zh/models/yolo26/

[giscus[bot]]

zh/models/yolo26/

Ultralytics 的 YOLO26 提供更快、更简单、端到端无 NMS 的对象检测功能，并针对边缘和低功耗设备进行了优化。

https://docs.ultralytics.com/zh/models/yolo26/

[hongzhuoxx]

除了监督模型，我还期待着ultralytics可以推出高效准确易用的非监督瑕疵检测模型！

[UltralyticsAssistant]

👋 Hello, thanks for opening this discussion and for your interest in Ultralytics 🚀! This is an automated response to help you get started quickly—an Ultralytics engineer will also follow up here soon.

We recommend a visit to the Docs for new users where you can find many Python and CLI usage examples and where many common questions may already be answered.

If this is a 🐛 Bug Report, please provide a minimum reproducible example to help us debug it.

If this is a custom training ❓ Question, please provide as much information as possible, including dataset image examples and training logs, and verify you are following our Tips for Best Training Results.

Join the Ultralytics community where it suits you best. For real-time chat, head to Discord 🎧. Prefer in-depth discussions? Check out Discourse. Or dive into threads on our Subreddit to share knowledge with the community.

Upgrade

Upgrade to the latest ultralytics package including all requirements in a Python>=3.8 environment with PyTorch>=1.8 to verify your issue is not already resolved in the latest version:

pip install -U ultralytics

Environments

YOLO may be run in any of the following up-to-date verified environments (with all dependencies including CUDA/CUDNN, Python and PyTorch preinstalled):

-Notebooks with free GPU:
-Google Cloud Deep Learning VM. See GCP Quickstart Guide
-Amazon Deep Learning AMI. See AWS Quickstart Guide
-Docker Image. See Docker Quickstart Guide

Status

If this badge is green, all Ultralytics CI tests are currently passing. CI tests verify correct operation of all YOLO Modes and Tasks on macOS, Windows, and Ubuntu every 24 hours and on every commit.

[amandazw]

表述有问题
“常见问题
与YOLO11 相比，YOLO11 有哪些主要改进？” 应该是“与YOLO11 相比，YOLO26..”

[glenn-jocher]

谢谢反馈！FAQ 标题中的笔误已更正为“与 YOLO11 相比，YOLO26…”，等待缓存刷新后即可看到更新；关于无监督瑕疵检测，当前 ultralytics 尚未原生支持，欢迎在此讨论补充你的使用场景与少量示例数据，便于我们评估后续支持方向。

[ljdl1]

最迟不晚于什么时间开源呢

[glenn-jocher]

感谢关注 YOLO26！目前我们不承诺具体开源日期；请关注 YOLO Vision 2025 活动页 和仓库的 Releases 页面 获取第一时间通知，在此之前建议使用稳定的 YOLO11。

[etemical]

除了检测、分类、分割、姿态、旋转框以外 ，希望ultralytics增加视频类的任务，比如集成行为识别模型的训练和推理，最好是能支持多目标行为识别的检测。我知道目前是有提供一些样例，但不体系，希望像检测任务一样，提供原生的整体解决方案。谢谢！

[lwplw]

真不错，期待开源

[glenn-jocher]

@etemical 感谢建议！目前未原生支持行为识别/多目标行为检测；建议先用稳定的 YOLO11 组合 detect + track 多目标跟踪与可选 pose 关键点作为上游信号，并在 GitHub 提交详细需求（数据标注格式与评测指标）为 Feature Request 模板 便于评估；参考 Track 模式文档 与 Pose 任务文档。

yolo track model=yolo11n.pt source=your_video.mp4 tracker=bytetrack.yaml show=True
yolo pose predict model=yolo11n-pose.pt source=your_video.mp4 show=True

@lwplw 谢谢关注！可先阅读我们的 YOLO26 介绍博客 获取功能与进展预览，后续更新会在仓库发布。

[dyhisbig]

2025年10月23日来过，感谢yolo支持我从硕士毕了业到找到第一份工作，以后的方向期待yolo能有更大的发展，哈哈哈

[dengqizhou]

报道说10月底发布模型，今天最后一天了，还没影，骗子啊......

[Smonkey123]

11月3号了，让我对Yolo26的信任下降，发布商怎么能这么不诚信，你在发布前就造势，结果现在影子都没有

[hbzylilin]

延迟了10天了，还没动静

[anran-young]

马勒个巴子的不发布你在这画nm的饼。你上nm的会议吹呢。两个月了你没做好你回家蹲着行吗。

[anran-young]

两个月前就在会议上吹。你都没训练好你在那画什么饼？占坑劝退同行？东西没做好你指标怎么出来的？两个月时间都能出个新pre了

[dengqizhou]

骂街确实不对，YOLO开源系列帮助了广大从业者，做人要知道感恩。另外YOLO26确实台拖沓了，一等再等，让人着急。

[glenn-jocher]

