Ultralytics 重新定义尖端视觉人工智能 |Ultralytics

今日，我们正式Ultralytics 该模型树立了尖端性能的新基准。该模型由我们的创始人兼首席执行官Glenn Jocher在伦敦YOLO 2025（YV25）大会上首次发布，是迄今为止我们最先进且可部署的模型。

YOLO26专为轻量化、紧凑型和高速运行而设计，旨在满足现实世界中实时视觉AI应用的实际运行需求。该模型内置原生端到端推理功能，可简化部署流程、降低系统复杂度，并在边缘设备及大规模生产环境中提供稳定可靠的性能表现。

事实上，YOLO26的最小版本——nano模型——在标准CPU上的运行速度提升高达43%，为移动应用、智能摄像头及其他边缘设备提供了高效的实时视觉AI解决方案。Ultralytics"让强大的视觉AI能力触手可及"的愿景，YOLO26将顶尖性能与简易性完美融合，使其易于使用和部署。

为下一代计算机视觉而生

计算机视觉正迅速突破云端限制。现实世界中的应用日益要求在无人机、摄像头、移动系统和嵌入式平台等设备上实现实时推理、低延迟、硬件灵活性及可预测的性能表现。

YOLO26正是为实现这一转变而专门构建的。通过从根本上重新设计目标检测管道Ultralytics 一种模型架构，在消除不必要复杂性的同时，实现了顶尖的准确率与运行速度。

例如，Ultralytics 模型依赖于一个名为非最大抑制（NMS）的额外后处理步骤，用于在推理后过滤重叠预测结果。YOLO26通过实现原生端到端推理消除了这一额外步骤，使模型能够直接输出最终检测结果。这使得模型能够更快、更可预测且更可靠地部署于实际应用场景。

YOLO26并非渐进式更新，它标志着生产级视觉人工智能在训练、部署和扩展方式上的结构性飞跃。

YOLO26 的关键优势之一在于它如何继承了早期模型的优点，例如 Ultralytics YOLO11 ，同时拓展了计算机视觉的边界。开箱即用时，YOLO26支持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。

该模型还持续支持姿势估计、面向边界框的航空与卫星影像目标检测，以及跨视频流的目标追踪。YOLO11，YOLO26提供五种模型变体：Nano（n）、Small（s）、Medium（m）、Large（l）和Extra large（x），为用户提供兼顾速度、体积与精度的选择方案。

Ultralytics 旨在提升性能、可靠性和实际应用性的改进。以下是YOLO26的主要功能一览：

分布式焦点损失移除：YOLO26 移除了分布式焦点损失（DFL），从而降低模型复杂度，推动在边缘计算和低功耗硬件上实现更简单、兼容性更强的部署。
端到NMS：YOLO26原生消除了对非最大抑制（NMS）的需求——该步骤通常用于消除重复预测，从而使部署更简单、更快速，满足实时应用需求。
渐进式损失平衡 + 小目标感知标签分配：渐进式 损失平衡（ProgLoss）与小目标感知标签分配（STAL）共同调整模型在训练过程中的学习方式，从而在复杂场景中实现对小型及远距离物体的更可靠检测。
MuSGD优化器：YOLO26引入了Mu SGD优化器，该算法融合了随机梯度下降（SGD）与缪子启发式技术，可提升训练稳定性，实现更快、更稳定的收敛效果。
最高提升43CPU ：YOLO26 nano模型在标准CPU上实现最高43%的推理加速，为移动设备、智能摄像头及其他边缘系统提供高效的实时视觉AI能力。

YOLO26的开发凝聚了团队研究成果，并融合了来自社区、合作伙伴及客户的宝贵反馈。我们致力于简化架构、提升效率，使模型更适应实际应用场景。

回顾这一历程时，格伦·乔克解释道："最大的挑战之一在于确保用户能充分利用YOLO26，同时保持顶尖性能。"他的观点凸显了YOLO26的核心设计原则：让视觉人工智能保持易用性。

对此观点，我们的高级机器学习工程师景秋补充道："YOLO 关键在于稳扎稳打，不急不躁。我持续优化模型，专注于速度与精度的平衡。当最终成果呈现时，那种静谧的满足感油然而生——这正是专注细节终有回报的明证。"

Ultralytics 即日起通过Ultralytics 向公众开放，全面支持训练、推理及导出工作流。在商业或封闭环境中部署 YOLO26 的机构可获取企业级许可方案，该方案涵盖生产环境部署支持、长期维护服务及可扩展的边缘部署能力。

与我们之前的模型一样，该模型Ultralytics Python 获得全面支持，使用户能够立即上手使用。用户可以使用熟悉的简化工作流来训练、验证和部署YOLO26，同时还能利用多种导出选项，ONNX、TensorRT、CoreML、TFLite、OpenVINO。

Ultralytics 标志着我们在推动视觉人工智能更快、更轻量、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人工智能社区以此创造的成果。我们期待见证您的创新，并继续携手共塑计算机视觉的未来。

加入我们的社区，探索GitHub代码库，深入了解人工智能。发现行业解决方案，如机器人技术中的AI应用和物流领域的计算机视觉技术，了解我们的许可选项，立即开始构建计算机视觉项目。