
Depth Pro 2 vs Depth Anything 3: 미터 단위인가, 카메라 포즈인가
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 186 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 358 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 139 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
두 모델에게 같은 질문을 던져 보세요 — 이것은 얼마나 멀리 있나요? — 그러면 둘 중 하나만 미터 단위로 답합니다. Apple의 메트릭 단안 깊이 모델인 Depth Pro 2는 카메라 시선 축을 따라 미터 단위의 깊이 맵과 함께 사용한 초점 거리를 반환합니다. 2025년 11월에 공개된 ByteDance Seed 파운데이션 모델인 Depth Anything 3는 첫 번째 기능으로 "상대 깊이"를 내세우며, 카메라 포즈 추정 및 포즈 조건화도 함께 제공합니다. 이 모델은 알 수 없는 스케일까지의 깊이를 제공하고, 그 스케일을 복원 가능하게 만드는 카메라들을 제공합니다.
그 단 하나의 차이가 정확도가 논의에 들어오기 전에 대부분의 통합을 좌우하며, 이것이 이 둘 사이의 단순한 벤치마크 비교가 겉보기만큼 유용하지 않은 이유입니다. 두 연구소는 서로 다른 지표를 서로 다른 기준선에 대비해 보고하며, 어느 쪽도 상대방의 평가를 수행하지 않았습니다. 다음은 각 저장소가 실제로 문서화한 내용이며, 벤더 주장은 그렇게 표시되어 있습니다.
한 글자 차이로 달라지는 두 가지 출력
Depth Anything 3의 예측 객체는 시작하기에 가장 명확한 지점인데, 그 이유는 이례적으로 명시적이기 때문입니다. 단일 호출은 깊이를 [N, H, W] float32로, 동일한 형태의 신뢰도 맵을, 외부 파라미터를 [N, 3, 4] 월드-투-카메라 행렬로, 내부 파라미터를 [N, 3, 3]으로 반환합니다. 내보내기는 GLB, NPZ, PLY, mini-NPZ, Gaussian-splat PLY 또는 Gaussian-splat 비디오로 이루어집니다.
Depth Pro 2의 출력은 범위가 더 좁고, 필요한 답이 숫자일 때 더욱 즉시 유용합니다. 이 모델은 미터 단위의 깊이 맵과 픽셀 단위의 초점 거리를 반환하며, 명령줄의 NPZ 출력에서는 이 두 배열 외에는 아무것도 반환하지 않습니다. 포인트 클라우드로의 변환은 사용자에게 맡겨지며, 초점 거리와 이미지 중심을 주점으로 사용하거나 카메라가 캘리브레이션된 경우 실제 주점을 사용하면 됩니다.
• 스케일 — Depth Pro 2의 출력은 미터법 기준이고, Depth Anything 3의 깊이는 상대적이며, 스케일은 함께 반환되는 포즈와 내부 파라미터로부터 복원됩니다.
• 카메라 매개변수 — Depth Anything 3는 외부 매개변수와 내부 매개변수를 예측합니다. Depth Pro 2는 초점 거리만 예측하며, 카메라가 어디에 있는지에 대한 개념이 없습니다.
• 신뢰도 — Depth Anything 3는 픽셀별 신뢰도 맵을 반환하지만, Depth Pro 2는 반환하지 않습니다.
• 입력 — Depth Pro 2는 사진 한 장, 동영상 파일 또는 라이브 카메라 피드를 입력받고, Depth Anything 3는 이미지 목록을 하나의 뷰 세트로 입력받습니다.
• 라이선스 — Depth Pro 2 가중치는 Apple Machine Learning Research Model 라이선스에 따라 연구 전용이며, Depth Anything 3는 0.08B 및 0.12B에서 Apache 2.0, 0.35B 및 1.15B에서 CC BY-NC 4.0입니다.
네 가지 크기가 맞지 않습니다
두 제품군 모두 네 개의 체크포인트를 공개하고, 파라미터 수가 거의 같은 지점에 분포해 있어 이를 일대일로 비교하고 싶어지기 쉽다. 그 유혹에 넘어가지 마라.
Depth Anything 3는 0.08B, 0.12B, 0.35B, 1.15B를 공개합니다 — safetensors 메타데이터에 따르면 각각 34.3M, 135.4M, 410.9M, 1,355.7M개의 매개변수입니다. Depth Pro 2는 24M, 97M, 334M, 872M을 공개합니다. Depth Pro 2의 가장 작은 두 크기는 대응하는 Depth Anything 3 모델보다 상당히 더 작고, 가장 큰 크기는 DA3 Giant보다 상당히 더 작습니다.
라이선스는 크기와 같은 기준으로 나뉘며, 이것이 상업적으로 중요한 세부 사항입니다. Depth Anything 3의 작은 체크포인트 두 개는 Apache 2.0이고, 큰 체크포인트 두 개는 CC BY-NC 4.0입니다. Depth Pro 2의 네 가지는 모두 동일한 연구 전용 라이선스 아래에 있으며, 저장소에서는 비상업적 과학 연구 및 학술 개발로 정의됩니다. 따라서 상업적으로 라이선스가 가능한 깊이 모델이 조금이라도 필요하다면, 이 비교에서 Depth Anything 3-Small 또는 -Base가 유일한 옵션이며, Depth Pro 2는 어떤 크기에서도 해당하지 않습니다.
