Ultralytics Platform
Ultralytics Platform es una plataforma integral de visión artificial de extremo a extremo que optimiza todo el flujo de trabajo de ML, desde la preparación de datos hasta el despliegue del modelo. Creada para equipos y personas que necesitan soluciones de visión artificial listas para producción sin la complejidad de la infraestructura.

¿Qué es Ultralytics Platform?
Ultralytics Platform está diseñada para sustituir las herramientas de ML fragmentadas por una solución unificada. Combina las capacidades de:
- Roboflow - Gestión y anotación de datos
- Weights & Biases - Seguimiento de experimentos
- SageMaker - Entrenamiento en la nube
- HuggingFace - Despliegue de modelos
- Arize - Monitorización
Todo en una sola plataforma con compatibilidad nativa para los modelos YOLO26 y YOLO11.
Flujo de trabajo: Cargar → Anotar → Entrenar → Exportar → Desplegar
La plataforma ofrece un flujo de trabajo de extremo a extremo:
graph LR
subgraph Data["📁 Data"]
A[Upload] --> B[Annotate]
B --> C[Analyze]
end
subgraph Train["🚀 Train"]
D[Configure] --> E[Train on GPU]
E --> F[View Metrics]
end
subgraph Deploy["🌐 Deploy"]
G[Export] --> H[Deploy Endpoint]
H --> I[Monitor]
end
Data --> Train --> Deploy| Etapa | Funcionalidades |
|---|---|
| Cargar | Imágenes (50MB), vídeos (1GB) y archivos de conjuntos de datos (ZIP, TAR incluyendo .tar.gz/.tgz, NDJSON) con procesamiento automático |
| Anotar | Herramientas manuales para los 5 tipos de tareas, además de Anotación Inteligente con modelos SAM y YOLO para detección, segmentación y OBB (consulta las tareas admitidas) |
| Entrenar | GPUs en la nube (22 en todos los planes + 2 solo para Pro/Enterprise: B200, B300), métricas en tiempo real, organización de proyectos |
| Exportar | 17 formatos de despliegue (ONNX, TensorRT, CoreML, TFLite, etc.; consulta los formatos admitidos) |
| Desplegar | 43 regiones globales con endpoints dedicados, escala a cero por defecto (una sola instancia activa) y monitorización |
Lo que puedes hacer:
- Cargar imágenes, vídeos y archivos de conjuntos de datos para crear conjuntos de datos de entrenamiento
- Visualizar anotaciones con superposiciones interactivas para los 5 tipos de tareas YOLO (consulta las tareas admitidas)
- Entrenar modelos en GPUs en la nube (22 en todos los planes, 24 con Pro o Enterprise para B200 y B300) con métricas en tiempo real
- Exportar a 17 formatos de despliegue (ONNX, TensorRT, CoreML, TFLite, etc.)
- Desplegar en 43 regiones globales con endpoints dedicados de un solo clic
- Monitorizar el progreso del entrenamiento, la salud del despliegue y las métricas de uso
- Colaborar haciendo públicos proyectos y conjuntos de datos para la comunidad
Infraestructura multirregional
Tus datos permanecen en tu región. Ultralytics Platform opera su infraestructura en tres regiones globales:
| Región | Etiqueta | Ubicación | Ideal para |
|---|---|---|---|
| US | Américas | Iowa, EE. UU. | Usuarios de las Américas, más rápido para las Américas |
| EU | Europa, Oriente Medio y África | Bélgica, Europa | Usuarios europeos, cumplimiento del GDPR |
| AP | Asia-Pacífico | Taiwán, Asia-Pacífico | Usuarios de Asia-Pacífico, menor latencia APAC |
Seleccionas tu región durante la incorporación y todos tus datos, modelos y despliegues permanecen en esa región.
Tu región de datos no se puede cambiar después de la creación de la cuenta. Durante la incorporación, la plataforma mide la latencia de cada región y recomienda la más cercana. Elige con cuidado.
