Ultralytics Platform
A Ultralytics Platform é uma plataforma de visão computacional completa de ponta a ponta que agiliza todo o fluxo de trabalho de ML, desde a preparação de dados até a implementação do modelo. Desenvolvida para equipes e indivíduos que precisam de soluções de visão computacional prontas para produção, sem a complexidade de infraestrutura.

O 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 e anotação de dados
- Weights & Biases - Rastreamento de experimentos
- SageMaker - Treinamento em nuvem
- HuggingFace - Implementação de modelos
- Arize - Monitoramento
Tudo em uma única plataforma com suporte nativo para modelos YOLO26 e YOLO11.
Fluxo de trabalho: Upload → Anotação → Treinamento → Exportação → Implementação
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 (50MB), vídeos (1GB) e arquivos de conjuntos de dados (ZIP, TAR incluindo .tar.gz/.tgz, NDJSON) com processamento automático |
| Anotar | Ferramentas manuais para todos os 5 tipos de tarefa, além de Anotação Inteligente com modelos SAM e YOLO para detecção, segmentação 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 | 17 formatos de implementação (ONNX, TensorRT, CoreML, TFLite, etc.; veja formatos suportados) |
| Implementar | 43 regiões globais com endpoints dedicados, escala para zero por padrão (instância única ativa) e monitoramento |
O que você pode fazer:
- Fazer upload de imagens, vídeos e arquivos de conjuntos de dados para criar conjuntos de dados de treinamento
- Visualizar anotações com sobreposições interativas para todos os 5 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 17 formatos de implementação (ONNX, TensorRT, CoreML, TFLite, etc.)
- Implementar em 43 regiões globais com endpoints dedicados de um clique
- Monitorar o progresso do treinamento, a saúde da implementação e métricas de uso
- Colaborar tornando projetos e conjuntos de dados públicos para a comunidade
Infraestrutura Multi-Região
Seus dados permanecem na sua região. A Ultralytics Platform opera infraestrutura em três regiões globais:
| Região | Rótulo | Localização | Ideal 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 o onboarding, e todos os seus dados, modelos e implementações permanecem nessa região.
A região de seus dados não pode ser alterada após a criação da conta. Durante o onboarding, a plataforma mede a latência para cada região e recomenda a mais próxima. Escolha com cuidado.
Principais recursos
Preparação de dados
- Gerenciamento de Conjunto de Dados: Faça upload de imagens, vídeos ou arquivos de conjuntos de dados com processamento automático
- Editor de Anotação: Anotação manual para todos os 5 tipos de tarefa YOLO (detecção, segmentação, 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 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 e OBB
- Versionamento 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 dimensão
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 5 tipos de tarefa YOLO: detecção (caixas delimitadoras), segmentação (polígonos), 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.
Treinamento 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
- 17 Formatos de Exportação: ONNX, TensorRT, CoreML, TFLite e mais (veja formatos suportados)

Você pode treinar modelos através da interface web (treinamento em nuvem) ou de sua própria máquina (treinamento remoto):
- Navegue até o seu projeto
- Clique em
Train Model - Selecione conjunto de dados, modelo, GPU e épocas
- Monitore curvas de perda e métricas em tempo real
Implementação
- Teste de inferência: Teste modelos diretamente no navegador com imagens personalizadas
- Endpoints Dedicados: Implemente em 43 regiões globais com escala para zero por padrão (instância única ativa)
- Monitoramento: Métricas em tempo real, logs 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 implementado, chame seu endpoint 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())Gerenciamento 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 pay-as-you-go com preços transparentes
- Feed de atividades: Rastreie todos os eventos e ações da conta
- Lixeira e Restauração: Exclusão leve de 30 dias com recuperação de itens
- Conformidade GDPR: Exportação de dados e exclusão de conta
| Recurso | Grátis | Pro ($29/mês) | Enterprise |
|---|---|---|---|
| Crédito de inscrição | $5 / $25* | - | Personalizado |
| Crédito Mensal | - | $30/assento/mês | Personalizado |
| Modelos | 100 | 500 | Ilimitado |
| Treinamentos Simultâneos | 3 | 10 | Ilimitado |
| Implantações | 3 | 10 | Ilimitado |
| Armazenamento | 100 GB | 500 GB | Ilimitado |
| Tipos de GPU na Nuvem | 22 | 24 (incl. B200 / B300) | 24 |
| Equipes | - | Até 5 membros | Até 50 |
| Suporte | Comunidade | Prioritário | Dedicado |
*$5 no cadastro, ou $25 com um e-mail corporativo/de trabalho verificado.
