Empezar

YOLO26 frente a YOLO11

Al crear sistemas de visión por ordenador, elegir el modelo adecuado implica equilibrar la precisión, la latencia y la eficiencia de recursos. Esta comparación técnica analiza la transición de Ultralytics YOLO11 al nuevo YOLO26 y ofrece a ingenieros e investigadores de IA los detalles necesarios para tomar decisiones arquitectónicas fundamentadas.

Linaje y metadatos de los modelos#

Ultralytics desarrolló ambos modelos, pero representan paradigmas distintos en la evolución de los modelos de detección de objetos y visión multitarea.

Detalles de YOLO26:

Detalles de YOLO11:

Otras arquitecturas

Aunque YOLO26 es el modelo de tiempo real más avanzado de Ultralytics, quienes tengan hardware especializado o mucha memoria disponible también pueden explorar arquitecturas basadas en Transformers, como RT-DETR o el primer YOLO sin NMS, YOLOv10.

Diferencias e innovaciones arquitectónicas#

El paso de YOLO11 a YOLO26 cambia tanto la arquitectura del modelo como la receta de entrenamiento. YOLO11 estableció una sólida base para la detección de objetos y el aprendizaje multitarea; YOLO26 rediseña la ruta de implementación para la computación en el borde.

Diseño integral sin NMS#

Una de las mejoras más importantes de YOLO26 es la inferencia nativa de extremo a extremo. A diferencia de YOLO11, que depende del posprocesamiento de supresión no máxima (NMS) para filtrar los cuadros delimitadores superpuestos, YOLO26 puede omitir este paso por completo gracias a su cabeza opcional uno a uno (nms=False). Este enfoque, introducido en la familia YOLO por YOLOv10, reduce la variabilidad de la latencia y simplifica la lógica de implementación en distintos dispositivos de borde.

Eliminación de DFL para una mayor eficiencia en el borde#

YOLO11 utiliza la pérdida focal de distribución (DFL) para refinar las estimaciones de los cuadros delimitadores. Sin embargo, la DFL depende de operaciones softmax que suelen ser poco compatibles con los aceleradores de borde de bajo consumo. YOLO26 elimina la DFL sin sacrificar precisión. Esta simplificación mejora la compatibilidad con los sistemas integrados y ayuda a YOLO26n a alcanzar una inferencia en CPU hasta un 43 % más rápida que YOLO11n.

El optimizador MuSGD#

YOLO26 incorpora el optimizador MuSGD, una combinación del descenso de gradiente estocástico (SGD) y Muon, inspirada en las innovaciones de entrenamiento de modelos de lenguaje grandes (LLM) de Kimi K2, de Moonshot AI. Aporta a la visión por ordenador la estabilidad del entrenamiento de modelos de lenguaje y acelera la convergencia.

ProgLoss y STAL#

Para quienes investigan con imágenes aéreas o aplicaciones con drones, detectar objetos pequeños es un desafío de larga trayectoria. YOLO26 incorpora ProgLoss junto con STAL (asignación de etiquetas con atención a objetos pequeños), que mejora el reconocimiento de objetos pequeños respecto a YOLO11.

Comparativa de rendimiento y métricas#

YOLO26 alcanza un mAP superior al de YOLO11 en todos los tamaños, desde +1,4 (n) hasta +2,8 (x), con un número similar de parámetros y FLOPs. YOLO26n y YOLO26s también son más rápidos en CPU, mientras que los modelos YOLO11 de mayor tamaño mantienen una ventaja en latencia de CPU.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3

Nota: YOLO26n tiene una latencia ONNX en CPU aproximadamente un 31 % menor que YOLO11n (38,9 ms frente a 56,1 ms), lo que refleja su diseño pensado prioritariamente para el borde.

Versatilidad en tareas de visión artificial#

Ambos modelos se benefician del ecosistema de Ultralytics, que se mantiene activamente, y de su API unificada de Python. Ambos son compatibles con la detección, la segmentación, la clasificación, la estimación de pose y OBB. YOLO26 añade segmentación semántica y estimación de profundidad, además de varias mejoras específicas para cada tarea:

  • Segmentación de instancias: YOLO26 utiliza una función de pérdida de segmentación semántica y un módulo de prototipos multiescala que mejoran la calidad de las máscaras respecto a YOLO11. Descubre más sobre los flujos de trabajo de segmentación.
  • Estimación de pose: Al integrar la estimación de máxima verosimilitud residual (RLE), YOLO26 mejora la precisión de los puntos clave en poses humanas complejas. Descubre las capacidades de estimación de pose.
  • Cuadros delimitadores orientados (OBB): Una función de pérdida angular especializada resuelve los problemas de discontinuidad en los límites y hace que YOLO26 sea más fiable a la hora de detectar objetos rotados en imágenes satelitales. Lee sobre las tareas OBB.
  • Clasificación de imágenes: Ambos modelos gestionan eficazmente la clasificación de alta velocidad, y YOLO26 ofrece mejoras moderadas en la precisión top-1 en ImageNet (71,4 % frente al 70,0 % de los modelos n).

