Ultralytics YOLO-VLM
Ein schlankes YOLO-Frontend speist eine leistungsfähigere LLM-Ebene für effiziente Bild-Sprach-Verarbeitungsketten. Diese Architektur wurde auf der Ultralytics-Roadmap angekündigt. Entwickle schon heute mit YOLO26 und sei bereit, Bildverarbeitung zum Start mit Sprache zu verbinden.
Weltweit führende Organisationen vertrauen uns
Die Wirkung unserer Modelle
Optimiere Abläufe in verschiedenen Branchen mit unseren hochmodernen Vision-AI-Modellen. Ultralytics sorgt für Geschwindigkeit, Genauigkeit und einfache Bedienung.
Die Entwicklung der Ultralytics-YOLO-Modelle
Sieh dir an, wie sich Ultralytics YOLO vom praktischen YOLOv5-Ablauf bis zur Inferenz mit YOLO26 für Edge-Geräte weiterentwickelt hat.
Trainiere günstiger auf den besten GPUs
26 NVIDIA-GPUs ab $0.24/Std. – von Ampere bis Blackwell. Keine Aufschläge, keine Mindestabnahme, keine Vertragsbindung.
Überall bereitstellen
Exportiere in 22 Formate und stelle sie auf Edge-Geräten, in der Cloud und auf Mobilgeräten bereit.
Lösungen für verschiedene Branchen entdecken
Erfahre, wie Teams Computer Vision von Ultralytics in Produktionsumgebungen einsetzen.
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Häufig gestellte Fragen
YOLO-VLM ist ein kommendes Modell von Ultralytics, das auf der offiziellen Ultralytics-Roadmap als schlankes YOLO-Frontend angekündigt wurde, das eine leistungsfähigere LLM-Ebene für effiziente Bild-Sprach-Verarbeitungsketten speist – schnelle visuelle Wahrnehmung, verbunden mit einem Sprachmodell.
Die meisten Bild-Sprach-Modelle sind groß und teuer im Dauerbetrieb mit Videos. Im Allgemeinen sorgt die Aufteilung der Aufgaben – ein schnelles Bildverarbeitungs-Frontend speist eine leistungsfähigere Sprachebene – für Echtzeit-Wahrnehmung, während Rechenleistung für die Sprachverarbeitung nur dort eingesetzt wird, wo sie einen Mehrwert bietet. Diese Architektur beschreibt die Ultralytics-Roadmap für YOLO-VLM.
Im Allgemeinen ermöglichen Bild-Sprach-Verarbeitungsketten natürlichsprachliche Szenenbeschreibungen, visuelle Fragebeantwortung, die Suche in Videos mit offenem Vokabular sowie Warnmeldungen, die erklären, was passiert ist, statt lediglich darauf hinzuweisen. Laut Ankündigung soll YOLO-VLM als effizientes Frontend für solche Verarbeitungsketten dienen.
Ultralytics gibt den Veröffentlichungszeitpunkt auf der offiziellen Roadmap bekannt, der maßgeblichen Quelle dafür, wann welche Produkte veröffentlicht werden. Folge der Roadmap und Ultralytics auf GitHub, um Veröffentlichungsankündigungen zu erhalten.
Nutze zunächst Ultralytics YOLO26 für die Echtzeit-Wahrnehmungsebene: Objekterkennung, Segmentierung, Pose-Schätzung und Tracking. Verarbeitungsketten, die du heute mit dem Ultralytics-Workflow entwickelst, lassen sich um die Sprachebene erweitern, sobald YOLO-VLM veröffentlicht wird. Trainiere und stelle Modelle jetzt auf der Ultralytics Platform bereit.
Sei bereit für YOLO-VLM
Entwickle noch heute die Wahrnehmungsebene mit Ultralytics YOLO26 und verbinde Bildverarbeitung zum Start mit Sprache.