Ultralytics YOLO-VLM

O YOLO-VLM é um futuro modelo da Ultralytics anunciado no roteiro da Ultralytics oficial como um front-end YOLO leve que alimenta uma camada de LLM mais profunda para pipelines de visão e linguagem eficientes — percepção visual rápida conectada a um modelo de linguagem.

A maioria dos modelos de visão e linguagem é grande e custosa para rodar continuamente em vídeo. Em geral, dividir o trabalho — um front-end de visão rápido alimentando uma camada de linguagem mais profunda — mantém a percepção em tempo real enquanto reserva computação de linguagem para onde ela agrega valor. Esse é o formato de pipeline que o roteiro da Ultralytics descreve para o YOLO-VLM.

Em geral, os pipelines de visão e linguagem permitem descrições de cenas em linguagem natural, respostas a perguntas visuais, busca de vocabulário aberto em vídeos e alertas que explicam o que aconteceu em vez de apenas sinalizar. O papel anunciado do YOLO-VLM é ser a interface eficiente para pipelines como esses.

A Ultralytics anuncia a data de lançamento no roteiro oficial, que é a fonte definitiva sobre o que é lançado e quando. Acompanhe o roteiro e a Ultralytics no GitHub para anúncios de lançamento.

Começa com o Ultralytics YOLO26 para a camada de percepção em tempo real: detecção, segmentação, pose e rastreamento. Os pipelines construídos no fluxo de trabalho da Ultralytics hoje estão posicionado para adicionar a camada de linguagem quando o YOLO-VLM for lançado. Treina e implanta agora na Plataforma Ultralytics.