# VGGT-1B API

> Reconstruye una escena 3D a partir de hasta 48 imágenes o un video, y devuelve mapas de profundidad, poses de cámara y una nube de puntos

Estima la geometría a partir de múltiples vistas. Proporciona hasta 48 imágenes en `image_urls` y, opcionalmente, añade un `video_url` muestreado cada `frame_sampling_rate` fotogramas. Devuelve mapas de profundidad por fotograma, parámetros extrínsecos e intrínsecos de cámara, archivos de predicción sin procesar y una nube de puntos GLB con conos de cámara. `confidence_percentile` y `max_points` controlan la densidad de la nube de puntos.

- Model id: `vggt-1b`
- Made by: Meta
- Category: Vision
- Output: json
- Charged by usage (up to $1.755 per run, typical $0.04; the rest of the hold is refunded): $0.000975 / second of processing time (cheapest run $0.04 (40 API credits))
- Run: `POST https://api.doitong.com/v1/run/vggt-1b`
- Quote: `POST https://api.doitong.com/v1/quote/vggt-1b`
- Docs page: https://doitong.com/es/developers/models/vggt-1b

## Pricing

Price: **$0.000975 / second of processing time**. Charged by actual usage at $0.000975 / second of processing time: up to $1.755 per run (the quote gives the maximum for your input), the rest is refunded automatically after the run. A typical run costs $0.04.

The full example input below holds up to $1.755 = 1755 API credits (up to 1800 s of processing time × $0.000975) when it starts; a typical run costs $0.04 (40 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). This model is charged by usage: `POST https://api.doitong.com/v1/quote/vggt-1b` with the same JSON body returns the most the run can cost for that input (`credits`, debited when the run starts); after the run you pay the usage the model reports and the rest is refunded automatically. An input whose maximum would exceed the per-run limit is refused with 422. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `image_urls` | `images` | array of image URL | no |  | ≤ 48 items | Imágenes de origen de reconstrucción, cada una con relleno hasta formar un cuadrado y redimensionada a una dimensión máxima de 518 píxeles. Se aceptan JPEG, PNG, WEBP y cualquier formato de imagen adicional que Pillow pueda decodificar. |
| `video_url` | `video` | string (video URL) \| null | no |  |  | Video de origen opcional cuyos fotogramas muestreados siguen a image_urls en la entrada combinada. El muestreo usa cada `frame_sampling_rate`-ésimo fotograma e incluye siempre el primero y el último. |
| `frame_sampling_rate` |  | integer | no | `24` | 1 – 1,000 | Intervalo de fotogramas aplicado solo cuando se proporciona un video mediante `video_url`; de lo contrario, no tiene efecto. Ambos fotogramas límite se conservan independientemente del intervalo, y se muestrea cada n-ésimo fotograma intermedio. |
| `alpha_blend_onto` |  | enum (string) | no | `white` | `keep`, `white`, `black`, `mean` | El tratamiento del canal alfa ofrece cuatro opciones: 'keep' elimina el alfa sin alterar los valores de píxel originales; 'mean' compone contra el RGB medio de ImageNet. Para un fondo sólido, elige 'white' o 'black' para componer contra el color correspondiente. |
| `export_prediction_data` |  | boolean | no | `true` |  | Exporta las predicciones sin procesar como archivos JSON independientes para cada fotograma. Cada archivo incluye la profundidad y su confianza, una máscara y la pose de cámara codificada. |
| `export_depth_maps` |  | boolean | no | `true` |  | Exporta rásteres de profundidad con un mapeo lineal de `depth_range` a valores de píxel 0–65535. Cada fotograma obtiene un PNG independiente en escala de grises con precisión de 16 bits. |
| `export_point_cloud` |  | boolean | no | `true` |  | Exporta la nube de puntos coloreada fusionada en formato GLB, con las cámaras estimadas representadas mediante mallas cónicas individuales en la escena. |
| `array_encoding` |  | enum (string) | no | `base64` | `base64`, `list` | Formato de almacenamiento de matrices para los archivos JSON de predicción, donde 'list' ocupa mucho más espacio que 'base64'. Elige 'list' para listas JSON anidadas o 'base64' para objetos que contengan {data, shape, dtype}. |
| `exclude_keys` |  | array of enum (string) | no |  |  | Claves excluidas de cada archivo JSON de predicción. |
| `confidence_percentile` |  | number | no | `50` | 0 – 100 | Porcentaje de filtrado basado en la confianza para construir la nube de puntos: 0 desactiva el filtrado, mientras que otros valores excluyen ese porcentaje de puntos, empezando por los menos confiables. |
| `max_points` |  | integer | no | `250000` | 1,000 – 5,000,000 | Límite de cantidad de puntos GLB, predeterminado en 250,000. Para reducir la latencia de serialización y carga, se escribe una selección muestreada uniformemente cuando la nube supera este presupuesto. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Interruptor de comprobación de seguridad para imágenes y video de entrada. |

