YOLOとは、1枚の画像を1回だけ処理して、写っているモノの「名前」と「位置」を同時に答える物体検出AIです。2026年時点の現役はYOLOv8・YOLO11・YOLO26の3つ。開発元のUltralyticsは、2025年9月のYOLO Vision 2025で予告し2026年1月に公開したYOLO26を、すべての新規プロジェクトの出発点として推奨しています。

番号が飛び飛びなのは、あなたの見落としではありません。10年のあいだに作り手が何度も入れ替わり、別々のチームが同じ「YOLO」を名乗ってきたからです。

だから全部を覚える必要はありません。現役の3つだけで足ります。

YOLOとは何をしてくれるAIなのか？

YOLOは画像を1回だけ処理して、物体の名前・位置・確からしさを一度に返すAIモデルです。物体検出という分野の、事実上の共通語になっています。

画像を一度だけ見て物体の名前と位置を同時に当てるYOLOの概念図

名前は "You Only Look Once" の頭文字。日本語なら「見るのは一度だけ」です。何度も見返さずに一発で答える設計思想が、そのまま名前になりました。

返ってくる答えは3点セットです。

  • バウンディングボックス: 物体を囲む四角い枠の座標
  • クラスラベル: その枠が何なのか（人、車、ネコ）
  • 信頼度スコア: どれくらい確からしいか（0〜1の数値）

ここで「画像分類」と混同しないでください。分類は写真1枚に対して「これはネコの写真です」と1つ答えるだけ。検出は「左上にネコが1匹、右下にもう1匹、信頼度0.91と0.78」と、数と位置まで返します。

「AI」と「機械学習」の言葉の関係から整理しておきたい場合は、AIと機械学習の違いを3分で理解する記事が最短です。なお、書類の文字を読み取りたいだけならYOLOではなくOCRの領分なので、用途が近い人はAI OCRツールの比較記事を先に確認してください。

工場の検品も、店舗の来客カウントも、駐車場の空き判定も、必要なのは後者です。分類では「何個あるか」に永遠にたどり着けません。

現場での使い道から逆算したいなら、製造業のAI始め方ガイドや小売・店舗運営のAI活用ガイドに業務側の具体例が並んでいます。

画像認識そのものの全体像から押さえたい人は、AI画像認識の基礎をまとめた記事を先に読むと、この先の話が一気に軽くなります。

では、なぜ「一度だけ」がそこまでの武器になるのでしょうか。

なぜ1回見るだけで速いのか？

YOLOは画像を格子状のマス目に区切り、全マスが「ここに何かあるか」「あるなら何か」を同時に予測します。候補を切り出してから判定する二段構えを、1つのネットワークに畳み込んだのが速さの正体です。

画像を格子状に区切って各マスが物体を予測する仕組みの図解

YOLO以前の主流は2工程でした。まず物体がありそうな場所を数百か所ぶん切り出します。そのあと1つずつ「これは何か」を判定します。候補の数だけ処理が積み上がるので、当然遅いです。

YOLOは切り出す工程そのものを消しました。

工程従来の二段構えYOLO
候補の切り出し数百か所を個別に生成なし
判定候補ごとに1回ずつ画像全体で1回
出力統合処理が必要枠・ラベル・スコアが同時

つまり、処理回数が「候補の数」ではなく「1」に固定されます。これが速度差の全部です。

効いてくるのは動画を扱うときです。防犯カメラの映像は1秒あたり15〜30枚の画像の連続なので、1枚あたりの処理が遅いと即座に破綻します。リアルタイム検出の定番がYOLOになったのは、この構造のおかげ。

速さはチューニングの結果ではなく、設計から出ています。だから10年たっても同じ名前で呼ばれ続けています。

その10年で、作り手は何度も交代しました。

バージョン番号はなぜ飛ぶのか？

YOLOの番号が順番に並ばないのは、1つのチームが順番に育てたシリーズではないからです。初代の論文が出たのは2015年6月。以来ほぼ毎年、別の研究者や企業が新版を名乗ってきました。

