SAM 3 e SAM 3.1 são duas versões do mesmo modelo: o Segment Anything, da Meta, que detecta, segmenta e rastreia objetos em imagens e vídeos a partir de um clique, de uma caixa ou de uma descrição curta. O SAM 3.1 não é uma reescrita. A Meta o descreve como um substituto direto, com uma única adição: a multiplexação de objetos. A pergunta prática é se essa diferença chega até você. Para a maioria dos trabalhos com um só sujeito, não chega. Para qualquer cena com vários sujeitos ao mesmo tempo, ela é o ponto central, como num vídeo de Reels com um grupo dançando ou num anúncio com uma prateleira cheia de produtos.
SAM 3.1 vs SAM 3: as especificações
Os números que a Meta divulgou para cada versão.
| SAM 3.1 | SAM 3 | |
|---|---|---|
| Lançamento | 27 de março de 2026 | Anunciado junto com o benchmark SA-Co |
| Relação | Substituto direto do SAM 3 | A versão base |
| Objetos por passada | Até 16, multiplexados | Um objeto por passada |
| Vazão em vídeo | 32 quadros por segundo numa H100 | 16 quadros por segundo numa H100 |
| Custo de objetos extras | Computação compartilhada entre os objetos rastreados | Cresce de forma linear, um masklet para cada |
| Prompt | Clique, caixa, máscara, texto ou imagem de exemplo | Clique, caixa, máscara, texto ou imagem de exemplo |
| Imagens e vídeo | Os dois | Os dois |
| Velocidade em imagem única | Igual à do SAM 3 | Cerca de 30 ms com mais de 100 objetos, numa H200 |
| Pesos | Checkpoint publicado | Pesos, código e conjunto de avaliação publicados |
| No Morphic | Sim, como rastreio de sujeito e recortes | Não |
O que o SAM 3.1 muda
- Vários objetos deixam de disputar a máquina. O SAM 3 rastreava cada objeto numa passada própria, compartilhando só a imagem do quadro que já tinha codificado. Um segundo sujeito custava, na prática, uma segunda execução. O SAM 3.1 processa os objetos rastreados juntos, numa só passada, até um máximo de dezesseis.
- A vazão dobra na medição da própria Meta. A Meta aponta um ganho de 16 para 32 quadros por segundo numa única GPU H100, em vídeos com um número médio de objetos. Ela atribui o ganho ao trabalho repetido que a multiplexação elimina.
- Cenas cheias passam a ser viáveis. O motivo para se importar não é a velocidade em si, e sim as cenas que antes você evitaria: um grupo de pessoas, uma prateleira de produtos, o trânsito, um palco com vários artistas.
O que o SAM 3 já fazia e o 3.1 mantém
- Segmentação conceitual por prompt. Uma frase curta, como “o ciclista”, encontra todas as instâncias daquele conceito, e não só a coisa em que você clicou. A Meta informa que o modelo alcança cerca do dobro do cgF1 dos modelos existentes no benchmark SA-Co e diz que as pessoas preferiram os resultados dele aos do OWLv2 numa proporção de aproximadamente três para um.
- As mesmas quatro formas de dar o prompt. Cliques, caixas e máscaras vêm dos modelos Segment Anything anteriores, e o texto e a imagem de exemplo chegaram com o SAM 3. Nada disso mudou no 3.1, então tudo o que foi escrito para o SAM 3 continua valendo.
- Os mesmos limites. Frases longas e compostas continuam fora do alcance. A Meta ainda descreve o modelo como fraco em conceitos detalhados e fora do domínio, até que ele passe por ajuste fino nesses casos.
Qual versão você usa no Morphic
O Morphic roda o SAM 3.1. No Compose, o editor de linha do tempo do Morphic, ele é a máscara Track subject: marque um sujeito num quadro, escolha uma direção e receba de volta um vídeo de máscara que o acompanha. No Canvas, ele aparece como Auto-segment e Separate as layer para imagens estáticas. Não existe chave para trocar de versão, e nada escrito para o SAM 3 precisa ser refeito, porque o prompt é idêntico.
SAM 3.1 no Morphic: a imagem à esquerda e a máscara devolvida à direita.
A diferença do 3.1 aparece na prática no clipe com várias coisas para isolar. Rastrear quatro pessoas numa cena dá quatro sujeitos marcados e quatro máscaras nas duas versões. O que mudou foi o tamanho da máquina por trás delas.
Para o conjunto completo de recursos, veja a página do modelo SAM 3.1. Para o passo a passo, leia como rastrear um sujeito com o SAM 3.1 e, para o trabalho em si, rotoscopia com IA.
Perguntas frequentes
A Meta apresenta o 3.1 como uma mudança de velocidade e capacidade, não de precisão. A diferença documentada é a multiplexação de objetos e a vazão que ela traz, e não uma nova alegação de qualidade.
Não. As formas de dar o prompt são as mesmas: um clique, uma caixa, uma máscara, uma frase curta de texto ou uma imagem de exemplo. A Meta chama o 3.1 de substituto direto.
A Meta fala em até 16 objetos numa única passada. No Morphic, um clipe também comporta até dezesseis máscaras, uma para cada sujeito rastreado.
Não. O Morphic roda somente o SAM 3.1, e como o prompt não mudou, não há nada para migrar.
Não. Esse limite é do Morphic, não do modelo: um clipe comporta até dezesseis máscaras, rastreadas ou desenhadas, em qualquer combinação. O número de dezesseis objetos por passada, da Meta, trata de como o modelo os processa, não de quantos você pode usar.
Não no Morphic. Os números de velocidade da Meta vêm de GPUs H100 e H200, mas aqui o modelo roda dentro do Compose e do Canvas, sem instalação e sem troca de versão. Você marca o sujeito e recebe a máscara.
Do post da própria Meta sobre o modelo. O valor de 16 a 32 quadros por segundo foi medido numa única GPU H100. O valor de cerca de 30 milissegundos para uma imagem única no SAM 3 é numa H200, com mais de 100 objetos detectados.