2026年ICLR会议有篇盲审论文火了，叫《SAM3，用概念分割一切》，作者还没露面，但明眼人一看就知道，这是Meta家SAM系列的第三代升级款。

要知道前两代SAM可是视觉圈的“明星”，2023年4月初代SAM出来，第一次喊出“分割任何东西”；2024年7月SAM2跟上，直接把视频分割也拿下了。

现在SAM3要来了，其实，我还挺好奇它到底能玩出什么新花样。

之前的COCO数据集才80个类别，LVIS也就1200多个，SA-Co直接干到400万，数据量差了好几个量级。

有这么多数据喂着，SAM3的精度能上去也不奇怪。

实际测试结果也挺能打的，在LVIS数据集上，它的零样本分割精准度比之前最好的成绩高了不少；SA-Co基准上，性能是现有系统的两倍还多。

速度也不含糊，在H200GPU上，一张图30毫秒就能处理完，还能同时识别上百个对象，视频里也能接近实时。

很显然，精度和速度都在线，才好落地，要是跑个图要等半分钟，就算分再准，也没人愿意用。

SAM3跟前代比，不只是多了个功能，更像是把分割模型从“工具”变成了“能理解的助手”。

之前是你指挥它做，现在它能懂你说的“概念”。

我觉得这可能就是视觉AI的“GPT-3时刻”，就像GPT-3让NLP从“按规则生成”到“理解语义”，SAM3也让视觉分割从“按提示切割”到“理解概念”。

以后不管是医疗影像里找结节，还是自动驾驶里找行人，甚至是视频编辑里批量抠图，它都能派上用场。

总的来说，SAM3不是简单的“升级”，而是把分割的逻辑给变了。

从像素到概念，这一步跨得不小。

怕是最有体会的就是做视觉开发的同行，之前总羡慕NLP有GPT-3，现在视觉这边也有了能打的模型。

以后视觉AI能玩的花样，肯定会越来越多。