File parameters (`images`, `video`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{}
```

A fuller example:

```json
{}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/vggt-1b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/vggt-1b?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({}),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/vggt-1b", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "vggt-1b",
      "input": {},
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vggt-1b",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1755,
    "usd": "1.755",
    "charged": 1755,
    "refunded": 0
  },
  "input": {},
  "output": {
    "point_cloud": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "depth_maps": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
        "content_type": "image/jpeg",
        "file_name": "0-output.jpeg",
        "file_size": 1843200,
        "width": 1024,
        "height": 768
      }
    ],
    "prediction_data": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
        "content_type": "image/jpeg",
        "file_name": "0-output.jpeg",
        "file_size": 1843200
      }
    ],
    "num_frames": 1,
    "depth_range": [
      1.0
    ],
    "extrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "intrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "timings": {}
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `point_cloud` | object {url, content_type, file_name, file_size} \| null | Nube de puntos exportada cuando `export_point_cloud` es true; su escena GLB combina la nube fusionada con conos de cámara. |
| `depth_maps` | array of object {url, content_type, file_name, file_size, width, height} | Exportación del mapa de profundidad disponible cuando `export_depth_maps` es true. Las entradas siguen la secuencia de fotogramas de origen, y cada fotograma se representa mediante un ráster PNG en escala de grises con profundidad de 16 bits. |
| `prediction_data` | array of object {url, content_type, file_name, file_size} | Exportación de predicciones sin procesar: cuando `export_prediction_data` es true, cada fotograma tiene su propio archivo JSON y los archivos siguen la secuencia de fotogramas. |
| `num_frames` | integer | Cantidad total de fotogramas reconstruidos, incluidas las imágenes y los fotogramas muestreados del video. |
| `depth_range` | array of number | Límites de profundidad [min, max] usados para la cuantización de `depth_maps`. Recupera la profundidad como min + pixel * (max - min) / 65535. |
| `extrinsics` | array of array of array of number | Matrices extrínsecas de cámara desde el mundo, de tamaño 3x4, para cada fotograma; los ejes de OpenCV apuntan a la derecha en x, hacia abajo en y y hacia delante en z. |
| `intrinsics` | array of array of array of number | Matrices intrínsecas estenopeicas, de tamaño 3x3, para cada fotograma, expresadas en coordenadas de píxel del fotograma del modelo de 518x518. |
| `timings` | object | Tiempo de reloj transcurrido para cada etapa, en segundos. |

## Related models

- [Sam 3 · Image · Embed](https://doitong.com/developers/models/sam-3/image/embed.md) (`sam-3/image/embed`): $0.005 / run
- [Bagel · Understand](https://doitong.com/developers/models/bagel/understand.md) (`bagel/understand`): $0.05 / request
- [Bria Ad Delayer](https://doitong.com/developers/models/bria/ad-delayer.md) (`bria/ad-delayer`): $0.30 / request
- [Florence 2 Large Caption](https://doitong.com/developers/models/florence-2-large/caption.md) (`florence-2-large/caption`): $0.003 / run
- [Florence 2 Large Detailed Caption](https://doitong.com/developers/models/florence-2-large/detailed-caption.md) (`florence-2-large/detailed-caption`): $0.004 / run
- [Florence 2 Large OCR](https://doitong.com/developers/models/florence-2-large/ocr.md) (`florence-2-large/ocr`): $0.003 / run
- [Florence 2 Large Region To Category](https://doitong.com/developers/models/florence-2-large/region-to-category.md) (`florence-2-large/region-to-category`): $0.003 / run
- [Florence-2 Large · More Detailed Caption](https://doitong.com/developers/models/florence-2-large/more-detailed-caption.md) (`florence-2-large/more-detailed-caption`): $0.004 / run

## Links

- HTML page: https://doitong.com/developers/models/vggt-1b
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=vggt-1b
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/vggt-1b