YOLOバージョンの系譜と開発元の変遷を示した図解

系譜を並べると、混乱の理由がはっきりします。

バージョン発表時期主な開発元
YOLOv12015年6月（arXiv:1506.02640）Joseph Redmon
YOLOv22016年12月（arXiv:1612.08242）Joseph Redmon
YOLOv32018年4月Joseph Redmon, Ali Farhadi
YOLOv42020年4月Alexey Bochkovskiy
YOLOv52020年6月Ultralytics
YOLOv62022年6月美団（Meituan）技術チーム
YOLOv72022年7月Alexey Bochkovskiy
YOLOv82023年1月Ultralytics
YOLO112024年9月Ultralytics
YOLOv122025年2月Yunjie Tian, Qixiang Yeほか（arXiv:2502.12524）
YOLO262026年1月Ultralytics

発表時期は、論文（arXiv）またはリポジトリでの公開が確認できる時点で並べました。学会での発表はこれより後になります。YOLOv1の論文はCVPR 2016、YOLOv2の論文はCVPR 2017での発表です。年号が1年ずれて紹介されがちなのは、この2つの時点が混ざるからです。

要するに、初代から3代目までを1人の研究者が育て、そこからは企業チームと大学の研究者が交互にバトンを握ってきた、という流れです。

「v12より26のほうが新しいの？」という疑問には、はい、と答えます。YOLO26は西暦を名前にしたUltralytics製。v12は別系統の研究チームによる論文発表（arXiv:2502.12524）で、注意機構（Attention）を中心に据えた別アプローチです。番号の大小で新旧を判断すると必ず間違えます。

ここが最大のつまずきポイントなので、判断の軸を1つだけ決めておいてください。開発元がUltralyticsかどうかです。

  • Ultralytics系（v5・v8・v11・26）: ドキュメント・学習ツール・エクスポート機能が一続き。乗り換えコストが低い
  • 研究系（v4・v7・v12）: 論文としての価値は高いが、実運用の面倒は自分で見ることになる

仕事で使うなら前者。論文を追いかけるのが目的なら後者も選択肢に入ります。

その最新版が、何を捨てて速くなったのか。

YOLO26は何が変わったのか？

YOLO26は2026年1月にUltralyticsが公開した最新版で、最大の変更はNMS（重複した枠を消す後処理）を丸ごと不要にしたことです。Ultralyticsは公式ドキュメントでこれを「end-to-end NMS-free inference」と説明しています。お披露目は2025年9月のYOLO Vision 2025で、一般公開が2026年1月でした。

NMSは「Non-Maximum Suppression」の略で、日本語なら「同じ物体に重なって出た枠を1本に絞り込む後片づけ」です。従来のYOLOは、1つの物体に対して枠を複数出してしまうため、推論のあとで必ずこの処理を挟む必要がありました。

問題は、この後片づけが画面の混み具合で重くなること。

  • 人が3人しか写っていない画面: 枠が少なく、後処理は一瞬
  • 駅の改札に50人いる画面: 枠が爆発し、後処理が伸びる

つまり同じカメラでも、混雑した瞬間だけ処理時間が跳ねます。リアルタイム用途では、この「たまに遅い」がいちばん厄介です。60ミリ秒で回っていたはずの検出が、ピーク時だけ120ミリ秒になります。映像が飛びます。

YOLO26はモデル自身が最初から重複しない枠を出すので、後処理がゼロ。処理時間が混雑度に左右されなくなりました。

Ultralyticsの公式ベンチマークでは、最軽量のYOLO26nがYOLO11nに比べ、CPU推論（ONNX）で最大43%高速とされています。全バージョン・全サイズの話ではありません。Intel Xeon 2.00GHzでの計測という条件付きです。それでも地味に大きいです。GPUを積んでいない産業用カメラやIoT機器、スマホアプリでの実行がまとめて楽になるからです。

