Meta发布新一代图像理解模型SAM 3，并同步推出面向3D世界的SAM 3D，将原本聚焦于二维图像分割的技术扩展至目标检测、视频追踪与3D重建。官方开放了SAM 3的模型权重、研究论文与微调代码，并推出Segment Anything Playground，让研究人员和内容创作者可在浏览器中直接试用。

SAM 3最大的突破是支持用户使用简短文本提示进行分割，例如“条纹红色雨伞”或“手上没有拿礼盒的人”，模型能根据描述在图像或视频中识别所有符合的实体，为每个实例生成掩码并保持追踪ID。若目标难以用文字描述，用户也可提供示例图像，让模型通过外观比对进行识别。

Meta构建了结合AI与人工标注的数据引擎，以实现开放词汇概念的分割能力。系统先由SAM 3与Llama系统从海量图像与视频中自动生成文本标签与候选掩码，再交由人工与AI标注员验证与修正，最终构建出涵盖超过四百万个独特概念的训练数据集，并提出SA-Co（Segment Anything with Concepts）评估基准，使社区能在统一的大词汇分割任务上比较模型性能。

与前一代SAM 2相比，SAM 2的核心任务仍以可提示视觉分割为主，强调通过点击或框选在图像与视频中生成掩码片段（Masklet），并保持同一物体跨帧的一致性。SAM 3延续了这一记忆设计与SAM 2风格的掩码片段，但在前端增加了Meta Perception Encoder负责文本与图像编码，检测部分采用DETR架构，整体重构为单一模型，统一处理概念检测、分割与追踪。

官方强调，在自家SA-Co评估基准上，SAM 3相较现有系统表现明显更优；在SAM 2原有的交互式视觉分割任务中，多数指标也达到或超越SAM 2水平，同时保持毫秒级推理速度。

Meta同时推出SAM 3D，将物体分割能力延伸至真实场景，可从单张图像推断常见物体及人体姿态与体型的3D结构。目前，SAM 3与SAM 3D已应用于Facebook Marketplace的“在房间中预览”功能：先用SAM 3分割出桌子、灯具等商品，再通过SAM 3D将物体置入用户上传的房间照片中，帮助用户预览商品的风格与尺寸是否匹配。

Segment Anything Playground是这些模型的应用展示平台，用户可上传图像与视频，直接套用模板，系统将自动为人脸、车牌或屏幕马赛克进行处理，也可为指定物体添加聚光、运动轨迹与放大效果。