
Depth Pro 2 เปิดตัวโดยไม่มีเปเปอร์: สิ่งที่เวตเผยให้เห็น
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 186 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 358 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 139 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
เลื่อนไปที่ด้านล่างของการ์ดโมเดล Depth Pro 2 ของ Apple แล้วอ่านการอ้างอิง มีผู้เขียนแปดคน วันที่ปี 2026 และตัวระบุ arXiv ที่อ่านว่า 261X.XXXXX ตัว X ไม่ใช่การปิดข้อมูล แต่เป็นตัวยึดตำแหน่งที่ไม่มีใครกลับมาเติมให้เต็ม และมันคือสรุปที่ซื่อตรงที่สุดของการเปิดตัวครั้งนี้: Depth Pro 2 โมเดลประมาณความลึกจากภาพเดียวแบบเมตริกของ Apple มีอยู่ในรูปน้ำหนักโมเดลที่คุณดาวน์โหลดได้วันนี้ และยังไม่มีอยู่ในรูปเปเปอร์ที่คุณอ่านได้
ช่องว่างนั้นคือเรื่องราว ไม่ใช่งานเปิดตัว ไม่ใช่ตาราง benchmark ไม่ใช่ demo Space — ตัวรีโพซิทอรีเองระบุว่า Space ถูกซ่อนไว้จนกว่าจะเปิดเป็นสาธารณะ และ ณ ขณะที่เขียนนี้ก็ยังไม่เปิด สิ่งที่ตามมาคือทุกอย่างที่รู้ได้จากรีโพซิทอรีและเอกสาร โดยแยกออกจากสิ่งที่ยังไม่ได้รับการยืนยัน
อะไรถูกจัดส่งไปแล้ว และในวันที่เท่าใดบ้าง
วันที่เป็นส่วนที่ได้รับการบันทึกไว้ เพราะ Hugging Face ประทับเวลาให้ทุกรีโพซิทอรีที่โฮสต์ รีโพซิทอรีการ์ดโมเดล apple/DepthPro2 ถูกสร้างขึ้นเมื่อวันที่ 3 พฤศจิกายน 2026 รีโพซิทอรีน้ำหนักโมเดลตามมาในอีกสองวันต่อมา เมื่อวันที่ 5 พฤศจิกายน โดยมี apple/DepthPro2-H รวมอยู่ด้วย รีโพซิทอรีการส่งออก Core ML มาในวันที่ 9 พฤศจิกายน ตัวประมาณค่าความยาวโฟกัสแบบสแตนด์อโลน apple/DepthPro2-focal ปรากฏขึ้นเมื่อวันที่ 19 พฤศจิกายน — วันเดียวกับที่รีโพซิทอรีโค้ด apple-aiml-research/ml-depth-pro-2 เปิดเป็นสาธารณะบน GitHub
อ่านลำดับนั้นในฐานะไทม์ไลน์ทางวิศวกรรม มากกว่าไทม์ไลน์ทางการตลาด การ์ด เวต การส่งออกสำหรับ Apple silicon โมเดลคาลิเบรตกล้อง และโค้ด ถูกทยอยจัดเตรียมตลอดสิบหกวัน และชิ้นส่วนสุดท้ายที่ลงตัวคือชิ้นที่ทำให้ทั้งหมดนี้สามารถรันได้โดยคนที่ไม่ได้อยู่ภายใน Apple ไม่มีอะไรในลำดับดังกล่าวที่บ่งชี้ถึงการประกาศที่ประสานกันไว้ แต่บ่งชี้ถึงทีมที่ผลักอาร์ติแฟกต์ออกไปเมื่อผ่านการรีวิว
