
Depth Pro 2 مقابل VGGT: العمق المتري أم هندسة متعددة المناظر؟
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 186 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 358 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 87 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 139 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
وجّه هاتفًا نحو غرفة، وتجول حولها، وسجّل أربعين ثانية من الفيديو. يمكن لنموذجين تحويل ذلك إلى هندسة، ولن يتفقا على ماهية تلك الهندسة. يُرجع Depth Pro 2، نموذج العمق الأحادي المتري من Apple، قيمة عمق بالأمتار لكل بكسل في كل إطار، مع طول بؤري مرفق. أما VGGT — Visual Geometry Grounded Transformer من Meta AI Research ومجموعة VGG في جامعة أكسفورد، المنشور في CVPR 2025 — فيُرجع المعاملات الخارجية والداخلية للكاميرا، وخرائط النقاط، وخرائط العمق، وتتبعات النقاط ثلاثية الأبعاد لكامل مجموعة المناظر دفعة واحدة.
أحد هذين المخرجين قياس، والآخر إعادة بناء. والاختيار بينهما ليس مسألة أيّهما أكثر دقة، لأن النموذجين يجيبان عن سؤالين مختلفين، والإجابة التي تحتاجها يحددها ما يأتي بعد النموذج في خط المعالجة لديك.
ما صُمِّم كل نموذج للقيام به
VGGT شبكة تغذية أمامية تستنتج جميع السمات ثلاثية الأبعاد الرئيسية للمشهد من منظر واحد أو بضعة مناظر أو مئات المناظر، في غضون ثوانٍ. والفكرة الجوهرية هي التقدير المشترك: فبدلًا من تشغيل نموذج عمق لكل إطار ثم حل أوضاع الكاميرا بمرحلة منفصلة للبنية من الحركة، يُخرج VGGT الأوضاع والمعاملات الداخلية والعمق ومسارات النقاط في تمريرة واحدة، مع تبادل المناظر الانتباه فيما بينها. ولهذا تكتسب عبارة "مئات المناظر" أهميتها — فهي بديل عن خط أنابيب القياس التصويري، لا إضافة إليه.
Depth Pro 2 هو مُقدِّر عمق متري أحادي العين، والكلمةُ التي تحمل العبء هنا هي "متري". فمُخرَجه عبارة عن خريطة عمق بالأمتار على طول اتجاه نظر الكاميرا، تُحسَب من صورة واحدة، دون الحاجة إلى أي بيانات وصفية للكاميرا — إذ يستطيع النموذج قراءة البُعد البؤري من EXIF، أو قبول قيمة تُقدِّمها أنت بالبكسل، أو التنبؤ بها عبر مُقدِّر منفصل بمعاملات يبلغ عددها 23.5 مليون معامل يُشحَن كمستودع خاص به. كما يتعامل مع الفيديو، ومن هنا جاءت الـ"2": فمحوِّل متعدد المشاهدات يعالج الإطارات معًا، بالتناوب بين الانتباه داخل كل إطار وعبر الإطارات بعد الثلث الأول من كُتله، ويُصدِر مفكِّك ترميز DPT خريطة عمق عكسي لكل إطار.

• وحدة العمل — يأخذ VGGT مجموعة من اللقطات؛ بينما يأخذ Depth Pro 2 صورة فوتوغرافية أو مقطع فيديو أو بثًا مباشرًا.
• المخرج الأساسي — يوفّر {{1}}VGGT{{/1}} معاملات الكاميرا وخرائط النقاط وخرائط العمق وتتبّعات النقاط ثلاثية الأبعاد؛ بينما يوفّر {{2}}Depth Pro 2{{/2}} العمق المتري بالإضافة إلى البعد البؤري الذي استخدمه.
• حل الكاميرا — تُقدِّره VGGT كجزء من المشكلة المشتركة؛ أما Depth Pro 2 فيقرأ البعد البؤري أو يقبله أو يتنبأ به، دون المعاملات الخارجية.
