Meta AI 在 7 月 21 日的官方文章中介绍了 Genesis Mission 的首批科研项目。由 Berkeley Lab 牵头、多个美国国家实验室参与的 SYNAPS-I，目标是把 X 光和中子科学实验中的影像分析从数周或数月的人工瓶颈，推进到接近实时的处理流程。项目使用 Meta 发布的开源 Segment Anything Model 3（SAM 3）和 DINOv3：DINOv3 负责从未标注图像中理解结构与上下文，SAM 3 则负责为对象生成精细边界。
文章描述的管线在 300 张 A100 GPU 上运行，并把经过科学影像微调的两个模型部署到国家实验室的计算设施。Meta 给出的示例是葡萄藤微型 CT 影像，团队可以在实验进行时重建带语义标签的三维体积，文章称一次处理约 15 分钟，过去相同粒度的专家标注可能需要一个月。这里的时间对比属于 Meta 对项目案例的描述，不能直接推广为所有影像任务的通用性能。
这条消息对开源工具使用者的启发是，模型开放权重与本地部署能让研究机构在不把预发布数据交给外部云服务的情况下做领域微调。真正落地仍要评估数据许可、模型版本、显存和标注质量，并为科学结论保留人工复核；“能分割”不等于“能解释实验结果”。