Ultralytics 借助 YOLO26 重新定义先进视觉 AI

今天，我们正式推出 Ultralytics YOLO26，这款全新模型为最先进性能树立了新的基准。我们的创始人兼 CEO Glenn Jocher 首次在伦敦举办的 YOLO Vision 2025 (YV25) 大会上介绍了它；如今，它已成为我们迄今为止最先进、最易部署的模型。

YOLO26 专为轻量、小巧和高速而设计，面向视觉 AI 应用在现实世界中实际运行的场景进行优化。通过将原生端到端推理直接集成到模型中，YOLO26 简化了部署、降低了系统复杂性，并在边缘设备和大规模生产环境中提供可靠的性能。

事实上，YOLO26 最小的 nano 模型在标准 CPU 上的运行速度最高可提升 43%，从而能够在移动应用、智能相机和其他边缘设备上高效实现实时视觉 AI 解决方案。YOLO26 秉承 Ultralytics 让每个人都能使用有影响力的视觉 AI 能力这一愿景，将最先进的性能与简洁性相结合，让使用和部署都变得简单。

为计算机视觉的下一个时代而构建#

计算机视觉正在快速走出云端。现实世界的应用越来越需要实时推理、低延迟、硬件灵活性，以及在无人机、相机、移动系统和嵌入式平台等设备上可预测的性能。

YOLO26 正是为这一转变而专门打造的。 Ultralytics 从根本上重新思考了目标检测流程，构建出一种能够移除不必要复杂性，同时提供最先进精度和速度的模型架构。

例如，传统的 Ultralytics 目标检测模型依赖一个名为非极大值抑制的额外后处理步骤，用于在推理后过滤重叠的预测结果。YOLO26 通过启用原生端到端推理消除了这一额外步骤，使模型能够直接生成最终检测结果。这让现实世界中的部署更快、更可预测，也更可靠。

YOLO26 并非一次渐进式更新，而是代表了生产级视觉 AI 在训练、部署和扩展方式上的结构性飞跃。

图 1：Ultralytics YOLO26 基准测试

YOLO26 带来了哪些可能#

YOLO26 的关键特性之一，是它在 Ultralytics YOLO11 等早期模型优势的基础上，进一步拓展了计算机视觉的可能性。YOLO26 开箱即支持与 YOLO11 相同的核心计算机视觉任务，包括目标检测、实例分割和图像分类。

图 2：使用 YOLO26 检测图像中目标的示例。

它还继续支持姿态估计、面向航空和卫星图像的有向边界框目标检测，以及跨视频流的目标跟踪。与 YOLO11 一样，YOLO26 提供五种模型变体：Nano (n)、Small (s)、Medium (m)、Large (l) 和 Extra large (x)，让你可以在速度、大小和精度之间进行权衡选择。

Ultralytics YOLO26 的主要特性#

Ultralytics YOLO26 包含一系列旨在提升性能、可靠性和现实世界可用性的改进。下面介绍 YOLO26 的主要特性：

• 移除 Distribution Focal Loss： YOLO26 移除了 Distribution Focal Loss (DFL)，降低了模型复杂性，并推动在边缘设备和低功耗硬件上实现更简单、更兼容的部署。
• 端到端无 NMS 推理： YOLO26 原生移除了对非极大值抑制 (NMS) 的需求。这一步通常用于去除重复预测，因此能够让实时应用的部署更加简单、快速。
• 渐进式损失平衡 + STAL： 渐进式损失平衡 (ProgLoss) 和小目标感知标签分配 (STAL) 会调整模型在训练过程中的学习方式，从而在复杂场景中更可靠地检测小目标和远距离目标。
• MuSGD 优化器： YOLO26 引入了 MuSGD 优化器，它融合了随机梯度下降 (SGD) 和受 Muon 启发的技术，可提升训练稳定性，并实现更快、更一致的收敛。
• CPU 推理速度最高提升 43%： YOLO26 nano 模型在标准 CPU 上的推理速度最高可提升 43%，从而能够在移动设备、智能相机和其他边缘系统上高效实现实时视觉 AI。

代码背后：Ultralytics YOLO26 的研发历程#

YOLO26 的开发是团队共同努力的成果，凝聚了我们团队的研究，以及我们从社区、合作伙伴和客户那里获得的反馈。我们的目标是简化架构、提升效率，并让模型更适用于现实世界的应用。

回顾这段历程时，Glenn Jocher 解释道：“最大的挑战之一，是确保用户能够充分发挥 YOLO26 的能力，同时仍然提供顶尖的性能。”他的观点突出了 YOLO26 的核心设计原则：让视觉 AI 易于使用。

围绕这一理念，我们的高级机器学习工程师 Jing Qiu 补充道：“构建全新的 Ultralytics YOLO 模型，关键在于保持稳定、不急于求成。我不断进行改进，只专注于速度与精度之间的平衡。当一切最终结合起来时，我感到一种平静的满足——这证明了坚持关注细节确实有效。”

开始使用 Ultralytics YOLO26 构建#

从今天起，Ultralytics YOLO26 将通过 Ultralytics Platform 向公众开放，并全面支持训练、推理和导出工作流。在商业或封闭环境中部署 YOLO26 的组织可以使用企业许可选项，其中包括生产部署支持、长期维护和可扩展的边缘设备部署。

与之前的模型一样，YOLO26 也完全支持通过 Ultralytics Python 软件包使用，让你能够立即开始。你可以沿用熟悉的简洁工作流训练、验证和部署 YOLO26，同时利用 ONNX、TensorRT、CoreML、TFLite、OpenVINO 等多种导出选项。

让我们携手构建视觉 AI 的未来#

Ultralytics YOLO26 是我们让视觉 AI 变得更快、更轻量、更易用的下一步。但这只是开始。

真正的影响力，来自视觉 AI 社区利用它所创造的一切。我们期待看到你的创新，并继续携手塑造计算机视觉的未来。

通过我们的社区与我们联系，并探索我们的 GitHub 代码仓库，深入了解 AI。探索机器人领域的 AI和物流领域的计算机视觉等行业解决方案，查看我们的许可选项，立即开始使用计算机视觉进行构建。