---
title: "SAM 3: Segmentierung, Benchmarks und Vergleich mit SAM 2 — Segmentit"
description: "Entdecke die Bildsegmentierung mit SAM 3, Text- und visuelle Prompts sowie Benchmarks zu SAM 1 / SAM 2.1. Verstehe die Technologie und teste das Segmentit Studio."
lang: "de"
canonical: "https://segmentit.com/de/sam-3/"
---

# SAM 3. Finde das Objekt.

Verstehe Metas Segment Anything Model 3: Konzept-Prompts, interaktive Masken und veröffentlichte Vergleiche mit früheren SAM-Modellen.

[Studio testen](https://segmentit.com/app?lang=de) [Benchmarks erkunden](https://segmentit.com/de/sam-3/#benchmarks)

[![Objekt-Workflow im Segmentit Studio](https://segmentit.com/images/blog/studio-selection.png)](https://segmentit.com/app?lang=de) [Studio öffnen](https://segmentit.com/app?lang=de)

Eine unabhängige Anleitung von Segmentit. SAM 3 und SAM 3D werden von Meta entwickelt; Segmentit ist nicht mit Meta verbunden.

## Was ist SAM 3?

SAM 3, auch als SAM3 gesucht, ist Metas Modell zum Finden und Segmentieren von Objekten in Bildern und Videos. Ein kurzer Begriff wie „roter Stuhl“ kann passende Instanzen identifizieren; visuelle Prompts helfen bei der Auswahl. Das Ergebnis ist eine Maske: die Pixel, die zu einem Motiv gehören.

[Meta · SAM 3 ↗](https://ai.meta.com/research/sam3/)

### SAM 3

Bild → 2D-Maske

### SAM 3D Objects

Bild + Maske → 3D-Objekt

Eine präzise Auswahl und eine räumliche Rekonstruktion erfüllen unterschiedliche Anforderungen. Die Wahl des richtigen Motivs kommt vor Form, Textur und Szenenkomposition. [Erkunden SAM 3D](https://segmentit.com/de/sam-3d/).

### Die verglichenen Modelle

-   [SAM 1 HMeta](https://github.com/facebookresearch/segment-anything)
-   [SAM 2.1 LMeta](https://github.com/facebookresearch/sam2)
-   [SAM 3Meta](https://github.com/facebookresearch/sam3)

Länder der Organisationen und Kooperationen. Jedes Modell verlinkt auf sein offizielles Projekt.

## Was kann SAM 3?

### Text-Prompts

**Ein Konzept finden**

Benenne ein Motiv wie „roter Stuhl“, um passende Objekte zu finden.

### Visuelle Prompts

**Die Maske steuern**

Nutze Punkte, Rahmen oder ein Beispielbild, um anzugeben, was du auswählen möchtest.

### Videosegmentierung

**Ein Motiv verfolgen**

Das Forschungsmodell kombiniert Erkennung und Tracking über mehrere Frames hinweg.

## Wähle deinen kreativen Workflow

Stelle ein Produkt für eine Komposition frei, bereite einen transparenten Ausschnitt vor oder wähle das Motiv, das du in ein 3D-Objekt verwandeln möchtest. Prüfe kleine Details vor dem Export.

[Wähle ein Objekt aus](https://segmentit.com/de/docs/select-an-object/) [In 3D erstellen](https://segmentit.com/de/docs/generate-3d/) [Herunterladen und exportieren](https://segmentit.com/de/docs/download-and-export/)

## Wie funktioniert SAM 3?

### Beschreiben oder zeigen

Text benennt das Konzept; Punkte und Rahmen geben visuelle Orientierung.

### Erkennen und segmentieren

Ein Detektor identifiziert passende Instanzen und sagt ihre Masken voraus. Eine gemeinsame visuelle Basis unterstützt Erkennung und Tracking in Videos.

### Die Maske verfeinern

Positive und negative Prompts helfen, das Ziel anzupassen. Das Forschungsmodell hält außerdem Objektidentitäten über Videoframes hinweg aufrecht.