Depth Anything 3에는 1.1 리비전인 DA3-GIANT-1.1과 DA3-LARGE-1.1도 있으며, 원본과 동일한 파라미터 수를 갖고 저장소는 2025년 12월 11일에 생성되었습니다. 원래 GIANT 카드에서는 3D 가우시안 추정을 대형 크기가 제공하는 추가 기능으로 설명하므로, 내보내기 표면은 깊이만보다 더 넓습니다.
각 실험실이 주장하는 내용과 그 주장의 비교 대상
Depth Anything 3의 카드는 두 가지 비교 주장을 제시하고 두 주장 모두에 대해 기준 모델을 명시합니다. 즉 단안 깊이 추정에서는 Depth Anything 2를 크게 능가하고, 다시점 깊이 및 포즈 추정에서는 VGGT를 크게 능가한다는 것입니다. 이는 명명된 모델에 대한 구체적이고 반증 가능한 진술이며, 상세한 수치는 카드가 아니라 논문에 있습니다.
Depth Pro 2의 카드는 한 가지 주장을 제시하며, 그 기준선을 "단일 프레임 또는 여러 프레임에서 작동하는 선행 연구"라고만 명시합니다. 이 카드는 Sintel 및 Spring 데이터셋에 걸쳐 평균한 Boundary F1과 Jitter에서 Depth Pro 2가 그 집합보다 성능이 우수하다고 보고하며, 이를 두 지표의 산점도로 보여줍니다. 산점도의 축은 Boundary F1이 0에서 0.3까지, Jitter가 0.1에서 0까지 내려갑니다.

Depth Anything 3는 그 차트에 DA3-NGL로 포함되어 있습니다. 대략 0.06 Boundary F1과 0.018 jitter에 위치한 열린 원형 다중 프레임 베이스라인 중 하나입니다. 따라서 비교는 존재하지만, Apple의 두 지표에서만, Sintel과 Spring에 걸쳐 평균화된 형태이며, Depth Anything 3의 깊이 수치가 함께 표시되지는 않았습니다. ByteDance 자체 비교 세트는 Depth Anything 2와 VGGT이고, ByteDance가 선택한 지표를 사용하며, DA3-NGL은 거기서 논의되지 않습니다. 두 세트는 만나지 않습니다. 어느 카드를 읽든 축은 다른 연구소가 선택했고, 어느 쪽도 공유 표를 발표하지 않았습니다.
그것은 승자를 피해 가는 얼버무림이 아니다. 그것은 증거의 실제 상태이며, 분명히 말할 가치가 있다. 왜냐하면 그 대안, 즉 이미 선호하는 모델을 치켜세워 주는 벤더의 차트를 아무거나 골라 잡는 것이야말로 잘못된 조달 결정이 내려지는 방식이기 때문이다.
동영상 일관성이 바로 Apple의 핵심 주장이다
Depth Pro 2는 단안 깊이 추정의 특정 약점 때문에 존재합니다. 비디오에 프레임별 모델을 실행하면 깊이가 깜빡이는데, 이는 각 프레임이 이웃 프레임에 대한 정보 없이 추정되기 때문입니다. Apple의 해결책은 아키텍처에 있습니다. 이 모델은 입력 프레임들에 대한 다중 뷰 트랜스포머이며, 블록의 첫 3분의 1이 지나면 어텐션이 프레임 내부와 프레임 간을 번갈아 수행합니다. 그런 다음 프레임별 DPT 디코더가 여러 블록의 토큰을 입력 해상도의 1/32에서 1/4에 해당하는 특징 맵으로 조립합니다.

동작 모드는 여기에서 비롯됩니다. 비디오 파일의 기본값인 버퍼 모드는 16프레임 클립을 4프레임씩 겹치게 처리하여 클립 경계에서도 깊이가 일정하게 유지됩니다. 비버퍼 모드는 카메라 사용을 위해 각 프레임이 도착할 때 해당 프레임과 그 이전 15개 프레임을 사용해 예측하며, 스트림의 첫 프레임들은 이전 프레임 수가 적어 깊이가 덜 안정적이라는 주의 사항이 문서에 명시되어 있습니다. 비디오는 모든 프레임에 걸쳐 하나의 초점 거리를 사용합니다 — 첫 번째 창에서 추정된 값들의 중앙값입니다.
Depth Anything 3는 뷰 세트 모델이 하는 일이 바로 그것이기 때문에 설계상 여러 뷰를 함께 처리하지만, 그 틀은 안정화가 아니라 재구성에 있습니다. 이 카드의 표현은 임의의 뷰에서 시각 공간을 복원하는 것에 관한 것이며, 출력인 외부 파라미터, 내부 파라미터, 포인트 맵, 가우시안 스플랫은 3D 재구성 파이프라인의 언어입니다. 당신의 문제가 "이 영상이 깜빡인다"라면 Depth Pro 2에는 이를 위한 모드가 있고, Depth Anything 3는 다른 제품입니다.
