
Depth Pro 2 对比 Depth Pro:锐度保持,抖动已修复
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 186 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 358 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 139 tok/s
- orca新Orca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
原始的 Depth Pro 作为基线存在一个不寻常的问题:Apple 发布的检查点并非论文所描述的模型。模型卡直接说明了这一点——仓库中的检查点是经过重新训练的参考实现,其性能接近论文中报告的模型,但并不完全一致。因此,Depth Pro 2 与 Depth Pro 之间的任何对比,实际上都是与一个替代模型进行对比,包括 Depth Pro 2 自身模型卡上的那次对比。
在说明这一注意事项之后,这次升级的轮廓就足够清晰了。Depth Pro 2 保留了让 Depth Pro 引人注目的特性——从单张图像得到以米为单位、在物体边界处依然锐利的深度——并新增了第二个特性:逐帧保持稳定的深度。论文标题说得很直白。Depth Pro 曾是不到一秒的锐利单目度量深度。Depth Pro 2 则是锐利且时间一致的度量单目深度。两者之间的一切变化都服务于第二个形容词;而第一个形容词所描述的性质几乎没有改变。
两年,两次截然不同的发布
Depth Pro 于 2024 年 10 月 3 日发布,附带一篇论文(arXiv 2410.02073)以及一项明确公布的成果:在标准 GPU 上仅需 0.3 秒即可生成 225 万像素的深度图。该仓库获得了 568 个赞,下载量略超 6,200 次。它以单一检查点 depth_pro.pt 的形式发布,其模型卡介绍了各项技术贡献——用于稠密预测的高效多尺度视觉 Transformer、混合真实与合成数据的训练协议、专门的边界精度指标,以及从单张图像进行最先进的焦距估计。
Depth Pro 2 的代码仓库创建于 2026 年 11 月:模型卡于 11 月 3 日创建,权重于 11 月 5 日发布,Core ML 导出于 11 月 9 日,焦距估计器与代码仓库则于 11 月 19 日创建。模型卡和 GitHub README 都指向一个 arXiv 标识符 261X.XXXXX,但它只是一个占位符,并非预印本。在 machinelearning.apple.com 上也没有与之对应的研究页面——该路径返回 404——而且在模型卡自带的散点图之外,任何地方都找不到基准测试数据。
所以,诚实的说法是,Depth Pro 2 只是一次附带文档的权重发布,并非一篇论文。Depth Pro 则是一篇附带检查点的论文。如果你要引用某个东西,这两者中,一个给你一个数字,另一个给你一个仓库。
架构中实际改动了什么
Depth Pro 是一个单图像模型。Depth Pro 2 是一个多视图 transformer,可联合处理一帧或多帧,其机制很具体:在其前三分之一的模块之后,注意力在帧内与帧间交替进行。随后,DPT 解码器为每一帧预测一张逆深度图,将来自若干模块的 token 拼装成输入分辨率的三十二分之一到四分之一大小的特征图。

这就是续作的全部架构论证,而它在模型的运行方式上有一个可见的后果。Depth Pro 2 有两种视频模式。缓冲模式是文件的默认模式,它处理 16 帧、重叠 4 帧的片段,这能让片段交界处的深度保持稳定。非缓冲模式会在每一帧到达时进行预测,依据该帧及其之前的 15 帧,是实时摄像头所使用的模式。Apple 明确说明了实时路径的代价,而不是将其隐藏:视频流的开头几帧可供关注的前序帧更少,因此其深度较不稳定。
Depth Pro 两种模式都没有,因为它没有可运行的跨帧注意力。喂给它一段视频,你得到的是彼此独立的逐帧估计,而帧间任何闪烁都得由你自己来平滑。对于静态图像,这不算损失;对于任何包含运动的内容,这正是续作旨在弥合的区别。
什么没有改变?
