Ultralytics 以 YOLO26 重新定义最先进的视觉 AI

今天，我们正式发布了 Ultralytics YOLO26，这是我们建立尖端性能新基准的新模型。它由我们的创始人兼首席执行官 Glenn Jocher 在伦敦举行的 YOLO Vision 2025 (YV25) 上首次介绍，是我们迄今为止最先进、最易部署的模型。

YOLO26 设计轻量、紧凑且快速，专为现实世界中实时视觉 AI 应用的实际运行场景而打造。通过直接内置在模型中的原生端到端推理，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了可靠的性能。

实际上，YOLO26 的最小版本即 nano 模型，在标准 CPU 上的运行速度提升了高达 43%，从而在移动应用、智能摄像头和其他边缘设备上实现了高效的 实时视觉 AI 解决方案。基于 Ultralytics 让每个人都能使用具有影响力的视觉 AI 能力的愿景，YOLO26 将尖端性能与简洁性相结合，使其易于使用和部署。

Link to this section为计算机视觉的下一个时代而生#

计算机视觉 正在迅速超越云端。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、摄像头、移动系统和嵌入式平台等设备上的可预测性能。

YOLO26 专为这一转变而构建。 通过从底层重新构思目标检测流程，Ultralytics 创建了一种模型架构，在提供尖端精度和速度的同时，消除了不必要的复杂性。

例如，传统的 Ultralytics 目标检测模型依赖于一种称为 非极大值抑制 (NMS) 的额外后处理步骤，用于在推理后过滤重叠的预测。YOLO26 通过支持原生端到端推理消除了这一额外步骤，使模型能够直接产生最终检测结果。它解锁了更快、更可预测且更可靠的现实世界部署。

YOLO26 并非增量更新。它代表了生产级视觉 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

Link to this sectionYOLO26 带来的可能#

YOLO26 的关键点之一在于它如何建立在 Ultralytics YOLO11 等早期模型的优势之上，同时扩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 检测图像中对象的示例。

它还继续支持姿态估计、用于航空和卫星图像的旋转边界框目标检测，以及跨视频流的目标追踪。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)，为用户提供平衡速度、大小和精度的选择。

Link to this sectionUltralytics YOLO26 的关键特性#

Ultralytics YOLO26 包含一系列旨在提高性能、可靠性和现实世界可用性的改进。以下是 YOLO26 的关键特性概览：

• 分布焦点损失 (DFL) 移除： YOLO26 移除了分布焦点损失 (DFL)，降低了模型复杂性，并推动了在边缘和低功耗硬件上更简单、更兼容的部署。
• 端到端无 NMS 推理： YOLO26 原生消除了对非极大值抑制 (NMS) 的需求，这一步骤通常用于移除重复预测，使得实时应用的部署更简单、更快捷。
• 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) 调整了模型在训练过程中的学习方式，实现了对复杂场景中小目标和远距离目标的更可靠检测。
• MuSGD 优化器： YOLO26 引入了 MuSGD 优化器，这是随机梯度下降 (SGD) 和 Muon 启发技术的混合体，它增强了训练稳定性并实现了更快、更一致的收敛。
• CPU 推理速度提升高达 43%： YOLO26 nano 模型在标准 CPU 上的推理速度提升了高达 43%，从而在移动设备、智能摄像头和其他边缘系统上实现了高效的实时视觉 AI。

Link to this section代码背后的故事：通往 Ultralytics YOLO26 之旅#

YOLO26 的开发是我们的团队研究以及我们从社区、合作伙伴和客户收到的反馈共同塑造的成果。我们着手简化架构、提高效率，并使模型更适合现实世界的使用。

回顾这段旅程，Glenn Jocher 解释道：“最大的挑战之一是确保用户在获得顶尖性能的同时，能够充分利用 YOLO26。” 他的观点突显了 YOLO26 的核心设计原则：保持视觉 AI 的易用性。

我们的高级机器学习工程师 Jing Qiu 对这一理念进行了扩展，补充道：“构建新的 Ultralytics YOLO 模型在于保持稳健，不急于求成。我一直在进行完善，只专注于速度与精度的平衡。当它最终整合在一起时，我感到一种静谧的满足感——这证明了对细节的坚持是行之有效的。”

Link to this section开始使用 Ultralytics YOLO26 构建项目#

Ultralytics YOLO26 从今天起通过 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 的组织可以获得企业许可选项，其中包括对生产部署、长期维护和可扩展边缘部署的支持。

像我们之前的模型一样，它也通过 Ultralytics Python 软件包 得到全面支持，让用户能够立即上手。用户可以使用他们已经熟悉的精简工作流来训练、验证和部署 YOLO26，同时利用 ONNX、TensorRT、CoreML、TFLite、OpenVINO 等多种导出选项。

Link to this section让我们一起构建视觉 AI 的未来#

Ultralytics YOLO26 代表了我们在使视觉 AI 更快、更轻、更易用方面迈出的新一步。但这仅仅是个开始。

真正的影响力源于视觉 AI 社区用它创造的成果。我们期待看到你的创新，并继续共同塑造计算机视觉的未来。

加入我们的 社区 并浏览我们的 GitHub 仓库 以深入探索 AI。发现诸如 机器人 AI 和 物流计算机视觉 等行业解决方案，查看 我们的许可选项，并立即开始用计算机视觉进行构建。