版本号突袭！官方预览：YOLO26正式宣布，10月发布，CPU推理速度提升43%

一场年度盛会，一次版本突袭，人工智能领域的升级节奏再次被刷新

伦敦时间9月25日，YOLO Vision 2025（YV25）混合盛会如期举行。全场观众屏息凝神，等待传闻中的Ultralytics YOLO14登场。然而，当Ultralytics创始人兼首席执行官格伦·乔彻（Glenn Jocher）走上讲台时，他带来的不是YOLO14，而是版本号直接跳至Ultralytics YOLO26！

screenshot_2025-09-26_11-17-00.png

这一跨越式发布和前不久苹果iOS 18到iOS 26一样，让人大吃一惊。更令人意外的是，这一新模型目前尚未正式发布，仅提供了性能预览，预计将于10月下旬公开发布。

为什么是YOLO26？

在YV25上，Glenn Jocher也解释为什么是YOLO26？他们其实也是参考了苹果公司的命名思路。一方面是为了多系统，多模型的对齐，另一方面也是发布时间，正如苹果解释的那样“以 iOS 26 来说，虽然是在 2025 年推出，照理应该要叫 iOS 25，但是考量到整个系统大部分的使用时间会落在 2026 年，所以就命名为 iOS 26，其他系统也是。”所以这就是 YOLO26 的命名原因。

1.png

但核心性能是否又升级呢? 正如 Glenn Jocher 在所说：“最大的挑战之一就是确保用户能够最大限度地利用YOLO26，同时还能提供最佳性能。” 这句话或许揭示了YOLO版本号的跃升会和苹果一样：YOLO26并非简单迭代，而是一次架构层面的重构与革新。

目前，YOLO26模型仍在润色中，性能数据也仅为初步结果。这提醒我们，在看到10月下旬最终发布前，这些性能指标可能还会调整。

screenshot_2025-09-26_11-14-11.png

使用YOLO26检测图像中物体的示例

YOLO26的核心突破：更好、更快、更小

使用YOLO26检测图像中物体的示例

根据Ultralytics官方提供的数据中我们可以粗略了解到YOLO26延续了YOLO系列的一贯优势，同时在三个方面实现了显著提升。

架构简化：移除DFL模块

通过移除分布焦点损失（DFL）模块，简化了模型设计，这一改进直接提升了推理速度并优化了边界框回归。DFL模块虽然有效，但往往会使导出复杂化并限制硬件兼容性，YOLO26将其完全取消后，显著扩大了对边缘和低功耗设备的支持。

端到端推理：告别NMS

创新性地引入了端到端推理选项，使模型能够跳过传统的非最大值抑制（NMS）步骤。这一突破性方法由清华大学的王敖在YOLOv10中首创，并在YOLO26中得到进一步发展。端到端设计省去了管道的整个阶段，降低复杂性，加快结果输出。

训练优化：ProgLoss与STAL

引入渐进损失平衡（ProgLoss） 和小目标感知标签分配（STAL），显著提升训练稳定性和小目标检测准确率。这些改进让YOLO26在小型物体上实现了更高的精度，这对于物联网、机器人、航空图像等边缘应用至关重要。

性能提升：CPU推理速度提升43%

最具说服力的是数据——YOLO26的最小版本nano型号在标准CPU上的运行速度比前代提高了43%，特别适合移动应用和边缘设备。考虑到目前这只是官方预览数据，实际发布时的性能表现更值得期待。

五大模型规格，覆盖全场景应用

YOLO26将提供五种不同型号（n、s、m、l、x），满足从边缘设备到企业级系统的各种需求。无论选择哪种规格，YOLO26都支持全面的计算机视觉任务：

screenshot_2025-09-26_14-16-42.png

• 物体检测：精准识别图像中的各种物体
• 实例分割：在识别的每个对象周围生成像素级完美的边界
• 图像分类：将整幅图像归入特定类别或标签
• 姿势估计：检测关键点并估算人体和其他物体的姿态
• 定向边界框：检测任意角度的物体，特别适用于航拍和卫星图像
• 物体跟踪：跟踪视频帧或实时流中的物体

下表展示了YOLO26各型号的基准测试结果（基于官方博客数据）：

YOLO26的基准测试

无缝部署，支持多种平台

YOLO26的部署灵活性令人印象深刻：支持TensorRT、ONNX、CoreML、TFLite和OpenVINO等多种导出格式，几乎覆盖所有主流平台。

特别值得一提的是其量化能力：YOLO26支持INT8部署和半精度推理，在减小模型大小、提高速度的同时，将精度损失降到最低。得益于其简化的架构，YOLO26可以很好地处理量化，在这些量化级别上都能提供一致的性能。

从机器人到制造业：YOLO26的实用价值

YOLO26的性能提升在实际应用中意义重大。

• 在机器人领域，它使机器人能更实时地解读环境，实现更流畅的导航和更精确的物体处理。
• 在制造业，YOLO26可用于高速缺陷检测，准确识别生产线上的问题产品，大大提升质检效率。

由于其“更好、更快、更轻”的特性，YOLO26能轻松适配从轻型边缘设备到大型企业系统的各种环境，成为行业提升效率、准确性和可靠性的实用选择。

使用 YOLO26 检测制造工厂中的瓶子

结语：10月底值得期待的重大更新

YOLO26将于10月底公开发布，届时开发者将能亲身体验这一跨越式升级的性能表现。这次版本号的突袭跃升，不仅展示了Ultralytics的技术实力，更预示着计算机视觉领域即将迎来新一轮创新浪潮。

同样的Coovally平台也会同步更新YOLO26,让用户第一时间体验最新模型，更多精彩咨询记得持续关注哦~

需要注意的是，目前我们看到的只是官方博客的预览数据，真正的性能测试还需等待正式版本发布。但毫无疑问，YOLO26已经向世人展示了一个清晰的愿景：视觉AI的未来属于更轻量化、更智能、更普惠的模型。

人工智能的发展速度，再次超出了所有人的预期。