
Depth Pro 2 vs MoGe-2: videoconsistentie vs. puntkaarten
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 186 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 358 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 139 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Depth Pro 2 en MoGe-2 zijn beide metrische monoculaire geometriemodellen van grote onderzoekslaboratoria, en op het moment van schrijven heeft niemand een cijfer gepubliceerd dat de ene tegen de andere afzet. Apple's Depth Pro 2 rapporteert Boundary F1 en Jitter, gemiddeld over de datasets Sintel en Spring. Microsoft's MoGe-2 rapporteert relatieve geometrienauwkeurigheid, metrische schaal en detailbehoud op zijn eigen evaluatiemix. De twee sets metrieken overlappen niet, wat betekent dat elke bewering "X verslaat Y" die je over deze combinatie zult vinden, ofwel verzonnen is ofwel geleend uit een benchmark die geen van beide labs heeft uitgevoerd.
Dat is geen ontwijking. Het is het nuttigste dat je kunt weten voordat je een week besteedt aan het integreren van een van beide. Wat je kunt vergelijken is wat elke repository daadwerkelijk levert, waar elk model bewust slecht in is ontworpen, en welke van die zwaktes jouw pipeline raakt. Dit stuk doet dat, en het is expliciet over welke beweringen uit een README van een leverancier komen en welke nergens op gebaseerd zijn.
Wat elke repository daadwerkelijk bevat
Depth Pro 2 is verdeeld over meerdere Hugging Face-repositories in plaats van één. De kaartrepository, apple/DepthPro2, bevat de README en de afbeeldingen; de gewichten zijn per grootte verdeeld over apple/DepthPro2-S, apple/DepthPro2-B, apple/DepthPro2-L en apple/DepthPro2-H. Een aparte repository, apple/DepthPro2-focal, bevat een zelfstandige estimator voor de brandpuntsafstand met 23,5 miljoen parameters die samen met elke grootte wordt geladen. Een andere, apple/DepthPro2-coreml, bevat Core ML-exporten voor Apple silicon. De coderepository is apple-aiml-research/ml-depth-pro-2 op GitHub.

De vier formaten lopen van 24M parameters bij 97 MB (S) via 97M bij 386 MB (B) en 334M bij 1,3 GB (L) tot 872M bij 3,5 GB (H+, de standaard). Hun configuraties bevestigen de familierelatie: S en B gebruiken DINOv3 ViT-S- en ViT-B-backbones met cross-frame-attentie bij blokken 5, 7, 9 en 11; L breidt dat uit naar blokken 9 tot en met 23 met een 256-dimensionale DPT-decoder; H+ gaat naar blokken 11 tot en met 31 en voegt tokens samen bij blokken 7, 15, 23 en 31.
MoGe-2 wordt geleverd als vier checkpoints onder de Ruicheng-organisatie: moge-2-vitl met 326M parameters zonder normalen, en de -normal-varianten moge-2-vitl-normal met 331M, moge-2-vitb-normal met 104M en moge-2-vits-normal met 35M. Elk levert een metrische puntkaart in OpenCV-cameracoördinaten, een dieptekaart, genormaliseerde camera-intrinsieken en een masker voor geldige pixels, waarbij de normalmap wordt toegevoegd bij de varianten die deze bevatten. MoGe-2 is de tweede generatie; de familie is sindsdien verdergegaan naar MoGe-3, aangekondigd op 18 augustus 2026 met een ViT-g-model met 1,25 miljard parameters, dus MoGe-2 is nu de vorige release in plaats van de huidige.

Waar de twee ontwerpen uiteenlopen
• Invoermodaliteit — Depth Pro 2 verwerkt één foto, een videobestand of een live camerabeeld; MoGe-2 verwerkt één afbeelding.
• Hoofdclaim — Depth Pro 2 claimt scherpte en temporele consistentie; MoGe-2 claimt metrische schaal plus fijn detail, bereikt via een uniforme stap voor dataverfijning die scherpe synthetische labels gebruikt om echte trainingsdata te filteren en aan te vullen.
