
Depth Pro 2 대 MoGe-2: 비디오 일관성 대 포인트 맵
- 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
Depth Pro 2와 MoGe-2는 모두 대형 연구소에서 만든 메트릭 단안 기하 모델이며, 이 글을 쓰는 시점에 이 둘을 맞붙여 비교한 수치를 발표한 곳은 아무도 없다. Apple의 Depth Pro 2는 Sintel 및 Spring 데이터셋에서 평균한 Boundary F1과 Jitter를 보고한다. Microsoft의 MoGe-2는 자체 평가 조합에서 상대 기하 정확도, 메트릭 스케일, 세부 묘사 보존을 보고한다. 두 지표 집합은 서로 교집합이 없으며, 이는 이 조합에 대해 접하게 되는 모든 “X가 Y를 이긴다”는 주장이 조작되었거나 두 연구소 중 어느 곳도 실행하지 않은 벤치마크에서 가져온 것임을 뜻한다.
그건 회피가 아니다. 둘 중 하나를 통합하는 데 일주일을 쓰기 전에 알아두어야 할 가장 유용한 단 하나의 사실이다. 비교할 수 있는 것은 각 저장소가 실제로 제공하는 것, 각 모델이 어떤 점에서 약하도록 설계되었는지, 그리고 그 약점 중 어느 것이 당신의 파이프라인에 영향을 미치는지다. 이 글은 바로 그걸 다루며, 어떤 주장이 벤더 README에서 나온 것인지, 어떤 주장은 아무 근거도 없는지 분명히 밝힌다.
각 저장소에 실제로 포함된 내용
Depth Pro 2는 하나가 아니라 여러 Hugging Face 저장소에 걸쳐 있습니다. 카드 저장소인 apple/DepthPro2에는 README와 그림이 들어 있고, 가중치는 크기별로 apple/DepthPro2-S, apple/DepthPro2-B, apple/DepthPro2-L, apple/DepthPro2-H로 나뉩니다. 별도의 저장소인 apple/DepthPro2-focal에는 모든 크기와 함께 로드되는 독립형 2,350만 파라미터 초점 거리 추정기가 있습니다. 또 다른 저장소인 apple/DepthPro2-coreml에는 Apple 실리콘용 Core ML 내보내기가 들어 있습니다. 코드 저장소는 GitHub의 apple-aiml-research/ml-depth-pro-2입니다.

네 가지 크기는 매개변수 24M에 97MB(S)부터 97M에 386MB(B), 334M에 1.3GB(L), 872M에 3.5GB(H+, 기본값)까지 이어집니다. 각 구성은 이들이 같은 제품군임을 뒷받침합니다. S와 B는 DINOv3 ViT-S 및 ViT-B 백본을 사용하며 블록 5, 7, 9, 11에서 교차 프레임 어텐션을 적용합니다. L은 이를 블록 9부터 23까지로 확장하고 256차원 DPT 디코더를 사용합니다. H+는 블록 11부터 31까지로 확장하며 블록 7, 15, 23, 31에서 토큰을 어셈블합니다.
MoGe-2는 Ruicheng 조직 아래 네 개의 체크포인트로 제공됩니다. 법선 정보가 없는 326M 파라미터의 moge-2-vitl과, -normal 변형인 331M의 moge-2-vitl-normal, 104M의 moge-2-vitb-normal, 35M의 moge-2-vits-normal입니다. 각 체크포인트는 OpenCV 카메라 좌표계의 미터 단위 포인트 맵, 깊이 맵, 정규화된 카메라 내부 파라미터, 유효 픽셀 마스크를 반환하며, 법선 맵을 포함하는 변형에는 법선 맵이 추가됩니다. MoGe-2는 2세대이며, 이 제품군은 이후 2026년 8월 18일에 1.25B 파라미터 ViT-g 모델로 발표된 MoGe-3로 넘어갔으므로, MoGe-2는 이제 현재 릴리스가 아닌 이전 릴리스입니다.

두 디자인이 갈리는 지점
• 입력 방식 — Depth Pro 2는 사진 한 장, 비디오 파일 또는 라이브 카메라 피드를 입력받고, MoGe-2는 단일 이미지를 입력받습니다.
• 주요 주장 — Depth Pro 2는 선명도와 시간적 일관성을, MoGe-2는 미터 단위 스케일과 세밀한 디테일을 주장하며, 이는 선명한 합성 라벨을 사용해 실제 훈련 데이터를 필터링하고 완성하는 통합 데이터 정제 단계를 통해 달성됩니다.
• 출력 표면 — Depth Pro 2는 깊이를 미터 단위로 반환하고 사용된 초점 거리도 함께 제공합니다. MoGe-2는 전체 포인트 맵, 깊이, 내부 파라미터, 마스크를 반환하며, 법선은 이를 포함하는 변형에서 제공됩니다.