Links Rápidos
Comece com estes recursos:
- Quickstart: Crie seu primeiro projeto e treine um modelo em minutos
- Datasets: Carregue e gerencie seus dados de treinamento
- Annotation: Rotule seus dados com ferramentas manuais e assistidas por IA
- Projects: Organize seus modelos e experimentos
- Cloud Training: Treine em GPUs na nuvem
- Inference: Teste seus modelos
- Endpoints: Implante modelos em produção
- Monitoring: Monitore o desempenho da implantação
- API Keys: Gerencie o acesso à API
- Billing: Créditos e pagamento
- Activity: Acompanhe eventos da conta
- Trash: Recupere itens excluídos
- REST API: Referência da API
Perguntas Frequentes
Como começo a usar a Ultralytics Platform?
Para começar a usar a Ultralytics Platform:
- Sign Up: Crie uma conta em platform.ultralytics.com
- Select Region: Escolha sua região de dados (US, EU ou AP) durante a integração
- Upload Dataset: Navegue até a seção Datasets para carregar seus dados
- Train Model: Crie um projeto e inicie o treinamento em GPUs na nuvem
- Deploy: Teste seu modelo e implante em um endpoint dedicado
Para um guia detalhado, veja a página Quickstart.
Quais são os benefícios da Ultralytics Platform?
A Ultralytics Platform oferece:
- Unified Workflow: Dados, treinamento e implantação em um só lugar
- Multi-Region: Residência de dados nas regiões US, EU ou AP
- No-Code Training: Treine modelos YOLO avançados sem escrever código
- Real-Time Metrics: Transmita o progresso do treinamento e monitore implantações
- 43 Deploy Regions: Implante modelos perto dos seus usuários em todo o mundo
- 5 Task Types: Suporte para detecção, segmentação, pose, OBB e classificação (veja a documentação de tarefas)
- AI-Assisted Annotation: Anotação inteligente com modelos SAM e YOLO para acelerar a preparação de dados
Quais opções de GPU estão disponíveis para treinamento na nuvem?
A Ultralytics Platform suporta múltiplos tipos de GPU para treinamento na nuvem:
| GPU | Geração | VRAM | Custo/Hora | Ideal 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 | Otimizado 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 de lotes grandes |
| L40S | Ada | 48 GB | $0.86 | Treinamento de lotes grandes |
| RTX 5090 | Blackwell | 32 GB | $0.99 | Geração de consumo mais recente |
| 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 em Nuvem para preços completos e opções de GPU.
Como funciona o treinamento remoto?
Você pode treinar modelos em seu próprio hardware e transmitir métricas em tempo real para a plataforma, similar ao Weights & Biases.
A integração com a plataforma requer ultralytics>=8.4.35. Versões inferiores NÃO funcionarão com a 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=exp1Veja Treinamento em Nuvem para mais detalhes sobre o treinamento remoto.
Quais ferramentas de anotação estão disponíveis?
A plataforma inclui um editor de anotação completo com suporte a:
- Ferramentas manuais: Bounding boxes, polígonos, keypoints com templates de esqueleto, caixas orientadas, classificação
- Templates de esqueleto: Coloque todos os keypoints de uma vez usando templates integrados (Pessoa, Mão, Rosto, Cachorro, Caixa) ou personalizados
- Anotação inteligente: Use SAM 2.1 ou SAM 3 para anotação baseada em cliques, ou execute modelos YOLO Ultralytics pré-treinados e seus próprios modelos YOLO ajustados a partir da barra de ferramentas para detecção, segmentação e OBB
- Atalhos de teclado: Fluxos de trabalho eficientes com teclas de atalho
| Atalho | Ação |
|---|---|
V | Modo manual (desenhar) |
S | Modo inteligente (SAM ou modelo 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 / desmarcar / sair |
Veja Anotação para o guia completo.
Quais formatos de exportação são suportados?
