Empezar

YOLO26 frente a YOLOv7

La detección de objetos en tiempo real ha alcanzado muchos hitos, y Ultralytics YOLO26 y YOLOv7 son dos ejemplos destacados. YOLOv7 introdujo la metodología «bag-of-freebies», que estableció nuevos referentes de precisión en 2022, mientras que YOLO26 añade optimizaciones diseñadas primero para dispositivos periféricos, inferencia opcional de extremo a extremo y una dinámica de entrenamiento estable inspirada en el entrenamiento de modelos de lenguaje grandes (LLM).

Esta página compara estas dos arquitecturas y analiza sus métricas de rendimiento, diferencias estructurales y escenarios de implementación ideales para ayudar a los ingenieros de aprendizaje automático a tomar decisiones fundamentadas para su próximo proyecto de IA visual.

Contexto y detalles del modelo#

Antes de examinar los datos de rendimiento, es importante entender los orígenes y los objetivos principales de cada modelo.

Ultralytics YOLO26#

YOLOv7#

Más información sobre YOLOv7

Modelos alternativos que puedes tener en cuenta

Si estás explorando el ecosistema en general, quizá también te interese YOLO11 para implementaciones multitarea equilibradas o el RT-DETR, basado en Transformer, para la detección mediante atención. Ten en cuenta que los modelos anteriores, como YOLOv8 y YOLOv5, siguen teniendo soporte completo en Ultralytics Platform para integraciones heredadas.

Análisis en profundidad de la arquitectura#

Las filosofías arquitectónicas de YOLO26 y YOLOv7 divergen notablemente, lo que refleja el paso de maximizar el rendimiento en GPU de gama alta a optimizar la implementación periférica de extremo a extremo.

YOLO26: diseño pensado primero para el borde#

Lanzado en enero de 2026, YOLO26 replantea la canalización de implementación. Su cambio más significativo es el diseño de extremo a extremo sin NMS. Al omitir el posprocesamiento de supresión no máxima (NMS) con su cabezal opcional uno a uno (nms=False), YOLO26 reduce la variabilidad de la latencia, un concepto introducido por primera vez en YOLOv10. Esto garantiza frecuencias de fotogramas uniformes incluso en escenas muy concurridas, algo fundamental para la robótica autónoma y la supervisión del tráfico.

YOLO26 también elimina la pérdida focal de distribución (DFL). Esta eliminación de DFL simplifica la exportación a formatos como ONNX y Apple CoreML, y ayuda a que YOLO26n alcance una inferencia en CPU hasta un 43 % más rápida que YOLO11n.

La estabilidad del entrenamiento es otro de los principales objetivos. La incorporación del optimizador MuSGD, una combinación del descenso de gradiente estocástico estándar y Muon (inspirada en la dinámica de entrenamiento de Kimi K2), aporta estabilidad del entrenamiento de LLM a la visión artificial. Combinado con ProgLoss + STAL (pérdida progresiva y asignación de etiquetas con conocimiento de objetos pequeños), YOLO26 mejora el reconocimiento de objetos pequeños, un reto de larga data para los detectores en tiempo real.

YOLOv7: conjunto de técnicas gratuitas entrenables#

YOLOv7 se desarrolló a partir de un estudio detallado de la optimización de las rutas de gradiente. Su principal innovación es la red de agregación de capas eficiente extendida (E-ELAN), que permite al modelo aprender características más diversas sin alterar las rutas de gradiente originales.

La arquitectura YOLOv7 también se basa en técnicas de reparametrización durante la inferencia, que fusionan capas para aumentar la velocidad sin sacrificar las ricas representaciones de características aprendidas durante el entrenamiento. Aunque funciona muy bien en GPU de servidor estándar con NVIDIA TensorRT, este enfoque sigue dependiendo de cabezales de detección basados en anclajes y de la NMS tradicional, lo que puede dificultar la implementación en dispositivos de baja potencia.

Comparativa de rendimiento#

La siguiente tabla ofrece una comparación directa de los modelos entrenados con el conjunto de datos COCO estándar. YOLO26 mejora la precisión (mAP) con menos parámetros y FLOPs; por ejemplo, YOLO26l alcanza 55,0 mAP frente a 51,4 de YOLOv7l, con 24,8 M frente a 36,9 M de parámetros.

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Nota: YOLO26x supera a YOLOv7x en mAP (57,5 frente a 53,1) y necesita aproximadamente un 22 % menos de parámetros.

La ventaja del ecosistema Ultralytics#

Una de las razones principales por las que los desarrolladores eligen YOLO26 es su integración con Ultralytics Platform. A diferencia de los scripts independientes necesarios para las arquitecturas anteriores, Ultralytics ofrece un flujo de trabajo unificado.