การตอบรับยืนยันเรื่องนี้ รีโพซิทอรีเวตของ H+ มียอดดาวน์โหลด 40 ครั้ง และรีโพซิทอรีการ์ดมี 10 ไลก์ รีโพซิทอรี GitHub มีเพียงคอมมิตเดียวรองรับอยู่ สำหรับโมเดลจากแล็บที่สร้าง Depth Pro นี่ไม่ใช่เส้นโค้งการเปิดตัว — แต่เป็นการเปิดตัวที่ยังไม่มีใครสังเกตเห็น
เอกสารนี้เป็นเพียงตัวยึดตำแหน่ง ไม่ใช่พรีปรินต์
มีสามตำแหน่งแยกกันที่ชี้ไปยังรายงานทางเทคนิคที่ไม่มีอยู่จริง ป้ายของการ์ดโมเดลลิงก์ไปยัง arxiv.org/abs/TODO ป้ายของ README บน GitHub ลิงก์ไปยัง arxiv.org/abs/261X.XXXXX บล็อก BibTeX ในทั้งสองแห่งระบุว่า journal = {arXiv preprint arXiv:261X.XXXXX} และ url = {https://arxiv.org/abs/261X.XXXXX}
ไม่มีหน้าเว็บงานวิจัยด้านแมชชีนเลิร์นนิงของ Apple สำหรับโปรเจกต์นี้เช่นกัน — machinelearning.apple.com/research/depth-pro-2 ส่งคืนข้อผิดพลาด 404 และไซต์แมปงานวิจัยของ Apple ระบุถึง depth-pro แต่ไม่ระบุถึง depth-pro-2 หน้าโปรเจกต์ที่ป้ายเหล่านั้นชี้ไป ซึ่งก็คือ apple-aiml-research.github.io/ml-depth-pro-2 เป็นช่องทางเดียวที่ Apple ควบคุมซึ่งเข้าถึงได้จริง
เรื่องนี้สำคัญกว่าที่ชื่อของมันฟังดูจะบอกเอาไว้มาก รายงานทางเทคนิคคือที่ซึ่งโปรโตคอลการประเมินตั้งอยู่ และหากไม่มีรายงานนี้ ตัวเลขที่การ์ดรายงานก็ไม่สามารถนำไปตรวจเทียบกับตัวเลขที่ฐานเปรียบเทียบรายงานได้ ดังนั้นข้อมูลเชิงปริมาณทั้งหมดด้านล่างจึงเป็นคำกล่าวอ้างของผู้ขายเอง ที่นำมาถ่ายทอดซ้ำโดยไม่มีการตรวจสอบอย่างเป็นอิสระ และระบุไว้เช่นนั้น
สี่ขนาด พร้อมตัวประมาณความยาวโฟกัส
ตระกูลโมเดลนี้เปิดเผยรายละเอียดเกี่ยวกับการขยายขนาดของตัวเองอย่างชัดเจนเป็นพิเศษ Apple เผยแพร่จำนวนพารามิเตอร์และขนาดดาวน์โหลดสำหรับสมาชิกทั้งสี่รุ่น ซึ่งมากกว่าที่การเปิดตัวในสาย depth ส่วนใหญ่ให้ความสำคัญ:
• Small (S) — พารามิเตอร์ 24M, ดาวน์โหลด 97 MB เป็นรุ่นที่ควรเริ่มต้นใช้บนแล็ปท็อป
• Base (B) — 97M พารามิเตอร์, 386 MB
• ขนาดใหญ่ (L) — พารามิเตอร์ 334M, 1.3 GB
• H+ (H) — พารามิเตอร์ 872M, 3.5 GB และเป็นค่าเริ่มต้นที่บรรทัดคำสั่งจะดาวน์โหลดหากคุณไม่ได้ระบุ -m
• ตัวประมาณค่าความยาวโฟกัส — พารามิเตอร์ 23.5M, 94 MB เป็นรีโพซิทอรีแยกที่โหลดทำงานร่วมกับโมเดลทุกขนาด และคาดการณ์ความยาวโฟกัสของกล้องเมื่อภาพถ่ายหรือวิดีโอไม่มีข้อมูลความยาวโฟกัสนั้น