• المقياس — الناتج الرئيسي لـ Depth Pro 2 هو بالأمتار؛ أما بطاقة نموذج VGGT فتوصف معلمات الكاميرا وخرائط النقاط والعمق والتتبعات، ولا تدّعي مقياسًا متريًا.
• الإصدار — نُشر VGGT في CVPR 2025 (arXiv 2503.11651)؛ أُنشئت مستودعات Depth Pro 2 في نوفمبر 2026، مع بقاء التقرير الفني قيد الانتظار.
تحدد مسألة الحجم معظم عمليات النشر
إذا كنت بحاجة إلى معرفة أن الطاولة تبعد 0.74 متر، فإن VGGT لا يخبرك بذلك مباشرة، بينما يفعل Depth Pro 2 ذلك. هذه هي الحجة كاملة في جملة واحدة، ويستحق الأمر أن نكون دقيقين بشأن السبب.
ادعاء القياس المتري لدى Depth Pro 2 معماري لا عرضي. فقد بُني Depth Pro الأصلي بوصفه نموذجًا أساسيًا للعمق المتري دون تدريب مسبق، والمستودع صريح بشأن الاصطلاحات: فالعمق هو الإحداثي z على طول اتجاه النظر لا المسافة الشعاعية، والعمق العكسي يُطبَّع بواسطة البعد البؤري، والبعد البؤري الأطول بنسبة 10 بالمئة يضع كل شيء أبعد بنسبة 10 بالمئة. تلك هي اصطلاحات نموذج يُقصد قراءة مخرجاته كقياس، ويرثها Depth Pro 2 دون تغيير عبر الأحجام الأربعة كلها.
مخرجات VGGT هندسية. فالعوامل الخارجية والداخلية للكاميرا، وخرائط النقاط ومسارات النقاط متسقة داخليًا — إذ تكون إعادة البناء صحيحة وصولًا إلى تحويل تشابه عالمي — واسترداد المقياس المطلق منها خطوة منفصلة، تتضمن عادةً مرجعًا معروفًا في المشهد. بالنسبة لتركيب المشاهد الجديدة، ولأصل ثلاثي الأبعاد، ولأي شيء ستعيد فيه تحجيم المشهد ليلائم العارض، فإن ذلك جيد وغالبًا مفضل. أما بالنسبة لروبوت يحتاج إلى معرفة ما إذا كان العائق على بعد متر واحد أو ثلاثة أمتار، فهذه مشكلة يجب حلها خارج النموذج.
يعاني Depth Pro 2 هنا من مشكلات خاصة به تتعلق بالصدق. فبكسلات السماء تعود بعمق لانهائي، أو، لا سيما في النماذج الأصغر، بعمق محدود يبلغ عدة كيلومترات، لذا فإن سحابة نقاط ساذجة مبنية من مخرجاته ستضم جدارًا من هندسة بعيدة زائفة حيث السماء. ويخبرك README بقص نطاق العمق قبل إنشاء سحابة نقاط أو صورة ملوّنة، وهي من التعليمات التي لا تظهر إلا بعد أن يكون أحدهم قد تُلدغ بها.
اتساق الفيديو هو المساهمة الحقيقية
ليس Depth Pro 2 نسخةً أفضل من Depth Pro بقدر ما هو نسخة مثبَّتة زمنيًا، وتكمن الآلية بالكامل في نمط الانتباه. بعد الثلث الأول من كتله، يناوب المحوّل بين الانتباه داخل كل إطار والانتباه عبر الإطارات، ويجمع مفكك ترميز DPT رموزًا من عدة كتل إلى خرائط ميزات بدقة تتراوح بين 1/32 و1/4 من دقة الإدخال. والغرض من هذا التناوب هو Jitter — مقياس الاتساق الزمني — وتُبلِّغ صفحة المشروع عنه إلى جانب Boundary F1، بمتوسط على مجموعتي بيانات Sintel وSpring، مع الادعاء بأن Depth Pro 2 يتفوق على الأعمال السابقة التي تعمل على إطار واحد أو إطارات متعددة على كلا المقياسين.