Funcionalidades clave
Preparación de datos
- Gestión de conjuntos de datos: Sube imágenes, vídeos o archivos de conjuntos de datos con procesamiento automático
- Editor de anotaciones: Anotación manual para los 5 tipos de tareas YOLO (detección, segmentación, pose, OBB, clasificación; consulta las tareas admitidas)
- Plantillas de esqueletos: Plantillas de esqueletos integradas (Persona, Mano, Cara, Perro, Caja) y personalizadas para anotación de pose de un solo clic
- Anotación inteligente: Usa SAM 2.1 (Tiny, Small, Base, Large), SAM 3, modelos Ultralytics YOLO preentrenados o tus propios modelos YOLO ajustados desde la barra de herramientas de anotación para tareas de detección, segmentación y OBB
- Control de versiones de conjuntos de datos: Crea instantáneas NDJSON numeradas con descripciones para un entrenamiento reproducible
- Estadísticas: Distribución de clases, mapas de calor de ubicación y análisis de dimensiones
graph LR
A[Upload Dataset/Images/Video] --> B[Auto-Process]
B --> C[Browse & Filter]
C --> D{Annotate}
D --> E[Manual Tools]
D --> F[SAM Smart]
D --> G[YOLO Auto-Label]
E --> H[Train-Ready Dataset]
F --> H
G --> HEl editor de anotaciones admite los 5 tipos de tareas YOLO: detección (cajas delimitadoras), segmentación (polígonos), pose (puntos clave), OBB (cajas orientadas) y clasificación (etiquetas a nivel de imagen). Cada tipo de tarea tiene herramientas de dibujo y atajos de teclado específicos.
Entrenamiento de modelos
- Entrenamiento en la nube: Entrena en GPUs en la nube (22 en todos los planes, 24 con Pro o Enterprise para B200 y B300) con métricas en tiempo real
- Entrenamiento remoto: Entrena en cualquier lugar y transmite métricas a la plataforma (estilo W&B)
- Organización de proyectos: Agrupa modelos relacionados, compara experimentos, realiza un seguimiento de la actividad
- 17 formatos de exportación: ONNX, TensorRT, CoreML, TFLite y más (consulta los formatos admitidos)

Puedes entrenar modelos a través de la interfaz web (entrenamiento en la nube) o desde tu propia máquina (entrenamiento remoto):
- Navega a tu proyecto
- Click
Train Model - Selecciona el conjunto de datos, el modelo, la GPU y las épocas
- Monitoriza las curvas de pérdida y las métricas en tiempo real
Despliegue
- Prueba de inferencia: Prueba los modelos directamente en el navegador con imágenes personalizadas
- Endpoints dedicados: Despliega en 43 regiones globales con escala a cero por defecto (una sola instancia activa)
- Monitorización: Métricas en tiempo real, registros de solicitudes y paneles de rendimiento
graph LR
A[Trained Model] --> B{Action}
B --> C[Browser Predict]
B --> D[Export Format]
B --> E[Deploy Endpoint]
D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
E --> G[43 Global Regions]
G --> H[API Endpoint URL]
H --> I[Monitor & Scale]Una vez desplegado, llama a tu endpoint desde cualquier lenguaje:
import requests
url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
with open("image.jpg", "rb") as f:
response = requests.post(url, headers=headers, files={"file": f})
print(response.json())Gestión de la cuenta
- Equipos y organizaciones: Colabora con los miembros del equipo, gestiona roles e invitaciones
- Claves API: Gestión segura de claves para entrenamiento remoto y acceso a la API
- Créditos y facturación: Entrenamiento con pago por uso y precios transparentes
- Feed de actividad: Realiza un seguimiento de todos los eventos y acciones de la cuenta
- Papelera y restauración: Eliminación suave de 30 días con recuperación de elementos
- Cumplimiento del GDPR: Exportación de datos y eliminación de cuentas
| Funcionalidad | Gratuito | Pro (29 $ al mes) | Enterprise |
|---|---|---|---|
| Crédito de registro | 5 $ / 25 $* | - | Personalizado |
| Crédito mensual | - | 30 $/usuario/mes | Personalizado |
| Modelos | 100 | 500 | Ilimitados |
| Entrenamientos simultáneos | 3 | 10 | Ilimitados |
| Despliegues | 3 | 10 | Ilimitados |
| Almacenamiento | 100 GB | 500 GB | Ilimitados |
| Tipos de GPU en la nube | 22 | 24 (incl. B200 / B300) | 24 |
| Equipos | - | Hasta 5 miembros | Hasta 50 |
| Soporte | Comunidad | Prioritario | Dedicado |
*5 $ al registrarte, o 25 $ con un correo electrónico de empresa/trabajo verificado.
