Ultralytics维护的YOLO工具包于上海时间2026年9月22日发布v8.4.158稳定版。本次发布通过GitHub Release归一验证，接口显示published_at为2026-09-21T20:52:46Z，对应北京时间2026年9月22日04时52分，落在当日00:00至23:59窗口内。创建时间为2026-09-21T20:51:39Z，更新时间为2026-09-21T20:54:10Z，draft为false、prerelease为false，确认为正式稳定版而非预发布。仓库地址为https://github.com/ultralytics/ultralytics，归属Ultralytics组织，项目定位为YOLO27、YOLO26、YOLO11、YOLOv8的目标检测、实例分割、语义分割、图像分类、姿态估计与目标跟踪工具包，许可证为AGPL-3.0，保持不变。发布标题为v8.4.158 - ultralytics 8.4.158 Keep mosaic closed after an OOM batch auto-reduction，对比区间为v8.4.157至v8.4.158，中国开发者可通过PyPI包ultralytics升级验证，不改变模型结构与服务端计费规则。

关键变化

  • - OOM后Mosaic保持关闭（#26257）：自动批量缩减重建数据加载器后，重新启用Mosaic关闭逻辑，保证增强状态与训练日志和配置一致，避免误开启导致的训练不可复现 - AutoBatch更可靠（#26224、#26248）：不再将极小图像尺寸下BatchNorm导致的batch-one探测失败误判为显存上限，并补充小尺寸CUDA覆盖防止回归 - 数据加载与缓存优化（#26085、#26086、#26112、#26266）：RAM图像缓存可在spawn与forkserver工作进程间更高效共享，Linux工作进程懒启动降低解码器死锁风险，数据集超参数复制后再交变换修改，磁盘缓存减小安全边际并更安全处理写入失败 - 下载与数据集处理增强（#26250、#26251、#26255、#26254）：safe_download支持HTTP Range断点续传，更好处理编码响应与临时服务端错误，伪装成压缩包的非压缩文件直接按文件返回，NDJSON有效非零比例不再选中零图像 - 导出与推理更准确（#24715、#26253、#26264、#26268、#26262、#26261）：缺失或非法类名从模型头推断正确类别数，修复torch小于2.1重复推理崩溃，TensorRT动态形状拒绝与执行失败给出明确报错，SAM2视频强制非重叠掩膜并以最高分拥有像素，CPU语义分割后处理加速

适用对象与价值

面向使用YOLO26、YOLO11、YOLOv8及相关模型做目标检测、分割、分类、姿态估计与跟踪的个人与团队，特别是训练中常触发显存不足自动降批量、使用AutoBatch估算批量、在Linux多进程加载大数据集，或需导出为TorchScript、TensorRT、CoreML与Core AI在本地、云端、边缘与苹果设备部署的场景。Mosaic状态修复使OOM恢复后的增强行为与预期一致，提升训练可复现性；AutoBatch与缓存修复减少小尺寸与多进程场景的失败与死锁；导出元数据与类别数对齐减少旧检查点部署时的元数据错配；SAM2视频掩膜归属修正使跟踪结果更干净。对中国用户的直接价值在于训练更可预期、数据与下载链路更稳健、导出部署报错更清晰，升级后无需改写训练主流程即可获得更可靠的转换与推理行为。

兼容性与安装条件

本次为常规版本更新，发布说明未声明破坏性接口变更与许可证变更，对比区间为v8.4.157至v8.4.158的增量集合，可按常规小版本评估升级。安装沿用PyPI与源码体系，仓库为https://github.com/ultralytics/ultralytics，PyPI包名为ultralytics，可执行pip install -U ultralytics或将版本固定至v8.4.158后安装，需按仓库说明配置Python与PyTorch环境后调用。远端下载续传需具备访问远端资源与HTTP Range的网络条件；TensorRT导出需对应版本TensorRT与GPU驱动支持；苹果Core AI为可选路径，仅限较新苹果系统与苹果芯片导出环境，Core ML仍是默认推荐的更广兼容格式。实际模型可用范围、精度与速度以后端实测为准，工具包仅完成客户端封装与导出逻辑，不改变服务端策略。升级前建议核对自有训练、数据转换与导出脚本对增强开关、批量策略与类别配置的引用。

限制与注意事项

发布说明未提供具体精度与速度基准数字，不应将其理解为固定比例的性能提升承诺。OOM恢复、AutoBatch探测与缓存共享的实际效果仍受显存、驱动、操作系统与本地磁盘状态影响，懒启动与哈希复用不等同于所有死锁与数据语义问题消失。导出类别推断与TensorRT明确报错改善了问题定位，但仍需在自有验证集上复测精度与推理链路。AGPL-3.0为强copyleft许可，通过网络提供基于修改版的服务需开放对应源码，闭源商业项目需谨慎评估或联系官方商业授权。本次未声明安全修复，不应视为安全加固版本。建议先在预发环境回归常规训练、OOM自动降批量、AutoBatch估算、远端下载与TensorRT、TorchScript导出链路，再全量升级。本文不对安全性、长期维护与后续版本兼容作超出发布说明的保证。

下一步

已使用该工具包的项目可将版本固定至v8.4.158，在预发环境验证Mosaic关闭状态、AutoBatch小尺寸行为、数据加载与缓存、safe_download续传与模型导出精度，再发布全量。未接入的团队可按仓库说明完成安装与快速验证。更多细节见Release v8.4.158说明、对比v8.4.157至v8.4.158与合入#26257、#26224、#26248、#26085、#26086、#26250、#26251、#24715、#26262，以及GitHub API中的published_at字段对应北京时间2026年9月22日的归一验证。