لا توجد قيم مصاحبة لهذا الادعاء، ولا تُسمّى أي خطوط أساس. لا تشير الصفحة إلا إلى «أعمال سابقة تعمل على إطار واحد أو عدة إطارات» وإلى «خطوط الأساس بإعداداتها الافتراضية»، كما تنص كتلة الاستشهاد على arXiv:261X.XXXXX — وهو عنصر نائب، لا ورقة بحثية. أي شخص يستشهد برقم Boundary F1 أو Jitter الخاص بـ Depth Pro 2 فإنه يقرأه من مخطط.

نطاق تشغيل Depth Pro 2 أضيق مما يوحي به تأطيره للفيديو، وهذا الضيق موثّق. يستهلك وضعه الافتراضي مقاطع من 16 إطارًا مع تداخل قدره أربعة إطارات، ويمرّر المسار المباشر كل إطار مقابل الإطارات الخمسة عشر التي سبقته، ما يعني أن الثانية الأولى من أي بث هي أكثر ثانية ستحصل عليها اهتزازًا. ويخدم بُعد بؤري واحد الفيديو بأكمله، ويُختار كوسيط على النافذة الافتتاحية — لذا فإن المقطع الذي يحتوي على تقريب سيُطبَّق عليه تقدير بؤري يعادل إطارًا واحدًا على جميع إطاراته. تتناسب الذاكرة مع حجم الإطار والنافذة، لا مع المدة، وعلاج Apple لفيديو يتجاوز الذاكرة هو تقصير النافذة قبل تصغير النموذج.
لا يملك VGGT وضعًا مكافئًا، لأنه لا يحتاج إليه. فهو يتعامل بالفعل مع مجموعة المناظر كاملةً على نحو مشترك، وهذا شكل أقوى من الضمان نفسه — بشرط أن تكون قادرًا على تحمّل تكلفة الانتباه عبر مئات المناظر، وبشرط أن يكون تطبيقك بحاجة إلى إعادة بناء بدلًا من قراءة عمق لكل إطار.
الأحجام وعمليات التصدير وما تشغّله فعليًا
يوفر Depth Pro 2 أربعة أحجام بأعداد منشورة: S بـ24 مليون معلمة و97 ميجابايت، وB بـ97 مليون معلمة و386 ميجابايت، وL بـ334 مليون معلمة و1.3 جيجابايت، وH+ بـ872 مليون معلمة و3.5 جيجابايت، مع H+ كخيار افتراضي وS الموصى به لأجهزة الحاسوب المحمولة. تُظهر ملفات التهيئة بُنية العائلة — العمودان الفقريان DINOv3 ViT-S وViT-B في الزوج الصغير يعملان بآلية انتباه عند الكتل 5 و7 و9 و11، وViT-L بآلية انتباه عند الكتل من 9 إلى 23، وViT-H+ عند الكتل من 11 إلى 31، بأبعاد وحدة فك الترميز 64 و128 و256 و256. تتوفر عمليات تصدير Core ML لشرائح Apple silicon في مستودع منفصل، ويتضمن مستودع الشيفرة تطبيقًا تجريبيًا لنظام Mac للعمق المباشر من الكاميرا.
VGGT-1B هو نقطة تحقق واحدة بمليار معامل، وقد مضت العائلة قدمًا منذ ذلك الحين. صدر VGGT-Omega في 18 مايو 2026 بوصفه «الخطوة التالية من VGGT»، وتوجد نقطة تحقق تجارية، VGGT-1B-Commercial، إلى جانب النسخة الأصلية، إذ تحقق AUC@30 البالغ 90.37 على Co3D مقابل 89.98 للنسخة الأصلية — وهو رقم القياس الوحيد على بطاقة الطراز، وهو رقم هامشي. وقد سجّل VGGT-1B 748,148 تنزيلًا حتى وقت كتابة هذا النص، مما ينبئ بشيء عن مدى تبنّي مجتمع البحث له على نطاق واسع كخط أساس.

