
Depth Pro 2 対 Depth Pro:シャープネスは維持、ジッターは修正済み
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 186 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 358 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 139 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
元のDepth Proには、ベースラインとして異例の問題がある。Appleが公開したチェックポイントは、論文が記述しているモデルではない。モデルカードにも直接そう書かれている——リポジトリ内のチェックポイントは再トレーニングされた参照実装であり、その性能は論文で報告されたモデルに近いものの、完全に一致するわけではない。したがって、Depth Pro 2とDepth Proの間のあらゆる比較は、Depth Pro 2自身のカードにあるものを含め、代替物との比較になる。
その注意点を述べたうえで言えば、このアップグレードの全体像は十分に明確だ。Depth Pro 2は、Depth Proを際立たせた特性——単一画像からメートル単位で得られる、物体境界で鋭い深度——を保ちつつ、第二の特性を加えている。それはフレーム間で安定し続ける深度だ。論文のタイトルはそれを端的に示している。Depth Proは1秒未満で得られる鋭い単眼メートル深度だった。Depth Pro 2は鋭く、時間的に一貫したメートル単位の単眼深度。両者の間で変わったことはすべて第二の形容詞に資しており、第一の形容詞についてはほとんど何も変わっていない。
2年、まったく異なる2つのリリース
Depth Proは2024年10月3日に、論文arXiv 2410.02073とともに登場し、明示された成果は、標準的なGPU上で0.3秒で2.25メガピクセルの深度マップを生成するというものでした。リポジトリは568件のいいねと6,200件をわずかに超えるダウンロード数を記録しています。単一のチェックポイントdepth_pro.ptとして提供され、そのカードには技術的貢献として、高密度予測向けの効率的なマルチスケールVision Transformer、実データと合成データを混合する学習プロトコル、境界精度専用の指標、単一画像からの最先端の焦点距離推定が記載されています。
Depth Pro 2 のリポジトリは2026年11月に作成された。モデルカードは11月3日、重みは11月5日、Core ML エクスポートは11月9日、焦点推定器とコードリポジトリは11月19日である。カードと GitHub README はどちらも arXiv 識別子 261X.XXXXX を指しているが、これはプレプリントではなくプレースホルダーである。machinelearning.apple.com にはそれに関する研究ページがなく、そのパスは404を返す。また、カード自体の散布図以外のどこにもベンチマーク数値はない。
正直に言えば、Depth Pro 2 はドキュメント付きの重み公開であり、論文ではない。Depth Pro はチェックポイント付きの論文だった。何かを引用する場合、一方は数値を示し、もう一方はリポジトリを示す。
アーキテクチャのどこが実際に変わったのか
Depth Proは単一画像モデルでした。Depth Pro 2は1つ以上のフレームを同時に処理するマルチビュートランスフォーマーであり、その仕組みは具体的です。ブロックの最初の3分の1を過ぎると、アテンションは各フレーム内とフレーム間で交互に切り替わります。その後DPTデコーダがフレームごとに逆深度マップを予測し、複数のブロックからのトークンを入力解像度の32分の1から4分の1の特徴マップへと組み立てます。

それが続編のためのアーキテクチャ上の論拠のすべてであり、モデルの実行方法に目に見える形で影響しています。Depth Pro 2には2つの動画モードがあります。ファイル向けのデフォルトであるバッファードでは、4フレームずつ重複する16フレームのクリップを処理し、クリップ同士が接する箇所で深度を安定させます。アンバッファードは、各フレームが到着するたびに、そのフレームと直前の15フレームから予測するモードで、ライブカメラ向けです。Appleはライブ経路のコストを隠すことなく文書化しています。ストリームの最初のフレームは参照できる先行フレームが少ないため、深度の安定性が低くなります。
Depth Proにはどちらのモードもありません。実行すべきクロスフレームアテンションがないからです。動画を入力すると、フレームごとに独立した推定値が得られ、それらの間に生じるちらつきを滑らかにするのはあなたの役目です。静止画にとってそれは損失ではありませんが、動きのあるものにとっては、続編が埋めるために作られた差そのものです。
何が変わらなかったのか
計測規約は同一で、移行する人にとっては朗報です。2つのモデルは数値の意味について一致しています。深度はカメラの視線軸に沿った距離、つまり z 座標であり、レンズからの直線距離ではありません。Python の逆深度は焦点距離で正規化され、focallength_px / (width * depth) に等しくなります。深度は焦点距離に比例してスケールするため、焦点距離が10パーセント長すぎると、すべてが10パーセント遠くに配置されます。空のピクセルは無限の深度として返されるか、特に小型モデルでは数キロメートルの有限の深度として返され、ドキュメントでは点群を作成する前に範囲をクリップするよう指示されています。
焦点距離の推定は依然としてパッケージの一級の構成要素であり、引き続きスキップ可能です。EXIFに35mm換算の焦点距離が記録されている写真ではその値を使用し、それ以外はすべて推定器を通します。Depth Pro 2では、その推定器を別個の2350万パラメータのリポジトリ apple/DepthPro2-focal に分割しており、これはどのサイズと並行して読み込まれ、単独で実行することもできます。カメラソルブを一度だけ行い、深度モデルを何度も使いたい場合に便利です。Depth Proでは、同じ機能が単一のチェックポイントに組み込まれており、両者を分離する方法はありませんでした。
Core ML のサポートは引き継がれ、さらに改善されています。Depth Pro 2 は、エクスポート済みの Core ML パッケージを専用リポジトリで提供し、カメラからのライブ深度を示す最小限の Mac デモアプリを含んでいます。このアプリには Apple silicon、macOS 15、Xcode 16 が必要です。これは、オリジナルが提供していたものよりも、動作するデモに到達するためのハードルが低くなっています。
