YOLOv9 frente a YOLO26
El panorama de la detección de objetos en tiempo real ha evolucionado considerablemente en los últimos años. A medida que los profesionales del aprendizaje automático buscan implementar modelos en distintos tipos de hardware, elegir la arquitectura adecuada es fundamental. Esta guía técnica compara dos hitos importantes del campo de la visión artificial: YOLOv9, presentado a principios de 2024 con énfasis en la optimización de las rutas del gradiente, y Ultralytics YOLO26, el modelo más reciente de Ultralytics, lanzado en enero de 2026 con énfasis en la inferencia en dispositivos edge y la estabilidad del entrenamiento.
Resumen ejecutivo: linaje y autoría de los modelos#
Conocer los orígenes de estos modelos de aprendizaje profundo aporta un contexto valioso sobre las decisiones de diseño de su arquitectura y sus públicos objetivo.
YOLOv9#
YOLOv9, creado por Chien-Yao Wang y Hong-Yuan Mark Liao, del Instituto de Ciencias de la Información de la Academia Sinica en Taiwán, se publicó el 21 de febrero de 2024. El modelo se centra en conceptos teóricos del aprendizaje profundo y, en concreto, aborda el problema del cuello de botella de la información en las redes neuronales convolucionales profundas (CNNs).
Ultralytics YOLO26#
YOLO26, desarrollado por Glenn Jocher y Jing Qiu en Ultralytics, se lanzó el 14 de enero de 2026. A partir de sus predecesores, como YOLO11 y YOLOv8, YOLO26 se diseñó desde cero para priorizar la preparación para producción, la implementación en dispositivos edge y la eficiencia integral nativa.
¿Preparado para actualizar tu pipeline de visión artificial? Puedes entrenar e implementar fácilmente modelos YOLO26 en la nube sin escribir código gracias a la plataforma de Ultralytics.
Innovaciones arquitectónicas#
Ambos modelos introducen cambios importantes en la forma en que las redes neuronales procesan datos visuales, pero abordan el problema desde perspectivas distintas.
Información de gradiente programable en YOLOv9#
La principal contribución de YOLOv9 al sector es la introducción de la información de gradiente programable (PGI) y la red de agregación de capas eficiente generalizada (GELAN). A medida que las redes neuronales se hacen más profundas, suelen perder información durante el proceso de propagación hacia delante. PGI garantiza que los gradientes utilizados para actualizar los pesos durante la retropropagación sigan siendo precisos y fiables, lo que permite a la arquitectura GELAN lograr una gran precisión con menos parámetros.
Sin embargo, YOLOv9 depende de la supresión no máxima (NMS) tradicional para el posprocesamiento, lo que puede convertirse en un cuello de botella de latencia durante la inferencia en condiciones reales.
La arquitectura de YOLO26, diseñada para dispositivos edge#
YOLO26 adopta un enfoque diferente, con un diseño pensado primero para el borde que optimiza toda la canalización, desde el entrenamiento hasta el despliegue en tiempo real. Se basa en el diseño de extremo a extremo sin NMS que YOLOv10 introdujo en los modelos YOLO y elimina la necesidad del posprocesamiento con NMS. Esto reduce la latencia y lo hace idóneo para dispositivos de borde como Raspberry Pi o NVIDIA Jetson.
YOLO26 también elimina Distribution Focal Loss (DFL). Este cambio estructural simplifica la exportación a ONNX y ofrece una mejor compatibilidad con dispositivos edge de bajo consumo.
Para la fase de entrenamiento, YOLO26 integra el optimizador MuSGD, una combinación del descenso del gradiente estocástico y Muon (inspirada en las metodologías de entrenamiento de LLM de Kimi K2, de Moonshot AI). Esto incorpora innovaciones del entrenamiento de modelos de lenguaje grandes (LLM) a la visión artificial y ofrece un entrenamiento más estable y una convergencia más rápida.
Comparativa de rendimiento y métricas#
Al evaluar los modelos en el conjunto de datos COCO, ampliamente utilizado, ambos ofrecen un buen rendimiento, pero YOLO26 supera al otro en precisión y velocidad de inferencia en T4 en todos los tamaños, con un número de parámetros similar.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
Análisis de los resultados#
- Velocidad y eficiencia: como YOLO26 utiliza una arquitectura sin NMS y una cabeza de detección simplificada, YOLO26n ofrece una inferencia en CPU hasta un 43 % más rápida que YOLO11n. El modelo YOLO26n tarda 1,7 ms en una GPU NVIDIA T4 con TensorRT, lo que lo convierte en una buena opción para flujos de vídeo en tiempo real.
- Precisión: el modelo YOLO26x alcanza 57,5 mAP, supera al modelo YOLOv9e de mayor tamaño y mantiene una latencia menor.
- Requisitos de memoria: los modelos Ultralytics son conocidos por su eficiencia. YOLO26 requiere mucha menos memoria CUDA durante el entrenamiento del modelo y la inferencia que los complejos modelos de visión basados en Transformer, lo que permite a los desarrolladores utilizar tamaños de lote mayores en hardware de consumo.