  1. Facilidad de uso: La API de Python permite cargar, entrenar e implementar modelos con tan solo unas pocas líneas de código. Para exportar a formatos móviles como LiteRT, basta con cambiar un argumento.
  2. Requisitos de memoria: Los modelos Ultralytics están diseñados para entrenarse de forma eficiente. Suelen necesitar menos memoria CUDA que los modelos Transformer de visión más pesados, lo que permite a los investigadores utilizar tamaños de lote mayores en hardware de consumo.
  3. Versatilidad: Mientras que YOLOv7 utiliza ramas de código independientes para distintas tareas, YOLO26 admite de forma nativa la segmentación de instancias, la segmentación semántica, la estimación de profundidad, la clasificación de imágenes, la estimación de pose y la detección con cajas delimitadoras orientadas (OBB) desde una sola biblioteca. También incluye funciones de pérdida específicas para cada tarea, como la estimación residual de log-verosimilitud (RLE) para los flujos de trabajo de estimación de pose humana.
  4. Desarrollo activo: La comunidad de código abierto de Ultralytics ofrece actualizaciones frecuentes, correcciones rápidas para casos límite y compatibilidad continua con las versiones más recientes de PyTorch.
Exportación simplificada

YOLO26 utiliza de forma predeterminada el cabezal uno a muchos con NMS para mejorar la precisión. Al exportar con nms=False, se selecciona el cabezal sin NMS, por lo que la implementación en dispositivos integrados mediante Intel OpenVINO o ONNX Runtime no requiere un script independiente de posprocesamiento de NMS.

Casos de uso reales#

Las diferencias arquitectónicas entre estos modelos determinan los escenarios de implementación ideales para cada uno.

Cuándo elegir YOLO26#

YOLO26 es la opción recomendada para los nuevos sistemas de visión artificial.

  • IA periférica e IoT: Gracias a su rápida inferencia en CPU y a su reducido número de parámetros, YOLO26n es adecuado para dispositivos con recursos limitados, como Raspberry Pi o cámaras de ciudades inteligentes.
  • Drones e imágenes aéreas: La integración de ProgLoss + STAL mejora la detección de objetos pequeños, por lo que resulta muy adecuada para inspeccionar tuberías y para la agricultura de precisión.
  • Robótica multitarea: Como gestiona cajas delimitadoras, máscaras de segmentación y puntos clave de pose en un único marco de trabajo con poca memoria, resulta adecuado para la navegación e interacción robóticas dinámicas.

Cuándo plantearse usar YOLOv7#

Aunque en gran medida ha sido sustituido por arquitecturas más recientes, YOLOv7 aún tiene aplicaciones específicas.

  • Evaluación comparativa académica: Los investigadores que desarrollan nuevos cabezales de detección basados en anclas o estudian estrategias de rutas del gradiente suelen utilizar YOLOv7 como referencia estándar.
  • Flujos de trabajo con GPU heredados: Los sistemas empresariales creados a medida en torno a las salidas de tensor específicas de YOLOv7 y a configuraciones personalizadas de NMS en instancias potentes AWS EC2 P4d pueden aplazar la migración a modelos más recientes hasta que sea necesario renovar todo el sistema.

Ejemplo de código: primeros pasos#

La experiencia de desarrollo es distinta a la de los repositorios de investigación estándar. Entrenar un modelo YOLO26 personalizado solo requiere unas pocas líneas:

from ultralytics import YOLO

# Carga el último modelo pequeño de YOLO26
model = YOLO("yolo26s.pt")

# Entrena el modelo con tu conjunto de datos personalizado y el almacenamiento en caché y el registro automatizados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Realiza una predicción de extremo a extremo sin NMS sobre una imagen externa
predictions = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporta el modelo optimizado para desplegarlo en el edge
model.export(format="onnx")

Reflexiones finales#

YOLOv7 sigue siendo un hito destacado en la historia de la detección de objetos en tiempo real, pero el sector ha pasado a modelos que priorizan la sencillez de implementación, la versatilidad multitarea y la eficiencia en dispositivos periféricos.

Con inferencia sin NMS opcional, el optimizador MuSGD e inferencia en CPU más rápida, Ultralytics YOLO26 es hoy la opción recomendada para desarrolladores e ingenieros de empresas. Junto con el ecosistema de Ultralytics, fácil de usar, ofrece un equilibrio sólido entre velocidad, precisión y facilidad de uso.

Colaboradores

Comentarios2

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

  1. Murat Raimbekov(editado)

    hey @ShadowSinence, good question - and no, yolo26 doesn't have any "irreparable defect", it's actually the opposite. a few practical reasons why you still see lots of cnki papers building on v7/v8/v10:

    1. publication timeline lag. yolo26 was released on 2026-01-14, just about four months ago. academic papers usually take 6-18 months from research start to publication, so most papers being submitted now started their experiments back when v7/v8/v10 were the latest stable options.

    2. baseline reproducibility. papers like "improved yolov8 with attention module x for medical detection" rely on a well-established baseline with years of comparison literature. switching to a brand-new model means redoing every comparison from scratch and using a baseline reviewers may not yet be familiar with.

    3. ecosystem maturity. v8 in particular has thousands of github forks, third-party custom modules, and chinese-language tutorials. for graduate students under time pressure, building on a mature codebase is faster than learning a new one.

    4. architectural surface. v26 is nms-free, removes dfl, and uses a new musgd optimizer. great for deployment, but it changes a lot of the surface that anchor-based / nms-based ablations rely on. researchers comparing apples-to-apples often stick with the older anchor/nms setup.

    on raw benchmarks, v26 does lead across the size sweep:

    modelmAP50-95params (M)flops (B)
    yolo26x57.555.7193.9
    yolov7x53.171.3189.9

    so v26x is +4.4 mAP with ~22% fewer params. this lag in academic adoption is normal for any new release - it usually takes a year or so before papers built on it start appearing in numbers.

    for choosing a model for your own work, the models index lays out the trade-offs side by side.

  2. ShadowSinenceGitHub

    既然有更多优秀的yolo模型,为什么在知网上仍有专家教授继续使用v7,v8,v10的模型进行改进,而不是直接使用v26,难道26仍有什么不可弥补的缺陷吗