
Depth Pro 2 与 UniDepth V2:一个模型,还是一整个模型家族?
- 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
Depth Pro 2 有意思的地方不在于它能估计深度。UniDepth V2 也能做到这一点,并且在零样本设定下在十个数据集上报告了结果;自其论文于 2025 年 2 月以 arXiv 2502.20110 发布以来,它一直如此。有意思的是,Depth Pro 2 拒绝成为单一模型。Apple 以四种尺寸、外加一个焦距估计器和一个 Core ML 导出的形式发布了它,而你选择的尺寸会改变模型能对你产生什么影响,其程度几乎和选择哪个模型一样大。
两者都是度量单目估计器,经过训练可处理从未见过的图像。Depth Pro 2 沿相机观察轴返回以米为单位的深度;UniDepth V2 返回度量深度和相机坐标系下的点云,以及它推断出的内参。两者都是估计相机,而不是要求你提供相机参数。真正重要的比较不是准确率——两家实验室尚未运行共享基准——而是各自把多少部署决策留给你。
四种尺寸对比三种骨干网络
UniDepth V2 的模型库包含三个检查点:unidepth-v2-vits14、unidepth-v2-vitb14 和 unidepth-v2-vitl14,每个检查点对应一种 ViT 骨干网络规模。论文描述了一个可自我提示的相机模块,它预测稠密的相机表示,以此作为深度特征的条件;一个伪球面输出,用于分离相机表示与深度表示;一个继承自 UniDepth V1 的边缘引导损失;以及一个不确定性输出。该模型接受已知内参或相机类别——Pinhole、Fisheye624——当你提供这些信息时,它会跳过预测。
Depth Pro 2 的四种规格分别是:S 为 24M 参数、97 MB,B 为 97M 参数、386 MB,L 为 334M 参数、1.3 GB,H+ 为 872M 参数、3.5 GB。配置文件让扩展关系变得具体:S 和 B 分别运行 DINOv3 ViT-S 和 ViT-B 主干,并在块 5、7、9 和 11 处跨帧执行注意力;L 运行 ViT-L,并在块 9 到 23 处执行注意力;H+ 运行 ViT-H+,并在块 11 到 31 处执行注意力。解码器维度从 S 的 64 翻倍到 B 的 128,并在 L 和 H+ 上均为 256。

• 参数跨度——UniDepth V2 涵盖三种 ViT 规模,但模型卡上未公布参数量;Depth Pro 2 涵盖 24M 至 872M,参数量见 README。
• 默认检查点 — Depth Pro 2 默认使用 3.5 GB 的 H+;UniDepth V2 则将选择权留给调用方。
• 导出目标 — Depth Pro 2 为 Apple 硬件提供 Core ML 包,并附带一个独立的 23.5M 参数焦距估算器;UniDepth V2 提供 ONNX 支持。
• 相机模型 — UniDepth V2 提供 Pinhole 和 Fisheye624 类,并接受已知内参;Depth Pro 2 假设使用透视相机、读取 EXIF,或使用单独模型估计焦距。
• 不确定性——UniDepth V2 会返回置信度输出;Depth Pro 2 则不会。

