Link to this sectionUltralytics Platform#
A Ultralytics Platform é uma plataforma de visão computacional de ponta a ponta abrangente que simplifica todo o fluxo de trabalho de ML, desde a preparação de dados até a implantação de modelos. Criada para equipes e indivíduos que precisam de soluções de visão computacional prontas para produção, sem a complexidade da infraestrutura.

Link to this sectionO que é a Ultralytics Platform?#
A Ultralytics Platform foi projetada para substituir ferramentas de ML fragmentadas por uma solução unificada. Ela combina as capacidades de:
- Roboflow - Gerenciamento de dados e anotação
- Weights & Biases - Rastreamento de experimentos
- SageMaker - Treinamento na nuvem
- HuggingFace - Implantação de modelos
- Arize - Monitoramento
Tudo em uma plataforma com suporte nativo para modelos YOLO26 e YOLO11.
Link to this sectionFluxo de trabalho: Enviar → Anotar → Treinar → Exportar → Implantar#
A plataforma oferece um fluxo de trabalho de ponta a ponta:
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 | Recursos |
|---|---|
| Upload | Imagens (50 MB), vídeos (1 GB) e arquivos de conjunto de dados (ZIP, TAR incluindo .tar.gz/.tgz, NDJSON) com processamento automático |
| Anotar | Ferramentas manuais para todos os 6 tipos de tarefa, além de Anotação Inteligente com modelos SAM e YOLO para detecção, segmentação, semântica e OBB (veja tarefas suportadas) |
| Treinar | GPUs em nuvem (22 em todos os planos + 2 apenas para Pro/Enterprise: B200, B300), métricas em tempo real, organização de projetos |
| Exportar | 19+ formatos de implantação (ONNX, TensorRT, CoreML, TFLite, etc.; veja formatos suportados) |
| Deploy | 43 regiões globais com endpoints dedicados, escala-para-zero por padrão (instância única ativa) e monitoramento |
O que você pode fazer:
- Enviar imagens, vídeos e arquivos de conjunto de dados para criar conjuntos de dados de treinamento
- Visualizar anotações com sobreposições interativas para todos os 6 tipos de tarefa YOLO (veja tarefas suportadas)
- Treinar modelos em GPUs em nuvem (22 em todos os planos, 24 com Pro ou Enterprise para B200 e B300) com métricas em tempo real
- Exportar para 19+ formatos de implantação (ONNX, TensorRT, CoreML, TFLite, etc.)
- Implantar em 43 regiões globais com endpoints dedicados de um clique
- Monitorar o progresso do treinamento, a saúde da implantação e as métricas de uso
- Colaborar tornando projetos e conjuntos de dados públicos para a comunidade
Link to this sectionInfraestrutura multirregional#
Seus dados permanecem em sua região. A Ultralytics Platform opera infraestrutura em três regiões globais:
| Região | Rótulo | Localização | Melhor para |
|---|---|---|---|
| US | Américas | Iowa, EUA | Usuários das Américas, mais rápido para as Américas |
| EU | Europa, Oriente Médio e África | Bélgica, Europa | Usuários europeus, conformidade com o GDPR |
| AP | Ásia-Pacífico | Taiwan, Ásia-Pacífico | Usuários da Ásia-Pacífico, menor latência APAC |
Você seleciona sua região durante a integração, e todos os seus dados, modelos e implantações permanecem nessa região.
A região dos seus dados não pode ser alterada após a criação da conta. Durante a integração, a plataforma mede a latência para cada região e recomenda a mais próxima. Escolha com cuidado.
Link to this sectionPrincipais recursos#
Link to this sectionPreparação de dados#
- Gerenciamento de conjunto de dados: Envie imagens, vídeos ou arquivos de conjunto de dados com processamento automático
- Editor de Anotação: Anotação manual para todos os 6 tipos de tarefa YOLO (detecção, segmentação, semântica, pose, OBB, classificação; veja tarefas suportadas)
- Modelos de esqueleto: Modelos de esqueleto integrados (Pessoa, Mão, Rosto, Cachorro, Caixa) e personalizados para anotação de pose com um clique
- Anotação Inteligente: Use o SAM 2.1 (Tiny, Small, Base, Large), SAM 3, modelos Ultralytics YOLO pré-treinados ou seus próprios modelos YOLO ajustados a partir da barra de ferramentas de anotação para tarefas de detecção, segmentação, semântica e OBB
- Versão de conjunto de dados: Crie snapshots NDJSON numerados com descrições para treinamento reprodutível
- Estatísticas: Distribuição de classes, mapas de calor de localização e análise de dimensões
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 --> HO editor de anotação suporta todos os 6 tipos de tarefa YOLO: detecção (caixas delimitadoras), segmentação (polígonos), semântica (regiões por classe), pose (pontos-chave), OBB (caixas orientadas) e classificação (rótulos de nível de imagem). Cada tipo de tarefa possui ferramentas de desenho e atalhos de teclado dedicados.
