下面是对 sam_vit_l_0b3195、sam_vit_h_4b8939、mobile_sam、sam_vt_h 这几个模型的整理（以公开常识与通用命名推断为基础，如需精确官方参数可提供来源链接或文件，我能进一步细化）：
模型整理表
| 模型名称 | 模型说明 | 模型来源（作者 / 机构） |
|---|---|---|
| sam_vit_l_0b3195 | Segment Anything 官方模型之一，使用 ViT-L (Large) 作为图像编码器；属于较大模型，预测精度较高；“0b3195”多为 checkpoint 标识。 | Meta AI（Segment Anything Model, SAM） |
| sam_vit_h_4b8939 | SAM 系列中规模最大的模型之一，使用 ViT-H (Huge) 作为 backbone；在 SAM 里通常表现最佳；“4b8939”是 checkpoint 或权重版本编号。 | Meta AI |
| mobile_sam | 轻量化版本的 SAM，使用 MobileViT 或更轻的 Transformer 变体，在保证可用精度的情况下大幅提高推理速度；适合移动端 / 边缘设备。 | 通常由第三方研究者或社区（如 GitHub: ChaoningZhang 等）开源 |
| sam_vt_h | SAM 的 Vision Transformer + ViT-H 方向的变体，一般属于对 SAM 架构优化的版本（如使用更高效的 token 表达或 vision tokenizer）；非官方 Meta 版本，常见于研究社区或衍生项目。 | 第三方研究者 / 开源社区（具体来源依实现而定） |
SDK下载
#安装ModelScope
pip install modelscope
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('SdtDevAi/comfyui_sams')
Git下载
#Git模型下载
git clone https://www.modelscope.cn/SdtDevAi/comfyui_sams.git
如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。