SAM 3 وSAM 3.1 إصداران لنموذج واحد هو Segment Anything من Meta. يكتشف العناصر في الصور والفيديو ويعزلها ويتتبعها، انطلاقاً من نقرة أو إطار أو وصف قصير. وSAM 3.1 ليس إعادة كتابة. تصفه Meta بأنه بديل مباشر، وإضافته الوحيدة هي تعدد العناصر في تمريرة واحدة.
والسؤال العملي: هل يصل هذا الفرق إليك؟ في العمل على عنصر واحد، غالباً لا. أما إذا كان في اللقطة عدة عناصر، كمجموعة أشخاص في فعالية أو رف منتجات في مركز تسوق، فهذا هو بيت القصيد.
SAM 3.1 مقابل SAM 3: المواصفات
أرقام Meta المنشورة لكل إصدار.
| الميزة | SAM 3.1 | SAM 3 |
|---|---|---|
| تاريخ الإصدار | 27 مارس 2026 | أُعلن مع معيار SA-Co |
| العلاقة بينهما | بديل مباشر لـSAM 3 | الإصدار الأساسي |
| عدد العناصر في التمريرة | حتى 16، معالجتها معاً | عنصر واحد في كل تمريرة |
| سرعة الفيديو | 32 إطاراً في الثانية على بطاقة H100 واحدة | 16 إطاراً في الثانية على بطاقة H100 واحدة |
| كلفة العناصر الإضافية | حوسبة مشتركة بين العناصر المتتبَّعة | تزداد خطياً، بقناع تتبع مستقل لكل عنصر |
| طرق الطلب | نقرة أو إطار أو قناع أو نص أو صورة نموذجية | نقرة أو إطار أو قناع أو نص أو صورة نموذجية |
| الصور والفيديو | كلاهما | كلاهما |
| سرعة الصورة الواحدة | كما في SAM 3 | نحو 30 ملّي ثانية مع أكثر من 100 عنصر، على H200 |
| الأوزان | نُشرت نقطة الحفظ | نُشرت الأوزان والشيفرة ومجموعة التقييم |
| على Morphic | نعم، كتتبع للعناصر وقصّ لها | لا |
ما الذي يغيّره SAM 3.1
- العناصر الكثيرة لم تعد تتنافس على الجهاز. كان SAM 3 يتتبع كل عنصر بتمريرة مستقلة، ويتشارك فقط صورة الإطار التي رمّزها. فكلّف العنصر الثاني قرابة تشغيل ثانٍ. أما SAM 3.1 فيعالج العناصر المتتبَّعة معاً في تمريرة واحدة، حتى ستة عشر عنصراً.
- الإنتاجية تتضاعف بحسب قياس Meta نفسها. تضع Meta المكسب بين 16 و32 إطاراً في الثانية على بطاقة H100 واحدة، لفيديو بعدد متوسط من العناصر. وتعزوه إلى العمل المكرر الذي تلغيه المعالجة المشتركة.
- اللقطات المزدحمة صارت عملية. السبب ليس السرعة المجردة، بل اللقطات التي كنت تتجنبها: مجموعة أشخاص، أو رف منتجات، أو حركة السير على طريق، أو منصة عليها عدة مؤدين.
ما كان SAM 3 يفعله ويحتفظ به 3.1
- تجزئة المفاهيم بالوصف. عبارة قصيرة مثل «راكب الدراجة» تجد كل ما ينطبق عليه المفهوم، لا ما نقرتَ عليه فقط. تذكر Meta أن درجة cgF1 عندها تقارب ضعف النماذج الحالية على معيار SA-Co، وأن المقيّمين فضّلوا نتائجها على OWLv2 بنحو ثلاثة إلى واحد.
- طرق الطلب الأربع نفسها. النقرات والإطارات والأقنعة موروثة من نماذج Segment Anything السابقة. أما النص والصور النموذجية فجاءا مع SAM 3. ولم يتغيّر شيء من ذلك في 3.1، فكل ما كُتب لـSAM 3 ما زال صالحاً.
- الحدود نفسها. العبارات المركبة الطويلة ما زالت خارج النطاق. وتصف Meta النموذج بأنه ضعيف في المفاهيم الدقيقة خارج مجاله، إلى أن يُدرَّب عليها.
أي إصدار تستخدمه على Morphic
تشغّل Morphic نموذج SAM 3.1. في Compose، محرر الجدول الزمني في Morphic، يظهر في أداة Track subject mask. تحدّد عنصراً على إطار واحد، وتختار الاتجاه، فيعود إليك فيديو قناع يلاحقه. وعلى لوحة Canvas يظهر في Auto-segment وSeparate as layer للصور الثابتة. لا يوجد مفتاح للتبديل بين الإصدارين. ولا يحتاج شيء كُتب لـSAM 3 إلى إعادة كتابة، لأن طرق الطلب متطابقة.
SAM 3.1 على Morphic: الصورة على اليسار، والقناع الذي أعاده النموذج على اليمين.
يظهر فرق 3.1 عملياً في المقطع الذي فيه عدة عناصر تريد عزلها. تتبّع أربعة أشخاص في مشهد هو أربعة عناصر محدّدة وأربعة أقنعة في الحالتين. الذي تغيّر هو مقدار وقت الجهاز خلف كل ذلك.
لمجموعة الميزات الكاملة، راجع صفحة نموذج SAM 3.1. وللشرح العملي، اقرأ كيف تتتبع عنصراً بـSAM 3.1. وللمهمة نفسها، راجع العزل بالذكاء الاصطناعي (روتوسكوبينغ).
الأسئلة الشائعة
تقدّم Meta الإصدار 3.1 تغييراً في السرعة والسعة لا في الدقة. الفرق الموثّق هو تعدد العناصر في تمريرة واحدة والإنتاجية التي يوفرها، لا ادعاء جودة جديد.
لا. طرق الطلب هي نفسها: نقرة أو إطار أو قناع أو عبارة نصية قصيرة أو صورة نموذجية. وتصف Meta الإصدار 3.1 بأنه بديل مباشر.
لا إن عزلتَ العنصر بنقرة أو إطار أو قناع، فهذه طرق بصرية لا تعتمد على لغة. أما الوصف النصي فلا تذكر المصادر التي اعتمدنا عليها اللغات المدعومة. فجرّبه على مقطعك قبل الاعتماد عليه، أو ابدأ بالنقر.
تقول Meta حتى 16 عنصراً في تمريرة واحدة. وعلى Morphic يتسع المقطع كذلك لحتى ستة عشر قناعاً، قناع لكل عنصر متتبَّع.
لا. تشغّل Morphic نموذج SAM 3.1 فقط. وبما أن طرق الطلب لم تتغيّر، فلا شيء تحتاج إلى نقله.
لا. هذا الحد من Morphic لا من النموذج: يتسع المقطع لحتى ستة عشر قناعاً، متتبَّعة أو مرسومة، بأي مزيج. ورقم ستة عشر عنصراً في التمريرة عند Meta يخص طريقة معالجة النموذج لها، لا عدد ما يُسمح لك به.
من منشور Meta نفسها عن النموذج. رقم 16 إلى 32 إطاراً في الثانية مقاس على بطاقة H100 واحدة. أما رقم 30 ملّي ثانية تقريباً للصورة الواحدة في SAM 3 فعلى H200 مع اكتشاف أكثر من 100 عنصر.