
Depth Pro 2 vs Depth Anything 3 : mètres ou poses de caméra
- 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
Posez aux deux modèles la même question — à quelle distance cela se trouve-t-il ? — et un seul d’entre eux répond en mètres. Depth Pro 2, le modèle de profondeur monoculaire métrique d’Apple, renvoie une carte de profondeur en mètres le long de l’axe de visée de la caméra, ainsi que la distance focale qu’il a utilisée. Depth Anything 3, le modèle de fondation de ByteDance Seed publié en novembre 2025, cite la « profondeur relative » comme première capacité, aux côtés de l’estimation de pose de caméra et du conditionnement par pose. Il vous donne une profondeur à une échelle inconnue, et il vous donne les caméras qui rendent cette échelle récupérable.
Cette seule différence détermine la plupart des intégrations avant même que la précision n’entre en jeu, et c’est pourquoi une comparaison directe de benchmarks entre ces deux-là est moins utile qu’il n’y paraît. Les deux laboratoires rapportent des métriques différentes, par rapport à des références différentes, et aucun n’a exécuté l’évaluation de l’autre. Ce qui suit est ce que chaque dépôt documente réellement, les affirmations des fournisseurs étant signalées comme telles.
Deux sorties différentes, à une lettre près
L’objet de prédiction de Depth Anything 3 est l’endroit le plus clair pour commencer, car il est exceptionnellement explicite. Un seul appel renvoie la profondeur sous la forme [N, H, W] float32, une carte de confiance de même forme, les paramètres extrinsèques sous la forme de matrices monde-vers-caméra [N, 3, 4], et les paramètres intrinsèques sous la forme [N, 3, 3]. Les exports se font vers GLB, NPZ, PLY, mini-NPZ, PLY Gaussian-splat ou une vidéo Gaussian-splat.
La sortie de Depth Pro 2 est plus étroite et immédiatement plus utile si la réponse dont vous avez besoin est un nombre. Elle renvoie une carte de profondeur en mètres, une distance focale en pixels et — dans la sortie NPZ de la ligne de commande — ces deux tableaux et rien d'autre. La conversion en nuage de points vous est laissée, en utilisant la distance focale et le centre de l'image comme point principal, ou votre point principal réel si la caméra est calibrée.
• Échelle — La sortie de Depth Pro 2 est métrique ; la profondeur de Depth Anything 3 est relative, l’échelle étant récupérée à partir de la pose et des paramètres intrinsèques qu’il renvoie également.
• Paramètres de caméra — Depth Anything 3 prédit les paramètres extrinsèques et intrinsèques ; Depth Pro 2 ne prédit que la distance focale et n’a aucune notion de la position de la caméra.
• Confiance — Depth Anything 3 renvoie une carte de confiance par pixel ; Depth Pro 2 n’en renvoie aucune.
• Entrée — Depth Pro 2 prend une photo, un fichier vidéo ou un flux de caméra en direct ; Depth Anything 3 prend une liste d’images comme un ensemble de vues.
• Licence — Les poids de Depth Pro 2 sont réservés à la recherche selon la licence Apple Machine Learning Research Model ; Depth Anything 3 est sous Apache 2.0 à 0.08B et 0.12B, CC BY-NC 4.0 à 0.35B et 1.15B.
Les quatre tailles ne s’alignent pas
Les deux familles publient quatre checkpoints, et les nombres de paramètres tombent presque aux mêmes endroits, ce qui donne envie de les comparer un à un. N'y cédez pas.
Depth Anything 3 publie 0,08 B, 0,12 B, 0,35 B et 1,15 B — 34,3 M, 135,4 M, 410,9 M et 1 355,7 M de paramètres selon les métadonnées safetensors. Depth Pro 2 publie 24 M, 97 M, 334 M et 872 M. Les deux plus petites tailles de Depth Pro 2 sont sensiblement plus petites que leurs équivalentes de Depth Anything 3, et la plus grande est sensiblement plus petite que DA3 Giant.
Les licences se répartissent selon la même distinction que les tailles, et c’est le détail qui compte sur le plan commercial : les deux petits checkpoints de Depth Anything 3 sont sous Apache 2.0, et ses deux grands sont sous CC BY-NC 4.0. Les quatre de Depth Pro 2 sont tous sous la même licence réservée à la recherche, définie dans le dépôt comme la recherche scientifique non commerciale et le développement académique. Donc, si vous avez besoin d’un modèle de profondeur licenciable commercialement, Depth Anything 3-Small ou -Base est la seule option de cette comparaison, et Depth Pro 2 n’en fait pas partie, quelle que soit sa taille.