Link to this sectionTreinamento de modelos#
- Treinamento em nuvem: Treine em GPUs em nuvem (22 em todos os planos, 24 com Pro ou Enterprise para B200 e B300) com métricas em tempo real
- Treinamento remoto: Treine em qualquer lugar e transmita métricas para a plataforma (estilo W&B)
- Organização de projetos: Agrupe modelos relacionados, compare experimentos, rastreie atividades
- 19+ formatos de exportação: ONNX, TensorRT, CoreML, TFLite e mais (veja formatos suportados)

Você pode treinar modelos através da interface web (treinamento em nuvem) ou a partir da sua própria máquina (treinamento remoto):
- Navega para o teu projeto
- Click
Train Model - Selecione o conjunto de dados, modelo, GPU e épocas
- Monitore curvas de perda e métricas em tempo real
Link to this sectionImplementação#
- Teste de inferência: Teste modelos diretamente no navegador com imagens personalizadas
- Endpoints dedicados: Implante em 43 regiões globais com escala-para-zero por padrão (instância única ativa)
- Monitoramento: Métricas em tempo real, registros de solicitação e painéis de desempenho
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]Uma vez implantado, chame seu endpoint a partir de qualquer linguagem:
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())Link to this sectionGerenciamento de Conta#
- Equipes e organizações: Colabore com membros da equipe, gerencie funções e convites
- Chaves de API: Gerenciamento seguro de chaves para treinamento remoto e acesso à API
- Créditos e faturamento: Treinamento pré-pago (pay-as-you-go) com preços transparentes
- Feed de atividades: Rastreie todos os eventos e ações da conta
- Lixeira e restauração: Exclusão temporária de 30 dias com recuperação de itens
- Conformidade GDPR: Exportação de dados e exclusão de conta
| Funcionalidade | Gratuito | Pro ($29/mês) | Enterprise |
|---|---|---|---|
| Crédito de inscrição | $5 / $25* | - | Personalizada |
| Crédito mensal | - | $30/posto/mês | Personalizada |
| Models | 100 | 500 | Ilimitado |
| Treinamentos simultâneos | 3 | 10 | Ilimitado |
| Implementações | 3 | 10 | Ilimitado |
| Armazenamento | 100 GB | 500 GB | Ilimitado |
| Tipos de GPU em nuvem | 22 | 24 (incl. B200 / B300) | 24 |
| Equipes | - | Até 5 membros | Até 50 |
| Suporte | Comunidade | Prioridade | Dedicada |
*$5 no ato da inscrição, ou $25 com um e-mail corporativo/de trabalho verificado.
Link to this sectionLinks Rápidos#
Comece com estes recursos:
- Início rápido: Crie seu primeiro projeto e treine um modelo em minutos
- Conjuntos de dados: Envie e gerencie seus dados de treinamento
- Anotação: Rotule seus dados com ferramentas manuais e auxiliadas por IA
- Projetos: Organize seus modelos e experimentos
- Treinamento em nuvem: Treine em GPUs em nuvem
- Inferência: Teste seus modelos
- Endpoints: Implante modelos em produção
- Monitoramento: Rastreie o desempenho da implantação
- Chaves de API: Gerencie o acesso à API
- Faturamento: Créditos e pagamento
- Atividade: Rastreie eventos da conta
- Lixeira: Recupere itens excluídos
- API REST: Referência da API
Link to this sectionFAQ#
Link to this sectionComo posso começar a usar a Ultralytics Platform?#
Para começar a usar a Ultralytics Platform:
- Inscreva-se: Crie uma conta em platform.ultralytics.com
- Selecione a região: Escolha sua região de dados (EUA, UE ou AP) durante a integração
- Enviar conjunto de dados: Navegue até a seção Conjuntos de dados para enviar seus dados
- Treinar modelo: Crie um projeto e comece a treinar em GPUs em nuvem
- Implantar: Teste seu modelo e implante em um endpoint dedicado
Para um guia detalhado, consulte a página de Início rápido.
