
SAM 3 et SAM 3.1 sont deux versions du même modèle : Segment Anything, de Meta, qui détecte, segmente et suit des objets dans les images et les vidéos à partir d'un clic, d'un cadre ou d'une courte description. SAM 3.1 n'est pas une refonte. Meta la présente comme un remplaçant direct dont l'unique apport est le multiplexage d'objets. La vraie question est de savoir si cette différence vous concerne. Pour un seul sujet, rarement. Dès qu'il y a plusieurs sujets à la fois, c'est tout l'intérêt de la mise à jour.
SAM 3.1 vs SAM 3 : les spécifications
Les chiffres publiés par Meta pour chaque version.
| SAM 3.1 | SAM 3 | |
|---|---|---|
| Sortie | 27 mars 2026 | Annoncé avec le benchmark SA-Co |
| Relation | Remplaçant direct de SAM 3 | La version de base |
| Objets par passe | Jusqu'à 16, multiplexés | Un objet par passe |
| Débit vidéo | 32 images par seconde sur un H100 | 16 images par seconde sur un H100 |
| Coût des objets supplémentaires | Calcul partagé entre les objets suivis | Croît de façon linéaire, un masklet chacun |
| Prompts | Clic, cadre, masque, texte ou image exemple | Clic, cadre, masque, texte ou image exemple |
| Images et vidéo | Les deux | Les deux |
| Vitesse sur image unique | Identique à SAM 3 | Environ 30 ms avec plus de 100 objets, sur un H200 |
| Poids du modèle | Checkpoint publié | Poids, code et jeu d'évaluation publiés |
| Sur Morphic | Oui, pour le suivi de sujet et les détourages | Non |
Ce que SAM 3.1 change
- Les objets ne se disputent plus la machine. SAM 3 suivait chaque objet dans sa propre passe, en ne partageant que l'image déjà encodée pour chaque plan. Un deuxième sujet coûtait donc à peu près un deuxième calcul. SAM 3.1 traite les objets suivis ensemble, en une seule passe, jusqu'à seize à la fois.
- Le débit double, selon les mesures de Meta. Meta annonce un passage de 16 à 32 images par seconde sur un seul GPU H100, pour une vidéo comptant un nombre moyen d'objets. Elle l'attribue au travail redondant que le multiplexage supprime.
- Les plans chargés deviennent jouables. L'intérêt n'est pas la vitesse brute. Ce sont les plans que vous évitiez jusqu'ici : un groupe, un rayon de produits, la circulation, une scène avec plusieurs interprètes.
Ce que SAM 3 faisait déjà et que la 3.1 conserve
- La segmentation par concept. Une courte expression nominale comme « le cycliste » trouve toutes les occurrences du concept, pas seulement l'élément sur lequel vous avez cliqué. Meta indique un score cgF1 à peu près double de celui des modèles existants sur son benchmark SA-Co, et dit que ses résultats sont préférés à ceux d'OWLv2 environ trois fois sur quatre.
- Les mêmes quatre façons de guider le modèle. Clics, cadres et masques viennent des précédents modèles Segment Anything, et le texte comme l'image exemple sont arrivés avec SAM 3. Rien ne change avec la 3.1 : tout ce qui a été écrit pour SAM 3 reste valable.
- Les mêmes limites. Les longues phrases composées restent hors de portée. Meta décrit toujours le modèle comme fragile sur les concepts très fins ou hors domaine, tant qu'il n'a pas été affiné dessus.
Quelle version utilisez-vous sur Morphic ?
Morphic utilise SAM 3.1. Dans Compose, l'éditeur de montage de Morphic, il alimente le Track subject mask : vous repérez un sujet sur une image, vous choisissez un sens, et vous obtenez une vidéo de masque qui le suit. Sur le Canvas, il sert à Auto-segment et à Separate as layer pour les images fixes. Aucune version à choisir, et rien à réécrire pour ce qui visait SAM 3, puisque les prompts sont identiques.
SAM 3.1 sur Morphic : l'image à gauche, le masque obtenu à droite.
La différence de la 3.1 se voit surtout sur un clip où il y a plusieurs éléments à isoler, par exemple le détourage de plusieurs mannequins dans un plan de défilé, ou de plusieurs produits dans un plan de packshot. Suivre quatre personnes dans une scène, c'est quatre sujets repérés et quatre masques dans les deux cas. Ce qui change, c'est le temps de calcul derrière.
Pour l'ensemble des fonctionnalités, consultez la page du modèle SAM 3.1. Pour le pas-à-pas, lisez comment suivre un sujet avec SAM 3.1, et pour le travail lui-même, la rotoscopie IA.
Questions fréquentes
Meta présente la 3.1 comme un gain de vitesse et de capacité, pas de précision. La différence documentée tient au multiplexage d'objets et au débit qu'il permet, sans nouvelle promesse de qualité.
Non. Les façons de guider le modèle sont les mêmes : un clic, un cadre, un masque, une courte phrase ou une image exemple. Meta parle d'un remplaçant direct.
Meta annonce jusqu'à 16 objets dans une seule passe. Sur Morphic, un clip peut aussi contenir jusqu'à seize masques, un par sujet suivi.
Oui, c'est l'usage principal. Vous repérez le sujet sur une image et Morphic renvoie une vidéo de masque qui le suit, utilisable ensuite pour isoler le sujet ou traiter le fond à part. Le résultat dépend du plan : sujets qui se croisent, mouvement rapide ou flou peuvent demander une retouche.
Non. Morphic utilise uniquement SAM 3.1, et comme les prompts sont inchangés, il n'y a rien à migrer.
Non. Cette limite vient de Morphic, pas du modèle : un clip contient jusqu'à seize masques, suivis ou dessinés, dans n'importe quelle combinaison. Le chiffre de seize objets par passe donné par Meta décrit la façon dont le modèle les traite, pas le nombre que vous avez le droit d'utiliser.
De l'article de Meta consacré au modèle. Le chiffre de 16 à 32 images par seconde est mesuré sur un seul GPU H100. Celui d'environ 30 millisecondes par image pour SAM 3 est mesuré sur un H200, avec plus de 100 objets détectés.