Depth Anything 3 dispose également d'une révision 1.1, DA3-GIANT-1.1 et DA3-LARGE-1.1, avec un nombre de paramètres identique aux versions d'origine et des dépôts créés le 11 décembre 2025. La fiche originale de GIANT décrit l'estimation gaussienne 3D comme une capacité supplémentaire que portent les grandes tailles, de sorte que la surface d'exportation est plus large que la seule profondeur.
Ce que chaque laboratoire affirme, et par rapport à quoi
La fiche de Depth Anything 3 formule deux affirmations comparatives et nomme les références pour les deux : il surpasse significativement Depth Anything 2 pour l’estimation de profondeur monoculaire, et VGGT pour l’estimation de profondeur et de pose multivues. Ce sont des affirmations précises et falsifiables concernant des modèles nommés, et les chiffres détaillés se trouvent dans l’article plutôt que dans la fiche.
La fiche de Depth Pro 2 avance une seule affirmation et ne nomme sa référence que comme « des travaux antérieurs opérant sur une seule image ou sur plusieurs images ». Elle indique que Depth Pro 2 surpasse cet ensemble sur Boundary F1 et Jitter, en moyenne sur les jeux de données Sintel et Spring, et l’illustre par un nuage de points de ces deux métriques, ses axes faisant varier Boundary F1 de 0 à 0,3 et Jitter de 0,1 jusqu’à 0.

Depth Anything 3 figure dans ce graphique — sous le nom DA3-NGL, l’une des baselines multi-images à cercle ouvert se situant à environ 0,06 de Boundary F1 et 0,018 de jitter. Il existe donc une comparaison, mais uniquement sur les deux métriques d’Apple, moyennées sur Sintel et Spring, sans aucune valeur de profondeur de Depth Anything 3 imprimée à côté. Le jeu de comparaison propre à ByteDance est composé de Depth Anything 2 et VGGT, sur les métriques choisies par ByteDance, et DA3-NGL n’y est pas abordé. Les deux ensembles ne se rejoignent pas : quelle que soit la fiche que vous lisez, c’est l’autre laboratoire qui a choisi les axes, et aucun des deux n’a publié de tableau commun.
Ce n’est pas une manière d’éluder la question du gagnant. C’est l’état réel des preuves, et il vaut la peine de le dire clairement, car l’alternative — choisir le graphique du fournisseur qui flatte le modèle que vous préférez déjà — est précisément ainsi que se prennent de mauvaises décisions d’achat.
La cohérence vidéo, c’est tout l’argument d’Apple.
Depth Pro 2 existe en raison d'une faiblesse spécifique de la profondeur monoculaire : exécutez un modèle image par image sur une vidéo et la profondeur scintille, car chaque image est estimée sans connaissance de ses voisines. La correction d'Apple est architecturale. Le modèle est un transformer multi-vues sur les images d'entrée et, après le premier tiers de ses blocs, l'attention alterne entre intra-image et inter-images. Un décodeur DPT image par image assemble ensuite des jetons provenant de plusieurs blocs en cartes de caractéristiques à une résolution comprise entre un trente-deuxième et un quart de la résolution d'entrée.

Les modes de fonctionnement en découlent. Le mode tamponné, celui par défaut pour les fichiers vidéo, traite des clips de 16 images se chevauchant de quatre images afin que la profondeur reste stable aux limites des clips. Le mode non tamponné prédit chaque image au fur et à mesure de son arrivée à partir de cette image et des 15 précédentes, pour une utilisation avec caméra, avec la réserve documentée selon laquelle les premières images d’un flux ont moins de prédécesseurs et donc une profondeur moins stable. Une vidéo se voit attribuer une seule longueur focale pour toutes les images — la médiane des estimations sur la première fenêtre.
Depth Anything 3 traite plusieurs vues conjointement par conception, puisque c’est ce que fait un modèle multi-vues, mais son cadrage relève de la reconstruction plutôt que de la stabilisation. Le langage de la fiche concerne la récupération de l’espace visuel à partir de n’importe quelles vues, et les sorties — paramètres extrinsèques, paramètres intrinsèques, cartes de points, splats gaussiens — sont le langage d’un pipeline de reconstruction 3D. Si votre problème est « cette vidéo scintille », Depth Pro 2 a un mode pour cela et Depth Anything 3 est un autre produit.
