
Depth Pro 2 livré sans article : ce que les poids révèlent
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 186 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 358 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 139 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Faites défiler jusqu’en bas de la fiche modèle Depth Pro 2 d’Apple et lisez la citation. Huit auteurs, une date de 2026 et un identifiant arXiv qui se lit 261X.XXXXX. Les X ne sont pas un caviardage. C’est un espace réservé que personne n’est revenu compléter, et il constitue le résumé le plus honnête de la sortie : Depth Pro 2, le modèle de profondeur monoculaire métrique d’Apple, existe sous forme de poids que vous pouvez télécharger dès aujourd’hui, et il n’existe pas encore sous forme d’article que vous pouvez lire.
Cet écart, c’est l’histoire. Pas un événement de lancement, pas un tableau de benchmarks, pas un Space de démonstration — le dépôt lui-même signale que le Space est masqué jusqu’à sa publication publique, et à l’heure où nous écrivons, il ne l’est pas. Ce qui suit rassemble tout ce qui est connaissable à partir des dépôts et de la documentation, tenu à l’écart de ce qui n’est pas encore confirmé.
Qu’est-ce qui a été livré, et à quelles dates ?
Les dates sont la partie qui est documentée, car Hugging Face horodate chaque dépôt qu’il héberge. Le dépôt de la fiche modèle, apple/DepthPro2, a été créé le 3 novembre 2026. Les dépôts de poids ont suivi deux jours plus tard, le 5 novembre, dont apple/DepthPro2-H. Le dépôt d’export Core ML est arrivé le 9 novembre. L’estimateur de distance focale autonome, apple/DepthPro2-focal, est apparu le 19 novembre — le jour même où le dépôt de code, apple-aiml-research/ml-depth-pro-2, est devenu public sur GitHub.
Lisez cette séquence comme une chronologie d’ingénierie plutôt que comme une chronologie marketing. La carte, les poids, l’exportation pour Apple silicon, le modèle d’étalonnage de caméra et le code ont été échelonnés sur seize jours, et la dernière pièce arrivée était celle qui rend l’ensemble exécutable par une personne qui n’est pas au sein d’Apple. Rien dans cet ordre ne suggère une annonce coordonnée ; cela suggère une équipe qui publie des artefacts au fur et à mesure qu’ils franchissent la revue.
L’accueil le confirme. Le dépôt de poids H+ totalise 40 téléchargements et le dépôt de la carte 10 likes. Le dépôt GitHub n’a qu’un seul commit derrière lui. Pour un modèle issu du laboratoire qui a produit Depth Pro, ce n’est pas une courbe de lancement — c’est un lancement qui n’a pas encore été remarqué.
L’article est un espace réservé, pas une prépublication.
Trois endroits distincts renvoient à un rapport technique qui n’existe pas. Le badge de la fiche modèle pointe vers arxiv.org/abs/TODO. Le badge du README GitHub pointe vers arxiv.org/abs/261X.XXXXX. Le bloc BibTeX, dans les deux, indique journal = {arXiv preprint arXiv:261X.XXXXX} et url = {https://arxiv.org/abs/261X.XXXXX}.
Il n’existe pas non plus de page de recherche Apple Machine Learning pour cela — machinelearning.apple.com/research/depth-pro-2 renvoie une erreur 404, et le plan du site de recherche d’Apple répertorie depth-pro mais pas depth-pro-2. La page de projet vers laquelle pointent les badges, apple-aiml-research.github.io/ml-depth-pro-2, est la seule surface contrôlée par Apple qui fonctionne.
Cela importe plus que cela n’en a l’air. Un rapport technique est le lieu où réside le protocole d’évaluation, et sans lui, les chiffres rapportés par la fiche ne peuvent pas être vérifiés par rapport aux chiffres rapportés par les lignes de base. Tout ce qui est quantitatif ci-dessous est donc une affirmation du fournisseur, reproduite sans vérification indépendante et signalée comme telle.
Quatre tailles, plus un estimateur de longueur focale
La famille est inhabituellement explicite au sujet de sa propre mise à l’échelle. Apple publie le nombre de paramètres et les tailles de téléchargement pour les quatre membres, ce qui est plus que ce dont la plupart des versions de profondeur ne prennent la peine de faire :
• Small (S) — 24 M de paramètres, 97 Mo à télécharger, celui avec lequel commencer sur un ordinateur portable.
• Base (B) — 97M paramètres, 386 MB.
• Large (L) — 334 M de paramètres, 1,3 Go.
