我们提出了 Segment Anything Model (SAM) 3，这是一个统一模型，能够根据概念提示（concept prompts）在图像和视频中检测、分割并跟踪物体。我们将概念提示定义为短名词短语（例如“黄色校车”）、图像示例，或两者的结合。可提示概念分割（Promptable Concept Segmentation, PCS）任务接收此类提示，并输出所有匹配对象实例的分割掩码（segmentation masks）和唯一身份标识。为了推进 PCS 的发展，我们构建了一个可扩展的数据引擎，生成了一个涵盖图像和视频的高质量数据集，其中包含 400 万个唯一概念标签以及困难负样本（hard negatives）。我们的模型由一个图像级检测器和一个基于记忆的视频跟踪器组成，二者共享同一个骨干网络（backbone）。通过引入一个存在性预测头（presence head），我们将识别与定位任务解耦，从而显著提升了检测精度。SAM 3 在图像和视频 PCS 任务上的准确率达到了现有系统的两倍，并提升了前代 SAM 在视觉分割任务上的性能。我们已开源 SAM 3，同时也发布了用于可提示概念分割的新基准测试 Segment Anything with Concepts (SA-Co)。