ここまでの整理: YOLOは「1回見るだけ」で速い。番号は開発元交代のせいで飛ぶ。判断軸はUltralytics製かどうか。YOLO26の目玉は後処理の廃止で、混雑時でも処理時間がブレない。ここから先は、実際に何を選び、いくらかかるかの話です。

とはいえ、最新が常に正解とは限りません。

v8・v11・YOLO26のどれを選ぶべきか？

新規開発ならYOLO26、すでに本番で動いている仕組みがあるならYOLOv8のまま。これが2026年時点の基本方針です。理由は精度差ではなく、周辺環境の成熟度にあります。

最新版が常に正解の版とは限りません。本番環境で効いてくるのは、わずかな精度の上乗せより、情報の多さと周辺ツールの安定です。この一点でv8はまだ強いです。

3つの立ち位置を整理します。

バージョン向いている場面注意点
YOLOv8すでに稼働中・情報量を最優先新規で選ぶ理由は薄い
YOLO11v8から段階的に上げたいv8→11は移行コストが小さい
YOLO26新規開発・CPU/エッジ実行日本語の実装記事がまだ少ない

つまり、選択の軸は「精度が何%上がるか」ではなく「いま何が動いているか」です。

判断を3行で言い切ります。

  • これから作る: YOLO26。一択です
  • v8で本番が回っている: 触らない。壊れていないものを直す必要はない
  • v8で精度が足りない: まずYOLO11を試す。それでも足りなければYOLO26

ありがちな失敗が、動いている本番システムを「最新が出たから」という理由だけで載せ替えることです。学習済みモデルの再学習、推論コードの書き換え、精度の再検証。全部やり直しになります。それに見合う数字が出ているか、先に確かめてください。

モデルを決めたら、次はサイズです。ここを外すと、動かないか、遅すぎるかのどちらかになります。

n・s・m・l・xのサイズはどう選ぶのか？

YOLOは同じバージョンの中に5段階のサイズがあります。末尾のn・s・m・l・xがそれで、nがいちばん軽く、xがいちばん重いです。選び方の基準は精度ではなく動かす場所です。

モデルサイズごとの動作環境と速度・精度のトレードオフ図

nとxの差は、ベンチマークの小数点以下の話ではありません。手元の小型AIボードで動くか動かないかという、もっと手前の差です。

サイズごとの目安を並べます。

サイズ目安の用途動かす場所
n（nano）リアルタイム映像・省電力ラズパイ、Jetson、スマホ
s（small）軽さと精度のバランスノートPC、安価なGPU
m（medium）業務システムの標準一般的なGPUサーバー
l / x精度最優先・バッチ処理高性能GPU

要するに、エッジで動かすならn一択、サーバーで精度を取りに行くならmから上、という住み分けです。

現場で最もよく使われるのはnです。理由は単純で、「動くこと」が「わずかに精度が高いこと」より価値があるから。1秒に30枚届く映像を処理できないxモデルは、精度がいくら高くても現場では役に立ちません。

カメラなど機材側から詰めていく段階なら、AIカメラ・AI監視カメラの選び方も合わせて読むと、モデルと機材の組み合わせで詰まりにくくなります。

始め方の推奨はこうです。まずnで作って、精度が足りなければsに上げる。逆向き（xから始めて軽くしていく）は時間の無駄になりがちです。重いモデルで作った期待値が、軽いモデルに落とした瞬間に崩れるので。

ここまでがモデル選び。実際に動かすのは、驚くほど短いコードで済みます。

無料で動かすには何が必要なのか？

YOLOのコードと学習済みモデルは無料で公開されています。PythonにUltralyticsのパッケージを入れれば、5行ほどで画像から物体を検出できます。

手順は3つだけです。

  1. インストール: pip install ultralytics
  2. モデル指定: 学習済みファイルを名前で指定（初回は自動ダウンロード）
  3. 実行: 画像やカメラ映像を渡す

実際のコードはこれくらいの分量です。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")        # 軽量モデルを読み込む
results = model("photo.jpg")       # 画像を渡すだけ
results[0].show()                  # 検出結果を表示

