YOLOX frente a YOLO11
La evolución de la visión artificial ha estado impulsada por la búsqueda de frameworks de detección de objetos en tiempo real que equilibren una alta precisión con la velocidad de inferencia. Entre los hitos más destacados de este recorrido se encuentran YOLOX y Ultralytics YOLO11. Aunque ambos modelos han contribuido significativamente al campo, sus arquitecturas subyacentes, filosofías de diseño y ecosistemas para desarrolladores difieren considerablemente.
Esta comparación técnica analiza sus arquitecturas, métricas de rendimiento, metodologías de entrenamiento y escenarios de despliegue ideales para ayudarte a tomar una decisión fundamentada para tu próximo proyecto de inteligencia artificial.
Descripción general de YOLOX#
Presentado por los investigadores Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun en Megvii el 18 de julio de 2021, YOLOX supuso un cambio significativo en la serie YOLO. Ayudó a salvar la brecha entre la investigación académica y la aplicación industrial al introducir un diseño sin anclajes.
Para obtener más información técnica, puedes consultar el artículo original de YOLOX en arXiv.
Características arquitectónicas principales#
YOLOX se apartó de la detección tradicional basada en anclajes al adoptar un cabezal desacoplado y un mecanismo sin anclajes. Este diseño redujo el número de parámetros de diseño y mejoró el rendimiento del modelo en diversos benchmarks. Además, introdujo estrategias de asignación de etiquetas como SimOTA para acelerar el proceso de entrenamiento y mejorar la convergencia.
Aunque YOLOX ofrece una precisión excelente para su época, se centra principalmente en la detección de objetos mediante cajas delimitadoras y no incluye compatibilidad nativa con otras tareas complejas de visión.
Al eliminar las cajas de anclaje predefinidas, YOLOX redujo significativamente el ajuste heurístico necesario para distintos conjuntos de datos, lo que lo convirtió en una base sólida para investigar metodologías sin anclajes.
Descripción general de Ultralytics YOLO11#
Publicado el 27 de septiembre de 2024 por Glenn Jocher y Jing Qiu en Ultralytics, YOLO11 es un modelo listo para producción centrado en la versatilidad y la facilidad de uso. Basado en años de investigación sobre YOLO, ofrece un buen rendimiento en muchas tareas.
La ventaja de Ultralytics#
YOLO11 no es solo un detector de objetos, sino un framework unificado que admite la segmentación de instancias, la clasificación de imágenes, la estimación de pose y la detección con cajas delimitadoras orientadas (OBB). Su arquitectura eficiente equilibra velocidad, número de parámetros y precisión.
Además, YOLO11 está totalmente integrado en la plataforma Ultralytics, que ofrece un ecosistema optimizado para el etiquetado de datos, el entrenamiento de modelos y su implementación.
Comparativa de rendimiento y métricas#
Al comparar estos modelos, queda claro cuál ofrece un mejor equilibrio de rendimiento. YOLO11 alcanza una precisión media promedio (mAP) superior con muchos menos parámetros y FLOPs en la mayoría de las categorías de tamaño que sus equivalentes YOLOX.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Como se muestra, los modelos YOLO11 superan sistemáticamente a YOLOX en precisión y mantienen un número de parámetros menor. Por ejemplo, YOLO11m alcanza un mAP de 51,5 con solo 20,1 M de parámetros, mientras que YOLOXx logra un mAP similar, de 51,1, pero requiere 99,1 M de parámetros. Esta eficiencia en el número de parámetros reduce el uso de memoria durante el entrenamiento y la inferencia, por lo que YOLO11 es muy adecuado para desplegarlo en dispositivos edge de IA y evita los elevados requisitos de memoria CUDA habituales en modelos anteriores o basados en Transformer, como RT-DETR.
Los modelos Ultralytics suelen requerir menos memoria de GPU durante el entrenamiento que YOLOX y las arquitecturas basadas en Transformer, lo que permite a los investigadores entrenar modelos potentes en hardware de consumo estándar.
Ecosistema y facilidad de uso#
Una de las mayores diferencias entre ambos frameworks es la experiencia de desarrollo.