Obtenir la profondeur en mètres dans un cas comme dans l'autre
La profondeur relative de Depth Anything 3 n’est pas tant une limitation qu’une division du travail : le modèle vous fournit les caméras, et ce sont les caméras qui transforment la profondeur relative en mètres. Cette conversion représente un véritable travail — un facteur d’échelle par scène, à partir d’une ligne de base connue, d’une taille d’objet connue ou d’un capteur — et c’est le même travail que Depth Pro 2 a déjà effectué en interne.
La sortie métrique de Depth Pro 2 comporte ses propres modes de défaillance, et ils sont documentés. La profondeur évolue proportionnellement à la distance focale ; ainsi, une distance focale supérieure de 10 % place tout 10 % plus loin. Les pixels de ciel reviennent avec une profondeur infinie ou, en particulier sur les modèles plus petits, avec une profondeur finie de plusieurs kilomètres ; c'est pourquoi le README vous indique de limiter la plage avant de construire un nuage de points ou une image couleur. En Python, la profondeur inverse est normalisée par la distance focale et vaut focallength_px / (width * depth). Un flux appartient à une seule vidéo et conserve ses images récentes ainsi que sa distance focale jusqu'à ce que vous en ouvriez un nouveau.
Aucun des deux modèles ne remplace un capteur de profondeur sur une surface sans texture ou réfléchissante. Tous deux déduisent l’échelle à partir d’indices visuels, et tous deux échoueront dans les mêmes types d’endroits pour les mêmes types de raisons.
Combien coûte l’exploitation des deux
La différence pratique réside dans le graphe de dépendances. Depth Pro 2 s’installe comme un paquet Python depuis le dépôt GitHub avec uv, expose une interface en ligne de commande (uv run depth-pro-2 predict -i photo.jpg -o out/) et une API Python, et fournit des exports Core ML pour Apple silicon ainsi qu’une application de démonstration Mac. Le dépôt précise explicitement qu’il contient le code pour exécuter les modèles, mais pas le code d’entraînement ni d’évaluation.
Depth Anything 3 s'installe en tant que paquet éditable depuis le dépôt ByteDance Seed et expose une CLI (da3 auto path/to/images --export-format glb) avec un processus backend optionnel pour l'inférence répétée, un détail qui n'apparaît que lorsque quelqu'un l'exécute en boucle.
Les deux sont des points de contrôle de recherche à usage unique, et ni l’un ni l’autre n’est quelque chose que vous routez. Ce qui entoure une étape de profondeur relève du travail de modèle de langage — décrire une scène, décider quoi en faire, consigner le résultat — et c’est là qu’un point de terminaison unique justifie son utilité : OrcaRouter place plus de 200 modèles hébergés derrière une API compatible OpenAI, sans marge par rapport au prix catalogue du fournisseur, de sorte que les étapes de raisonnement autour de votre modèle de profondeur ne nécessitent qu’une seule clé et une seule facture. Le point de contrôle de profondeur reste une dépendance que vous verrouillez ; le pipeline qui l’entoure n’a pas à l’être.
Par lequel commencer ?
Commencez par Depth Anything 3 si vous reconstruisez une scène à partir de plusieurs vues et que vous voulez les caméras, les cartes de points et les Gaussian splats en un seul appel, et si une licence Apache 2.0 sur les petites tailles est ce qui rend le projet possible tout court. Son ensemble de comparaison est nommé, ses sorties sont larges, et les petits checkpoints sont les seules choses commercialement licenciables de cet article.
Commencez par Depth Pro 2 si la réponse dont vous avez besoin est une distance en mètres à partir d’une seule image ou d’un flux en direct, et si la stabilité d’une image à l’autre est la propriété sans laquelle votre application échoue. Attendez-vous à devoir écrêter la profondeur du ciel, à fixer délibérément la distance focale et à arriver tôt — les dépôts comptent des dizaines de téléchargements, le code n’a qu’un seul commit et le rapport technique est encore un espace réservé.
Ce qu’aucun des deux modèles ne vous offre, c’est une affirmation défendable selon laquelle il surpasse l’autre, car aucun des deux laboratoires n’a réalisé le test. Choisissez en fonction du format de sortie, de la licence et de la nature de votre entrée, vidéo ou non. Ces trois questions ont des réponses aujourd’hui ; le classement, lui, non.

