Ultralytics định nghĩa lại vision AI hiện đại với YOLO26

Hôm nay, chúng tôi chính thức ra mắt Ultralytics YOLO26, model mới thiết lập chuẩn mực mới cho hiệu năng hiện đại nhất. Được Founder kiêm CEO của chúng tôi, Glenn Jocher, giới thiệu lần đầu tại YOLO Vision 2025 (YV25) ở London, đây là model tiên tiến và có khả năng triển khai cao nhất của chúng tôi cho đến nay.

Được thiết kế nhẹ, nhỏ gọn và nhanh, YOLO26 được xây dựng cho môi trường nơi các ứng dụng AI thị giác thời gian thực thực sự vận hành trong thế giới thực. Với khả năng suy luận end-to-end nguyên bản được tích hợp trực tiếp trong model, YOLO26 đơn giản hóa việc triển khai, giảm độ phức tạp của hệ thống và mang lại hiệu năng ổn định trên các thiết bị edge cũng như môi trường production quy mô lớn.

Trên thực tế, phiên bản nhỏ nhất của YOLO26, model nano, chạy nhanh hơn tới 43% trên các CPU tiêu chuẩn, cho phép triển khai hiệu quả các giải pháp AI thị giác thời gian thực trên ứng dụng di động, camera thông minh và các thiết bị edge khác. Được xây dựng dựa trên tầm nhìn của Ultralytics về việc giúp mọi người đều có thể tiếp cận các khả năng AI thị giác tạo ra tác động, YOLO26 kết hợp hiệu năng hiện đại nhất với sự đơn giản, giúp dễ sử dụng và triển khai.

Được xây dựng cho kỷ nguyên tiếp theo của computer vision#

Computer vision đang nhanh chóng vượt ra ngoài cloud. Các ứng dụng trong thế giới thực ngày càng đòi hỏi khả năng suy luận thời gian thực, độ trễ thấp, tính linh hoạt về phần cứng và hiệu năng có thể dự đoán trên các thiết bị như drone, camera, hệ thống di động và nền tảng nhúng.

YOLO26 được xây dựng chuyên biệt cho sự chuyển dịch này. Bằng cách tư duy lại pipeline phát hiện đối tượng từ nền tảng, Ultralytics đã tạo ra một kiến trúc model loại bỏ độ phức tạp không cần thiết, đồng thời mang lại độ chính xác và tốc độ hiện đại nhất.

Ví dụ, các model phát hiện đối tượng truyền thống của Ultralytics dựa vào một bước hậu xử lý bổ sung có tên Non-Maximum Suppression để lọc các dự đoán chồng lấn sau khi suy luận. YOLO26 loại bỏ bước bổ sung này bằng cách hỗ trợ suy luận end-to-end nguyên bản, cho phép model trực tiếp tạo ra các kết quả phát hiện cuối cùng. Điều này mở ra khả năng triển khai trong thế giới thực nhanh hơn, dễ dự đoán hơn và đáng tin cậy hơn.

YOLO26 không phải là một bản cập nhật từng bước nhỏ. Đây là bước tiến mang tính cấu trúc trong cách Vision AI cấp production được huấn luyện, triển khai và mở rộng quy mô.

Hình 1. Đánh giá benchmark Ultralytics YOLO26

YOLO26 mở ra những khả năng gì#

Một trong những điểm nổi bật của YOLO26 là cách model kế thừa các thế mạnh của những model trước đó như Ultralytics YOLO11, đồng thời mở rộng khả năng của computer vision. Ngay khi sử dụng, YOLO26 hỗ trợ cùng các tác vụ computer vision cốt lõi như YOLO11, bao gồm phát hiện đối tượng, phân đoạn instance và phân loại ảnh.

Hình 2. Ví dụ sử dụng YOLO26 để phát hiện đối tượng trong ảnh.

Model cũng tiếp tục hỗ trợ ước tính pose, phát hiện đối tượng bằng bounding box định hướng cho ảnh chụp từ trên không và ảnh vệ tinh, cũng như theo dõi đối tượng trên các luồng video. Giống như YOLO11, YOLO26 có sẵn năm biến thể model: Nano (n), Small (s), Medium (m), Large (l) và Extra large (x), cung cấp cho người dùng các lựa chọn cân bằng giữa tốc độ, kích thước và độ chính xác.