Uitvoeroppervlak — Depth Pro 2 retourneert diepte in meters plus de brandpuntsafstand die het heeft gebruikt; MoGe-2 retourneert een volledige puntenkaart, diepte, intrinsieke parameters en een masker, met normalen bij de varianten die deze bevatten.
• Brandpuntsafstand — Depth Pro 2 wordt geleverd met een aparte schatter en kan ook EXIF lezen of een bekende brandpuntsafstand in pixels accepteren; MoGe-2 kan het gezichtsveld als optionele ground truth gebruiken om de nauwkeurigheid te verbeteren.
• Schaal — MoGe-2 voegde echte metrische schaal toe ten opzichte van MoGe-1, dat affien-invariante puntkaarten met onbekende schaal produceerde; Depth Pro 2 erft de metrische schaal van de originele Depth Pro.
• Licentie — De gewichten van Depth Pro 2 vallen onder de Apple Machine Learning Research Model-licentie, uitsluitend voor onderzoek, gedefinieerd als niet-commercieel wetenschappelijk onderzoek en academische ontwikkeling. De code van MoGe-2 valt onder MIT, met de meegeleverde DINOv2 onder Apache 2.0.
De videovraag is het hele argument.
De onderscheidende architectonische beslissing van Depth Pro 2 is dat een multi-view transformer één of meer frames gezamenlijk verwerkt, en na het eerste derde deel van zijn blokken afwisselend aandacht binnen elk frame en aandacht tussen frames toepast. Een DPT-decoder voorspelt vervolgens per frame een inverse-dieptekaart. Dat is de machinerie achter het Jitter-getal — de metriek voor temporele consistentie — en het is de reden dat het model überhaupt een videoverhaal heeft.
In de praktijk betekent dat twee werkmodi. De standaardmodus, de gebufferde modus, verwerkt clips van 16 frames die elkaar met vier overlappen, waardoor de diepte stabiel blijft waar clips elkaar raken; met de instellingen voor venster en overlap stel je de cliplengte en de overlap in. De ongebufferde modus voorspelt elk frame zodra het binnenkomt, op basis van dat frame en de 15 daarvoor, en dat is de modus die je voor een camera wilt. Apple's eigen documentatie is openhartig over de prijs van het live-pad: de eerste frames van een stream hebben minder frames vóór zich om op te letten, dus hun diepte is minder stabiel. Een video krijgt één brandpuntsafstand voor al zijn frames, genomen als de mediaan van de schattingen over het eerste venster.
MoGe-2 heeft geen equivalent. Het is een model voor één afbeelding; om het op video toe te passen, moet je het frame voor frame laten draaien en elke flikkering accepteren die eruit voortkomt. Voor een statische reconstructietaak — fotogrammetrie, een pipeline van stilstaand beeld naar 3D-assets, alles waarbij elk frame onafhankelijk is — is dat helemaal geen beperking. Voor een robot of een AR-overlay is het het verschil tussen bruikbaar en onbruikbaar.
Wat "metric" in elke uitvoer betekent
Beide modellen claimen meters, en beide doen iets subtiel anders met dat woord. Depth Pro 2 retourneert de afstand langs de kijkrichting van de camera — de z-coördinaat — niet de rechtstreekse afstand vanaf de camera. Het normaliseert ook de inverse diepte aan de hand van de brandpuntsafstand, zodat de inverse diepte gelijk is aan de brandpuntsafstand in pixels gedeeld door het product van de beeldbreedte en de diepte. Luchtpixels komen terug als oneindige diepte, of, vooral bij de kleinere modellen, als een eindige diepte van meerdere kilometers, wat een detail is dat je moet aanpakken voordat je een puntenwolk bouwt.
MoGe-2 retourneert direct een puntenkaart, waardoor die conversie wordt omzeild. Dat is de nuttigere uitvoer als je toch naar 3D gaat, en het is de reden dat het model intrinsieke parameters samen met diepte rapporteert — de puntenkaart is alleen betekenisvol in een cameraframe dat je ook kent. Geen van beide uitvoer is een vervanging voor een echte dieptesensor wanneer de scène geen textuur heeft om de schaal aan te verankeren; beide schatten, en beide zullen afwijken op reflecterende of transparante oppervlakken.
