YOLO27 即将推出：相对 YOLO26 与 YOLOv8 有哪些提升

要点

在 640 像素、COCO 验证集上，四档检测模型的 mAP50-95 为 42.3、49.6、55.8、60.4。YOLO27l 是首个在 COCO 上超过 60 mAP 的 Ultralytics 模型；输入放到 800 像素时到 61.2，对应延迟 2.9 ms。N 和 S 在速度基本持平的前提下，精度高于 YOLO26n/s。

检测之外，计划支持实例分割、语义分割、深度估计、分类、姿态估计和有向目标检测。两条架构只用于检测；其余任务都用 CNN。Detect、Segment、Pose、OBB 还计划支持视频跟踪。

和 YOLO26、YOLOv8 比，精度差在哪里

三代都在 COCO val2017、单模型、单尺度、640 像素下报告 mAP50-95，这一列可以直接对照。YOLO26 另有一列端到端（e2e，推理时关闭 NMS）分数，通常比主分数低 0.6 到 0.8。YOLO27 的预览表没有拆出这一列，并说明 N/S 的精度取决于所选检测头。下表 YOLO26 使用其文档中的主分数。

延迟不能横比。YOLOv8 的 GPU 数字来自 A100 TensorRT，YOLO26 来自 T4 TensorRT 10，YOLO27 来自 RTX PRO 6000 TensorRT 11。设备差一个数量级，毫秒数不能用来给三代排速度名次。下面只比精度、参数量和计算量。

同档阅读时要分开看。N 和 S 的精度提升大约 1 到 1.4 个点，计算量高于 YOLO26n/s，仍低于或接近 YOLOv8 的同档 FLOPs。M 更值得注意：22.8M 参数、65.0B FLOPs，低于 YOLOv8m，也低于 YOLO26m 的计算量，mAP 却到 55.8。L 不是“同尺寸免费升级”。YOLO27l 有 72.3M 参数和 165.3B FLOPs，体量接近 YOLOv8l，明显大于 YOLO26l 的 24.8M / 86.8B，换来的是 60.4 mAP，也高于 YOLO26x 的 57.5 和 YOLOv8x 的 53.9。

架构上的五处变化

发布之后怎么选规格

正在做的项目继续用 YOLO26。下面是 YOLO27 权重公开之后的选择。

• YOLO27n / YOLO27s：边缘设备、无人机、实时视频。系列里最快的两档，双尺度设计加强小目标。官方部署说明会覆盖 NVIDIA Jetson 和 Raspberry Pi。
• YOLO27m：GPU 上精度和速度的默认生产档。延迟相近时精度高于 YOLO26m。
• YOLO27l：精度优先。640 像素 60.4 mAP、2.32 ms；800 像素 61.2 mAP、2.9 ms，在 RTX PRO 6000 上仍是实时。

计划支持的任务和模式

勾选表示发布时计划支持，不代表现在已经能下载。表中的权重文件都还没有发布。

性能指标

GPU 速度在 NVIDIA RTX PRO 6000 上用 TensorRT 11、FP16 测量；CPU 速度在 AMD EPYC 9655 上用 ONNX Runtime、FP32 测量。发布后可用 yolo val model=yolo27n.pt data=coco.yaml 复现检测精度。参数量和 FLOPs 针对融合后的模型：Conv 与 BatchNorm 已折叠，并去掉未使用的检测分支。检测速度使用 nms=False。预训练检查点会保留完整训练结构，参数量和 FLOPs 可能更高。

检测 · COCO，80 类

实例分割 · COCO，80 类，640 像素

语义分割 · Cityscapes，19 类，1024×2048

深度估计 · 多数据集预训练，768 像素

分类 · ImageNet，1000 类，224 像素

姿态 · COCO，类别为 person，640 像素

有向检测 · DOTAv1，15 类，1024 像素

发布后的用法

示例只适用于发布之后。把 COCO 预训练的 .pt 或配置 .yaml 交给 YOLO() 即可。自定义数据的训练技巧和超参搜索，以 Ultralytics 发布时的文档为准。

from ultralytics import YOLO

model = YOLO("yolo27n.pt")
results = model("path/to/bus.jpg")
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

yolo predict model=yolo27n.pt source=path/to/bus.jpg

yolo train model=yolo27n.pt data=coco8.yaml epochs=100 imgsz=640

对照来源：Ultralytics YOLO26 文档，Ultralytics YOLOv8 文档。YOLO27 数字来自其尚未最终定稿的官方介绍。