В январе 2026 года вышла YOLO26 — новое семейство моделей для computer vision. Она умеет делать детекцию объектов, сегментацию, оценку позы, детекцию повёрнутых объектов и классификацию. Доступно пять размеров: Nano, Small, Medium, Large и Extra Large.
Главное изменение — модель полностью отказалась от Non-Maximum Suppression (NMS) как отдельного этапа. YOLO26 выдаёт предсказания напрямую, без постобработки. Это снижает задержку. Ещё убрали модуль Distribution Focal Loss (DFL) — теперь модель проще портировать на edge-устройства и слабое железо. Поддерживаются TFLite, CoreML, OpenVINO, TensorRT и ONNX.
На COCO лучший результат у YOLO26x с mAP 57.5 при размере 640x640. Младшая YOLO26n выдаёт 40.9 mAP. Скорость на CPU ONNX у Nano — 38.9 ms, у X — 525.8 ms. На T4 с TensorRT10 Nano работает за 1.7 ms.
Добавили функции потерь ProgLoss и STAL — они улучшают детекцию мелких объектов. Это полезно для IoT, робототехники и аэросъёмки. Появился новый оптимизатор MuSGD — гибрид SGD и Muon, идея подсмотрена у языковой модели Kimi K2. Он даёт стабильное обучение и быструю сходимость.
По сравнению с YOLO11, YOLO26n работает на CPU до 43% быстрее. Для сравнения: альтернативы — RF-DETR от Roboflow (вышел в марте 2025, обходит YOLO26 по бенчмаркам), LW-DETR (июнь 2024) и D-FINE (октябрь 2024).
Официальной научной статьи от Ultralytics нет и не планируется. Но исследователи из Корнелльского университета и Университета штата Канзас написали свою работу «YOLO26: Key Architectural Enhancements and Performance Benchmarking for Real-Time Object Detection».