公制尺度的谱系则方向相反。
UniDepth V2 是对度量深度设计的一次改进;论文明确指出,V2 的任务是让架构更简单、更高效,同时通过边缘引导的局部 SSI 增加更锐利的边缘,通过分辨率级别设置支持灵活的输入形状和比例,实现更快的推理、ONNX 支持以及新的相机模型。所报告的零样本数值(在 delta-1 指标上越高越好)为:NYUv2 上 98.8,SUN-RGBD 上 96.4,ETH3D 上 85.2,iBims-1 上 94.5,KITTI 上 98.9,Nuscenes 上 87.0,DDAD 上 88.2,总共涵盖十个数据集。这些是厂商报告的,此处未复现。
Depth Pro 2 从另一个方向实现了度量尺度。最初的 Depth Pro 是一个用于零样本度量深度的基础模型,能在 0.3 秒内生成 225 万像素的深度图,并从单张图像估计焦距;而 Depth Pro 2 的贡献不在于尺度,而在于一致性——清晰的边界以及跨帧稳定的深度。它没有公开发布的 delta-1 表。项目页面将 Boundary F1 和 Jitter 列为其声称胜出的指标,却没有给出任何数值;引用区块仍指向 arXiv:261X.XXXXX,这是一个占位符,而不是一篇论文。
所以这两个模型并不是在同一个维度上竞争。UniDepth V2 是一个深度估计器,它有着扎实的、以表格形式列出的零样本表现。Depth Pro 2 则是一个被做成时间稳定的深度估计器,而支撑这一点的证据只有一张图表和一句断言。如果你的评估标准是“哪个有我能写进采购文件的数字”,那么 UniDepth V2 有,而 Depth Pro 2 还没有。
输出实际为你提供了什么
输出形态上的差异比看起来更大。UniDepth V2 交给你的点云已经用相机坐标表示,并附带让它有意义的相机内参,以及一个可以设定阈值的不确定性通道。Depth Pro 2 交给你的是一张深度图,外加它最终确定的焦距;这意味着转成 3D 得由你来写,写错了也得算你的。如果你产出的是资产,UniDepth V2 能省掉一个阶段。如果你产出的是深度——一张蒙版、一个 AR 遮挡蒙版、一次跟焦——那多出来的结构就是你本不需要做的工作。
在无纹理或反光表面上,这两个模型都不能替代深度传感器。两者都在根据视觉证据估计尺度,并且都会因相同的原因在相同的地方出错。
许可,以及商业问题
UniDepth V2 依据 Creative Commons BY-NC 4.0 发布,该许可为非商业性许可。Depth Pro 2 的权重采用 Apple Machine Learning Research Model 许可证,仓库将其定义为仅限研究用途——非商业性科学研究与学术开发。在许可问题上,两者处境相同:二者都不是产品许可证,并且在涉足营收之前,都需要进行法律层面的沟通。
区别在于它们周围附带的内容。UniDepth V2 的代码仓库是参考实现,模型卡指向它作为文档;Depth Pro 2 则提供了一个可通过 pip 安装的包,包含命令行、Python API、Mac 演示应用,并明确说明该仓库包含运行模型的代码,但不包含训练或评估代码。如果你在评估“一个团队能多快用上它并产生生产力”,Depth Pro 2 已经在这方面做了更多工作。

在真实系统中,这一点通常每次都会落在同一个位置:深度模型只是流水线中的一次调用,而围绕它的流水线才是成本和脆弱性所在。OrcaRouter 将 217 个模型置于单个兼容 OpenAI 的端点之后,加价 0%——提供商的标价原样传递——并增加了跨提供商的自动故障转移,因此必须优雅降级的深度阶段无需第二份供应商合同即可做到。路由并不是深度流水线中有趣的部分,但它决定了流水线能否保持运行。
如何选择
当你需要同时获得深度和几何信息、有可提供的相机模型,并且需要可以引用的数值时,就选 UniDepth V2。十数据集评估是这两个模型中已发表的最有力证据,而置信度输出对于下游过滤错误预测确实很有用。
当你需要尺寸拨盘和视频路径时,就选 Depth Pro 2。在笔记本电脑上从 S 开始,再迁移到服务器上的 H+,这是 Apple 有文档记录的真实工作流;而独立的焦距估计器意味着你可以只运行一次相机求解并复用它。不过,时序一致性设计只有在视频上才有回报——在静态照片上,你是在为从未用到的跨帧注意力付出代价。
你不应该做的,是去读一篇把这两者进行排名的对比。不存在共享基准,而每个实验室所选择的指标,正是各自擅长的指标。如果你今天就需要做出决定,那么决胜因素是输出格式和许可证,而不是谁胜出。
