摘要：9 月 25 日，在伦敦举行的年度盛会 YOLO Vision 2025（YV25） 上，Ultralytics公司创始人兼CEO Glenn Jocher 正式宣布了 Ultralytics YOLO 系列的最新成果—Ultralytics YOLO26！
9 月 25 日，在伦敦举行的年度盛会 YOLO Vision 2025（YV25） 上，Ultralytics公司创始人兼CEO Glenn Jocher 正式宣布了 Ultralytics YOLO 系列的最新成果—Ultralytics YOLO26！
全新的 YOLO26 是一款更快、更强、更轻量的计算机视觉模型，能够高效地分析和解读图像与视频，并且采用精简化的架构，在速度、准确性与部署便捷性之间实现了理想平衡。
与前代相比，YOLO26 在模型设计上进一步简化，同时引入了多项增强功能，并继续保留了 Ultralytics YOLO 模型一贯的优势：易于使用、支持多种计算机视觉任务、可灵活集成与部署。
因此，用户迁移从以前的版本过渡到 YOLO26 会非常的顺畅。我们也期待在 10 月底正式发布后，看到更多社区的小伙伴们分享最新的使用体验！
YOLO26 开箱即提供五种不同的模型版本，用户可以根据应用规模灵活选择并充分发挥其功能。
与此前的 Ultralytics YOLO 系列一样，这些版本均支持多种计算机视觉任务。这意味着，无论选择哪种规模的模型，YOLO26 都能像 YOLO11 一样，提供稳定而强大的全方位功能支持。
以下是 YOLO26 支持的核心计算机视觉任务：
目标检测（Object Detection）：识别并定位图像或视频中的多个目标。
实例分割（Instance Segmentation）：在检测的基础上，为每个识别对象生成像素级的精确边界。
图像分类（Image Classification）：对整幅图像进行分析，并归类到特定的类别或标签中。
姿态估计（Pose Estimation）：检测关键点并估算人体或其他对象的姿态。
定向边界框（OBB, Oriented Bounding Boxes）：检测任意角度的目标，特别适用于航拍、无人机和卫星影像，在这些场景中，建筑物、车辆或农作物往往不会与图像框架保持水平对齐。
目标跟踪（Object Tracking）：在视频帧序列或实时流中持续跟踪目标对象。
首先，YOLO26 移除了分布焦点损失（DFL）模块。 这一模块曾经会拖慢推理速度并限制边界框回归，移除后模型设计得以简化，运行效率更高。
其次，YOLO26 引入了端到端（E2E）推理选项，让模型跳过传统的非极大值抑制（NMS）步骤。 这一优化减少了预测流程的复杂性，使模型能够更快地产生结果，从而更容易应用到实际场景中。
同时，YOLO26 还加入了一系列增强功能，使其更智能、更稳定：
渐进损失平衡（ProgLoss）+小目标感知标签分配（STAL）：优化训练稳定性，并且显著提升小目标检测效果。
全新 MuSGD 优化器：结合了 Muon 与 SGD 两种优化器的优势，加速训练收敛并提升模型性能。
此外，YOLO26 的最小版本 nano 模型在标准 CPU 上的运行速度提升了 43% ，使其尤其适合移动应用、智能摄像头以及其他对速度与效率要求极高的边缘设备。
无论是移动端应用、智能相机还是企业级系统，YOLO26 都能轻松部署。 Ultralytics Python 包支持多种导出格式，包括：
TensorRT：GPU 加速
ONNX：跨平台兼容
CoreML：原生 iOS 应用
TFLite：Android 与边缘设备
OpenVINO：Intel 硬件优化
同时，YOLO26 对量化部署也做了优化：
INT8：通过 8 位压缩降低模型大小、提升速度，几乎无精度损失
FP16：在支持的硬件上实现更快推理
无论是高性能服务器，还是资源有限的边缘设备，YOLO26 都能稳定发挥。
以下为早期预览数据，最终指标及可下载权重将在训练完成后发布。
在COCO上使用 80 个预训练类进行训练。
有关模型发布后的使用方法，请参见检测文档：
*YOLO26l 与 YOLO26x 的评测尚在进行，最终基准数据将补充在这里。
分割、分类、姿态估计、有向边界框检测性能指标将会很快发布。
YOLO26 可以广泛应用于各类计算机视觉任务，在多个行业中都能发挥重要作用。从机器人技术到制造业，它不仅能够优化工作流程，还能通过更快、更精准的决策带来显著价值。
以机器人技术为例，YOLO26 可以帮助机器人实时理解周围环境，从而实现更流畅的导航和更精确的物体操作。同时，它还能提升机器人在人机协作场景中的安全性。
在制造业中，YOLO26 则可应用于缺陷检测。与人工检验相比，它能够以更快、更高效的方式自动识别生产线上的瑕疵，显著提升检测效率和准确率。
总体而言，凭借更强的性能、更快的速度和更轻量的设计，YOLO26 能够轻松适配从轻量级边缘设备到大型企业系统的各种环境。
YOLO26 的诞生故事在 Ultralytics，我们始终坚信创新的力量。自创立以来，我们便肩负着双重使命：一方面，让人工智能更加普及，让每个人都能无障碍地使用它；另一方面，坚持站在前沿，不断突破计算机视觉模型的极限。
这一使命背后的一个关键因素是，人工智能领域一直在不断发展。以边缘AI 为例——它不再依赖云端，而是直接在设备端运行，如今已在各行各业加速落地。
无论是智能相机还是自主系统，用户都期望边缘设备能实现实时处理。这一趋势对模型提出了更高要求：既要更轻、更快，又要保持高精度。
正因如此，我们必须不断迭代 Ultralytics YOLO 系列。正如 Glenn Jocher 所说：
“最大的挑战之一，就是在保持顶级性能的同时，确保用户能够最大限度地发挥 YOLO26 的价值。”
更好、更快、更小的 YOLO26 将会在十月底向全球开放，我们迫不及待想看到社区的伙伴们如何用 YOLO 26 创造新的解决方案并进一步的推动计算机视觉的发展！
👉 加入我们的社区，访问 GitHub 仓库了解更多 AI 技术：
👉 浏览我们的 解决方案页面，探索零售、汽车等行业的创新应用：
👉 查看许可授权方案，马上开启你的视觉 AI 构建之旅：
如果您在工作中使用了 YOLO26 或其他Ultralytics 软件，请注明出处：
@software{yolo26_ultralytics,
author = {Glenn Jocher and Jing Qiu},
title = {Ultralytics YOLO26},
version = {26.0.0},
year = {2025},
url = {https://github.com/ultralytics/ultralytics},
orcid = {0000-0001-5950-6979, 0000-0003-3783-7069},
license = {AGPL-3.0}
}
关于Ultralytics
我们的使命是以不懈的行动推动人工智能的进步，开创世界一流的开源解决方案。我们希望通过便捷、前沿的技术为个人与企业赋能，让AI改变生活，让价值触手可及。
公司官网：
🚀Ultralytics许可证：
来源：小璇科技每日一讲