơn giản hóa một số khía cạnh trong thiết kế model và bổ sung các cải tiến mới, model vẫn tiếp tục cung cấp những tính năng quen thuộc mà người dùng mong đợi ở các model Ultralytics YOLO. Ví dụ, Ultralytics YOLO26 dễ sử dụng, hỗ trợ nhiều tác vụ thị giác máy tính và cung cấp các tùy chọn tích hợp, triển khai linh hoạt.

Việc chuyển sang Ultralytics YOLO26 trở nên đơn giản, và chúng tôi rất mong người dùng được tự mình trải nghiệm model này. YOLO26 được phát hành công khai vào ngày 14 tháng 1 năm 2026 và hiện đã có trong package Python Ultralytics cũng như Ultralytics Platform.

Hình 1. Ví dụ sử dụng Ultralytics YOLO26 để phát hiện đối tượng trong ảnh.

Nói đơn giản, Ultralytics YOLO26 là model AI thị giác tốt hơn, nhanh hơn và nhỏ hơn. Trong bài viết này, chúng ta sẽ tìm hiểu những tính năng chính của Ultralytics YOLO26 và các điểm nổi bật của model.

Đưa AI thị giác vượt qua những giới hạn với Ultralytics YOLO26#

Trước khi tìm hiểu các tính năng chính của Ultralytics YOLO26 và những ứng dụng mà model này hỗ trợ, hãy cùng xem nguồn cảm hứng và động lực thúc đẩy quá trình phát triển model.

Tại Ultralytics, chúng tôi luôn tin vào sức mạnh của đổi mới. Ngay từ đầu, sứ mệnh của chúng tôi đã có hai mục tiêu. Một mặt, chúng tôi muốn giúp mọi người dễ dàng tiếp cận AI thị giác để ai cũng có thể sử dụng mà không gặp rào cản. Mặt khác, chúng tôi cũng cam kết duy trì công nghệ ở vị trí tiên tiến nhất, không ngừng mở rộng giới hạn của những gì model thị giác máy tính có thể đạt được.

Một yếu tố then chốt đằng sau sứ mệnh này là lĩnh vực AI luôn phát triển. Chẳng hạn, AI biên, tức việc chạy model AI trực tiếp trên thiết bị thay vì dựa vào cloud, đang được ứng dụng nhanh chóng trong nhiều ngành.

Từ camera thông minh đến hệ thống tự hành, các thiết bị biên hiện được kỳ vọng có thể xử lý thông tin theo thời gian thực. Sự chuyển dịch này đòi hỏi các model nhẹ và nhanh hơn nhưng vẫn duy trì độ chính xác cao như trước.

Đó là lý do các model Ultralytics YOLO của chúng tôi cần được cải tiến liên tục. Như Glenn Jocher chia sẻ: “Một trong những thách thức lớn nhất là đảm bảo người dùng có thể khai thác tối đa YOLO26 mà vẫn đạt hiệu năng hàng đầu.”

Tổng quan về Ultralytics YOLO26#

YOLO26 có sẵn với năm biến thể model khác nhau, mang đến cho bạn sự linh hoạt để tận dụng các khả năng của model trong ứng dụng ở mọi quy mô. Tất cả các biến thể model này đều hỗ trợ nhiều tác vụ thị giác máy tính, giống như các model Ultralytics YOLO trước đây. Điều này có nghĩa là dù chọn kích thước nào, bạn cũng có thể tin cậy YOLO26 cung cấp nhiều khả năng, tương tự như Ultralytics YOLO11.

Dưới đây là tổng quan về các tác vụ thị giác máy tính mà Ultralytics YOLO26 hỗ trợ:

• Phát hiện đối tượng: Ultralytics YOLO26 có thể nhận diện và xác định vị trí của nhiều đối tượng trong một ảnh hoặc khung hình video.
• Phân đoạn đối tượng riêng lẻ: Vượt xa khả năng phát hiện, Ultralytics YOLO26 có thể tạo đường biên chính xác đến từng pixel quanh mỗi đối tượng được nhận diện.
• Phân loại ảnh: Model có thể phân tích toàn bộ ảnh và gán ảnh đó vào một danh mục hoặc nhãn cụ thể.
• Ước tính tư thế: Ultralytics YOLO26 có thể phát hiện các keypoint và ước tính tư thế của con người cũng như các đối tượng khác.
• Hộp giới hạn định hướng (OBB): Model có thể phát hiện đối tượng ở mọi góc độ. Tính năng này đặc biệt hữu ích với ảnh chụp từ trên không, drone và vệ tinh, nơi các vật thể như tòa nhà, phương tiện hoặc cây trồng có thể không thẳng hàng với khung ảnh.
• Theo dõi đối tượng: Có thể dùng Ultralytics YOLO26 để theo dõi đối tượng qua các khung hình video hoặc luồng thời gian thực.

Hình 2. Phát hiện đối tượng trong ảnh bằng Ultralytics YOLO26.

Tìm hiểu kiến trúc của Ultralytics YOLO26#

Giờ đây, khi đã hiểu rõ hơn về khả năng của Ultralytics YOLO26, hãy cùng điểm qua một số cải tiến trong kiến trúc của model.

Thiết kế của model được tinh gọn bằng cách loại bỏ module Distribution Focal Loss (DFL), vốn trước đây làm chậm quá trình inference và hạn chế khả năng hồi quy hộp giới hạn.

Quy trình dự đoán cũng được đơn giản hóa bằng tùy chọn suy luận đầu-cuối (E2E), cho phép model bỏ qua bước Non-Maximum Suppression (NMS) truyền thống. Cải tiến này giảm độ phức tạp và giúp model trả kết quả nhanh hơn, nhờ đó việc triển khai trong các ứng dụng thực tế trở nên dễ dàng hơn.

Các cải tiến khác giúp model thông minh và đáng tin cậy hơn. Cân bằng tổn thất tiến triển (ProgLoss) giúp ổn định quá trình huấn luyện và cải thiện độ chính xác, trong khi Gán nhãn nhận biết mục tiêu nhỏ (STAL) đảm bảo model phát hiện vật thể nhỏ hiệu quả hơn. Ngoài ra, bộ tối ưu MuSGD mới giúp quá trình huấn luyện hội tụ tốt hơn và nâng cao hiệu năng tổng thể.

Trên thực tế, phiên bản nhỏ nhất của Ultralytics YOLO26 — model nano — hiện chạy nhanh hơn tới 43% so với YOLO11n trên các CPU tiêu chuẩn, rất phù hợp với ứng dụng di động, camera thông minh và các thiết bị biên khác, nơi tốc độ và hiệu quả là yếu tố quan trọng. Dưới đây là phần tóm tắt nhanh về các tính năng của YOLO26 và những điều người dùng có thể kỳ vọng:

• Loại bỏ DFL: Chúng tôi đã loại bỏ module Distribution Focal Loss khỏi kiến trúc model. Bất kể kích thước đối tượng trong ảnh, Ultralytics YOLO26 đều có thể đặt các hộp giới hạn phù hợp đồng thời hoạt động hiệu quả hơn.
• Inference đầu cuối không cần NMS: Ultralytics YOLO26 bổ sung một chế độ tùy chọn không cần Non-Maximum Suppression (NMS), bước thường được dùng để loại bỏ các dự đoán trùng lặp, giúp triển khai đơn giản và nhanh hơn cho các ứng dụng thời gian thực.
• ProgLoss và STAL: Các cải tiến này giúp quá trình huấn luyện ổn định hơn và cải thiện đáng kể độ chính xác, đặc biệt khi phát hiện đối tượng nhỏ trong những cảnh phức tạp.
• Optimizer MuSGD: Ultralytics YOLO26 sử dụng optimizer mới kết hợp ưu điểm của hai optimizer huấn luyện (Muon và SGD), giúp model học nhanh hơn và đạt độ chính xác cao hơn.

Hình 3. Đánh giá hiệu năng Ultralytics YOLO26.

Đơn giản hóa việc triển khai với Ultralytics YOLO26#

Dù bạn đang làm việc với ứng dụng di động, camera thông minh hay hệ thống doanh nghiệp, việc triển khai YOLO26 đều đơn giản và linh hoạt. Gói Python Ultralytics hỗ trợ ngày càng nhiều định dạng export, giúp dễ dàng tích hợp YOLO26 vào quy trình làm việc hiện có và tương thích với hầu hết mọi nền tảng.

