一、为什么YOLOv5又被“翻牌子”了？
2026年，YOLO系列已经迭代到v12甚至v26。YOLOv8s在烟叶烘烤阶段判别中精确度达到95.0%、平均精度均值97.1%，YOLOv11n在正常条件下推理效率高达178.32 FPS。按理说，YOLOv5早该“退休”了。
但实际情况恰恰相反。在边缘部署场景中，YOLOv5依然是性价比最高的基线模型之一。根据Journal of Supercomputing 2026年发表的一项基准测试，在NVIDIA T4 GPU与ONNX Runtime CPU的异构平台上，YOLOv5n以66.1%的mAP@0.5-0.95与YOLOv8n的66.3%几乎持平，但其CPU推理延迟仅31.1ms，显著优于同类模型，使其在边缘部署场景中具有独特优势。YOLOv5s的参数量仅7.04M、计算量15.8 GFLOPs、模型体积13.7MB，在4种YOLO模型中最为轻量。
于是，一个极具吸引力的思路出现了：能不能在YOLOv5这个轻量底座上引入Transformer自注意力，用最小的代价换最大的精度提升？
过去三个月内，大量学术论文和开源项目围绕这一思路展开探索。但结论远比想象中复杂——精度确实涨了，速度却付出了惨痛代价。