การตั้งชื่อนี้ควรค่าแก่การกล่าวถึง เพราะมันจะทำให้ใครก็ตามที่เขียนไฟล์คอนฟิกสับสน: รีโพซิทอรีคือ apple/DepthPro2-H แต่แฟล็กบรรทัดคำสั่งคือ -m depthpro2-h ในขณะที่การ์ดเรียกขนาดนั้นว่า H+ เอกสารประกอบใช้การสะกดทั้งสองแบบห่างกันเพียงไม่กี่บรรทัด
สถาปัตยกรรมที่อยู่เบื้องหลังคือ multi-view transformer ตามด้วย DPT decoder แบบแยกตามเฟรม หลังจากหนึ่งในสามแรกของบล็อกใน transformer กลไก attention จะสลับระหว่างภายในเฟรมและข้ามเฟรม และ decoder จะรวม token จากหลายบล็อกให้เป็น feature map ที่ความละเอียด 1/32 ถึง 1/4 ของความละเอียดอินพุต README ระบุว่า TIMM และ DINOv3 เป็นรากฐานด้านโค้ดและโมเดล
แผนภูมิการแลกเปลี่ยนเป็นผลลัพธ์เดียว
ส่วนผลลัพธ์ทั้งหมดของการ์ดนี้ประกอบด้วยรูปหนึ่งรูปและสองประโยค รูปนี้พล็อต Boundary F1 เทียบกับ Jitter ซึ่งเป็นเมตริกสองตัวที่ Apple เลือก ในรูปแบบกราฟกระจายของโมเดลความลึกแบบเฟรมเดียวและหลายเฟรมประมาณสองโหล โดยสี่ขนาดของ Depth Pro 2 เป็นสีส้มและส่วนอื่นๆ เป็นสีน้ำเงินหรือสีเขียว โดยเฉลี่ยจากชุดข้อมูล Sintel และ Spring สองประโยคนั้นกล่าวว่า Depth Pro 2 มีประสิทธิภาพเหนือกว่างานก่อนหน้าที่ทำงานบนเฟรมเดียวหรือหลายเฟรมในทั้งสองอย่าง และมุมขวาบนดีที่สุด

แกนถูกกำกับด้วยชื่อ: Boundary F1 มีค่าตั้งแต่ 0 ถึง 0.3 ส่วน jitter มีค่าตั้งแต่ 0.1 ลงมาถึง 0 เมื่ออ่านตำแหน่งจาก scatter พบว่าเครื่องหมาย H+ อยู่ใกล้ Boundary F1 ที่ 0.29 โดยมี jitter ประมาณ 0.017 เทียบกับประมาณ 0.235 และ 0.095 สำหรับ Depth Pro ต้นฉบับ — ช่องว่างขนาดใหญ่บนทั้งสองแกน สิ่งที่รูปไม่ได้มีคือตาราง การแยกย่อยรายชุดข้อมูล การวัดความเร็วหรือหน่วยความจำใด ๆ หรือการเปรียบเทียบนอกเหนือจากสองโหลโมเดลที่ถูกพล็อต การ์ดระบุว่าบทความเปรียบเทียบขนาด รวมถึงความเร็วและหน่วยความจำของโมเดลเหล่านี้ — และบทความนั้นยังไม่มีอยู่จริง
นั่นไม่ใช่เหตุผลที่จะไม่ไว้วางใจโมเดล แต่เป็นเหตุผลที่จะไม่ไว้วางใจบทความใดก็ตามที่ยื่นค่า Boundary F1 ของ Depth Pro 2 ให้คุณโดยอ้างเป็นทศนิยมสามตำแหน่ง เพราะที่เดียวที่มีตัวเลขเช่นนั้นคือกราฟกระจายที่อ่านค่าได้ละเอียดประมาณหนึ่งในร้อย โดยมีโปรโตคอลการประเมินที่ถูกอ้างอิงไว้ในรายงานซึ่งยังไม่ได้เผยแพร่ ถ้าคุณต้องการตัวเลขนี้สำหรับเอกสารจัดซื้อจัดจ้าง คุณก็กำลังรอรายงานฉบับนั้นอยู่
