2026年，计算机视觉领域的「基础模型」之争进入白热化。Meta的SAM 3（Segment Anything Model 3）、DINOv3和OpenAI的GPT-5 Vision，正在从不同方向重塑CV行业。

视觉大模型的竞争，不是「谁在某个任务上更强」，而是「谁更通用」——谁能在更多任务上，用更少的标注数据，达到更好的性能。

SAM 3：从「分割一切」到「追踪一切」

Meta的SAM 3在2026年发布，将「分割一切」的能力从图像扩展到了视频。SAM 3的核心创新是「记忆机制」——它在视频处理中维护一个「记忆库」，记住之前帧中的物体特征，在当前帧中追踪这些物体。

SAM 3的「杀手级应用」是视频编辑。 你点击视频中的一个人，SAM 3自动在整个视频中追踪和分割这个人。然后你可以对这个人进行「替换背景」「添加特效」「调整颜色」等操作。Adobe Premiere Pro和DaVinci Resolve在2026年已经集成了SAM 3。

SAM 3的另一个突破是「开放词汇分割」——你可以用自然语言描述「分割所有穿红色衣服的人」，SAM 3自动完成。这比SAM 2的「点击分割」更强大、更灵活。

DINOv3：从「自监督学习」到「世界模型」

Meta的DINOv3在2026年发布，将自监督视觉表示学习推向了新的高度。DINOv3的核心创新是「世界模型预训练」——它不仅在图像上预训练，还在「视频」和「3D数据」上预训练，学习「物体的物理属性」和「场景的时空关系」。

DINOv3的「杀手级应用」是机器人视觉。 DINOv3可以「理解」物体的物理属性——这个物体是「硬的」还是「软的」，是「固定的」还是「可移动的」，是「重的」还是「轻的」。这些「物理理解」对机器人操作至关重要。

DINOv3在「细粒度分类」上也取得了突破——它可以区分「同一品种的不同鸟类」、「同一型号的不同汽车」，达到了「专家级」的分类能力。

GPT-5 Vision：从「看图说话」到「视觉推理」

OpenAI的GPT-5 Vision在2026年发布，将视觉能力从「描述图像」提升到了「视觉推理」。GPT-5 Vision不仅能「看图说话」，还能「看图推理」——理解图表的数据趋势、分析医学影像中的异常、解读复杂场景中的人物关系。

GPT-5 Vision的「杀手级应用」是「视觉QA」——你可以问关于图像的任何问题，GPT-5 Vision给出基于推理的答案。 比如，「这张X光片中有骨折吗？如果有，具体在哪里？」GPT-5 Vision不仅给出答案，还标注出骨折的位置，并解释判断依据。

GPT-5 Vision的另一个突破是「视觉+代码」——你可以给它一张UI设计图，它自动生成对应的前端代码（HTML/CSS/React）。这个能力正在改变「设计→开发」的工作流程。

视觉大模型的「三国杀」

SAM 3、DINOv3和GPT-5 Vision代表了视觉大模型的三个方向：

  • SAM 3：视觉「感知」——精确地分割和追踪物体
  • DINOv3：视觉「理解」——理解物体的属性和场景的时空关系
  • GPT-5 Vision：视觉「推理」——基于视觉信息进行复杂推理

视觉大模型的「终极形态」，可能是「三者融合」——一个既能精确感知、又能深层理解、还能复杂推理的「通用视觉AI」。