Link to this sectionQuais são os benefícios da Ultralytics Platform?#
A Ultralytics Platform oferece:
- Fluxo de trabalho unificado: Dados, treinamento e implantação em um só lugar
- Multirregional: Residência de dados nas regiões EUA, UE ou AP
- Treinamento sem código: Treine modelos YOLO avançados sem escrever código
- Métricas em tempo real: Transmita o progresso do treinamento e monitore implantações
- 43 Regiões de implantação: Implante modelos perto dos teus usuários ao redor do mundo
- 6 Tipos de tarefa: Suporte para detecção, segmentação de instâncias, segmentação semântica, pose, OBB e classificação (veja documentação de tarefas)
- Anotação assistida por IA: Anotação inteligente com modelos SAM e YOLO para acelerar a preparação de dados
Link to this sectionQuais opções de GPU estão disponíveis para treinamento na nuvem?#
A Ultralytics Platform suporta vários tipos de GPU para treinamento na nuvem:
| GPU | Geração | VRAM | Custo/Hora | Melhor para |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | Datasets pequenos, testes |
| RTX A4500 | Ampere | 20 GB | $0.25 | Datasets pequenos a médios |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | Datasets médios |
| RTX A5000 | Ampere | 24 GB | $0.27 | Datasets médios |
| L4 | Ada | 24 GB | $0.39 | Otimizada para inferência |
| A40 | Ampere | 48 GB | $0.44 | Tamanhos de lote maiores |
| RTX 3090 | Ampere | 24 GB | $0.46 | Treinamento geral |
| RTX A6000 | Ampere | 48 GB | $0.49 | Modelos grandes |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | Ótima relação preço/desempenho |
| RTX 4090 | Ada | 24 GB | $0.69 | Melhor relação preço/desempenho |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | Treinamento com lotes grandes |
| L40S | Ada | 48 GB | $0.86 | Treinamento com lotes grandes |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Última geração de consumidor |
| L40 | Ada | 48 GB | $0.99 | Modelos grandes |
| A100 PCIe | Ampere | 80 GB | $1.39 | Treinamento de produção |
| A100 SXM | Ampere | 80 GB | $1.49 | Treinamento de produção |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | Padrão recomendado |
| H100 PCIe | Hopper | 80 GB | $2.39 | Treinamento de alto desempenho |
| H100 SXM | Hopper | 80 GB | $2.99 | Treinamento mais rápido |
| H100 NVL | Hopper | 94 GB | $3.07 | Desempenho máximo |
| H200 NVL | Hopper | 143 GB | $3.39 | Memória máxima |
| H200 SXM | Hopper | 141 GB | $3.99 | Desempenho máximo |
| B200 | Blackwell | 180 GB | $5.49 | Modelos grandes (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Modelos maiores (Pro+) |
Veja Treinamento na Nuvem para preços completos e opções de GPU.
Link to this sectionComo funciona o treinamento remoto?#
Tu podes treinar modelos no teu próprio hardware e transmitir métricas em tempo real para a plataforma, de forma similar ao Weights & Biases.
A integração com a plataforma requer ultralytics>=8.4.60. Versões anteriores NÃO funcionarão com a plataforma.
pip install "ultralytics>=8.4.60"# 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=exp1Veja Treinamento na Nuvem para mais detalhes sobre o treinamento remoto.
Link to this sectionQuais ferramentas de anotação estão disponíveis?#
A plataforma inclui um editor de anotação completo com suporte a:
- Ferramentas manuais: Bounding boxes, polígonos, keypoints com modelos de esqueleto, caixas orientadas, classificação
- Modelos de esqueleto: Posicione todos os keypoints de uma só vez usando modelos nativos (Pessoa, Mão, Rosto, Cachorro, Caixa) ou personalizados
- Anotação inteligente: Use SAM 2.1 ou SAM 3 para anotação baseada em cliques, ou execute modelos pré-treinados Ultralytics YOLO e teus próprios modelos YOLO ajustados a partir da barra de ferramentas para detecção, segmentação, semântica e OBB
- Atalhos de teclado: Fluxos de trabalho eficientes com teclas de atalho
| Atalho | Ação |
|---|---|
V | Modo manual (desenhar) |
S | Modo inteligente (modelo SAM ou YOLO) |
A | Alternar aplicação automática (no modo Inteligente) |
1 - 9 | Selecionar classe pelo número |
Delete | Excluir anotação selecionada |
Ctrl+Z | Desfazer |
Ctrl+Y | Refazer |
Escape | Salvar / deselecionar / sair |
Veja Anotação para o guia completo.
