Ultralytics YOLO26#

Descripción general#

Ultralytics YOLO26 es una familia unificada de modelos de visión en tiempo real descrita en el Ultralytics YOLO26 paper. Introduce inferencia nativa de extremo a extremo, una cabeza de detección más ligera, una receta de entrenamiento actualizada y cabezas específicas para tareas de detección, segmentación, estimación de postura, clasificación y detección orientada.

A través de sus cinco escalas de detección, YOLO26 alcanza 40.9-57.5 mAP en COCO con una latencia de 1.7-11.8 ms en TensorRT sobre T4. El artículo también reporta una inferencia en CPU ONNX hasta un 43% más rápida para YOLO26n en comparación con YOLO11n en una CPU Intel Xeon a 2.00 GHz.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # load a pretrained YOLO26n model
results = model("path/to/bus.jpg")  # run inference

La familia de modelos YOLO26 está construida en torno a cuatro áreas de diseño:

• Inferencia nativa de extremo a extremo: La cabecera de detección predeterminada de uno a uno produce predicciones sin supresión de no máximos (NMS), lo que simplifica el despliegue y reduce el post-procesamiento.
• Regresión de cajas más ligera: YOLO26 elimina la Distribution Focal Loss (DFL), reduciendo la complejidad de la cabecera de detección mientras preserva un rango de regresión sin restricciones.
• Actualizaciones de la receta de entrenamiento: El pipeline de entrenamiento combina MuSGD (un optimizador híbrido de Muon + SGD), Progressive Loss y STAL (Small-Target-Aware Label Assignment) para mejorar la optimización, desplazar la supervisión hacia la cabeza en tiempo de inferencia y mantener la cobertura de etiquetas positivas para objetos pequeños. Los hiperparámetros completos detrás de los checkpoints publicados se documentan en la YOLO26 Training Recipe guide.
• Cabeceras y pérdidas específicas para tareas: YOLO26 añade diseños específicos para segmentación de instancias, variantes de segmentación semántica, estimación de poses y detección orientada, manteniendo una única tubería de modelo para todas las tareas.

En conjunto, estas actualizaciones mejoran el equilibrio entre precisión y latencia a través de diversas escalas de modelos y objetivos de despliegue.

Características clave#

• Regresión sin DFL YOLO26 elimina la Distribution Focal Loss (DFL), reduciendo la complejidad de la cabecera de detección y simplificando la exportación.

• Inferencia de extremo a extremo sin NMS A diferencia de los detectores tradicionales que dependen de la NMS como un paso de post-procesamiento separado, YOLO26 es nativamente de extremo a extremo de forma predeterminada. Las predicciones se generan directamente, lo que reduce la latencia y facilita la integración en producción.

• Progressive Loss + STAL Progressive Loss desplaza el énfasis del entrenamiento hacia la cabecera de tiempo de inferencia, mientras que STAL mejora la cobertura de etiquetas positivas para objetos pequeños.

• Optimizador MuSGD Un optimizador híbrido que combina SGD con Muon, adaptando ideas de optimización del entrenamiento de modelos de lenguaje grandes a la visión artificial.

• Despliegue eficiente La cabecera simplificada y la ruta predeterminada sin NMS reducen la sobrecarga de inferencia en todos los objetivos de exportación y perfiles de hardware, incluyendo la aceleración en CPU ONNX reportada en el artículo para YOLO26n frente a YOLO11n.

• Mejoras en segmentación de instancias Introduce la pérdida de segmentación semántica para mejorar la convergencia del modelo y un módulo proto actualizado que aprovecha la información multiescala para una calidad de máscara superior. El artículo reporta ganancias sobre YOLO11 de hasta +2.5 AP en cajas y +3.7 AP en máscaras en COCO para segmentación de instancias.

• Estimación de Postura de Precisión Integra Residual Log-Likelihood Estimation (RLE) para una localización de puntos clave más precisa y optimiza el proceso de decodificación para aumentar la velocidad de inferencia. El artículo informa de hasta +7.2 AP sobre YOLO11 en la estimación de postura de COCO.