Enlaces rápidos
Empieza con estos recursos:
- Inicio rápido: Crea tu primer proyecto y entrena un modelo en minutos
- Datasets: Sube y gestiona tus datos de entrenamiento
- Anotación: Etiqueta tus datos con herramientas manuales y asistidas por IA
- Proyectos: Organiza tus modelos y experimentos
- Entrenamiento en la nube: Entrena en GPUs en la nube
- Inferencia: Prueba tus modelos
- Endpoints: Despliega modelos a producción
- Monitorización: Sigue el rendimiento del despliegue
- Claves API: Gestiona el acceso a la API
- Facturación: Créditos y pagos
- Actividad: Sigue los eventos de tu cuenta
- Papelera: Recupera elementos eliminados
- REST API: Referencia de la API
Preguntas frecuentes
¿Cómo empiezo con Ultralytics Platform?
Para empezar con Ultralytics Platform:
- Regístrate: Crea una cuenta en platform.ultralytics.com
- Selecciona la región: Elige tu región de datos (US, EU o AP) durante la incorporación
- Sube un dataset: Ve a la sección Datasets para subir tus datos
- Entrena un modelo: Crea un proyecto y empieza a entrenar en GPUs en la nube
- Despliega: Prueba tu modelo y despliégalo en un endpoint dedicado
Para una guía detallada, consulta la página de Inicio rápido.
¿Cuáles son los beneficios de Ultralytics Platform?
Ultralytics Platform ofrece:
- Flujo de trabajo unificado: Datos, entrenamiento y despliegue en un solo lugar
- Multirregión: Residencia de datos en las regiones de US, EU o AP
- Entrenamiento sin código: Entrena modelos avanzados YOLO sin escribir código
- Métricas en tiempo real: Sigue el progreso del entrenamiento y monitoriza los despliegues
- 43 regiones de despliegue: Despliega modelos cerca de tus usuarios en todo el mundo
- 5 tipos de tareas: Soporte para detección, segmentación, pose, OBB y clasificación (consulta la documentación de tareas)
- Anotación asistida por IA: Anotación inteligente con modelos SAM y YOLO para acelerar la preparación de datos
¿Qué opciones de GPU están disponibles para el entrenamiento en la nube?
Ultralytics Platform admite múltiples tipos de GPU para el entrenamiento en la nube:
| GPU | Generación | VRAM | Coste/hora | Ideal para |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | 0,24 $ | Datasets pequeños, pruebas |
| RTX A4500 | Ampere | 20 GB | 0,25 $ | Datasets pequeños-medianos |
| RTX 4000 Ada | Ada | 20 GB | 0,26 $ | Datasets medianos |
| RTX A5000 | Ampere | 24 GB | 0,27 $ | Datasets medianos |
| L4 | Ada | 24 GB | 0,39 $ | Optimizado para inferencia |
| A40 | Ampere | 48 GB | 0,44 $ | Tamaños de lote más grandes |
| RTX 3090 | Ampere | 24 GB | 0,46 $ | Entrenamiento general |
| RTX A6000 | Ampere | 48 GB | 0,49 $ | Modelos grandes |
| RTX PRO 4500 | Blackwell | 32 GB | 0,64 $ | Gran relación calidad-precio |
| RTX 4090 | Ada | 24 GB | 0,69 $ | Mejor relación calidad-precio |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Entrenamiento de lotes grandes |
| L40S | Ada | 48 GB | $0.86 | Entrenamiento de lotes grandes |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Última generación de consumo |
| L40 | Ada | 48 GB | $0.99 | Modelos grandes |
| A100 PCIe | Ampere | 80 GB | $1.39 | Entrenamiento de producción |
| A100 SXM | Ampere | 80 GB | $1.49 | Entrenamiento de producción |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | Predeterminado recomendado |
| H100 PCIe | Hopper | 80 GB | $2.39 | Entrenamiento de alto rendimiento |
| H100 SXM | Hopper | 80 GB | $2.99 | Entrenamiento más rápido |
| H100 NVL | Hopper | 94 GB | $3.07 | Máximo rendimiento |
| H200 NVL | Hopper | 143 GB | $3.39 | Máxima memoria |
| H200 SXM | Hopper | 141 GB | $3.99 | Máximo rendimiento |
| B200 | Blackwell | 180 GB | $5.49 | Modelos grandes (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Modelos más grandes (Pro+) |
Consulta Cloud Training para ver los precios completos y las opciones de GPU.
