深受行业领军企业信赖
Ultralytics YOLO26 的主要改进
CPU 推理速度最高提升 43%
专为边缘和资源受限环境打造，即使设备没有 GPU，也能实现实时性能。
无需 NMS，端到端推理
直接生成预测结果，无需后处理步骤。延迟更低，部署更简单。
无需 DFL，硬件兼容性更广
移除 Distribution Focal Loss，简化导出流程并扩大边缘设备兼容性。
MuSGD：更智能的优化器
结合 SGD 与 Muon 的混合优化器，借鉴 LLM 训练领域的最新进展，让训练更加稳定。
Ultralytics YOLO 模型一览
比较近期 Ultralytics YOLO 模型系列的速度、准确率和支持的视觉任务。
安全与合规
企业级安全与合规
放心构建和部署。已通过 ISO 27001 认证、获得 SOC 2 鉴证，并支持符合 HIPAA 要求。
SOC 2 Type I
通过 AICPA 安全性、可用性和保密性 TSC 鉴证
ISO 27001:2022
经认证的信息安全管理体系
HIPAA
安全规则自我评估；为符合条件的 Enterprise 客户提供 BAA
GDPR 与 CCPA
符合全球数据保护法规
为什么选择 Ultralytics YOLO26？
专为边缘端和云端打造
可在 CPU、GPU 和边缘硬件上高效运行。导出为 22 种格式，随处部署。
CPU 推理速度最高提升 43%
在资源受限设备上实现实时视觉 AI，同时不牺牲准确率。
使用 YOLOE-26 进行开放世界检测
使用文本提示、视觉提示或无提示推理，检测固定类别之外的目标。
无缝集成
YOLO26 沿用 YOLOv8 和 YOLO11 熟悉的接口，无需陡峭的学习曲线。
全球社区支持
专属支持渠道、活跃论坛和定期更新，助你持续推进工作。
许可清晰明了
提供灵活选项，支持在 AGPL-3.0 和 Enterprise 许可下用于学术、开源和商业用途。
客户评价
Ultralytics YOLO 模型帮助我们将 AI 服务的实施速度提升了 25.2%。这些模型易于部署，实际表现出色，在不牺牲运行性能的前提下，带来更高的速度、准确度和可扩展性。
在我们评估过的所有模型中，YOLO 在我们的应用场景中速度远超其他模型。
Ultralytics YOLO26 可在 Axelera 平台上无缝运行，以极少的集成工作量加快边缘 AI 部署。这正是能帮助客户更快从开发走向生产的硬件与软件协作。
Alexis Crowell, 全球首席营销官兼美洲区总经理
通过 Ultralytics Python 软件包训练和部署 Ultralytics YOLO 模型的能力非常可靠。结合快速推理，我们能够快速处理图像，并在施工现场提供实时反馈。
我们打造具备计算机视觉能力的机器人，用于在食品生产线上拾取和摆放原料。机器人操作要求精度达到厘米以下，而 Ultralytics YOLO 模型非常擅长提供这样的准确度。
Ultralytics YOLO 模型在我们的 STM32 微控制器上的表现，为边缘计算机视觉开辟了新的可能。通过简化集成并支持多种模型变体，开发者能够获得构建可扩展、响应迅速的嵌入式视觉解决方案所需的一切。
Ultralytics Python 软件包让我们能够非常轻松、快速地训练模型。此外，它在不同模型和 YOLO 新版本之间保持标准化，确保了长期的高度稳定性。
查看我们的模型实际运行效果
常见问题
YOLO26 支持导出为 TensorRT、ONNX、CoreML、TFLite 和 OpenVINO 格式，覆盖了最常见的边缘部署目标。无 NMS 架构可减少集成难题，并开箱即提供更低延迟。
可以。YOLO26 沿用以往 Ultralytics YOLO 版本的接口，因此迁移很简单。只需换用 YOLO26 模型权重即可。
目标检测、实例分割、语义分割、深度估计、图像分类、姿态估计和有向目标检测，全部包含在一个统一的模型系列中。
纳米（n）版本非常适合边缘设备和受 CPU 资源限制的设备。小型（s）和中型（m）版本能为大多数应用提供速度与准确率的良好平衡。大型（l）和超大型（x）版本则能为要求严苛的工作负载提供最高准确率。
YOLO26 移除了 DFL，简化了导出流程；取消 NMS，实现更快的端到端推理；通过 ProgLoss + STAL 提高小目标检测准确率；引入 MuSGD 优化器，让训练更加稳定；并将 CPU 推理速度最高提升 43%。
开始使用 Ultralytics YOLO！
从标注到部署，构建可随你一同扩展的视觉 AI 解决方案。