
Depth Pro 2 rilasciato senza un paper: cosa mostrano i pesi
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 186 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 358 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 139 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Scorri fino in fondo alla model card di Depth Pro 2 di Apple e leggi la citazione. Otto autori, una data 2026 e un identificatore arXiv che recita 261X.XXXXX. Le X non sono un oscuramento. Sono un segnaposto che nessuno è tornato a riempire, e sono il riassunto più onesto del rilascio: Depth Pro 2, il modello di profondità monoculare metrico di Apple, esiste come pesi che puoi scaricare oggi, e non esiste ancora come articolo che puoi leggere.
Quel divario è la storia. Non un evento di lancio, non una tabella di benchmark, non uno Space dimostrativo — il repository stesso segnala che lo Space è nascosto finché non diventa pubblico, e al momento in cui scriviamo non lo è ancora. Quanto segue è tutto ciò che è possibile sapere dai repository e dalla documentazione, tenuto distinto da ciò che non è ancora confermato.
Cosa è stato rilasciato, e in quali date
Le date sono la parte documentata, perché Hugging Face registra data e ora di ogni repository che ospita. Il repository della model card, apple/DepthPro2, è stato creato il 3 novembre 2026. I repository dei pesi sono seguiti due giorni dopo, il 5 novembre, tra cui apple/DepthPro2-H. Il repository di esportazione Core ML è arrivato il 9 novembre. Lo stimatore autonomo della lunghezza focale, apple/DepthPro2-focal, è apparso il 19 novembre — lo stesso giorno in cui il repository del codice, apple-aiml-research/ml-depth-pro-2, è diventato pubblico su GitHub.
Leggi quella sequenza come una cronologia ingegneristica anziché una di marketing. La scheda, i pesi, l’esportazione per Apple silicon, il modello di calibrazione della fotocamera e il codice sono stati scaglionati nell’arco di sedici giorni, e l’ultimo tassello ad arrivare è stato quello che rende l’intera cosa eseguibile da qualcuno che non è all’interno di Apple. Nulla nell’ordine suggerisce un annuncio coordinato; suggerisce un team che pubblica artefatti man mano che superano la revisione.
L'accoglienza lo conferma. Il repository dei pesi H+ ha 40 download e il repository della card 10 like. Il repository GitHub ha un solo commit alle spalle. Per un modello del laboratorio che ha prodotto Depth Pro, non è una curva di lancio — è un rilascio che non è ancora stato notato.
Il documento è un segnaposto, non un preprint
Tre punti distinti rimandano a un rapporto tecnico che non esiste. Il badge della model card rimanda a arxiv.org/abs/TODO. Il badge del README di GitHub rimanda a arxiv.org/abs/261X.XXXXX. Il blocco BibTeX in entrambi riporta journal = {arXiv preprint arXiv:261X.XXXXX} e url = {https://arxiv.org/abs/261X.XXXXX}.
Non esiste nemmeno una pagina di ricerca Apple Machine Learning per questo — machinelearning.apple.com/research/depth-pro-2 restituisce un 404, e la sitemap della ricerca di Apple elenca depth-pro ma non depth-pro-2. La pagina del progetto a cui puntano i badge, apple-aiml-research.github.io/ml-depth-pro-2, è l'unica superficie controllata da Apple che risponde.
Questo è più importante di quanto possa sembrare. Un rapporto tecnico è il luogo in cui risiede il protocollo di valutazione e, senza di esso, i numeri riportati dalla scheda non possono essere verificati rispetto ai numeri riportati dai baseline. Tutto ciò che di seguito è quantitativo è quindi un'affermazione del fornitore, riprodotta senza verifica indipendente ed etichettata come tale.
Quattro dimensioni, più un estimatore della lunghezza focale
La famiglia è insolitamente esplicita riguardo al proprio scaling. Apple pubblica il numero di parametri e le dimensioni di download per tutti e quattro i membri, cosa che la maggior parte delle release depth non si preoccupa nemmeno di fare:
• Piccolo (S) — 24M parametri, 97 MB di download, quello con cui iniziare su un laptop.
• Base (B) — 97M parametri, 386 MB.
• Grande (L) — 334 M parametri, 1,3 GB.
• H+ (H) — 872M parametri, 3,5 GB e il valore predefinito che la riga di comando scarica se non si passa -m.
