2020 年
这一版本将实时目标检测带给了数百万用户 —— 基于 PyTorch 原生打造，速度快，且训练异常简便。
2023 年
集检测、分割、分类、姿态估计和旋转边界框于一体的单一框架。
2024 年
在 YOLO Vision 2024 上发布的精简架构，以更少的参数实现了更高的准确率。
2025 年
我们目前推荐的模型 —— 在各项视觉任务中都更快、更准，且已做好生产准备。
2026 年 3 月
一站式端到端平台，支持数据标注、YOLO 模型训练，以及在 43 个全球区域进行部署。
2026 年 5 月
我们的首个语义分割模型 —— 提供像素级密集的类别标签，实现全场景理解。
2026 年 6 月
YOLO26 背后的研究论文 —— 详细介绍了其无需 NMS 的端到端设计、全新的 MuSGD 优化器，以及在所有五种模型规模上实现的最先进的准确率-延迟权衡。
2026 年 6 月
更快、更准的多目标追踪 —— 在现实世界的视频场景中，即使在遮挡和拥挤环境下也能保持更稳定的身份识别。
- Re-ID — 重识别技术可在跨摄像头及遮挡情况下保持目标身份的一致性
2026 年 6 月
内置的知识蒸馏技术可以将大型教师模型压缩为更小、更快的学生模型，同时有助于保持精度，实现高效的边缘计算和实时部署。
今日
2026 年 7 月
YOLO-Depth
来自单摄像头的单目深度估计，在无需专用深度传感器或激光雷达的情况下实现 3D 空间感知。
2026 年 9 月
Ultralytics YOLO27
Ultralytics YOLO Vision 2026
YOLO 的下一代旗舰产品，在 YOLO Vision 2026 上现场发布，将家族版图扩展至 3D 感知：
- YOLO-StereoDepth — 适用于机器人的双目视差深度方案，作为激光雷达的摄像头原生替代方案
2026 年末
Ultralytics 平台
今年剩余时间内，平台将聚焦于以下三个产品方向：
- 自动训练 (Auto-Training) — 由 LLM 驱动的迭代式训练分析，通过自动诊断每次运行并持续优化配置，从而不断提升准确率。
- 本地部署 (On-Premise) — 在你自己的基础设施内运行平台，确保数据和训练过程完全由你掌控。
- 监控 (Monitoring) — 生产环境模型监控，用于跟踪性能、捕捉偏差并保持部署的健康状态。
2027
新模态
2027 年期间，YOLO 家族将加入更多新功能：
- YOLO-OCR — 快速、准确的文字识别
- YOLO-Face — 人脸识别与分析
- YOLO-VLM — 一种轻量级的 YOLO 前端，为更深层的 LLM 层提供输入，实现高效的视觉-语言流水线