• Decodificación OBB refinada Introduce una pérdida angular especializada para mejorar la precisión de detección de objetos cuadrados y optimiza la decodificación OBB para resolver problemas de discontinuidad en los bordes. El artículo reporta hasta +3.4 mAP sobre YOLO11 en la detección orientada DOTA-v1.0.

Tareas y modos soportados#

YOLO26 soporta el conjunto estándar de tareas de Ultralytics a través de cinco escalas de modelo:

Este marco unificado cubre detección en tiempo real, segmentación de instancias, segmentación semántica, estimación de profundidad monocular, clasificación, estimación de poses y detección de objetos orientados con soporte para entrenamiento, validación, inferencia y exportación.

Métricas de rendimiento#

Los valores de parámetros y FLOPs son para el modelo fusionado después de model.fuse(), que combina las capas Conv y BatchNorm y elimina la cabeza de detección auxiliar de uno a muchos. Los checkpoints preentrenados conservan toda la arquitectura de entrenamiento y pueden mostrar recuentos más altos.

Ejemplos de uso#

Esta sección proporciona ejemplos sencillos de entrenamiento e inferencia con YOLO26. Para ver la documentación completa sobre estos y otros modes, consulta las páginas de documentación de Predict, Train, Val y Export.

Ten en cuenta que el ejemplo siguiente es para modelos YOLO26 Detect para object detection. Para otras tareas compatibles adicionales, consulta la documentación de Segment, Semantic Segmentation, Depth, Classify, Pose y OBB.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Use one-to-one head (default, no NMS required)
results = model.predict("image.jpg")  # inference
metrics = model.val(data="coco.yaml")  # validation
model.export(format="onnx")  # export

# Use one-to-many head (requires NMS)
results = model.predict("image.jpg", end2end=False)  # inference
metrics = model.val(data="coco.yaml", end2end=False)  # validation
model.export(format="onnx", end2end=False)  # export

YOLOE-26: Detección y segmentación de vocabulario abierto#

YOLO26 también impulsa YOLOE-26, una variante de vocabulario abierto que detecta y segmenta categorías de objetos a partir de text prompts, visual prompts o un prompt-free mode en lugar de una lista de clases fija aprendida en el momento del entrenamiento. YOLOE-26 mantiene el diseño sin NMS y de extremo a extremo (e2e) de YOLO26, por lo que la inferencia de vocabulario abierto sigue siendo lo suficientemente rápida para entornos dinámicos donde las categorías de destino cambian con el tiempo. YOLOE-26x alcanza 40.6 AP en minival de LVIS bajo peticiones de texto, 38.5 AP bajo peticiones visuales y 31.1 AP en el ajuste sin peticiones Non-E2E.

Consulta la YOLOE documentation para ver tablas de rendimiento por escala, variantes sin peticiones y ejemplos de uso completos.

Citas y agradecimientos#

Para una descripción técnica completa de la arquitectura YOLO26, la receta de entrenamiento, las cabezas de tareas y la extensión de vocabulario abierto YOLOE-26, lee Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models. Si usas YOLO26 en tu investigación, por favor cítalo:

@misc{jocher2026ultralyticsyolo26unifiedrealtime,
  title = {Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models},
  author = {Glenn Jocher and Jing Qiu and Mengyu Liu and Shuai Lyu and Fatih Cagatay Akyon and Muhammet Esat Kalfaoglu},
  year = {2026},
  eprint = {2606.03748},
  archivePrefix = {arXiv},
  primaryClass = {cs.CV},
  doi = {10.48550/arXiv.2606.03748},
  url = {https://arxiv.org/abs/2606.03748},
}

El código, los modelos y la documentación de YOLO26 están disponibles en el Ultralytics GitHub repository y Ultralytics Docs bajo las licencias AGPL-3.0 y Enterprise.

FAQ#