SAM 3 dan SAM 3.1 adalah dua rilis dari model yang sama: Segment Anything milik Meta. Model ini mendeteksi, mensegmentasi, dan melacak objek di gambar maupun video dari satu klik, satu kotak, atau deskripsi singkat. SAM 3.1 bukan penulisan ulang. Meta menyebutnya pengganti langsung (drop-in replacement) dengan satu tambahan, yaitu object multiplexing. Pertanyaan praktisnya: apakah perbedaan itu terasa bagi Anda? Untuk pekerjaan dengan satu subjek, hampir tidak. Untuk adegan dengan banyak subjek sekaligus, seperti keramaian pasar atau etalase toko, inilah inti perubahannya.
SAM 3.1 vs SAM 3: spesifikasinya
Angka resmi Meta untuk tiap rilis.
| SAM 3.1 | SAM 3 | |
|---|---|---|
| Rilis | 27 Maret 2026 | Diumumkan bersama benchmark SA-Co |
| Hubungan | Pengganti langsung SAM 3 | Rilis dasar |
| Jumlah objek per proses | Hingga 16, secara multiplexed | Satu objek per proses |
| Throughput video | 32 frame per detik di satu H100 | 16 frame per detik di satu H100 |
| Biaya objek tambahan | Komputasi dibagi di antara objek yang dilacak | Naik linear, satu masklet per objek |
| Prompt | Klik, kotak, mask, teks, atau contoh gambar | Klik, kotak, mask, teks, atau contoh gambar |
| Gambar dan video | Keduanya | Keduanya |
| Kecepatan satu gambar | Sama seperti SAM 3 | Sekitar 30 ms dengan 100+ objek, di H200 |
| Bobot | Checkpoint dipublikasikan | Bobot, kode, dan set evaluasi dipublikasikan |
| Di Morphic | Ya, sebagai pelacakan subjek dan cutout | Tidak |
Yang diubah SAM 3.1
- Banyak objek tidak lagi berebut mesin. SAM 3 melacak tiap objek dengan prosesnya sendiri dan hanya berbagi gambar per frame yang sudah dienkode. Jadi subjek kedua memakan biaya kira-kira satu proses lagi. SAM 3.1 memproses objek-objek itu bersamaan dalam satu forward pass, hingga enam belas objek.
- Throughput berlipat dua menurut pengukuran Meta sendiri. Meta menyebut kenaikan dari 16 ke 32 frame per detik di satu GPU H100 untuk video dengan jumlah objek sedang. Menurut Meta, penyebabnya adalah kerja berulang yang dihapus oleh multiplexing.
- Adegan ramai jadi praktis. Alasan untuk peduli bukan kecepatan mentah, melainkan shot yang dulu Anda hindari: kelompok orang, rak produk, lalu lintas, atau panggung dengan beberapa penampil.
Yang sudah bisa dilakukan SAM 3 dan tetap dimiliki 3.1
- Promptable concept segmentation. Frasa benda pendek seperti "pesepeda" menemukan setiap instans dari konsep itu, bukan hanya satu benda yang Anda klik. Meta melaporkan skor cgF1 kira-kira dua kali model yang ada di benchmark SA-Co, dan menyebut hasilnya lebih disukai daripada OWLv2 dengan perbandingan sekitar tiga banding satu.
- Empat cara prompt yang sama. Klik, kotak, dan mask diwarisi dari model Segment Anything sebelumnya. Teks dan contoh gambar hadir sejak SAM 3. Di 3.1 tidak ada yang berubah, jadi semua yang ditulis untuk SAM 3 tetap berlaku.
- Batasan yang sama. Frasa komposisional yang panjang masih di luar cakupan. Meta juga masih menggambarkan model ini lemah pada konsep detail halus di luar domain, sampai di-fine-tune untuk konsep tersebut.
Versi mana yang Anda pakai di Morphic
Morphic memakai SAM 3.1. Di Compose, editor timeline Morphic, ia hadir sebagai Track subject mask: tandai subjek di satu frame, pilih arah, lalu terima video mask yang mengikutinya. Di Canvas, ia hadir sebagai Auto-segment dan Separate as layer untuk gambar diam. Tidak ada pilihan versi yang perlu diatur. Tidak ada juga yang perlu ditulis ulang dari SAM 3, karena cara prompt-nya identik.
SAM 3.1 di Morphic: gambar asli di kiri, mask hasilnya di kanan.
Perbedaan 3.1 paling terasa pada klip yang punya beberapa benda untuk dipisahkan. Melacak empat orang dalam satu adegan berarti empat subjek yang ditandai dan empat mask, di versi mana pun. Yang berubah adalah seberapa banyak waktu mesin di belakangnya.
Untuk daftar fitur lengkap, lihat halaman model SAM 3.1. Untuk panduan langkah demi langkah, baca cara melacak subjek dengan SAM 3.1. Untuk pekerjaannya sendiri, buka rotoscoping AI.
FAQ
Meta menyajikan 3.1 sebagai perubahan kecepatan dan kapasitas, bukan akurasi. Perbedaan yang terdokumentasi adalah object multiplexing dan throughput yang dihasilkannya, bukan klaim kualitas baru.
Tidak. Cara prompt-nya sama: klik, kotak, mask, frasa teks singkat, atau contoh gambar. Meta menyebut 3.1 sebagai pengganti langsung.
Menurut Meta, hingga 16 objek dalam satu forward pass. Di Morphic, satu klip juga menampung hingga enam belas mask, satu per subjek yang dilacak.
Tidak. Morphic hanya memakai SAM 3.1, dan karena cara prompt-nya tidak berubah, tidak ada yang perlu dimigrasikan.
Untuk gambar diam, ya. Di Canvas tersedia Auto-segment dan Separate as layer, yang memisahkan subjek ke layer sendiri. Cara memakainya ada di halaman model SAM 3.1 dan panduannya.
Tidak. Batas itu berasal dari Morphic, bukan dari model: satu klip menampung hingga enam belas mask, baik yang dilacak maupun yang digambar, dalam kombinasi apa pun. Angka enam belas objek per proses dari Meta menyangkut cara model memprosesnya, bukan berapa banyak yang boleh Anda pakai.
Dari postingan Meta sendiri tentang model ini. Angka 16 sampai 32 frame per detik diukur di satu GPU H100. Angka sekitar 30 milidetik untuk satu gambar di SAM 3 diukur di H200 dengan lebih dari 100 objek terdeteksi.