Ejemplo de código para entrenamiento e inferencia#

Entrenar un modelo o ejecutar inferencias con Ultralytics requiere solo unas pocas líneas de código. Además, entrenar modelos YOLO necesita menos memoria CUDA que las grandes redes Transformer.

from ultralytics import YOLO

# Carga el modelo nano YOLO26
model = YOLO("yolo26n.pt")

# Entrena el modelo de forma eficiente con el conjunto de datos COCO8
# optimizer="auto" selecciona MuSGD para entrenamientos más largos
train_results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
    device="0",  # Usa la GPU para acelerar el entrenamiento
)

# Realiza inferencias sin NMS directamente sobre una imagen
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Muestra las predicciones limpias al instante
results[0].show()

Casos de uso ideales y estrategias de despliegue#

La elección entre YOLO26 y YOLO11 depende de las limitaciones de tu entorno de producción.

Cuándo desplegar YOLO26#

YOLO26 es la opción recomendada para los proyectos nuevos. Está diseñado para:

  • Computación en el borde e IoT: Su rendimiento en CPU y la eliminación de la DFL lo hacen ideal para dispositivos como Raspberry Pi, Coral Edge TPU y procesadores móviles.
  • Análisis de drones e imágenes aéreas: ProgLoss + STAL mejoran la detección y el seguimiento de objetos pequeños y rápidos en escenas amplias.
  • Aplicaciones con requisitos estrictos de latencia: En robótica autónoma o control de calidad en fabricación, la cabeza opcional sin NMS (nms=False) mantiene una latencia constante y evita los picos del posprocesamiento.

Cuándo mantener YOLO11#

YOLO11 sigue siendo un modelo capaz. Puede que prefieras seguir usando YOLO11 si:

  • Flujos de trabajo heredados: Tu infraestructura de despliegue existente en C++ está estrechamente vinculada al formato de salida específico y a la lógica NMS de YOLO11.
  • Referencias académicas: Publicas investigaciones y necesitas una referencia de 2024 ampliamente reconocida para comparar nuevos algoritmos.

El potencial del ecosistema Ultralytics#

Tanto si implementas YOLO11 como YOLO26, los modelos de Ultralytics incluyen un ecosistema bien mantenido, actualizaciones frecuentes y una comunidad amplia.

Para los equipos empresariales, la plataforma Ultralytics ofrece una solución integral para la anotación de datos, el entrenamiento de modelos y la implementación en la nube. El paquete ultralytics cubre el resto del ciclo de vida, desde el ajuste de hiperparámetros hasta la exportación de pesos entrenados a CoreML o TensorRT.

Comentarios2

Haz una pregunta, comparte tus resultados o ayuda a otra persona.

  1. CoLndGitHub

    Hello, thank you for this article. I'm seeing that the best speed upgrade is 31% between 11n and 26n, where does the "up to 43% acceleration" come from please? Thank you have a nice day

    1. Murat Raimbekov

      your math is right - YOLO26n at 38.9 ms vs YOLO11n at 56.1 ms is ~31% lower latency, which is what the in-page note on this comparison reflects. the "up to 43% faster" headline expresses the same two numbers as a throughput speedup instead: 56.1 / 38.9 ≈ 1.44, so YOLO26n processes ~44% more frames per second on the same CPU than YOLO11n, marketed as "up to 43% faster". both describe the identical benchmark, just two different conventions:

      • latency reduction: (56.1 - 38.9) / 56.1 = ~31%
      • throughput speedup: 56.1 / 38.9 - 1 = ~44% (rounded down to "up to 43%" in the headline)

      a cleaner restatement: YOLO26n delivers up to ~43% faster CPU ONNX inference than YOLO11n, corresponding to ~31% lower latency in the benchmark table. the "up to" qualifier reflects that nano is where the gap is largest - on s/m/l/x tiers the gap is smaller (or negative on the larger ones), so the headline is bound to the best case. we will look at tightening the wording in the docs so the two metrics read clearly side by side.

      thanks for flagging.