ULTRALYTICS YOLO
Ultralytics 专为边缘计算和低功耗设备从零开始打造，为实时视觉 AI 树立了新标杆，凭借更简洁、更精炼的架构CPU 最高可提升 43% 。
直接在浏览器中探索Ultralytics YOLO 模型的工作原理。
130.7K+
2.637亿+
28亿+
1K+
在无GPU的设备上实现实时性能，专为边缘计算和资源受限的环境设计。
1
预测结果直接生成，无需后续处理步骤。延迟更低，部署更简便。
2
消除分布焦失（DFL）可简化导出流程，并提升与边缘设备的兼容性。
3
一种受大语言模型（LLM）训练进展启发的SGD Muon混合算法，可实现更稳定的训练和更快的收敛速度。
4
.svg)
YOLO26 移除了 DFL 以简化导出流程，取消了NMS 加快端到端推理速度，通过 ProgLoss + STAL 提升了小目标的识别准确率，引入了 MuSGD 优化器以实现更稳定的训练，并使CPU 最高提升 43%。
nano（n）版本非常适合边缘计算和CPU设备。small（s）和medium（m）版本在速度与精度之间实现了良好的平衡，适用于大多数应用场景。large（l）和extra-large（x）版本则为高负载工作提供最高精度。
物体检测、实例分割、图像分类、姿势估计 以及定向物体检测，全部集成在一个统一的模型家族中。
是的。YOLO26 采用与YOLOv8 YOLO11 相同的接口，因此迁移过程非常简单。只需替换为您的 YOLO26 模型权重即可。
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。其NMS架构意味着开箱即用时，不仅能减少集成难题，还能降低延迟。
从标注到部署，构建能够随您业务发展而扩展的视觉AI解决方案。
%20(1).svg){kind=logo}
.webp)
.webp){kind=logo}
%201.webp)
.webp)
.webp)
%2525201.webp){kind=logo}
.webp)