A Plataforma suporta 17 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 legacy |
| PaddlePaddle | _paddle_model | Ecossistema Baidu |
| NCNN | _ncnn_model | Dispositivos móveis (Android/ARM) |
| Edge TPU | _edgetpu.tflite | Dispositivos Google Coral |
| TF.js | _web_model | Implantação em navegador |
| MNN | .mnn | Mobile Alibaba |
| RKNN | _rknn_model | NPU Rockchip |
| IMX500 | _imx_model | Sensor Sony IMX500 |
| Axelera | _axelera_model | Aceleradores Axelera AI |
| ExecuTorch | _executorch_model | PyTorch mobile |
Veja Exportação de modelos, o Guia de modo de exportação e o Índice de integrações para opções específicas de formato.
Resolução de problemas
Problemas com o dataset
| Problema | Solução |
|---|---|
| O dataset não processa | Verifique se o formato do arquivo é suportado (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO para imagens). Tamanho máximo do arquivo: 50 MB para imagens, 1 GB para vídeos, 10 GB (Free) / 20 GB (Pro) / 50 GB (Enterprise) para arquivos de dataset. |
| Anotações ausentes | Verifique se os rótulos estão no formato YOLO com arquivos .txt correspondentes aos nomes dos arquivos de imagem, ou carregue um JSON COCO. |
| "Divisão de treino necessária" | Adicione a pasta train/ à estrutura do seu dataset ou redistribua as divisões através da barra de divisão. |
| Nomes das classes indefinidos | Adicione um arquivo data.yaml com uma lista names: (veja o formato YOLO), ou defina as classes na aba Classes. |
Problemas com o treinamento
| Problema | Solução |
|---|---|
| O treinamento não inicia | Verifique seu saldo de créditos em Configurações > Cobrança. É necessário um saldo positivo. |
| Erro de falta de memória (Out of memory) | Reduza o tamanho do lote (batch size), use um modelo menor (n/s) ou selecione uma GPU com mais VRAM. |
| Métricas baixas | Verifique a qualidade do dataset, aumente o número de épocas, tente a aumento de dados (augmentation) e verifique o equilíbrio das classes. |
| Treinamento lento | Selecione uma GPU mais rápida, reduza o tamanho da imagem e verifique se o dataset não está causando gargalos. |
Problemas de implantação
| Problema | Solução |
|---|---|
| Endpoint não responde | Verifique o status do endpoint (Pronto vs Parado). Uma inicialização a frio (cold start) pode levar de 5 a 15 segundos. |
| 401 Não autorizado | Verifique se a chave da API está correta e possui os escopos necessários. |
| Inferência lenta | Verifique o tamanho do modelo, considere a exportação TensorRT e selecione uma região mais próxima. |
| Falha na exportação | Alguns formatos exigem arquiteturas de modelo específicas. Tente ONNX para uma compatibilidade mais ampla. |
Perguntas comuns
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?
Não, a região de dados é selecionada durante o cadastro e não pode ser alterada. Para trocar de região, crie uma nova conta e carregue seus dados novamente.
Como obtenho mais créditos?
Vá para Configurações > Cobrança > Adicionar créditos. Você pode comprar créditos de $5 a $1000. Os créditos adquiridos nunca expiram.
O que acontece se o treinamento falhar?
Você só é cobrado pelo tempo de processamento concluído. Pontos de verificação (checkpoints) são salvos e você pode retomar o treinamento.
Posso baixar meu modelo treinado?
Sim, clique no ícone de download em qualquer página de modelo para baixar o arquivo .pt ou formatos exportados.
Como posso compartilhar meu trabalho publicamente?
Edite as configurações do seu projeto ou dataset e alterne a visibilidade para "Público". O conteúdo público aparece na página Explorar.
Quais são os limites de tamanho de arquivo?
Imagens: 50 MB, Vídeos: 1 GB, datasets: 10 GB no plano Free, 20 GB no Pro, 50 GB no Enterprise. Para arquivos maiores, divida-os em vários envios.
Por quanto tempo os itens excluídos são mantidos na Lixeira?
30 dias. Após esse período, os itens são excluídos permanentemente e não podem ser recuperados.
Posso usar os modelos da plataforma comercialmente?
Os planos Free e Pro utilizam a licença AGPL. Para uso comercial sem os requisitos da AGPL, consulte o Licenciamento da Ultralytics.