Link to this sectionQuais formatos de exportação são suportados?#
A plataforma suporta mais de 19 formatos de implantação:
| Formato | Extensão de arquivo | Caso de Uso |
|---|---|---|
| ONNX | .onnx | Implantação multiplataforma |
| TorchScript | .torchscript | Implantação em C++ |
| OpenVINO | _openvino_model | Hardware Intel |
| TensorRT | .engine | Inferência em GPU NVIDIA |
| CoreML | .mlpackage | Dispositivos Apple |
| TFLite | .tflite | Dispositivos móveis/edge |
| TF SavedModel | _saved_model | Ecossistema TensorFlow |
| TF GraphDef | .pb | TensorFlow legada |
| PaddlePaddle | _paddle_model | Ecossistema Baidu |
| NCNN | _ncnn_model | Móvel (Android/ARM) |
| Edge TPU | _edgetpu.tflite | Dispositivos Google Coral |
| TF.js | _web_model | Implantação em navegador |
| MNN | .mnn | Alibaba móvel |
| RKNN | _rknn_model | NPU Rockchip |
| Qualcomm | _qnn.onnx | NPU Qualcomm Snapdragon |
| IMX500 | _imx_model | Sensor Sony IMX500 |
| Axelera | _axelera_model | Aceleradores de IA Axelera |
| ExecuTorch | _executorch_model | PyTorch móvel |
| DeepX | _deepx_model | Aceleradores NPU DeepX |
Veja Exportação de modelos, o Guia do modo Export e o Índice de Integrações para opções específicas de formato.
Link to this sectionSolução de Problemas#
Link to this sectionProblemas com Datasets#
| Problema | Solução |
|---|---|
| O dataset não processa | Verifique se o formato de arquivo é suportado (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO para imagens). Tamanho máximo de arquivo: imagens 50 MB, vídeos 1 GB, arquivos de dataset 10 GB (Gratuito) / 20 GB (Pro) / 50 GB (Enterprise) |
| Anotações faltando | Verifique se os labels estão no formato YOLO com arquivos .txt correspondendo aos nomes das imagens, ou faça upload de COCO JSON |
| "Divisão de treino necessária" | Adicione a pasta train/ à estrutura do teu dataset ou redistribua as divisões através da barra de divisões |
| Nomes de classe indefinidos | Adicione um arquivo data.yaml com uma lista names: (veja formato YOLO), ou defina classes na aba Classes |
Link to this sectionProblemas de Treinamento#
| Problema | Solução |
|---|---|
| O treinamento não inicia | Verifique o saldo de créditos em Configurações > Cobrança. É necessário um saldo positivo |
| Erro de falta de memória (Out of memory) | Reduza o batch size, use um modelo menor (n/s) ou selecione uma GPU com mais VRAM |
| Métricas ruins | Verifique a qualidade do dataset, aumente as épocas, tente aumento de dados (data augmentation), verifique o equilíbrio das classes |
| Treinamento lento | Selecione uma GPU mais rápida, reduza o tamanho da imagem, verifique se o dataset não está causando gargalo |
Link to this sectionProblemas de Implantação#
| Problema | Solução |
|---|---|
| Endpoint não responde | Verifique o status do endpoint (Pronto vs Parado). A inicialização a frio (cold start) pode levar de 5 a 15 segundos |
| 401 Não Autorizado | Verifique se a chave de API está correta e possui os escopos necessários |
| Inferência lenta | Verifique o tamanho do modelo, considere a exportação TensorRT, selecione uma região mais próxima |
| Falha na exportação | Alguns formatos exigem arquiteturas de modelo específicas. Tente ONNX para obter a maior compatibilidade |
Link to this sectionPerguntas Frequentes#
Posso alterar meu nome de usuário após o cadastro?
Não, os nomes de usuário são permanentes e não podem ser alterados. Escolha com cuidado durante o cadastro.
Posso alterar minha região de dados?
A tua região de dados é selecionada durante a integração e não pode ser alterada por ti. Para mudar de região, entra em contato com o suporte para solicitar uma alteração de região.
Como obtenho mais créditos?
Vá para Configurações > Cobrança > Adicionar Créditos. Compre créditos de $5 a $1000. Os créditos comprados nunca expiram.
O que acontece se o treinamento falhar?
Tu só és cobrado pelo tempo de computação concluído. Os pontos de verificação (checkpoints) são salvos e podes retomar o treinamento.
Posso baixar o meu modelo treinado?
Sim, clica no ícone de download em qualquer página de modelo para baixar o arquivo .pt ou formatos exportados.
Como compartilho meu trabalho publicamente?
Edita as configurações do teu projeto ou dataset e altera a visibilidade para "Público". O conteúdo público aparece na página Explorar.
Quais são os limites de tamanho de arquivo?
Imagens: 50MB, Vídeos: 1GB, datasets: 10GB no plano Gratuito, 20GB no Pro, 50GB no Enterprise. Para arquivos maiores, divida em múltiplos uploads.
Por quanto tempo os itens excluídos ficam na Lixeira?
30 dias. Depois disso, os itens são excluídos permanentemente e não podem ser recuperados.
Posso usar os modelos da Platform comercialmente?
Os planos Free e Pro utilizam a licença AGPL. Para uso comercial sem os requisitos da AGPL, consulte o Ultralytics Licensing.