Một số tùy chọn export gồm TensorRT để tăng tốc GPU tối đa, ONNX để có khả năng tương thích rộng, CoreML cho ứng dụng iOS gốc, TFLite cho Android và thiết bị biên, cùng OpenVINO để tối ưu hiệu năng trên phần cứng Intel. Tính linh hoạt này giúp chuyển Ultralytics YOLO26 từ giai đoạn phát triển sang production một cách dễ dàng, không gặp trở ngại phát sinh.

Một khía cạnh quan trọng khác của triển khai là đảm bảo model chạy hiệu quả trên các thiết bị có tài nguyên hạn chế. Đây là lúc lượng tử hóa phát huy tác dụng. Nhờ kiến trúc được đơn giản hóa, Ultralytics YOLO26 xử lý tốt yêu cầu này. Model hỗ trợ triển khai INT8 (sử dụng nén 8 bit để giảm kích thước và tăng tốc độ với mức hao hụt độ chính xác tối thiểu) cũng như độ chính xác bán phần (FP16) để tăng tốc suy luận trên phần cứng được hỗ trợ.

Quan trọng nhất là Ultralytics YOLO26 duy trì hiệu năng ổn định ở các mức quantization này, vì vậy bạn có thể tin cậy model dù chạy trên server mạnh hay thiết bị biên nhỏ gọn.

Từ robotics đến sản xuất: Các trường hợp sử dụng Ultralytics YOLO26#

Ultralytics YOLO26 có thể được sử dụng trong nhiều ứng dụng thị giác máy tính thuộc các ngành và trường hợp sử dụng khác nhau. Từ robotics đến sản xuất, model có thể tạo ra tác động đáng kể bằng cách cải thiện quy trình làm việc và hỗ trợ đưa ra quyết định nhanh hơn, chính xác hơn.

Chẳng hạn, robotics là một ví dụ điển hình, trong đó Ultralytics YOLO26 có thể giúp robot diễn giải môi trường xung quanh theo thời gian thực. Nhờ vậy, robot di chuyển trơn tru hơn và thao tác với đối tượng chính xác hơn. Model cũng hỗ trợ cộng tác an toàn hơn với con người.

Một ví dụ khác là sản xuất, nơi model có thể được dùng để phát hiện lỗi. Model có thể tự động xác định khiếm khuyết trên dây chuyền sản xuất nhanh và chính xác hơn so với kiểm tra thủ công.

Hình 4. Phát hiện chai lọ trong nhà máy sản xuất bằng Ultralytics YOLO26.

Nhìn chung, nhờ tốt hơn, nhanh hơn và nhẹ hơn, Ultralytics YOLO26 dễ dàng thích ứng với nhiều môi trường, từ thiết bị biên gọn nhẹ đến hệ thống doanh nghiệp quy mô lớn. Đây là lựa chọn thiết thực cho các ngành muốn cải thiện hiệu quả, độ chính xác và độ tin cậy.

Điểm chính cần ghi nhớ#

Ultralytics YOLO26 là model thị giác máy tính tốt hơn, nhanh hơn và nhẹ hơn, đồng thời vẫn dễ sử dụng và duy trì hiệu năng cao. Model hoạt động trên nhiều tác vụ và nền tảng, đồng thời đã được cung cấp cho mọi người kể từ khi phát hành vào tháng 1 năm 2026. Chúng tôi rất mong được thấy cộng đồng sử dụng model này để tạo ra giải pháp mới và mở rộng giới hạn của thị giác máy tính.

Hãy tham gia cộng đồng đang phát triển của chúng tôi! Khám phá repository GitHub để tìm hiểu thêm về AI. Tìm hiểu các đổi mới như thị giác máy tính trong bán lẻ và AI trong ngành ô tô bằng cách truy cập các trang giải pháp của chúng tôi. Để bắt đầu xây dựng với thị giác máy tính ngay hôm nay, hãy xem các tùy chọn cấp phép.