Ultralytics YOLO-VLM
路线图已公布这一方案：由轻量级 YOLO 前端为更深层的 LLM 层提供输入，从而构建高效的视觉语言流水线。现在就基于 YOLO26 构建，为在发布时连接视觉与语言做好准备。
深受全球领先机构信赖
我们的模型影响力
借助我们尖端的视觉 AI 模型，优化各行业流程。Ultralytics 为你带来速度、准确性和易用性。
Ultralytics YOLO 模型的演进
了解 Ultralytics YOLO 如何从实用的 YOLOv5 工作流演进到适用于边缘设备的 YOLO26 推理。
以更低成本使用顶级 GPU 进行训练
26 张 NVIDIA GPU，起价为每小时 $0.24——从 Ampere 到 Blackwell。无加价、无最低消费、无承诺。
探索行业解决方案
了解各团队如何在生产环境中应用 Ultralytics 计算机视觉。
农业
汽车
医疗保健
物流
制造业
零售
机器人
常见问题
官方 Ultralytics 路线图已将 YOLO-VLM 公布为一款即将推出的模型：它以轻量级 YOLO 前端为更深层的 LLM 层提供输入，从而构建高效的视觉语言流水线——将快速视觉感知与语言模型连接起来。
大多数视觉语言模型都很庞大，持续处理视频的成本也很高。通常，将工作拆分开来——由快速视觉前端为更深层的语言层提供输入——可以保持实时感知，同时只在能发挥价值时才使用语言计算。这正是 Ultralytics 路线图中描述的 YOLO-VLM 流水线架构。
通常，视觉语言流水线可用于生成自然语言场景描述、回答视觉问题、在视频中进行开放词汇搜索，以及发出能够说明发生了什么而非仅仅标记事件的警报。YOLO-VLM 已公布的定位是为这类流水线提供高效前端。
Ultralytics 会在官方路线图上公布发布时间；路线图是了解各项功能何时发布的权威来源。关注路线图和 GitHub 上的 Ultralytics，获取发布公告。
先使用 Ultralytics YOLO26构建实时感知层，支持检测、分割、姿态估计和跟踪。现在基于 Ultralytics 工作流构建的流水线，可在 YOLO-VLM 发布后加入语言层。现在就通过 Ultralytics Platform进行训练和部署。
为 YOLO-VLM 做好准备
现在就使用 Ultralytics YOLO26 构建感知层，并在发布时连接视觉与语言。