Ultralytics 的发展方向
从让数百万人用上实时视觉 AI 的模型，到即将推出的版本。以下是我们已发布的内容和接下来的计划。
这次发布让数百万人用上了实时目标检测——原生支持 PyTorch、速度快，而且训练异常简单。
一个框架，支持目标检测、分割、分类、姿态估计和有向边界框。
经过优化的架构，以更少的参数实现更高的准确率，并于 Ultralytics YOLO Vision 2024 上发布。
我们目前推荐的模型——速度更快、准确率更高，可用于各种视觉任务的生产环境。
一站式端到端平台，用于标注数据、训练 YOLO 模型，并部署到全球 42 个区域。
我们的首批语义分割模型——为每个像素提供密集的类别标签，实现完整的场景理解。
一个使用 Rust 编写的高性能 YOLO 推理库和 CLI，通过 API 调用 ONNX Runtime 运行模型，其 API 设计与 Ultralytics Python 包保持一致。
无需服务器或 Python，直接在浏览器中运行 YOLO 模型。它通过 WebGPU 运行，并在需要时自动回退到 CPU 和 wasm；其简洁的 TypeScript API 由编译为 WebAssembly 的 Rust crate 提供支持。
YOLO26 背后的研究论文，详细介绍其无需 NMS 的端到端设计、新的 MuSGD 优化器，以及五种模型规模下准确率与延迟之间的先进权衡。
更快速、更准确的多目标跟踪——在遮挡和拥挤场景中保持更稳定的目标身份，适用于真实世界视频。
- Re-ID——重新识别可在不同摄像头之间以及发生遮挡后保持目标身份一致
内置知识蒸馏可将大型教师模型压缩为更小、更快的学生模型，同时帮助保持准确率，以便高效部署到边缘设备和实时场景中。
YOLO26 深度模型可根据单个 RGB 摄像头预测密集的逐像素距离图，无需专用深度传感器或激光雷达即可获得 3D 空间感知能力。
Ask AI 通过对话帮助你训练、比较和改进模型，从基准训练到下一次实验，全程为你提供支持。
可视化工作流构建器，可将 YOLO 模型、条件和视觉语言模型连接到数据集收集、Slack 警报等操作。
跟踪专用端点上的请求、延迟、错误和日志，以及实时预测统计数据和临时示例。
YOLO 新一代旗舰产品，将在 Ultralytics YOLO Vision 2026 现场发布，并拓展至视觉语言领域。加入候补名单。
YOLOE-27 是新一代实时开放词汇检测与分割模型，可通过文本、视觉或无提示推理识别任意内容。
专为零售、仓储、安防和航空/无人机应用场景打造，仅向企业客户提供。
待 iOS 27 和 macOS 27 正式发布后，将 YOLO 模型导出为 Apple 新推出的 .aimodel 格式，以用于 Core AI 运行时，同时保留 Core ML，确保更广泛的设备兼容性。
在你自己的基础设施中运行平台，让数据和训练完全由你掌控。
2027 年，YOLO 家族将持续推出新功能：
- YOLO-OCR——快速、准确的文本识别
- YOLO-Face——人脸识别与分析
- YOLO-Stereo3D——利用双目摄像头对进行立体 3D 检测，适用于机器人领域，是一种原生于摄像头的激光雷达替代方案
基于最新 YOLO 开发
立即开始使用 YOLO26 进行训练和部署，为迎接接下来的一切做好准备。