GPUが手元になくても大丈夫です。Google Colabの無料枠を使えば、ブラウザだけでGPU付きの環境が立ち上がります。まず触ってみる段階なら、自前のマシンを用意する必要はありません。

Colab自体に不慣れなら、Google Colab（コラボラトリー）の解説記事を先に開いておくと、無料枠の範囲で迷わずに済みます。

無料で済むのは、あくまで学習済みモデルをそのまま使う場合です。人・車・イヌなど80種類の一般的な物体は、追加学習なしで検出できます。

コストが発生するのは、ここから先です。

自社データで学習させると費用はいくらか？

コードは無料でも、自社の対象物（自社製品の傷、特定の部品、独自の看板など）を検出させたいなら、学習用のGPU環境と教師データの作成コストがかかります。ここがYOLO導入の実質的な費用です。

費用が発生する場所は3つです。

  • 教師データの作成: 画像を集め、1枚ずつ枠で囲んでラベルを付ける作業
  • 学習用GPU: クラウドGPUの時間課金、または自前GPUマシンの購入
  • 運用環境: 24時間動かすならカメラ・端末・電気代

いちばん見落とされるのが1つ目です。数百枚から数千枚の画像に手作業で枠を付ける工程は、外注しても内製しても確実に人件費が乗ります。モデルを選ぶ時間より、ここに使う時間のほうが長いです。

枠を付ける作業は専用のアノテーションツールで進めるのが前提です。定番の手順はLabel Studioの使い方をまとめた記事で確認できます。

学習用GPUについては、クラウドの時間課金で始めるのが現実的です。いきなりGPUマシンを買うと、学習が終わったあと遊ばせることになります。

判断のコツを1つ。まず学習済みモデルで試して、80種類の一般物体で用が足りないかを確認する。人数カウントや車両検知なら、追加学習ゼロで済むケースが実際にあります。

コストを見積もる前に、もう1つ必ず確認しておく項目があります。ライセンスです。

AGPL-3.0の落とし穴とは何か？

UltralyticsのYOLO（v5・v8・v11・26）はAGPL-3.0というライセンスで公開されています。これは「無料で使える代わりに、それを組み込んだソフトのソースコードも公開せよ」という条件がついた、かなり強い制約です。

ここで多くの記事が「社内利用なら大丈夫」と書きますが、Ultralytics自身はそう言っていません。公式のライセンスページは、AGPL-3.0でよいケースと有料の「Ultralytics Enterprise License」が要るケースを、次のように線引きしています。

  • AGPL-3.0のままでよい: 学術研究、個人の学習、ソースを公開するオープンソースの用途
  • Enterprise Licenseが要る: 社内向けの業務ツール、自社製品やサービス、SaaSやAPI、ハードウェアやロボットへの組み込み、商用での追加学習モデル

社内ツールまでが有料側に並んでいるのが要点です。AGPL-3.0の条文そのものは、外部に配布も公開もしない使い方まで公開を求める作りではありません。それでも権利者が公式にこの線を示している以上、「社内だけだからタダで通る」と決め打ちするのは危ない賭けです。

つまり、「無料だから」で業務に組み込むと、あとから自社コードの公開かライセンス料かの二択を迫られる可能性があります。ここが最大の落とし穴です。

特に危ないのが、社内の実証実験がそのまま製品化されるパターン。試作の段階では誰もライセンスを気にしませんが、外部提供に切り替わった瞬間に条件が変わります。

対処は3つです。

  1. 商用提供が視野にあるなら、企画の段階で法務に投げる
  2. Ultralytics Enterprise Licenseの見積もりを先に取る
  3. どうしても避けたいなら、Apache-2.0など別ライセンスの物体検出モデルを検討する

面倒に感じるかもしれませんが、製品化の直前に発覚するより100倍マシです。社内でライセンスや利用条件の線引きを文書にしておく方法は、生成AIガイドラインの作り方にまとめてあります。契約やレビューの体制ごと整えたい場合は、法務向けAIツールの記事も併せてどうぞ。