• 초점 거리 — Depth Pro 2는 별도의 추정기를 함께 제공하며, EXIF를 읽거나 픽셀 단위의 알려진 초점 거리를 입력받을 수도 있습니다. MoGe-2는 정확도 향상을 위해 시야각을 선택적 정답(ground truth)으로 받을 수 있습니다.
• 스케일 — MoGe-2는 알 수 없는 스케일의 아핀 불변 포인트 맵을 생성하던 MoGe-1에 비해 실제 세계의 미터법 스케일을 추가했습니다. Depth Pro 2는 원본 Depth Pro로부터 미터법 스케일을 이어받습니다.
• 라이선스 — Depth Pro 2 가중치는 Apple Machine Learning Research Model 라이선스에 따르며, 비상업적 과학 연구 및 학술 개발로 정의된 연구 목적으로만 사용할 수 있습니다. MoGe-2 코드는 MIT 라이선스이며, 함께 제공되는 DINOv2는 Apache 2.0 라이선스입니다.
영상 질문이 논쟁의 전부다.
Depth Pro 2의 차별화되는 아키텍처 결정은 멀티뷰 트랜스포머가 하나 이상의 프레임을 함께 처리하고, 블록의 첫 3분의 1이 지난 뒤에는 각 프레임 내부의 어텐션과 프레임 간 어텐션을 번갈아 수행한다는 점입니다. 그런 다음 DPT 디코더가 프레임별 역깊이 맵을 예측합니다. 바로 이것이 Jitter 수치, 즉 시간적 일관성 지표를 뒷받침하는 메커니즘이며, 이 모델이 애초에 비디오 관련 이야기를 갖는 이유이기도 합니다.
실제로 이는 두 가지 작동 모드를 의미한다. 기본값인 버퍼링 모드는 4프레임씩 겹치는 16프레임 클립을 처리하며, 이는 클립이 만나는 지점에서 깊이를 안정적으로 유지한다. window 및 overlap 설정은 클립 길이와 겹침을 노출한다. 비버퍼링 모드는 각 프레임이 도착할 때 해당 프레임과 그 이전 15프레임을 사용해 예측하며, 이는 카메라에 적합한 모드다. Apple 자체 문서는 라이브 경로의 비용에 대해 솔직하게 밝히고 있다. 스트림의 첫 프레임들은 앞에서 주의를 기울일 프레임이 더 적기 때문에 깊이가 덜 안정적이다. 비디오는 모든 프레임에 대해 하나의 초점 거리를 가지며, 이는 첫 번째 창에 걸친 추정값들의 중앙값으로 결정된다.
MoGe-2에는 대응 모델이 없습니다. 이는 단일 이미지 모델이므로, 비디오에 적용한다는 것은 프레임 단위로 실행하고 거기서 발생하는 플리커를 그대로 감수해야 한다는 뜻입니다. 정적 재구성 작업 — 포토그래메트리, 스틸 이미지에서 3D 에셋으로 가는 파이프라인, 각 프레임이 독립적인 모든 작업 — 에서는 이것이 전혀 제약이 아닙니다. 로봇이나 AR 오버레이에서는 사용 가능과 불가능을 가르는 차이입니다.
각 출력에서 "metric"이 의미하는 것
두 모델 모두 미터 단위를 표방하지만, 그 단어를 두고는 각각 조금씩 다른 방식으로 처리합니다. Depth Pro 2는 카메라 시선 방향을 따른 거리, 즉 z 좌표를 반환하지 카메라로부터의 직선 거리를 반환하지 않습니다. 또한 초점 거리로 역깊이를 정규화하므로, 역깊이는 픽셀 단위 초점 거리를 이미지 너비와 깊이의 곱으로 나눈 값과 같습니다. 하늘 픽셀은 무한 깊이로 반환되거나, 특히 더 작은 모델에서는 수 킬로미터의 유한 깊이로 반환되는데, 이는 포인트 클라우드를 만들기 전에 처리할 만한 세부 사항입니다.
MoGe-2는 포인트 맵을 직접 반환하므로 그 변환 과정을 건너뛸 수 있습니다. 어차피 3D로 갈 생각이라면 이쪽이 더 유용한 출력이며, 모델이 깊이와 함께 내부 파라미터를 함께 보고하는 이유이기도 합니다 — 포인트 맵은 카메라 프레임을 함께 알아야만 의미가 있기 때문입니다. 장면에 스케일을 고정할 텍스처가 없을 때, 어느 출력도 실제 깊이 센서를 대신하지 못합니다. 둘 다 추정에 불과하며, 반사되거나 투명한 표면에서는 둘 다 드리프트가 발생합니다.