วิดีโอคือสิ่งที่ทำให้มันเป็นภาคต่อ
Depth Pro รุ่นดั้งเดิม ดังที่ชื่อของมันเองบอกไว้ คือเรื่องของความคมชัดและความเร็ว: ความลึกเมตริกแบบโมโนคิวลาร์ที่คมชัดในเวลาไม่ถึงหนึ่งวินาที 2.25 เมกะพิกเซลใน 0.3 วินาทีบน GPU มาตรฐาน Depth Pro 2 ยังคงความคมชัดไว้และเพิ่มแกนที่สองเข้ามา นั่นคือความสอดคล้องเชิงเวลา และการเปลี่ยนแปลงสถาปัตยกรรมทั้งหมดก็มีขึ้นเพื่อรองรับสิ่งนี้ การสลับแอตเทนชันภายในเฟรมและข้ามเฟรมคือวิธีที่ทรานส์ฟอร์เมอร์มองหลายเฟรมเป็นฉากเดียวแทนที่จะเป็นหลายภาพ

มีโหมดการทำงานสองแบบเกิดขึ้นจากสิ่งนั้น โหมดบัฟเฟอร์ which is default? Wait need Thai only. Need produce Thai translation: "มีโหมดการทำงานสองแบบที่ได้จากแนวทางนี้ โหมดบัฟเฟอร์ซึ่งเป็นค่าเริ่มต้นสำหรับไฟล์วิดีโอ จะประมวลผลคลิปละ 16 เฟรมที่ซ้อนทับกันอยู่สี่เฟรม ซึ่งช่วยให้ความลึกคงที่ตรงรอยต่อระหว่างคลิปที่ต่อเนื่องกัน โดย --window และ --overlap เผยให้เห็นตัวเลขทั้งสองนี้ โหมดไม่ใช้บัฟเฟอร์จะทำนายแต่ละเฟรมทันทีที่เฟรมนั้นมาถึง โดยอาศัยเฟรมนั้นและ 15 เฟรมก่อนหน้า และเป็นโหมดสำหรับกล้องสด Apple ยอมรับอย่างตรงไปตรงมาว่าเฟรมแรกๆ ของสตรีมมีเฟรมก่อนหน้าน้อยกว่าที่จะพิจารณา ดังนั้นความลึกของเฟรมเหล่านี้จึงไม่คงที่เท่า — เป็นบทลงโทษช่วงวอร์มอัพที่ระบุไว้ในเอกสารแทนที่จะค้นพบระหว่างการใช้งานจริง" Check no markers. Good. Need maybe "Buffered mode" = โหมดบัฟเฟอร์. "Unbuffered" = โหมดไม่ใช้บัฟเฟอร์. Fine. Final only text.มีโหมดการทำงานสองแบบที่ได้จากแนวทางนี้ โหมดบัฟเฟอร์ซึ่งเป็นค่าเริ่มต้นสำหรับไฟล์วิดีโอ จะประมวลผลคลิปละ 16 เฟรมที่ซ้อนทับกันอยู่สี่เฟรม ซึ่งช่วยให้ความลึกคงที่ตรงรอยต่อระหว่างคลิปที่ต่อเนื่องกัน โดย --window และ --overlap เผยให้เห็นตัวเลขทั้งสองนี้ โหมดไม่ใช้บัฟเฟอร์จะทำนายแต่ละเฟรมทันทีที่เฟรมนั้นมาถึง โดยอาศัยเฟรมนั้นและ 15 เฟรมก่อนหน้า และเป็นโหมดสำหรับกล้องสด Apple ยอมรับอย่างตรงไปตรงมาว่าเฟรมแรกๆ ของสตรีมมีเฟรมก่อนหน้าน้อยกว่าที่จะพิจารณา ดังนั้นความลึกของเฟรมเหล่านี้จึงไม่คงที่เท่า — เป็นบทลงโทษช่วงวอร์มอัพที่ระบุไว้ในเอกสารแทนที่จะค้นพบระหว่างการใช้งานจริง