度量约定完全相同,这对任何迁移者来说都是好消息:两个模型对数字含义的理解一致。深度是沿相机观察轴——即 z 坐标——的距离,而不是距镜头的直线距离。Python 中的逆深度按焦距归一化,等于 focallength_px / (width * depth)。深度随焦距缩放,因此焦距长 10% 会把所有东西放到远 10% 的位置。天空像素会返回无限深度,或者,尤其是在较小的模型上,返回几公里的有限深度,而文档建议你在生成点云前裁剪范围。
焦距估计仍然是该软件包的一等组成部分,并且仍然可以跳过。在 EXIF 中记录了 35mm 等效焦距的照片会直接使用该值;其他所有照片都会经过估计器处理。Depth Pro 2 将该估计器拆分到一个独立的 2350 万参数仓库 apple/DepthPro2-focal 中,该仓库可与任意规模一同加载,也可单独运行——如果你希望只求解一次相机、多次运行深度模型,这会很有用。在 Depth Pro 中,同样的能力被固化在单个检查点里,无法将两者分开。
Core ML 支持得以延续并有所改进。Depth Pro 2 在专用仓库中提供导出的 Core ML 包,并包含一个极简的 Mac 演示应用,可显示来自摄像头的实时深度,但需要 Apple silicon、macOS 15 和 Xcode 16。相比原版,这降低了运行可用演示的门槛。
四种尺寸与一个检查点对比
最大的实际区别在于,Depth Pro 2 拒绝成为单一模型。Apple 发布了四个模型,并附有参数和下载大小:
• S — 24M 参数,97 MB,是笔记本电脑上的推荐起点。
• B — 9700 万参数,386 MB。
• L — 334M 参数,1.3 GB。
• H+ — 8.72 亿参数,3.5 GB,命令行默认下载的版本。
你选择的尺寸完全不会改变许可证,却会大幅改变行为表现,因为文档记载较小的模型会产生更多那种虚假的多公里天空深度。H+ 成为默认选项是有原因的,但在笔记本电脑上,S 就是能不能用的区别。
Depth Pro 只有一个检查点,没有任何可调档位。这并非苛责——它是 2024 年发布的,论文也只报告了一个 0.3 秒的结果——但这确实意味着"选哪个尺寸"这一迁移问题在旧模型那边没有对应项,而任何把"Depth Pro"当作一行、去对比四行的比较,都是在抹平一个真实的决策。
这些数字,也就这样了。
Depth Pro 2 的模型卡报告了在 Sintel 和 Spring 数据集上平均的 Boundary F1 与 Jitter,声称在两个数据集上都优于在单帧或多帧上运行的先前工作,并绘制了对比图。Depth Pro 是那张图上的标记之一。坐标轴有标注——Boundary F1 从 0 到 0.3,jitter 从 0.1 降到 0——但没有逐模型表格,因此改进只能读到约百分之一:H+ 位于 Boundary F1 接近 0.29、jitter 约 0.017 处,原始 Depth Pro 约为 0.235 和 0.095。

应将其视为厂商报告且未经复现的说法——它确实如此。没有第三方公布过 Depth Pro 2 的 Boundary F1 或 Jitter 数值,而本应定义评估协议的技术报告只是一个占位符。相比之下,原始 Depth Pro 在其自身代码库中提供了边界指标——eval/boundary_metrics.py 暴露了 SI_boundary_F1 和 SI_boundary_Recall——因此,如果你想自己运行比较,其中一半的工具是公开的,而目标检查点则是论文模型经重新训练得到的近似版本。
许可证与商业问题
这一点没有变化,而且值得说明,因为这是升级过程中容易被遗漏的那类事情。两个模型的权重都采用 Apple Machine Learning Research Model 许可证,仓库将其定义为仅允许用于研究目的,即非商业性科学研究和学术开发。代码另行许可,Depth Pro 2 的致谢中将 TIMM 和 DINOv3 列为其基础。
所以,从许可证意义上说,这次升级是免费的;而从产品意义上说,两端都拿不到。如果你是为创收而交付产品,那么这两个检查点都不是你要的那一个,你需要谈的对象是苹果,而不是许可证文件。
具体而言,迁移
Depth Pro 2 并非 Depth Pro 的直接替代品,因为包名、入口点和模型标识符都已更改。Depth Pro 从 apple/ml-depth-pro 安装,并以 depth-pro-run -i ./data/example.jpg 运行。Depth Pro 2 从 apple-aiml-research/ml-depth-pro-2 安装,并以 uv run depth-pro-2 predict -i assets/example.jpg -o out/ 运行,模型规模可通过 -m depthpro2-s 到 -m depthpro2-h 指定。在 Python 中,导入为 depth_pro_2,构建路径为 create_model_and_transforms 或 DepthPro2.from_pretrained。
输出接口的形态也变了。Depth Pro 的 model.infer() 返回一个字典,其中包含 depth 和 focallength_px。Depth Pro 2 的 infer() 返回 depth,而焦距更自然地从单独的估计器获取,或者在你已有焦距时作为 f_px 传入。如果你有一条会直接读取预测字典的流水线,请预留出一个下午的时间。
迁移后你会得到的是一个尺寸调节旋钮、一条具有两种有文档说明模式的视频路径、一个分离的焦距估计器,以及带有可运行演示应用的 Core ML 打包。你不会得到的是论文、逐模型的基准测试表,或任何能独立确认新模型更好的证据——只有一个带坐标轴标签的散点图,背后没有表格支撑。
这些都不是经由我们路由的,也不应被描述成仿佛如此:Depth Pro 2 是来自 Apple 自有仓库的研究许可权重。路由层真正派上用场的地方在外围一步——场景描述、决策、围绕你的深度阶段的文字撰写,都是语言模型调用,而OrcaRouter 以相对提供商标价 0% 的加价,将 200 多个托管模型统一到一个密钥上,并支持跨提供商自动故障转移,因此一个没有发布节奏的研究检查点就成了流水线中唯一脆弱的部分,而不是若干脆弱环节之一。
如果你正在使用 Depth Pro,而且它运行良好,那么迁移的理由就是视频。如果你正在使用 Depth Pro,并且只处理静态照片,那么你现有的锐度,正是后续版本声称保留下来的那种锐度;诚实的做法是等拿到技术报告,再花一个下午去做导入重命名。