Depth Pro 2 هو القصة المعاكسة. تنزيلات نقاط التحقق الأربع الخاصة به لا تتجاوز العشرات، وقد أُنشئت المستودعات في أوائل نوفمبر 2026، ولا يتجاوز عدد الإعجابات على مستودع البطاقة حفنة. إنه نموذج نُشر ولم يُعتمد بعد. وهذا أمر يجدر معرفته قبل أن تلتزم به: إذا واجهت خطأً، فستكون أنت من يفتح البلاغ.
الترخيص ونقطة التحقق التجارية
VGGT-1B مرخّص بموجب CC BY-NC 4.0، لأغراض غير تجارية. وجود VGGT-1B-Commercial هو التفصيل المثير للاهتمام — فقد أطلقت Meta نسخة قابلة للترخيص التجاري، ما يعني أن المسار من البحث إلى المنتج موجود دون التفاوض على ترخيص. أوزان Depth Pro 2 تخضع لترخيص Apple Machine Learning Research Model، للاستخدام البحثي فقط، ويُعرّفه المستودع بأنه أنشطة بحث علمي وتطوير أكاديمي غير تجارية.
لا يُعد أيٌّ من الترخيصين ترخيصَ منتجٍ على نقطة التحقق المفتوحة. الفرق أن عائلة VGGT تتضمن خيارًا تجاريًا بينما عائلة Depth Pro 2 لا تتضمن ذلك، لذا إذا كنت تبني شيئًا لتحقيق الربح، فأحد هذين له باب والآخر له جدار.
هذا هو الحساب نفسه الذي يظهر على طبقة أعلى في أي خط إنتاج. نموذج إعادة البناء هو استدعاء واحد؛ وحوله يقع الجزء الذي يقرأ المشهد، ويقرر ما ينبغي فعله، ويكتبه — عمل نماذج اللغة، حيث يحدد المورّد سعرًا ويقوم المجمّع إما بتمريره أو لا. عرض OrcaRouter هو هامش ربح 0% على 217 نموذجًا مع تجاوز فشل تلقائي عبر المزوّدين، وهو ما يهم أكثر هنا تحديدًا: عندما تكون مرحلة الهندسة نقطة تحقق بحثية بعدد قليل من التنزيلات ودون وتيرة إصدارات، فأنت تريد أن يكون بقية خط الإنتاج هو الجزء الممل والمكرر.
من يجب أن يبدأ بأي شيء؟
ابدأ بـ VGGT إذا كنت تعيد بناء مشهد من العديد من المناظر وستتعامل مع المقياس لاحقًا — تركيب المناظر الجديدة، أو أصل ثلاثي الأبعاد، أو مجموعة بيانات مبنية من فيديو حيث تكون الهندسة هي الناتج المطلوب. الحل المشترك للكاميرا والهندسة هو ما يجعله يستحق مليار المعامل، وVGGT-Omega هو الجيل الحالي إذا كنت تبدأ من الصفر.
ابدأ بـ Depth Pro 2 إذا كنت بحاجة إلى قياسات بالأمتار من إطار واحد، أو إذا كنت بحاجة إلى بقاء العمق ثابتًا من إطار إلى إطار في بث مباشر. مؤشر الحجم حقيقي وسير العمل على الحاسوب المحمول موثّق. ادخل وأنت تتوقع اقتطاع عمق السماء، وتوقّع أن تكون أول من يبلّغ عن معظم الأخطاء، وتوقّع الانتظار حتى التقرير التقني قبل أن تتمكن من الاستشهاد برقم Boundary F1 أمام أي شخص.
ما لا ينبغي عليك فعله هو التعامل مع هذا كمواجهة مباشرة. يعيد VGGT البناء، ويقيس Depth Pro 2، والمقارنة الصادقة الوحيدة هي أيّهما يمكن لشيفرتك اللاحقة أن تستهلكه. بالنسبة لمعظم خطوط معالجة البيانات ثلاثية الأبعاد، الإجابة هي VGGT وخطوة استعادة المقياس؛ وبالنسبة لمعظم خطوط معالجة الروبوتات والواقع المعزز، فهي Depth Pro 2 وميزانية متانة تجاه الدخان.