• Stimatore della focale — 23,5M parametri, 94 MB, un repository separato che si carica insieme a qualsiasi dimensione e stima la lunghezza focale della fotocamera quando la foto o il video non la riporta.
La denominazione merita una nota, perché confonderà chiunque scriva un file di configurazione: il repository è apple/DepthPro2-H ma il flag della riga di comando è -m depthpro2-h, mentre la scheda chiama quella dimensione H+. La documentazione usa entrambe le grafie a poche righe di distanza l'una dall'altra.
L'architettura sottostante è un transformer multi-vista seguito da un decoder DPT per-frame. Dopo il primo terzo dei blocchi del transformer, l'attenzione alterna tra intra-frame e cross-frame, e il decoder assembla token da diversi blocchi in mappe di caratteristiche a una risoluzione compresa tra un trentaduesimo e un quarto della risoluzione di input. Il README attribuisce a TIMM e DINOv3 il ruolo di fondamenta per il codice e il modello.
Il grafico dei trade-off è l'unico risultato
L'intera sezione dei risultati della scheda si riduce a una figura e due frasi. La figura traccia Boundary F1 rispetto a Jitter, le due metriche scelte da Apple, come uno scatter di circa due dozzine di modelli di profondità a frame singolo e multi-frame, con le quattro dimensioni di Depth Pro 2 in arancione e tutto il resto in blu o verde, con valori mediati sui dataset Sintel e Spring. Le due frasi affermano che Depth Pro 2 supera su entrambe le metriche i lavori precedenti che operano su un singolo frame o su più frame, e che in alto a destra è il migliore.

Gli assi sono etichettati: Boundary F1 va da 0 a 0,3, jitter da 0,1 a 0. Leggendo le posizioni da un grafico a dispersione, il marcatore H+ si colloca vicino a 0,29 di Boundary F1 con jitter intorno a 0,017, contro circa 0,235 e 0,095 per l'originale Depth Pro — un ampio divario su entrambi gli assi. Ciò che la figura non riporta è una tabella, una ripartizione per dataset, qualsiasi misura di velocità o memoria, o un confronto al di fuori delle due dozzine di modelli rappresentati. La scheda dice che l'articolo confronta le dimensioni, inclusa la loro velocità e memoria — e l'articolo non esiste ancora.
Non è una ragione per diffidare del modello. È una ragione per diffidare di qualsiasi articolo che ti fornisca un Boundary F1 per Depth Pro 2 riportato a tre decimali, perché l'unico posto in cui un numero del genere esiste è un grafico a dispersione che puoi leggere con un'approssimazione di circa un centesimo, con il protocollo di valutazione rimandato a un rapporto che non è stato pubblicato. Se ti serve la cifra per un documento di appalto, stai aspettando il rapporto.
Il video è ciò che lo rende un sequel
Il Depth Pro originale, già nel suo titolo, puntava su nitidezza e velocità: Profondità metrica monoculare nitida in meno di un secondo, 2,25 megapixel in 0,3 secondi su una GPU standard. Depth Pro 2 mantiene la nitidezza e aggiunge un secondo asse — la coerenza temporale — e l'intera modifica dell'architettura esiste per servirla. L'attenzione alternata all'interno e tra i fotogrammi è il modo in cui un transformer vede più fotogrammi come un'unica scena invece che come più immagini.

Ne derivano due modalità operative. La modalità con buffer, impostazione predefinita per i file video, elabora clip di 16 fotogrammi che si sovrappongono per quattro, il che mantiene stabile la profondità dove clip consecutive si incontrano; --window e --overlap espongono entrambi i numeri. La modalità senza buffer predice ogni fotogramma nel momento in cui arriva, a partire da quel fotogramma e dai 15 precedenti, ed è la modalità per una videocamera live. Apple ammette apertamente che i primi fotogrammi di un flusso hanno meno predecessori a cui fare riferimento, quindi la loro profondità è meno stabile — una penalità di riscaldamento dichiarata nella documentazione anziché scoperta in produzione.