1つのチェックポイントに対する4つのサイズ
最大の実用的な違いは、Depth Pro 2 が単一モデルであることを拒んでいる点です。Apple はパラメータ数とダウンロードサイズが異なる4つのモデルを公開しています:
• S — 24Mパラメータ、97 MB、ノートPCでの推奨開始点。
• B — パラメータ数97M、386 MB。
• L — 334Mパラメータ、1.3 GB。
• H+ — 872Mパラメータ、3.5 GB、コマンドラインでダウンロードされるデフォルト。
選ぶサイズはライセンスにはまったく影響しませんが、挙動にはかなり大きく影響します。というのも、小さいモデルほど、あの疑わしい数キロメートル級の空の深度をより多く生成すると記録されているからです。H+ が既定なのには理由がありますが、ラップトップでは S が動くか動かないかの違いになります。
Depth Pro はダイヤルのない単一のチェックポイントです。これは批判ではありません——2024年のリリースであり、論文では単一の0.3秒という結果が報告されていたからです——しかし、それは「どのサイズか」という移行上の問いに対応するものが旧側には存在しないことを意味しており、「Depth Pro」を4つに対する1行として扱う比較は、実際の判断を平板化しています。
数字は、まあ、その程度のものだが
Depth Pro 2 のカードは、Sintel および Spring データセットで平均した Boundary F1 と Jitter を報告し、単一フレームまたは複数フレームで動作する先行研究を両方で上回ると主張し、比較をプロットしている。Depth Pro はそのプロット上のマーカーの1つである。軸にはラベルが付いており——Boundary F1 は0から0.3、jitter は0.1から0——しかしモデルごとの表はないため、改善はおよそ100分の1まで読み取れる:H+ は Boundary F1 約0.29、jitter 約0.017 に位置し、元の Depth Pro は約0.235と0.095にある。

それを、ベンダー報告による未再現の主張として扱ってください。実際にその通りです。Depth Pro 2 について Boundary F1 や Jitter の数値を公表した第三者はいませんし、評価プロトコルを定義するはずの技術レポートはプレースホルダーです。これに対して元の Depth Pro は、境界メトリクスを自身のコードベースに同梱しています — eval/boundary_metrics.py が SI_boundary_F1 と SI_boundary_Recall を公開しています — したがって、自分で比較を実行したい場合、その半分のためのツールは公開されており、対象チェックポイントは論文モデルの再学習による近似です。
ライセンスと商用上の問題
変更なし。しかも、アップグレード時に見落とされがちな類のことなので、明記する価値がある。両モデルの重みはApple Machine Learning Research Modelライセンスの下にあり、リポジトリではこれを研究目的のみ、すなわち非商業的な科学研究および学術開発での利用を許可するものと定義している。コードは別途ライセンスされており、Depth Pro 2の謝辞ではその基盤としてTIMMとDINOv3がクレジットされている。
つまり、そのアップグレードはライセンスの意味では無償であり、製品の意味では両端とも利用できない。収益を目的にリリースするのであれば、どちらのチェックポイントも該当せず、必要な対話の相手はライセンスファイルではなくAppleだ。
具体的な移行
Depth Pro 2 は Depth Pro のドロップイン置き換えではありません。パッケージ名、エントリーポイント、モデル識別子がすべて変わっているためです。Depth Pro は apple/ml-depth-pro からインストールし、depth-pro-run -i ./data/example.jpg として実行します。Depth Pro 2 は apple-aiml-research/ml-depth-pro-2 からインストールし、uv run depth-pro-2 predict -i assets/example.jpg -o out/ として実行します。サイズは -m depthpro2-s から -m depthpro2-h までで指定します。Python ではインポートは depth_pro_2、構築の経路は create_model_and_transforms または DepthPro2.from_pretrained です。
出力の形も変わりました。Depth Pro の model.infer() は depth と focallength_px を含む辞書を返します。Depth Pro 2 の infer() は depth を返し、焦点距離は別の推定器から取得するか、値がわかっている場合は f_px として渡すほうが自然です。予測辞書に直接アクセスするパイプラインがある場合は、半日分の余裕を見ておいてください。
移行で得られるのは、サイズダイヤル、文書化された2つのモードを備えた動画パス、分離されたフォーカル推定器、そして動作するデモアプリ付きのCore MLパッケージングです。得られないのは、論文、モデルごとのベンチマーク表、新しいモデルがより優れているという独立した確認です — あるのは軸ラベルの付いた散布図だけで、その裏付けとなる表はありません。
これらのいずれも当社を経由してルーティングされているわけではなく、そうであるかのように説明すべきでもありません。Depth Pro 2 は Apple 自身のリポジトリ由来の研究ライセンスの重みです。ルーティングレイヤーがその価値を発揮するのは、その一歩外側です — シーン記述、判断、あなたの深度ステージを巡る記述は言語モデルの呼び出しであり、OrcaRouter は200以上のホスト済みモデルを1つのキーで、プロバイダー定価に対する0%のマークアップで提供し、さらにプロバイダー間の自動フェイルオーバーを備えているため、リリースサイクルのない研究チェックポイントが、パイプライン内で複数あるうちの一つではなく、唯一の脆弱な要素となります。
Depth Proを使っていて問題なく動いているなら、移行する理由は動画です。Depth Proを使っていて静止画しか扱わないなら、今あるシャープさは、続編が維持したと主張しているシャープさと同じであり、誠実な対応は、インポートの名前変更に午後を費やす前に技術レポートを待つことです。

