详细参数
模型定位
referring_segmentation
适合场景
图像 / 视频指代表达分割
输入价格
公开资料未说明
输出价格
公开资料未说明
vision火山方舟 / 豆包referring_segmentation稳定版
Sa2VA Qwen3-VL 4B SAM3
调用名：ByteDance/Sa2VA-Qwen3-VL-4B-SAM3Sa2VA Qwen3-VL 4B SAM3 是字节跳动于 2026 年 6 月发布的图像与视频指代表达分割模型，结合 Qwen3-VL 和 SAM3。
适合
图像 / 视频指代表达分割
referring_segmentation
价格
公开资料未说明
1M Tokens
输入
文本 / 图像 / 视频
输出
文本 / 图像
支持结构化输出
规格
上下文未说明
指代表达分割视频分割视觉理解深度推理视觉结构化输出推理segmentationvideo_understanding开放权重
所属厂商：火山方舟 / 豆包
能力与信息
核心能力
推理
支持
工具调用
不支持
结构化输出
支持
训练与版本
微调
不支持
蒸馏
不支持
接入信息
知识截止
公开资料未说明
调用名
ByteDance/Sa2VA-Qwen3-VL-4B-SAM3
API 基础地址
https://huggingface.co/ByteDance/Sa2VA-Qwen3-VL-4B-SAM3
调用协议
huggingface
主接口
model_download
发布时间
2026-06-10
价格与计费
计费摘要
输入价
公开资料未说明
输出价
公开资料未说明
缓存输入
公开资料未说明
币种
未标注
计费单位
1M Tokens
单位类型
未标注
价格说明
原始价格文案
未收录
补充说明
暂无
发布时间
2026-06-10
官方入口