Ecosistema, facilidad de uso y versatilidad#
Una de las principales ventajas del ecosistema Ultralytics es la experiencia de usuario. Mientras que los investigadores que utilizan la base de código de GitHub de YOLOv9 deben lidiar con configuraciones de entorno complejas y scripts manuales, YOLO26 está totalmente integrado en la intuitiva API de Python de Ultralytics.
Ejemplo de API simplificada#
Entrenar un modelo YOLO26 solo requiere unas pocas líneas de código Python:
from ultralytics import YOLO
# Carga el modelo YOLO26 nativo más reciente de extremo a extremo
model = YOLO("yolo26s.pt")
# Entrena el modelo; optimizer="auto" selecciona MuSGD para ejecuciones largas (>10k iteraciones)
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Expórtalo de forma nativa al formato ONNX con un solo comando
model.export(format="onnx")Versatilidad en las tareas#
A diferencia de YOLOv9, diseñado principalmente para la detección de objetos estándar, YOLO26 admite de forma nativa las siete tareas de visión artificial de Ultralytics, incluida la segmentación semántica y la estimación de profundidad. La arquitectura incluye mejoras específicas para diversas aplicaciones:
- Segmentación de instancias: incorpora una función de pérdida de segmentación semántica y un módulo proto multiescala para obtener máscaras de mayor calidad.
- Clasificación de imágenes: ofrece una categorización fiable de imágenes completas según los estándares de ImageNet.
- Estimación de pose: integra la estimación de verosimilitud logarítmica residual (RLE) para localizar puntos clave con mayor precisión.
- Cajas delimitadoras orientadas (OBB): incluye una función de pérdida angular especializada, diseñada para abordar problemas en los límites de la detección de objetos rotados en imágenes aéreas.
Todos los modelos YOLO26 se integran con la plataforma Ultralytics, que ofrece anotación de conjuntos de datos, entrenamiento en la nube y canalizaciones de implementación integrados.
Aplicaciones en el mundo real#
La elección entre estos modelos suele depender del entorno en el que se vayan a implementar.
IoT y robótica edge#
Para la robótica, los drones autónomos y los dispositivos IoT domésticos inteligentes, YOLO26 es la opción más sólida. ProgLoss + STAL mejoran la detección de objetos pequeños, algo crucial para la monitorización agrícola desde drones a gran altitud. Gracias a una inferencia en CPU hasta un 43 % más rápida (YOLO26n frente a YOLO11n) y a su diseño sin NMS, YOLO26 funciona sin problemas en hardware sin GPU dedicada.
Investigación académica y análisis del gradiente#
YOLOv9 sigue siendo un modelo muy valorado en el ámbito académico. Los investigadores que estudien los límites teóricos del flujo del gradiente o quieran crear capas personalizadas de PyTorch basadas en el concepto de PGI encontrarán en la base de código de YOLOv9 una buena plataforma para explorar la teoría del aprendizaje profundo.
Pipelines de fabricación de alta velocidad#
En entornos industriales, como la detección de defectos automatizada en cintas transportadoras de alta velocidad, la velocidad de TensorRT de los modelos YOLO26 ayuda a evitar la pérdida de fotogramas y maximiza el rendimiento de los sistemas de control de calidad.
Casos de uso y recomendaciones#
La elección entre YOLOv9 y YOLO26 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.
Cuándo elegir YOLOv9#
YOLOv9 es una buena opción para:
- Investigación sobre cuellos de botella de información: Proyectos académicos que estudian las arquitecturas de información de gradiente programable (PGI) y de red de agregación de capas eficiente generalizada (GELAN).
- Estudios de optimización del flujo de gradiente: Investigaciones centradas en comprender y mitigar la pérdida de información en las capas profundas de la red durante el entrenamiento.
- Evaluación comparativa de detección de alta precisión: Situaciones en las que el sólido rendimiento de YOLOv9 en las pruebas de referencia de COCO sirve como referencia para comparar arquitecturas.
Cuándo elegir YOLO26#
Se recomienda YOLO26 para:
- Implementación edge sin NMS: Aplicaciones que necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
- Entornos solo con CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU hasta un 43 % más rápida de YOLO26 (YOLO26n frente a YOLO11n) supone una ventaja decisiva.
- Detección de objetos pequeños: situaciones complejas, como las imágenes aéreas captadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos diminutos.
Conclusión#
Ambos modelos representan avances importantes para la comunidad de código abierto. YOLOv9 introdujo mejoras teóricas importantes en el flujo del gradiente que siguen influyendo en las nuevas arquitecturas. Sin embargo, para desarrolladores, startups y equipos empresariales que buscan equilibrar velocidad, precisión y facilidad de implementación, Ultralytics YOLO26 es la opción más clara.
Con inferencia sin NMS, el optimizador MuSGD y herramientas para detección, segmentación, estimación de pose y mucho más, YOLO26 ofrece a los proyectos de visión artificial una base fiable y bien respaldada.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.