• H+ (H) — 872 M de paramètres, 3,5 Go, et le modèle par défaut que la ligne de commande télécharge si vous ne passez pas -m.
• Estimateur de focale — 23,5 M de paramètres, 94 Mo, un dépôt distinct qui se charge quel que soit le modèle utilisé et prédit la longueur focale de l'appareil lorsque la photo ou la vidéo n'en contient pas.
La dénomination mérite une remarque, car elle piégera quiconque rédige un fichier de configuration : le dépôt est apple/DepthPro2-H, mais l’option de ligne de commande est -m depthpro2-h, tandis que la fiche appelle cette taille H+. La documentation utilise les deux orthographes à quelques lignes d’intervalle.
L’architecture sous-jacente est un transformateur multi-vues suivi d’un décodeur DPT par image. Après le premier tiers des blocs du transformateur, l’attention alterne entre intra-image et inter-images, et le décodeur assemble des jetons provenant de plusieurs blocs en cartes de caractéristiques à une résolution comprise entre le trente-deuxième et le quart de la résolution d’entrée. Le README crédite TIMM et DINOv3 comme fondements du code et du modèle.
Le graphique des compromis est le seul résultat
La section des résultats de la carte se résume à une figure et deux phrases. La figure trace Boundary F1 en fonction de Jitter, les deux métriques choisies par Apple, sous la forme d'un nuage d'environ deux douzaines de modèles de profondeur mono-image et multi-images, avec les quatre tailles de Depth Pro 2 en orange et tout le reste en bleu ou en vert, moyennés sur les jeux de données Sintel et Spring. Les deux phrases indiquent que Depth Pro 2 surpasse les travaux antérieurs fonctionnant sur une seule image ou sur plusieurs images sur les deux, et que le coin supérieur droit est le meilleur.

Les axes sont étiquetés : Boundary F1 va de 0 à 0,3, le jitter de 0,1 à 0. En relevant les positions sur un nuage de points, le marqueur H+ se situe près de 0,29 de Boundary F1 avec un jitter d’environ 0,017, contre environ 0,235 et 0,095 pour le Depth Pro d’origine — un écart important sur les deux axes. Ce que la figure ne contient pas, c’est un tableau, une ventilation par jeu de données, une quelconque mesure de vitesse ou de mémoire, ou une comparaison en dehors des deux douzaines de modèles représentés. La fiche indique que l’article compare les tailles, y compris leur vitesse et leur mémoire — et l’article n’existe pas encore.
Ce n’est pas une raison de se méfier du modèle. C’est une raison de se méfier de tout article qui vous donne un Boundary F1 pour Depth Pro 2 cité à trois décimales, car le seul endroit où un tel chiffre existe est un nuage de points que l’on peut lire à environ un centième près, avec le protocole d’évaluation renvoyé à un rapport qui n’a pas été publié. Si vous avez besoin de ce chiffre pour un document d’achat, vous attendez le rapport.
C’est la vidéo qui en fait une suite.
Le Depth Pro original portait, dans son propre titre, sur la netteté et la vitesse : Profondeur métrique monoculaire nette en moins d'une seconde, 2,25 mégapixels en 0,3 seconde sur un GPU standard. Depth Pro 2 conserve la netteté et ajoute un second axe — la cohérence temporelle — et toute l'évolution de l'architecture existe pour le servir. L'attention alternée au sein des images et entre elles est ce qui permet à un transformer de voir plusieurs images comme une seule scène plutôt que comme plusieurs images distinctes.

Deux modes de fonctionnement en découlent. Le mode tamponné, par défaut pour les fichiers vidéo, traite des clips de 16 images qui se chevauchent de quatre images, ce qui maintient la profondeur stable là où les clips consécutifs se rejoignent ; --window et --overlap exposent ces deux nombres. Le mode non tamponné prédit chaque image dès son arrivée, à partir de cette image et des 15 précédentes, et c’est le mode destiné à une caméra en direct. Apple reconnaît franchement que les premières images d’un flux ont moins d’images précédentes sur lesquelles s’appuyer, si bien que leur profondeur est moins stable — une pénalité de démarrage indiquée dans la documentation plutôt que découverte en production.