¿Cómo funciona el entrenamiento remoto?
Puedes entrenar modelos en tu propio hardware y transmitir métricas en tiempo real a la plataforma, de forma similar a Weights & Biases.
La integración de la plataforma requiere ultralytics>=8.4.35. Las versiones inferiores NO funcionarán con la plataforma.
pip install "ultralytics>=8.4.35"# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1Consulta Cloud Training para más detalles sobre el entrenamiento remoto.
¿Qué herramientas de anotación están disponibles?
La plataforma incluye un editor de anotaciones completo que admite:
- Herramientas manuales: Cajas delimitadoras (BBox), polígonos, puntos clave con plantillas de esqueleto, cajas orientadas, clasificación
- Plantillas de esqueleto: Coloca todos los puntos clave a la vez usando plantillas integradas (Persona, Mano, Cara, Perro, Caja) o personalizadas
- Anotación inteligente: Usa SAM 2.1 o SAM 3 para la anotación basada en clics, o ejecuta modelos Ultralytics YOLO preentrenados y tus propios modelos YOLO ajustados desde la barra de herramientas para detección, segmentación y OBB
- Atajos de teclado: Flujos de trabajo eficientes con teclas de acceso rápido
| Atajo | Acción |
|---|---|
V | Modo manual (dibujar) |
S | Modo inteligente (modelo SAM o YOLO) |
A | Alternar aplicación automática (en modo inteligente) |
1 - 9 | Seleccionar clase por número |
Delete | Eliminar anotación seleccionada |
Ctrl+Z | Deshacer |
Ctrl+Y | Rehacer |
Escape | Guardar / deseleccionar / salir |
Consulta Annotation para obtener la guía completa.
¿Qué formatos de exportación se admiten?
La plataforma admite 17 formatos de despliegue:
| Formato | Extensión de archivo | Caso de uso |
|---|---|---|
| ONNX | .onnx | Despliegue multiplataforma |
| TorchScript | .torchscript | Despliegue en C++ |
| OpenVINO | _openvino_model | Hardware de Intel |
| TensorRT | .engine | Inferencia en GPU NVIDIA |
| CoreML | .mlpackage | Dispositivos Apple |
| TFLite | .tflite | Dispositivos móviles/edge |
| TF SavedModel | _saved_model | Ecosistema TensorFlow |
| TF GraphDef | .pb | TensorFlow heredado |
| PaddlePaddle | _paddle_model | Ecosistema Baidu |
| NCNN | _ncnn_model | Móvil (Android/ARM) |
| Edge TPU | _edgetpu.tflite | Dispositivos Google Coral |
| TF.js | _web_model | Despliegue en navegador |
| MNN | .mnn | Alibaba móvil |
| RKNN | _rknn_model | NPU Rockchip |
| IMX500 | _imx_model | Sensor Sony IMX500 |
| Axelera | _axelera_model | Aceleradores Axelera AI |
| ExecuTorch | _executorch_model | PyTorch móvil |
Consulta Exportación de modelos, la guía del modo Exportación y el índice de integraciones para ver opciones específicas de formato.
