Meta刚刚发布了其SAM系列的第三代产品,SAM代表"分割任意物体模型"。这些AI模型专注于视觉智能,将为Meta平台上的内容编辑功能带来改进。
这些并非驱动聊天机器人的大语言模型,也不属于Meta的Llama系列,尽管在创建过程中使用了Llama模型。相反,SAM系列是在物体检测方面表现出色的AI模型。SAM 3D在特定物体识别方面更为精准,比如人体识别。这种视觉智能是AI模型用于更好理解物理世界的一种方式。
Meta使用大量数据集训练了SAM 3,将图像和视频与相应的文本描述进行匹配。因此,如果你在照片中点击一头大象,SAM 3可以分析图像并高亮显示图像中的所有大象。你也可以使用文本进行操作,比如要求模型高亮显示"红帽子"或"所有坐着的人"。处理这些具体请求的精确性正是新模型的专长所在。
这些不是图像或视频生成模型,所以如果你不是开发者,可能不需要直接看到或使用它们。(如果感兴趣,可以在新的分割任意物体演练场查看开放权重模型。)但很快你就会在Meta平台的内容编辑工具中看到改进,这都要归功于SAM 3。
该公司正在使用新模型为其Instagram Edits视频编辑器应用和AI视频应用Vibes提供更精确的编辑功能。你可以选择多个物体并批量应用编辑。Facebook Marketplace的"房间查看"功能将使用SAM 3向你展示人们出售的物品(如家具)在你家中的效果。
这些模型在现实生活中应用的一个例子是野生动物保护研究。据新闻稿显示,Meta与两家野生动物监测公司ConservationX和Osa Conservation合作,建立了一个包含来自超过10000台摄像机的"研究就绪原始视频素材"数据库,捕获了100多个物种。SAM 3模型帮助分析视频并更好地识别动物。
这些模型来自Meta的超级智能实验室。Meta的AI雄心在今年夏天推动了一项价值数十亿美元的努力,从其他AI公司挖走最优秀的AI领导者和开发者。但Meta的AI团队面临着重大挑战,导致公司在10月下旬解雇了AI部门的600名员工。金融时报最近的报道表明,Meta首席AI科学家和AI先驱Yann LeCun计划离开Meta创立自己的公司。
Q&A
Q1:SAM 3是什么类型的AI模型?
A:SAM 3是"分割任意物体模型",专注于视觉智能和物体检测。它不是大语言模型,而是擅长识别和分割图像或视频中特定物体的AI模型,比如可以在照片中精确识别所有大象或红帽子。
Q2:SAM 3在野生动物保护中如何应用?
A:Meta与ConservationX和Osa Conservation两家野生动物监测公司合作,使用SAM 3分析来自超过10000台摄像机的视频素材。该模型帮助更好地识别视频中的动物,建立包含100多个物种的研究数据库,为野生动物保护研究提供支持。
Q3:普通用户如何体验SAM 3的功能?
A:普通用户将通过Meta平台的内容编辑工具体验SAM 3。它将改进Instagram Edits视频编辑器和Vibes AI视频应用的编辑精确度,允许用户选择多个物体并批量编辑。Facebook Marketplace的"房间查看"功能也将使用SAM 3展示家具在用户家中的效果。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。