ส่วนที่เหลือของพฤติกรรมวิดีโอคือชุดผลลัพธ์ที่ควรรู้ก่อนนำไปผสานรวม วิดีโอหนึ่งเรื่องจะได้ความยาวโฟกัสเดียวสำหรับทุกเฟรม โดยใช้ค่ามัธยฐานของการประมาณค่าตลอดหน้าต่างแรกของวิดีโอ หน่วยความจำเพิ่มขึ้นตามขนาดเฟรมและความยาวหน้าต่าง ไม่ใช่ตามความยาววิดีโอ ดังนั้นวิธีแก้ที่ระบุไว้ในเอกสารสำหรับคลิปที่ไม่พอดี คือลดความยาวหน้าต่างก่อน แล้วจึงเปลี่ยนไปใช้โมเดลเล็กลงเป็นลำดับถัดไป โดยปรับขนาดอินพุตเป็นทางเลือกสุดท้ายเท่านั้น และพิกเซลท้องฟ้าจะถูกคืนค่าเป็นความลึกอนันต์ หรือโดยเฉพาะกับโมเดลที่เล็กกว่า เป็นความลึกจำกัดหลายกิโลเมตร — README บอกให้ตัดช่วงค่าก่อนสร้างพอยต์คลาวด์ ซึ่งเป็นคำแนะนำประเภทที่มีอยู่ก็เพราะมีคนไม่ได้ทำ
สิ่งที่ยังไม่ได้รับการยืนยัน
รายการคำถามที่ยังไม่มีคำตอบอย่างตรงไปตรงมานั้นสั้นและเจาะจง
• การประเมินโดยอิสระ — ไม่มี ยังไม่มีบุคคลที่สามรายใดเผยแพร่ตัวเลข Boundary F1 หรือ Jitter สำหรับ Depth Pro 2 และฐานอ้างอิงของการ์ดนั้นเองก็ไม่ได้ระบุชื่อไว้ นอกเหนือจาก “งานก่อนหน้าที่ทำงานบนเฟรมเดียวหรือหลายเฟรม”
• ความเร็วและหน่วยความจำ — มีการกล่าวอ้างว่าถูกนำมาเปรียบเทียบในบทความ ซึ่งเป็นเพียงตัวแทนเท่านั้น คำแนะนำด้านรันไทม์ที่เป็นรูปธรรมเพียงอย่างเดียวคือ H+ มีน้ำหนัก 3.5 GB และ S เป็นตัวเลือกสำหรับแล็ปท็อป
• เดโม — Space ถูกเชื่อมโยงไว้ภายในคอมเมนต์ HTML โดยทำเครื่องหมายว่าซ่อนอยู่จนกว่าจะเป็นสาธารณะ การมีอยู่ของเดโมกับการที่เดโมเข้าถึงได้เป็นคนละข้ออ้างกัน
• ชื่อ — "Depth Pro 2" ปรากฏเป็น DepthPro2 ในชื่อรีโพซิทอรี, depth-pro-2 ในแพ็กเกจโค้ดและรีโพซิทอรี Core ML, และ depth_pro_2 ในการนำเข้า Python ค้นหาทั้งสี่รูปแบบ

ปล่อยมันก่อนที่หนังสือพิมพ์จะวางแผง
เส้นทางการติดตั้งนั้นเรียบง่ายจนน่าเบื่อ ซึ่งถือเป็นข้อดีข้อหนึ่ง คุณติดตั้ง uv โคลนรีโพซิทอรี แล้วรัน uv run depth-pro-2 predict -i assets/example.jpg -o out/ สำหรับรูปภาพ หรือใช้คำสั่งเดิมกับไฟล์ .mp4 สำหรับวิดีโอ การรันครั้งแรกจะดาวน์โหลด H+ ขนาด 3.5 GB เว้นแต่คุณจะส่ง -m depthpro2-s เข้าไป คำสั่งจะเลือกอุปกรณ์ที่พร้อมใช้งานตัวแรก — CUDA จากนั้น Apple silicon MPS แล้วจึงเป็น CPU — และทำงานภายใต้ bfloat16 autocast บน GPU ส่วนบน CPU ใช้ float32 มี Core ML export สำหรับฮาร์ดแวร์ Apple และมีแอปเดโม Mac แบบมินิมอลที่ต้องใช้ macOS 15 และ Xcode 16