어느 쪽이든 깊이를 미터 단위로 환산하기
Depth Anything 3의 상대 깊이는 제한이라기보다 역할 분담에 가깝습니다. 모델은 카메라를 넘겨주고, 상대 깊이를 미터 단위로 바꾸는 것은 바로 카메라입니다. 그 변환은 실제 작업입니다. 즉 장면마다 스케일 계수를 알려진 베이스라인, 알려진 물체 크기 또는 센서로부터 구하는 일이며, 이는 Depth Pro 2가 내부에서 이미 해온 것과 같은 작업입니다.
Depth Pro 2의 미터법 출력은 자체적인 실패 모드를 가지며, 이는 문서화되어 있습니다. 깊이는 초점 거리에 비례하므로, 초점 거리가 10퍼센트 더 길면 모든 것이 10퍼센트 더 멀어집니다. 하늘 픽셀은 무한 깊이로 반환되거나, 특히 더 작은 모델에서는 수 킬로미터의 유한 깊이로 반환되므로, README에서는 포인트 클라우드나 컬러 이미지를 만들기 전에 범위를 클리핑하라고 안내합니다. Python에서 역깊이는 초점 거리로 정규화되며 focallength_px / (width * depth)와 같습니다. 스트림은 하나의 비디오에 속하며, 새 스트림을 열 때까지 최근 프레임과 초점 거리를 유지합니다.
텍스처가 없거나 반사되는 표면에서는 두 모델 모두 깊이 센서를 대체하지 못합니다. 둘 다 시각적 증거로부터 스케일을 추론하며, 같은 종류의 이유로 같은 종류의 지점에서 똑같이 실패할 것입니다.
둘 다 실행하는 데 드는 비용
실질적인 차이는 의존성 그래프에 있습니다. Depth Pro 2는 GitHub 저장소에서 uv를 사용해 Python 패키지로 설치되며, 명령줄(uv run depth-pro-2 predict -i photo.jpg -o out/)과 Python API를 제공하고, Apple 실리콘용 Core ML 내보내기와 Mac 데모 앱을 함께 제공합니다. 이 저장소는 모델을 실행하는 코드는 포함하지만 학습 또는 평가 코드는 포함하지 않는다고 명시하고 있습니다.
Depth Anything 3는 ByteDance Seed 저장소에서 편집 가능한 패키지로 설치되며, CLI(da3 auto path/to/images --export-format glb)를 제공하고 반복 추론을 위한 선택적 백엔드 프로세스를 갖추고 있는데, 이는 누군가가 이를 루프에서 실행할 때만 드러나는 종류의 세부 사항입니다.
둘 다 단일 목적의 연구 체크포인트이며, 어느 쪽도 라우팅 대상이 아닙니다. 뎁스 단계 주변에 있는 것은 언어 모델 작업입니다. 장면을 설명하고, 그에 대해 무엇을 할지 결정하고, 결과를 기록하는 일이죠. 바로 이 지점에서 단일 엔드포인트가 제값을 합니다: OrcaRouter는 200개 이상의 호스팅 모델을 공급사 정가 대비 0% 마크업으로 하나의 OpenAI 호환 API 뒤에 제공하므로, 뎁스 모델 주변의 추론 단계는 키 하나, 청구서 하나로 끝납니다. 뎁스 체크포인트는 고정해 두는 의존성으로 남지만, 그 주변의 파이프라인까지 그럴 필요는 없습니다.
어느 것부터 시작할까요?
여러 뷰에서 장면을 재구성하면서 카메라, 포인트 맵, 가우시안 스플랫을 한 번의 호출로 얻고 싶고, 작은 크기에서의 Apache 2.0 라이선스가 이 프로젝트를 가능하게 하는 핵심이라면 Depth Anything 3부터 시작하세요. 이의 비교 세트는 이름이 붙어 있고, 출력은 폭넓으며, 작은 체크포인트는 이 글에서 상업적으로 라이선스할 수 있는 유일한 항목입니다.
필요한 답이 단일 프레임이나 라이브 피드로부터 얻는 미터 단위 거리이고, 프레임 간 안정성이 그것 없이는 애플리케이션이 실패하는 속성이라면 Depth Pro 2로 시작하세요. 하늘 깊이가 잘려 나갈 것, 초점 거리를 의도적으로 고정해야 할 것, 그리고 시기상조라는 점을 예상하고 시작하세요 — 저장소의 다운로드는 수십 건 수준이고, 코드는 커밋이 하나뿐이며, 기술 보고서는 아직 자리 표시자에 불과합니다.
두 모델 모두 한쪽이 다른 쪽을 이긴다는 방어 가능한 주장을 제공하지 않습니다. 어느 연구소도 그 테스트를 실행하지 않았기 때문입니다. 출력 형식, 라이선스, 그리고 입력이 비디오인지 여부를 기준으로 고르세요. 이 세 가지 질문에는 오늘 답이 있지만, 리더보드에는 없습니다.