Licentiëring is de beslissing, niet de benchmark
Geen van beide modellen is commercieel bruikbaar zoals geleverd, maar de beperkingen verschillen op manieren die van belang zijn voor een juridische beoordeling. De gewichten van Depth Pro 2 vallen onder de Apple Machine Learning Research Model-licentie, die gebruik uitsluitend voor onderzoeksdoeleinden toestaat, waarbij de repository dat definieert als niet-commercieel wetenschappelijk onderzoek en academische ontwikkelingsactiviteiten. De code is afzonderlijk gelicentieerd, en de repository erkent dat deze voortbouwt op TIMM en DINOv3.
De code van MoGe-2 is MIT, wat vrijwel zonder beperkingen is, hoewel voor de gewichten geen afzonderlijke voorwaarden op de modelkaart staan en de meegeleverde DINOv2-code Apache 2.0 is. Als je vraag is "kan ik dit in een product uitbrengen?", dan is het eerlijke antwoord voor beide dat je een gesprek met de juridische afdeling nodig hebt, en het gesprek over MoGe-2 is korter. Als je vraag is "kan ik hiermee een paper publiceren?", dan zijn beide prima.

Wat de ontbrekende cijfers je zouden moeten vertellen
Het technische rapport van Depth Pro 2 bestaat nog niet. Het citatieblok van de repository vermeldt nog steeds arXiv:261X.XXXXX, en de X'en zijn geen weglating — het is een placeholder die nog niet is ingevuld. De projectpagina noemt de metrieken waarvan het zegt ze te winnen, Boundary F1 en Jitter, en noemt geen baselines, met alleen verwijzingen naar "eerder werk dat op één frame of op meerdere frames werkt" en naar "baselines met hun standaardinstellingen."
MoGe-2 heeft een echt paper, arXiv 2507.02546, maar de samenvatting bevat evengoed geen getallen; de evaluatie is uitgesteld naar een apart document. Dus de vergelijkingstabel waar je waarschijnlijk op hoopte, bestaat aan geen van beide kanten, en elk artikel dat je er een aanreikt, citeert een aflezing van een grafiek.
Waar je rekening mee moet houden wanneer je de rest van de stack prijst. Een dieptemodel is één fase van een pipeline die ook de scène moet beschrijven, moet beslissen wat ermee te doen en het resultaat ergens moet vastleggen — en die fases zijn aanroepen naar taalmodellen, waarvan de prijs gepubliceerd en direct vergelijkbaar is. Dat is het argument om ze achter één API te zetten in plaats van drie: OrcaRouter routeert 217 modellen op één enkele sleutel tegen 0% opslag, wat betekent dat de lijstprijs van de provider ongewijzigd wordt doorgegeven, zodat een prijsverlaging van een leverancier dezelfde dag ingaat in plaats van pas wanneer een aggregator opnieuw synchroniseert. Automatische failover tussen providers is om dezelfde reden van belang, in omgekeerde richting — als de redeneerfase degene is die overeind moet blijven, wil je dat de dieptetaak het enige onderdeel in de pipeline is dat stilletjes mag falen.
Welke moet je pakken?
Als je video hebt en om flikkering geeft, is Depth Pro 2 de enige van deze twee met een antwoord, en dat antwoord is echte architectuur: cross-frame attention, overlappende vensters, een live-modus met een gedocumenteerde opwarmpenalty. Begin met S op een laptop, zoals Apple's eigen documentatie suggereert, en stap pas hoger als de randen niet scherp genoeg zijn.
Als je stilstaande beelden hebt en je wilt een puntenkaart, dan geeft MoGe-2 je meer uitvoeroppervlak per aanroep, en de normal-varianten geven je een tweede signaal dat je anders zou moeten schatten. De metrische schaal is de verbetering ten opzichte van MoGe-1, en die houdt stand.
Wat geen van beide je geeft, is een verdedigbare bewering dat het beter is dan het andere, omdat geen van beide labs het experiment heeft uitgevoerd. Behandel het tweetal als twee verschillende tools met overlappende namen, niet als een ranglijst, totdat iemand de cijfers publiceert.