รูปแบบเอาต์พุตคือจุดที่รายละเอียดภาคปฏิบัติอยู่ คำสั่งนี้จะเขียนภาพความลึกที่ใช้รหัสสีเสมอ โดยสีแดงคือใกล้และสีน้ำเงินคือไกล --save-png16 เพิ่มไฟล์ PNG ระดับสีเทา 16 บิตสำหรับเครื่องมือคอมโพสิต โดยสีขาวคือใกล้และสีดำคือไกล ปรับสเกลตามช่วงความลึกของภาพถ่ายหรือของเฟรมแรกของวิดีโอ — ดังนั้นจุดที่เข้ามาใกล้ขึ้นในภายหลังของวิดีโอจะอิ่มตัว --save-npz เพิ่มอาร์เรย์ความลึกจริงเป็นเมตรพร้อม focallength_px ซึ่งเป็นตัวที่คุณต้องการหากต้องทำอะไรเชิงตัวเลข
มีข้อตกลงสองอย่างที่จะทำให้คุณเจ็บตัวหากคุณข้ามเอกสารไป Depth คือระยะทางตามแนวแกนการมองของกล้อง ซึ่งก็คือพิกัด z ไม่ใช่ระยะทางเส้นตรงจากเลนส์ และ inverse depth ใน Python จะถูกทำให้เป็นมาตรฐานด้วยความยาวโฟกัส: ค่าของมันเท่ากับ focallength_px / (width * depth) หากคุณคำนวณความยาวโฟกัสผิดไป 10 เปอร์เซ็นต์ ทุกอย่างก็จะไปอยู่ไกลเกินไป 10 เปอร์เซ็นต์
ไม่มีสิ่งใดในนี้ที่ถูกส่งผ่านเรา Depth Pro 2 เป็นเวตที่ได้รับอนุญาตเพื่อการวิจัยจากรีโพซิทอรีของ Apple เอง และหากคุณต้องการรันมัน คุณต้องดาวน์โหลดจาก Apple สิ่งที่ OrcaRouter ครอบคลุมคือส่วนที่เหลือของไปป์ไลน์รอบ ๆ มัน — API เดียวและคีย์เดียวสำหรับโมเดลที่โฮสต์ไว้กว่า 200 โมเดล โดยมีส่วนเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการ พร้อมการสลับอัตโนมัติระหว่างผู้ให้บริการ เมื่อขั้นตอน depth เป็นเช็กพอยต์งานวิจัยที่มีการอ้างอิงแบบตัวแทนและไม่มีรอบการเผยแพร่ ขั้นตอนการให้เหตุผลและการเขียนรอบ ๆ มันคือส่วนที่คุณอยากให้เป็นส่วนที่น่าเบื่อและซ้ำซ้อน
สิ่งที่ควรจับตา หากคุณกำลังรอมากกว่าที่จะลงมือสร้าง: ตัวระบุ arXiv ที่มาแทนที่ Xs, หน้าผลงานวิจัยที่ปรากฏภายใต้ machinelearning.apple.com และ demo Space ที่เปลี่ยนจากถูกคอมเมนต์ไว้เป็นมีลิงก์เชื่อมโยง สิ่งใดสิ่งหนึ่งในนั้นจะเปลี่ยนสิ่งนี้จากการปล่อยเวทอย่างเดียวให้กลายเป็นการเปิดตัวฉบับเต็ม และจะทำให้แผนภูมิด้านบนมีตารางรายโมเดลที่มันยังขาดอยู่