最後に、ここまでの内容を踏まえた率直な評価を置きます。

編集部の評価

YOLOは2026年時点でも物体検出の一択です。10年続いている理由は、精度の絶対値ではなく、動かすまでの距離が圧倒的に短いことにあります。pip install から5行で結果が出るライブラリは、この分野では他に見当たりません。

YOLO26のNMS廃止は、地味ですが実務では重宝します。「混雑時だけ処理が遅れる」という現象は、デモでは絶対に見えないのに本番で必ず刺さるタイプの問題だからです。軽量モデル同士の比較でCPU推論が最大43%高速というのも、GPUを積めない現場が多い日本の製造業や小売にはよく効きます。

一方で、正直イマイチな点も挙げます。バージョン名の付け方です。v12とYOLO26が別系統なのに番号だけ見ると連番に見える現状は、初学者が最初に必ず転ぶ場所になっています。開発元が違う以上どうしようもないのですが、公式ドキュメントを読む前に「Ultralytics製か否か」を確認する癖をつけないと、無関係な記事のコードをコピペして詰まります。

AGPL-3.0も、率直に言って商用では扱いにくいです。「無料で最強」という評判だけで走ると、法務レビューで止まります。社内ツールまでEnterprise Licenseの対象に挙がっている点は、特に見落とされがち。企画段階でライセンスを確認しておけば済む話なので、ここは知識で回避してください。

総合すると、学習と研究なら文句なし、業務で使うなら先にライセンス確認。この線引きさえ守れば、YOLOは2026年でも最短距離の選択です。

よくある質問（FAQ）

Q. YOLOは完全に無料で使えますか？

コードと学習済みモデルは無料で入手できます。ただしUltralytics製（v5・v8・v11・26）はAGPL-3.0です。自社サービスに組み込んで外部提供するなら、ソースコード公開かEnterprise License購入かの判断が要ります。Ultralyticsは公式のライセンスページで、社内向けの業務ツールもEnterprise Licenseの対象として挙げています。無料のまま使えると言い切れるのは、学術研究・個人の学習・ソースを公開する用途です。

Q. v12とYOLO26はどちらが新しいですか？

YOLO26です。YOLOv12は2025年2月に別の研究チームが発表した論文由来のモデル（arXiv:2502.12524）で、YOLO26は2026年1月にUltralyticsが公開しました。番号の大小と新旧が一致しないので、開発元で見分けてください。

Q. GPUがないパソコンでも動きますか？

動きます。特にYOLO26は最軽量のnモデルで、YOLO11nに比べCPU推論が最大43%高速とされているため、GPUなしでも実用的な速度が出ます。学習まで自分でやりたい場合はGPUが欲しくなるので、そのときはGoogle Colabの無料枠から始めるのが現実的です。

Q. 最初に選ぶべきモデルサイズはどれですか？

nano（n）です。まずnで作り、精度が足りなければsに上げる順番を推奨します。逆にxのような重いモデルから始めると、現場の機材で動かない事態に後から気づくことになります。

Q. すでにYOLOv8で運用中ですが、YOLO26に乗り換えるべきですか？

急ぐ必要はありません。安定して動いているなら、v8のまま維持するのが合理的です。乗り換えを検討すべきなのは、混雑時の処理落ちが起きている場合か、CPU環境での速度が足りない場合。この2つに当てはまらないなら、再学習と再検証のコストに見合いません。

次に読むならこれ

物体検出の次に手を出す人が多いのが、画像生成や画像解析を含めた「AIで画像を扱う」全体像の把握です。YOLOで何ができるかが分かったところで、AI画像認識の基礎をまとめた記事を読むと、検出・分類・生成の使い分けが一本の線でつながります。自社のどの業務にどの技術を当てるかを決める段階なら、こちらが先です。生成側のツールを見比べたいなら、画像生成AIのカテゴリ一覧からたどれます。

社内でAI活用を進める体制づくりから考えたい場合は、AIで業務効率化を全社へ広げる記事も参考になります。技術選定より前に、誰が何を判断するかを決めておいたほうが早く進むケースは多いです。