Architektur des Forschungsmodells. Videofunktionen, Repräsentationen und in einer Anwendung angebotene Tools können abweichen. [Offizieller Code ↗](https://github.com/facebookresearch/sam3)

## SAM 1 vs. SAM 2.1 vs. SAM 3

SA-37 · Interaktive Bildsegmentierung · Durchschnittliche mIoU · Höher ist besser

SAM 1 HSAM 2.1 LSAM 3

**Daten und Metriken**

**SA-37 · Table 6**

| Modell | 1 Klick | 3 Klicks | 5 Klicks |
| --- | --- | --- | --- |
| SAM 1 H | 58,5 | 77,0 | 82,1 |
| SAM 2.1 L | 66,4 | 80,3 | 84,3 |
| SAM 3 | 66,1 | 81,3 | 85,1 |

mIoU: mittlere Schnittmenge über Vereinigung von vorhergesagten und Referenzmasken. Drei ausgewertete Klickzahlen; Linien verbinden Beobachtungen, ohne Zwischenergebnisse zu schätzen.

Quelle: [Carion et al. · SAM 3 · Table 6 · arXiv v1 (2025) ↗](https://arxiv.org/html/2511.16719v1#S6.T6)

Bei fünf Klicks erreicht SAM 3 eine mIoU von 85,1 gegenüber 84,3 bei SAM 2.1 L. Bei einem Klick liegt SAM 2.1 L leicht vorn: 66,4 gegenüber 66,1. Der Zugewinn hängt von der Interaktionseinstellung ab.

### Geschwindigkeit der interaktiven Segmentierung

In Tabelle 6 angegebener Durchsatz unter den Evaluationsbedingungen der Forschungsarbeit. Keine Studio-Latenz.

FPS ↑0 → 100

**SAM 1 H**

**41,0**

**SAM 2.1 L**

**93,0**

**SAM 3**

**43,5**

[Veröffentlichte Daten · 2025 ↗](https://arxiv.org/html/2511.16719v1#S6.T6)

### Video: Tracking auf SA-V

Masken- und Grenzqualität über Videoframes hinweg. Höher ist besser. Vergleich von Forschungsmodellen.

J&F ↑ · SA-V test0 → 100

**SAM 2.1 L**

**78,4**

**SAM 3**

**84,4**

[Veröffentlichte Daten · 2025 ↗](https://arxiv.org/html/2511.16719v1#S6.T5)

### Die Ergebnisse verstehen

Ein historischer Vergleich der in den Veröffentlichungen von 2025 bewerteten Versionen, geprüft am 7. Oktober 2026. Datensätze, Prompts und Metriken bestimmen, was gemessen wird. Diese Werte sagen weder die Generierungszeit noch die Qualität jedes Fotos in Segmentit voraus.

## Von der Forschung zu deiner nächsten Kreation.

In Segmentit ist die Auswahl der erste kreative Schritt: Wähle ein Objekt, verfeinere den Umriss und speichere ein transparentes PNG oder fahre mit 3D fort. Eine klarere Maske hilft dir, genau das gewünschte Motiv zu behalten.

[Mit dem Erstellen beginnen](https://segmentit.com/app?lang=de) [Workflow erkunden](https://segmentit.com/de/services/object-extraction/)

## Fragen zu SAM 3

**Erstellt SAM 3 3D-Modelle?**

SAM 3 erstellt Segmentierungsmasken. SAM 3D Objects übernimmt die 3D-Rekonstruktion. Sie behandeln unterschiedliche Schritte im Bild-zu-3D-Workflow.

**Was hat sich gegenüber SAM 2 geändert?**

Mit Konzept-Prompts kannst du passende Objekte anhand von Text oder Beispielen suchen. Die Grafik oben vergleicht separat die interaktive Segmentierung per Klick.

**Wo finde ich das Modell?**

Meta veröffentlicht Code, Anleitungen für den Zugriff auf Checkpoints und Notebooks im unten verlinkten offiziellen SAM-3-Repository. Für einen visuellen Workflow öffne das Segmentit Studio.

## Quellen und Dokumentation

-   [Meta · SAM 3](https://ai.meta.com/research/sam3/)
-   [Forschungsarbeit · SAM 3](https://arxiv.org/html/2511.16719v1)
-   [Offizieller Code · facebookresearch/sam3](https://github.com/facebookresearch/sam3)

Geprüft 7\. Oktober 2026 · Segmentit-Redaktion