YOLOX suele requerir clonar repositorios, configurar entornos complejos y ejecutar comandos largos en la línea de comandos para entrenar y exportar modelos a formatos como ONNX o TensorRT.
En cambio, Ultralytics YOLO11 ofrece una API y una CLI sencillas de Python. La biblioteca Ultralytics gestiona automáticamente el aumento de datos, el ajuste de hiperparámetros y la exportación.
from ultralytics import YOLO
# Carga un modelo YOLO11 preentrenado
model = YOLO("yolo11n.pt")
# # Entrena el modelo con datos personalizados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Exporta el modelo entrenado a TensorRT para optimizar su implementación
model.export(format="engine")Este ecosistema bien mantenido cuenta con una amplia documentación y ofrece integraciones con herramientas como Weights & Biases para el seguimiento de experimentos.
Casos de uso ideales#
La elección entre estos modelos suele depender de las características del entorno de implementación.
Cuándo usar YOLOX#
- Sistemas heredados: Si tienes un flujo de trabajo establecido y basado explícitamente en el código original de YOLOX o en los paradigmas de detección de objetos de principios de 2021.
- Referencias académicas: Para realizar investigaciones que requieran una evaluación comparativa directa con arquitecturas sin anclajes fundamentales de la época de 2021.
Cuándo usar YOLO11#
- Despliegues en producción: para aplicaciones comerciales en el comercio minorista inteligente o en sistemas de alarma de seguridad, donde son esenciales un código robusto y bien mantenido, y una alta precisión.
- Flujos de trabajo multitarea: Cuando un proyecto requiere hacer seguimiento de objetos, estimar poses humanas y segmentar instancias usando un único framework unificado.
- Dispositivos edge con recursos limitados: gracias a su reducido número de parámetros y alto rendimiento, YOLO11 es muy adecuado para desplegarlo en Raspberry Pi o nodos edge móviles mediante CoreML y NCNN.
Perspectivas de futuro: las ventajas de YOLO26#
YOLO11 supone un gran avance respecto a YOLOX, pero el campo de la visión artificial evoluciona rápidamente. Para los desarrolladores que empiezan proyectos nuevos hoy, la opción recomendada es Ultralytics YOLO26.
Publicado en enero de 2026, YOLO26 se basa en YOLO11 e incorpora varias funciones nuevas:
- Diseño integral sin NMS: el cabezal uno a uno opcional de YOLO26 (
nms=False) elimina el posprocesamiento de supresión no máxima (NMS) para agilizar y simplificar los pipelines de despliegue (un enfoque explorado por primera vez en YOLOv10). - Hasta un 43 % más de velocidad de inferencia en CPU: al eliminar la pérdida focal de distribución (DFL) y ofrecer inferencia sin NMS, YOLO26n se ejecuta hasta un 43 % más rápido que YOLO11n en CPU, lo que beneficia a los dispositivos edge de bajo consumo.
- Optimizador MuSGD: inspirado en innovaciones de entrenamiento de LLM, como Kimi K2 de Moonshot AI, el optimizador MuSGD (un híbrido de SGD y Muon) proporciona un entrenamiento estable y una convergencia rápida.
- ProgLoss + STAL: la pérdida progresiva y la asignación de etiquetas consciente de objetivos pequeños (STAL) mejoran la detección de objetos pequeños, algo fundamental para las imágenes captadas por drones y la robótica autónoma.
Para la mayoría de las tareas modernas de visión artificial, YOLO26 ofrece el mejor equilibrio entre velocidad, precisión y sencillez de despliegue.
Comentarios2
Haz una pregunta, comparte tus resultados o ayuda a otra persona.
shah0nawaz
Is the latency comparison on the same machine? If yes, please if you can give me the reference , I am working on the latency accuracy trade-off research.
Glenn JocherUltralytics@shah0nawaz I can’t confirm that the listed latencies were measured on the same machine, so I wouldn’t treat them as a controlled comparison for your research. The YOLO11 performance table specifies T4/TensorRT10, while the official YOLOX benchmarks report V100 timings and do not establish the provenance of the YOLOX latencies shown here. For a defensible latency–accuracy trade-off, benchmark both on the same GPU with matched input size, batch size, precision, runtime version, and timing boundaries, explicitly stating whether preprocessing and NMS are included.