Il resto del comportamento del video è un insieme di conseguenze che vale la pena conoscere prima di integrarlo. A un video viene assegnata un'unica lunghezza focale per tutti i suoi fotogrammi, presa come mediana delle stime sulla sua prima finestra. La memoria cresce con la dimensione del fotogramma e la lunghezza della finestra, non con la durata del video, quindi il rimedio documentato per una clip che non entra è accorciare prima la finestra e passare poi a un modello più piccolo, ridimensionando l'input solo come ultima risorsa. E i pixel del cielo restituiscono una profondità infinita o, soprattutto sui modelli più piccoli, una profondità finita di diversi chilometri — il README ti dice di limitare l'intervallo prima di costruire una nuvola di punti, che è il tipo di consiglio che esiste solo perché qualcuno non l'ha fatto.
Cosa non è ancora stato confermato
L'elenco onesto delle questioni aperte è breve e specifico.
• Valutazione indipendente: nessuna. Nessuna terza parte ha pubblicato un valore di Boundary F1 o Jitter per Depth Pro 2, e le baseline della scheda stessa non sono nominate al di là di "lavori precedenti che operano su un singolo frame o su più frame".
• Velocità e memoria — si afferma che vengano confrontate nel documento, il che è un segnaposto. L'unica indicazione concreta sul runtime è che H+ è composto da 3,5 GB di pesi e che S è l'opzione per laptop.
• La demo — lo Space è linkato all'interno di un commento HTML, contrassegnato come nascosto fino a quando non sarà pubblico. Che una demo esista e che una demo sia raggiungibile sono due affermazioni diverse.
• Il nome — "Depth Pro 2" appare come DepthPro2 nei nomi dei repository, depth-pro-2 nel pacchetto di codice e nel repository Core ML, e depth_pro_2 nell'import Python. Cerca tutte e quattro le varianti.

Pubblicarlo prima che esca il giornale
Il percorso di installazione è deliberatamente noioso, il che è un punto a suo favore. Installi uv, cloni il repository ed esegui uv run depth-pro-2 predict -i assets/example.jpg -o out/ per una foto oppure lo stesso comando con un .mp4 per un video. La prima esecuzione scarica H+ da 3,5 GB a meno che tu non passi -m depthpro2-s. Il comando seleziona il primo dispositivo disponibile — CUDA, poi MPS di Apple silicon, poi CPU — ed esegue con autocast bfloat16 sulle GPU e float32 sulla CPU. Esiste un export Core ML per l'hardware Apple e una app demo Mac minimale che richiede macOS 15 e Xcode 16.
È nei formati di output che si trovano i dettagli pratici. Il comando scrive sempre un'immagine di profondità codificata a colori, rosso per il vicino e blu per il lontano. --save-png16 aggiunge PNG in scala di grigi a 16 bit per gli strumenti di compositing, bianco per il vicino e nero per il lontano, scalati sull'intervallo di profondità della foto o del primo fotogramma di un video — quindi i punti che si avvicinano più tardi in un video saturano. --save-npz aggiunge l'array di profondità effettivo in metri più focallength_px, che è quello che fa per te se lavori con dati numerici.
Due convenzioni ti si ritorceranno contro se salti la documentazione. La profondità è la distanza lungo l'asse di visualizzazione della fotocamera, la coordinata z, non la distanza in linea retta dall'obiettivo. E la profondità inversa in Python è normalizzata rispetto alla lunghezza focale: equivale a focallength_px / (width * depth). Se sbagli la lunghezza focale del 10%, tutto finisce il 10% troppo lontano.
Niente di tutto questo passa attraverso di noi. Depth Pro 2 è un modello i cui pesi sono concessi in licenza per la ricerca e provengono dai repository di Apple stessi, e se vuoi eseguirlo lo scarichi da Apple. Ciò che OrcaRouter copre è il resto della pipeline attorno ad esso — un'API e una chiave per oltre 200 modelli ospitati con un ricarico dello 0% rispetto al prezzo di listino del provider, con failover automatico tra provider. Quando lo stadio di profondità è un checkpoint di ricerca con una citazione segnaposto e nessuna cadenza di rilascio, le fasi di ragionamento e scrittura attorno ad esso sono quelle che vuoi siano la parte noiosa e ridondante.
Cosa tenere d'occhio, se stai aspettando invece di costruire: un identificatore arXiv che sostituisce le X, una pagina di ricerca che compare sotto machinelearning.apple.com e lo Space demo che passa da commentato a collegato. Uno qualsiasi di questi trasformerebbe questo da un drop di pesi a un rilascio, e darebbe al grafico qui sopra la tabella per modello che gli manca.
