Ultralytics 以 YOLO26 重新定义先进视觉 AI
了解 Ultralytics YOLO26 如何在速度、简洁性和实际部署能力方面为视觉 AI 树立新标准，覆盖从边缘设备到大型服务器的各种场景。
今天，我们正式推出 Ultralytics YOLO26，这款新模型树立了最先进性能的新基准。该模型由我们的创始人兼首席执行官 Glenn Jocher 首次在伦敦举办的 YOLO Vision 2025 (YV25) 上发布，是迄今为止我们最先进、最易于部署的模型。
YOLO26 专为轻量、紧凑和高速而设计，旨在满足现实世界中实时视觉 AI 应用的运行需求。模型直接内置原生端到端推理，简化部署、降低系统复杂性，并在边缘设备和大规模生产环境中提供可靠性能。
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%，让移动应用、智能摄像头和其他边缘设备能够高效实现实时视觉 AI 解决方案。YOLO26 秉承 Ultralytics 的愿景，致力于让每个人都能使用具有实际价值的视觉 AI 能力；它将最先进的性能与简洁性相结合，易于使用和部署。
为计算机视觉的新时代而打造#
计算机视觉正在迅速走出云端。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、摄像头、移动系统和嵌入式平台等设备上稳定可预测的性能。
YOLO26 正是为这一转变而专门打造的。Ultralytics 从根本上重新构思了目标检测流水线，设计出一种精简了不必要复杂度，同时实现先进精度和速度的模型架构。
例如，传统的 Ultralytics 目标检测模型依赖名为非极大值抑制的额外后处理步骤，在推理后过滤重叠预测结果。YOLO26 通过支持原生端到端推理省去了这一步，让模型可以直接输出最终检测结果。这使实际部署更快、更可预测，也更可靠。
YOLO26 并非渐进式更新，而是生产级视觉 AI 在训练、部署和扩展方式上的一次结构性飞跃。
图 1. Ultralytics YOLO26 基准测试。
YOLO26 带来的可能性#
YOLO26 的一个关键特点是，它在发挥早期模型优势的基础上进一步拓展了计算机视觉的应用可能性，例如 Ultralytics YOLO11。开箱即用时，YOLO26 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有向边界框目标检测，以及视频流中的目标跟踪。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)，让用户可以根据需要权衡速度、大小和准确率。
Ultralytics YOLO26 的主要特性#
Ultralytics YOLO26 带来了一系列旨在提升性能、可靠性和实际可用性的改进。以下是 YOLO26 主要特性一览：
- 移除分布式焦点损失：YOLO26 移除了分布式焦点损失（DFL），降低模型复杂性，让模型在边缘硬件和低功耗硬件上的部署更加简单、兼容性更好。
- 端到端无 NMS 推理：YOLO26 原生消除了对非极大值抑制（NMS）的需求。NMS 通常用于移除重复预测；省去这一步后，实时应用中的部署更加简单、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，能够提高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%，让移动设备、智能摄像头和其他边缘系统能够高效运行实时视觉 AI。
代码背后的故事：Ultralytics YOLO26 的研发历程#
YOLO26 的开发是团队共同努力的成果，凝聚了团队的研究工作，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、提高效率，并增强模型对现实应用的适应能力。
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 的优势，同时仍然保持顶尖性能。”他的观点凸显了 YOLO26 的一项核心设计原则：让视觉 AI 易于使用。
在此基础上，Jing Qiu，我们的高级机器学习工程师，补充道：“打造新的 Ultralytics YOLO 模型，需要稳扎稳打，不必急于求成。我不断进行改进，只专注于速度与准确率之间的平衡。最终完成时，我感到一种平静的满足——这证明了坚持打磨细节确实有效。”
开始使用 Ultralytics YOLO26 进行开发#
从今天起，你可以通过 Ultralytics Platform 公开使用 Ultralytics YOLO26，平台全面支持训练、推理和导出工作流程。在商业或封闭环境中部署 YOLO26 的组织可以选择企业许可，其中包括生产部署、长期维护和可扩展边缘部署支持。
与之前的模型一样，YOLO26 也通过 Ultralytics Python 软件包获得全面支持，让用户能够立即上手。用户可以沿用熟悉的简洁工作流训练、验证和部署 YOLO26，同时利用多种导出选项，包括 ONNX、TensorRT、CoreML、TFLite、OpenVINO 等。
让我们携手构建视觉 AI 的未来#
Ultralytics YOLO26 是我们推动视觉 AI 更快、更轻量、更易用的又一步。但这只是开始。
真正的影响来自视觉 AI 社区利用它创造的成果。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。
加入我们的社区，并探索我们的 GitHub 代码库，深入了解 AI。了解机器人领域的 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，立即开始构建计算机视觉应用。