Các tính năng chính của Ultralytics YOLO26#

Ultralytics YOLO26 bao gồm nhiều cải tiến nhằm nâng cao hiệu năng, độ tin cậy và khả năng sử dụng trong thế giới thực. Dưới đây là tổng quan về các tính năng chính của YOLO26:

• Loại bỏ Distribution Focal Loss: YOLO26 loại bỏ Distribution Focal Loss (DFL), giảm độ phức tạp của model và thúc đẩy việc triển khai đơn giản hơn, tương thích hơn trên phần cứng edge và phần cứng công suất thấp.
• Suy luận end-to-end không cần NMS: YOLO26 nguyên bản loại bỏ nhu cầu sử dụng Non-Maximum Suppression (NMS), một bước thường được dùng để loại bỏ các dự đoán trùng lặp, giúp việc triển khai cho các trường hợp sử dụng thời gian thực trở nên đơn giản và nhanh hơn.
• Cân bằng Loss lũy tiến + STAL: Progressive Loss Balancing (ProgLoss) và Small Target Aware Label Assignment (STAL) điều chỉnh cách model học trong quá trình huấn luyện, cho phép phát hiện các đối tượng nhỏ và ở xa trong những cảnh phức tạp đáng tin cậy hơn.
• Optimizer MuSGD: YOLO26 giới thiệu optimizer MuSGD, một phương pháp kết hợp giữa Stochastic Gradient Descent (SGD) và các kỹ thuật lấy cảm hứng từ Muon, giúp cải thiện độ ổn định khi huấn luyện và cho phép hội tụ nhanh hơn, nhất quán hơn.
• Suy luận trên CPU nhanh hơn tới 43%: Model nano YOLO26 mang lại tốc độ suy luận nhanh hơn tới 43% trên các CPU tiêu chuẩn, cho phép triển khai AI thị giác thời gian thực hiệu quả trên thiết bị di động, camera thông minh và các hệ thống edge khác.

Đằng sau code: Hành trình xây dựng Ultralytics YOLO26#

Quá trình phát triển YOLO26 là nỗ lực tập thể, được định hình bởi nghiên cứu của đội ngũ chúng tôi cùng phản hồi nhận được từ cộng đồng, đối tác và khách hàng. Chúng tôi bắt đầu với mục tiêu đơn giản hóa kiến trúc, cải thiện hiệu quả và giúp model thích ứng tốt hơn với việc sử dụng trong thế giới thực.

Nhìn lại hành trình đó, Glenn Jocher chia sẻ: “Một trong những thách thức lớn nhất là bảo đảm người dùng có thể khai thác tối đa YOLO26 mà vẫn duy trì hiệu năng hàng đầu.” Quan điểm này nhấn mạnh một nguyên tắc thiết kế cốt lõi của YOLO26: giúp AI thị giác dễ sử dụng.

Mở rộng ý tưởng này, Jing Qiu, Senior Machine Learning Engineer của chúng tôi, chia sẻ thêm: “Xây dựng model Ultralytics YOLO mới là quá trình giữ vững nhịp độ, không vội vàng. Tôi liên tục tinh chỉnh, chỉ tập trung vào sự cân bằng giữa tốc độ và độ chính xác. Khi mọi thứ kết hợp thành công, đó là một sự hài lòng lặng lẽ - bằng chứng rằng sự kiên trì với từng chi tiết thực sự mang lại kết quả.”

Bắt đầu xây dựng với Ultralytics YOLO26#

Ultralytics YOLO26 sẽ được cung cấp công khai từ hôm nay thông qua Ultralytics Platform, với hỗ trợ đầy đủ cho các workflow huấn luyện, suy luận và export. Các tổ chức triển khai YOLO26 trong môi trường thương mại hoặc môi trường đóng có thể tiếp cận các tùy chọn cấp phép enterprise, bao gồm hỗ trợ triển khai production, bảo trì dài hạn và rollout edge có khả năng mở rộng.

Giống như các model trước đây, model này cũng được hỗ trợ đầy đủ thông qua gói Python của Ultralytics, giúp người dùng có thể bắt đầu ngay lập tức. Người dùng có thể huấn luyện, validation và triển khai YOLO26 bằng workflow tinh gọn quen thuộc, đồng thời tận dụng nhiều tùy chọn export như ONNX, TensorRT, CoreML, TFLite, OpenVINO và nhiều tùy chọn khác.

Cùng xây dựng tương lai của AI thị giác#

Ultralytics YOLO26 là bước tiến tiếp theo của chúng tôi trong việc giúp AI thị giác nhanh hơn, nhẹ hơn và dễ sử dụng hơn. Nhưng đây mới chỉ là khởi đầu.

Tác động thực sự đến từ những gì cộng đồng AI thị giác tạo ra với model này. Chúng tôi mong chờ được chứng kiến các đổi mới của bạn và tiếp tục cùng nhau định hình tương lai của computer vision.

Kết nối với cộng đồng của chúng tôi và khám phá repository GitHub để tìm hiểu sâu hơn về AI. Khám phá các giải pháp trong ngành như AI trong lĩnh vực robotics và computer vision trong logistics, xem các tùy chọn cấp phép của chúng tôi và bắt đầu xây dựng với computer vision ngay hôm nay.