Versión exacta
Comprueba el identificador del modelo, la fecha y si el alias puede cambiar.
Resultados publicados y condiciones declaradas por sus fuentes. Las cifras solo son comparables cuando coinciden versión, configuración, métrica y fecha.
| Modelo | Organización | Resultado | Métrica | Condiciones |
|---|---|---|---|---|
| Depth Pro 2 S | Apple | 8,0 | GiB · menor es mejor | Rendimiento medido por Apple en una NVIDIA B200, BF16 y PyTorch sin compilación: clip de 32 fotogramas 1080p procesado en una llamada, incluido el estimador focal. Los fps y la memoria reservada son de ese protocolo; no equivalen a latencia de un solo fotograma ni a cualquier GPU. |
| Depth Pro 2 B | Apple | 14,0 | GiB · menor es mejor | Rendimiento medido por Apple en una NVIDIA B200, BF16 y PyTorch sin compilación: clip de 32 fotogramas 1080p procesado en una llamada, incluido el estimador focal. Los fps y la memoria reservada son de ese protocolo; no equivalen a latencia de un solo fotograma ni a cualquier GPU. |
| Depth Pro 2 L | Apple | 21,7 | GiB · menor es mejor | Rendimiento medido por Apple en una NVIDIA B200, BF16 y PyTorch sin compilación: clip de 32 fotogramas 1080p procesado en una llamada, incluido el estimador focal. Los fps y la memoria reservada son de ese protocolo; no equivalen a latencia de un solo fotograma ni a cualquier GPU. |
| Depth Pro 2 H+ | Apple | 29,5 | GiB · menor es mejor | Rendimiento medido por Apple en una NVIDIA B200, BF16 y PyTorch sin compilación: clip de 32 fotogramas 1080p procesado en una llamada, incluido el estimador focal. Los fps y la memoria reservada son de ese protocolo; no equivalen a latencia de un solo fotograma ni a cualquier GPU. |
Comprueba el identificador del modelo, la fecha y si el alias puede cambiar.
Revisa herramientas, esfuerzo, número de intentos, prompt y presupuesto de inferencia.
Valida el resultado con tareas, idiomas, formatos y errores representativos de tu producto.
Un benchmark público orienta, pero no sustituye una evaluación con tus datos, herramientas, presupuesto y tolerancia al error.
Un alias móvil y un snapshot pueden producir resultados diferentes. Registra modelo, fecha y proveedor.
Prompt, razonamiento, herramientas, número de intentos y presupuesto deben ser equivalentes para comparar.
Una diferencia pequeña puede desaparecer entre ejecuciones. Conserva muestras, dispersión y fallos, no solo la media.
Valida si la mejora se mantiene en idiomas, formatos y casos reales cercanos a tu producto.
Una métrica solo es útil cuando conocemos la tarea, las condiciones y el error que importa. El resultado empieza por el diseño de la prueba.