Le reste du comportement vidéo est un ensemble de conséquences qu'il vaut la peine de connaître avant d'intégrer. Une vidéo se voit attribuer une longueur focale unique pour toutes ses images, prise comme la médiane des estimations sur sa première fenêtre. La mémoire croît avec la taille des images et la longueur de la fenêtre, pas avec la durée de la vidéo ; le remède documenté pour un clip qui ne passe pas est donc de raccourcir d'abord la fenêtre, puis de passer à un modèle plus petit, le redimensionnement de l'entrée n'étant qu'un dernier recours. Et les pixels de ciel ressortent avec une profondeur infinie ou, surtout sur les modèles plus petits, avec une profondeur finie de plusieurs kilomètres — le README vous indique de tronquer la plage avant de construire un nuage de points, le genre de conseil qui n'existe que parce que quelqu'un ne l'a pas fait.
Qu'est-ce qui reste non confirmé ?
La liste honnête des questions ouvertes est courte et précise.
• Évaluation indépendante — aucune. Aucun tiers n'a publié de chiffre Boundary F1 ou Jitter pour Depth Pro 2, et les propres lignes de base de la fiche ne sont pas nommées, au-delà de « travaux antérieurs opérant sur une seule image ou sur plusieurs images ».
• Vitesse et mémoire — dont la comparaison est annoncée dans l’article, lequel n’est qu’un espace réservé. La seule indication concrète concernant l’exécution est que H+ représente 3.5 GB de poids et que S est l’option pour ordinateur portable.
• La démo — le Space est lié à l'intérieur d'un commentaire HTML, marqué comme masqué jusqu'à sa publication publique. Qu'une démo existe et qu'une démo soit accessible sont deux affirmations distinctes.
• Le nom — « Depth Pro 2 » apparaît sous la forme DepthPro2 dans les noms de dépôts, depth-pro-2 dans le package de code et le dépôt Core ML, et depth_pro_2 dans l'import Python. Recherchez les quatre.

L'exécuter avant la parution de l'article
Le chemin d’installation est délibérément ennuyeux, ce qui plaide en sa faveur. Vous installez uv, clonez le dépôt, puis exécutez uv run depth-pro-2 predict -i assets/example.jpg -o out/ pour une photo, ou la même commande avec un .mp4 pour une vidéo. Le premier lancement télécharge H+ (3,5 Go), sauf si vous passez -m depthpro2-s. La commande sélectionne le premier périphérique disponible — CUDA, puis MPS sur Apple silicon, puis CPU — et s’exécute sous autocast bfloat16 sur les GPU, en float32 sur le CPU. Il existe un export Core ML pour le matériel Apple et une application de démonstration Mac minimale qui nécessite macOS 15 et Xcode 16.
C’est dans les formats de sortie que se trouvent les détails pratiques. La commande écrit toujours une image de profondeur codée en couleur, rouge pour le proche et bleu pour le lointain. --save-png16 ajoute des PNG en niveaux de gris 16 bits pour les outils de compositing, blanc pour le proche et noir pour le lointain, mis à l’échelle de la plage de profondeur de la photo ou de la première image d’une vidéo — de sorte que les points qui se rapprochent plus tard dans une vidéo saturent. --save-npz ajoute le tableau de profondeur réel en mètres plus focallength_px, c’est celui qu’il vous faut si vous faites quoi que ce soit de numérique.
Deux conventions vous poseront problème si vous sautez la documentation. La profondeur est la distance le long de l’axe de visée de la caméra, la coordonnée z, et non la distance en ligne droite depuis l’objectif. Et la profondeur inverse en Python est normalisée par la distance focale : elle est égale à focallength_px / (width * depth). Si vous vous trompez de 10 % sur la distance focale, tout se retrouve 10 % trop loin.
Rien de tout cela ne passe par nous. Depth Pro 2 est un ensemble de poids sous licence de recherche issu des propres dépôts d’Apple, et si vous voulez l’exécuter, vous le téléchargez depuis Apple. Ce qu’OrcaRouter couvre, c’est le reste du pipeline autour — une API et une clé pour plus de 200 modèles hébergés, à 0 % de marge sur le prix catalogue du fournisseur, avec bascule automatique entre fournisseurs. Quand l’étape de profondeur est un checkpoint de recherche avec une citation provisoire et aucune cadence de publication, les étapes de raisonnement et d’écriture autour sont celles que vous voulez être la partie ennuyeuse et redondante.
Ce qu’il faut surveiller, si vous attendez plutôt que de construire : un identifiant arXiv à la place des X, une page de recherche qui apparaît sous machinelearning.apple.com, et le Space de démo passant de commenté à lié. N’importe lequel de ces éléments ferait passer cela d’un simple dépôt de poids à une véritable release, et donnerait au graphique ci-dessus le tableau par modèle qui lui manque.