Solución de problemas
Problemas con el conjunto de datos
| Problema | Solución |
|---|---|
| El conjunto de datos no se procesa | Comprueba que el formato de archivo sea compatible (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO para imágenes). Tamaño máximo: imágenes 50 MB, vídeos 1 GB, archivos de conjuntos de datos 10 GB (Gratis) / 20 GB (Pro) / 50 GB (Enterprise) |
| Anotaciones faltantes | Verifica que las etiquetas estén en formato YOLO con archivos .txt que coincidan con los nombres de archivo de las imágenes, o sube un JSON de COCO |
| "Se requiere división de entrenamiento" | Añade una carpeta train/ a la estructura de tu conjunto de datos, o redistribuye las divisiones mediante la barra de división |
| Nombres de clase indefinidos | Añade un archivo data.yaml con la lista names: (consulta el formato YOLO), o define las clases en la pestaña Clases |
Problemas con el entrenamiento
| Problema | Solución |
|---|---|
| El entrenamiento no comienza | Comprueba el saldo de créditos en Ajustes > Facturación. Se requiere un saldo positivo |
| Error de falta de memoria (Out of memory) | Reduce el tamaño del lote (batch size), usa un modelo más pequeño (n/s) o selecciona una GPU con más VRAM |
| Métricas deficientes | Comprueba la calidad del conjunto de datos, aumenta las épocas, prueba la aumentación de datos y verifica el equilibrio de clases |
| Entrenamiento lento | Selecciona una GPU más rápida, reduce el tamaño de la imagen y comprueba que el conjunto de datos no sea el cuello de botella |
Problemas de despliegue
| Problema | Solución |
|---|---|
| El punto final no responde | Comprueba el estado del punto final (Listo frente a Detenido). El arranque en frío puede tardar entre 5 y 15 segundos |
| 401 No autorizado | Verifica que la clave API sea correcta y tenga los permisos necesarios |
| Inferencia lenta | Comprueba el tamaño del modelo, considera la exportación a TensorRT y selecciona una región más cercana |
| Error en la exportación | Algunos formatos requieren arquitecturas de modelo específicas. Prueba ONNX para una mayor compatibilidad |
Preguntas frecuentes
¿Puedo cambiar mi nombre de usuario después del registro?
No, los nombres de usuario son permanentes y no se pueden cambiar. Elige con cuidado durante el registro.
¿Puedo cambiar mi región de datos?
No, la región de datos se selecciona durante el registro y no se puede cambiar. Para cambiar de región, crea una cuenta nueva y vuelve a subir tus datos.
¿Cómo obtengo más créditos?
Ve a Ajustes > Facturación > Añadir créditos. Compra créditos desde 5$ hasta 1000$. Los créditos comprados no caducan nunca.
¿Qué ocurre si el entrenamiento falla?
Solo se te cobrará por el tiempo de computación completado. Se guardan puntos de control y puedes reanudar el entrenamiento.
¿Puedo descargar mi modelo entrenado?
Sí, haz clic en el icono de descarga en cualquier página de modelo para descargar el archivo .pt o los formatos exportados.
¿Cómo comparto mi trabajo públicamente?
Edita la configuración de tu proyecto o conjunto de datos y cambia la visibilidad a "Público". El contenido público aparece en la página Explorar.
¿Cuáles son los límites de tamaño de archivo?
Imágenes: 50 MB, Vídeos: 1 GB, conjuntos de datos: 10 GB en la versión Gratuita, 20 GB en Pro, 50 GB en Enterprise. Para archivos más grandes, divídelos en varias subidas.
¿Cuánto tiempo se guardan los elementos eliminados en la Papelera?
30 días. Después de eso, los elementos se eliminan permanentemente y no se pueden recuperar.
¿Puedo usar los modelos de la Plataforma comercialmente?
Los planes Gratuito y Pro utilizan la licencia AGPL. Para un uso comercial sin los requisitos de AGPL, consulta la Licencia de Ultralytics.