感谢大家这段时间的关注和耐心。YOLO26 目前仍在持续训练和验证中，早期在活动和博客中提到的“计划在 10 月底对外提供”是基于当时进度的预估，但在后续测试中我们发现还有需要打磨的地方，所以选择先保证质量和部署体验，再开放代码和权重。理解大家着急上线项目的心情，也请在讨论里尽量避免人身攻击，理性交流能帮助我们更好地听见社区声音。目前如需稳定可用的模型，建议继续使用已正式发布的 YOLO11 系列，可在 Ultralytics YOLO 模型总览 页面查看；YOLO26 一旦就绪，会第一时间在仓库发布。也特别感谢像 @dyhisbig 和 @dengqizhou 这样的反馈与支持，我们会继续努力把模型做好，再交给大家。

[411956158]

2026.1.1之前我们能不能见到这一划时代的YOLO26正式推出呢？这对我的项目计划非常重要

[glenn-jocher]

目前我们无法承诺在 2026-01-01 前一定发布 YOLO26，建议你在项目计划中按现有稳定版本（如 YOLO11 系列）来排期，同时关注 GitHub Releases 以及 YOLO26 模型文档页 获取正式开放的第一时间通知。

[Wolfybox]

YOLOv26是如何解决多个任务之间的负向迁移的问题呢？这点似乎在论文中没有提到

[glenn-jocher]

@Wolfybox 目前 YOLO26 的“多任务”更多指同一架构下提供 detect/seg/pose/obb/cls 等独立任务权重与训练流程（而不是把所有任务混在一个联合训练的单一 checkpoint 里），因此负向迁移主要通过“任务专用 head+loss、按任务分别训练/微调、各自超参配方”来规避；后续如果引入跨任务的联合训练或共享更多参数，我们会在 YOLO26 文档页 同步训练细节与设计取舍。

[xcq-code]

thanks for your work. where can i download YOLOE-26 weights?

[li2390893]

https://github.com/li2390893/yolo26-rk3588-cpp.git
https://github.com/li2390893/yolo26-rk3588-python.git
YOLO26在rk3588上的推理及转换代码

[quxianjiuguo]

有yolo26在RDKS100上的转换和推理git吗?,自己做了感觉不对

[SnifferCaptain]

提到有推理速度提升，但是看到模型结构（det）与11相比没有变化，那么提升速度的来源是什么

[NeKoooo233]

他把nms和dfl都去掉了，肯定快啊

[SnifferCaptain]

他把nms和dfl都去掉了，肯定快啊

dfl是loss与推理时无关吧，nms确实

[anran-young]

笑不活了 发自我的iPhone

…

------------------ Original ------------------ From: Melt ***@***.***> Date: Thu,Jan 15,2026 2:02 PM To: ultralytics/ultralytics ***@***.***> Cc: Barrett Moor ***@***.***>, Comment ***@***.***> Subject: Re: [ultralytics/ultralytics] zh/models/yolo26/ (Discussion #22219) 他把nms和dfl都去掉了，肯定快啊 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>

[glenn-jocher]

是的，YOLO26 在端到端（e2e）模式下把重复框抑制逻辑放进网络里，因此推理链路不再需要额外的 NMS 后处理，同时也移除了 DFL 来降低结构复杂度、提升导出与端侧兼容性；不过“更快”不只来自去掉后处理，本身的结构/训练与解码优化也占很大比例，建议以你目标设备与导出格式实测为准（相关说明和性能表见YOLO26 中文文档），如果你贴一下硬件平台、导出格式和延迟目标，我们可以更准确地给你选型建议。

[clousy188]

想要采用yolo26进行语义分割,推荐么

[glenn-jocher]

如果你说的“语义分割”是像素级掩膜输出（通常我们在 Ultralytics 里以实例分割形式提供），那很推荐直接用 YOLO26 的分割权重（如 yolo26n-seg.pt/yolo26s-seg.pt 等），用法见 YOLO26 模型文档；如果你需要的是“纯语义分割”（每类一张无实例 ID 的类别图），目前 Ultralytics YOLO 的 *-seg 头是实例分割范式，建议先把标注转换成实例掩膜再训练/推理。

[clousy188]

是的，我主要是第二种目的，进行纯语义分割，分割目标是一些比较大的环境目标(地面，天花板，墙面，...)，之前有进行11-13的训练尝试，不知道yolo26会不会有更好的性能呢

[jichaoqun]

目前在实际使用测试中，26的使用并没有很好，甚至他的额检测精度下降的很多，全系模型都不是很好，不知道是不是我的使用问题，同样的代码，11模型能检测到，26完全检测不到。

[glenn-jocher]

可以先确认不是环境/参数差异导致的：请把你运行的完整命令（含 conf/imgsz/classes 等）和一张可复现的测试图（或最小复现代码）贴在这个讨论里，同时先跑一下环境诊断，方便我们核对是否有多重安装或版本不匹配（尤其是从旧路径导入）：参考 Quickstart 里的安装方式更新后再测一次。

yolo checks
yolo predict model=yolo26n.pt source=path/to/image.jpg imgsz=640 conf=0.10
yolo predict model=yolo11n.pt source=path/to/image.jpg imgsz=640 conf=0.10

另外也请确认你用的是检测权重（如 yolo26n.pt），不是 *-cls.pt/*-seg.pt/*-pose.pt/*-obb.pt；如果你是在 Jupyter 里刚升级过 ultralytics，记得重启 kernel 后再跑。