라이선싱은 벤치마크가 아니라 결정이다.
두 모델 모두 배포된 상태 그대로는 상업적으로 사용할 수 없지만, 제약 조건은 법률 검토에 중요한 방식으로 서로 다릅니다. Depth Pro 2의 가중치는 Apple Machine Learning Research Model 라이선스 하에 있으며, 이 라이선스는 연구 목적으로만 사용을 허용하고, 저장소는 이를 비상업적 과학 연구 및 학술 개발 활동으로 정의합니다. 코드에는 별도의 라이선스가 적용되며, 저장소는 TIMM 및 DINOv3를 기반으로 구축되었음을 인정합니다.
MoGe-2의 코드는 MIT 라이선스라 사실상 제약이 거의 없지만, 가중치에는 모델 카드에서 별도 조건이 제시되지 않았고 번들로 포함된 DINOv2 코드는 Apache 2.0입니다. 질문이 "이걸 제품에 출시해도 되나"라면, 두 경우 모두 법무팀과 상의해야 한다는 것이 솔직한 답이며, MoGe-2 쪽 상의는 더 짧습니다. 질문이 "이걸로 논문을 출판해도 되나"라면, 둘 다 문제없습니다.

빠진 숫자들이 당신에게 알려줘야 할 것
Depth Pro 2의 기술 보고서는 아직 존재하지 않습니다. 저장소의 인용 블록에는 여전히 arXiv:261X.XXXXX가 적혀 있는데, 여기서 X들은 가림 처리된 것이 아니라 아직 채워지지 않은 자리표시자입니다. 프로젝트 페이지는 자신이 우위를 점한다고 주장하는 지표인 Boundary F1과 Jitter를 명시하면서도 기준선은 전혀 명시하지 않고, “단일 프레임 또는 여러 프레임에서 작동하는 선행 연구”와 “기본 설정의 기준선”만 언급합니다.
MoGe-2에는 실제 논문이 있으며 arXiv 2507.02546입니다. 하지만 그 초록 역시 숫자가 전혀 없고, 평가는 별도 문서로 미뤄집니다. 따라서 여러분이 아마 기대했을 비교 표는 어느 쪽에도 존재하지 않으며, 그러한 표를 제시하는 기사는 차트를 읽은 내용을 인용하는 것뿐입니다.
이는 스택의 나머지 부분 가격을 책정할 때 명심할 가치가 있습니다. 깊이 모델은 파이프라인의 한 단계이며, 이 파이프라인은 장면을 설명하고, 그에 대해 무엇을 할지 결정하고, 결과를 어딘가에 기록하는 일도 해야 합니다. 그리고 그 단계들은 언어 모델 호출로, 가격이 공개되어 직접 비교할 수 있습니다. 이것이 이들을 세 개가 아니라 하나의 API 뒤에 두어야 하는 이유입니다: OrcaRouter는 단일 키로 217개 모델을 라우팅하며 0% 마크업으로, 제공업체의 정가가 그대로 전달되므로 공급업체의 가격 인하가 애그리게이터가 다시 동기화할 때까지 기다리는 대신 같은 날 바로 적용됩니다. 제공업체 간 자동 장애 조치가 중요한 이유도 같은 논리의 반대입니다. 추론 단계가 반드시 유지되어야 하는 단계라면, 파이프라인에서 조용히 실패해도 되는 유일한 작업은 깊이 작업이어야 하기 때문입니다.
어느 것을 선택할까
비디오가 있고 깜박임이 신경 쓰인다면, Depth Pro 2는 이 둘 중 유일하게 해답을 가진 제품이며, 그 해답은 실제 아키텍처입니다 — 크로스 프레임 어텐션, 겹치는 윈도, 문서화된 워밍업 페널티가 있는 라이브 모드까지 갖추고 있습니다. Apple 자체 문서에서 권장하듯 노트북에서 S로 시작하고, 가장자리가 충분히 선명하지 않을 때만 상위로 올리세요.
스틸 이미지가 있고 포인트 맵을 원한다면, MoGe-2는 호출당 더 많은 출력 표면을 제공하고, 노멀 변형은 원래라면 추정해야 했을 두 번째 신호를 제공합니다. 메트릭 스케일은 MoGe-1보다 나아진 점이며, 그것은 그대로 유지됩니다.
둘 다 당신에게 주지 못하는 것은 한쪽이 다른 쪽보다 낫다는 방어 가능한 주장입니다. 어느 연구실도 그 실험을 수행하지 않았기 때문입니다. 누군가 수치를 발표할 때까지, 이 조합을 순위 목록이 아니라 이름이 겹치는 두 가지 서로 다른 도구로 취급하십시오.
