# VGGT-1B API

> רעקאָנסטרויִרט אַ 3D־סצענע פֿון ביז 48 בילדער אָדער אַ ווידעא, און גיט צוריק טיפעניש־מאַפּעס, קאַמעראַ־פּאָזעס און אַ פּונקט־וואָלקן

שאַצט געאָמעטריע פֿון מערערע קוקווינקלען. גיט ביז 48 בילדער אין `image_urls`, און לייגט אָפּציאָנאַל צו אַ `video_url` וואָס ווערט מוסטערגענומען יעדע `frame_sampling_rate` ראַמען. עס גיט צוריק טיפעניש־מאַפּעס פֿאַר יעדן ראַם, קאַמעראַ־עקסטרינסישע און אינטרינסישע פּאַראַמעטערס, רוי־פּרעדיקציע־טעקעס און אַ GLB־פּונקט־וואָלקן מיט קאַמעראַ־קאָנעס. `confidence_percentile` און `max_points` קאָנטראָלירן ווי געדיכט דער פּונקט־וואָלקן איז.

- 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/yi/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 | מקור־בילדער פֿאַר רעקאָנסטרוקציע, יעדעס איינס אַרײַנגעפּאַדט אין אַ קוואַדראַט און איבערגרייסערט צו אַ לענגסטער דימענסיע פֿון 518 פּיקסעלן. JPEG, PNG, WEBP און יעדן נאָך בילד־פֿאָרמאַט וואָס Pillow קען דעקאָדירן ווערן אָנגענומען. |
| `video_url` | `video` | string (video URL) \| null | no |  |  | אָפּציאָנאַלע מקור־ווידעא, וועמענס סאַמפּלד ראַמען קומען נאָך image_urls אין דער קאָמבינירטער אַרײַנגעבונג. סאַמפּלינג ניצט יעדן `frame_sampling_rate`-טן ראַם און נעמט שטענדיק אַרײַן דעם ערשטן און לעצטן ראַם. |
| `frame_sampling_rate` |  | integer | no | `24` | 1 – 1,000 | ראַם־אינטערוואַל וואָס ווערט געווענדט בלויז ווען אַ ווידעא ווערט צוגעשטעלט דורך `video_url`; אַנדערש האָט עס קיין ווירקונג נישט. ביידע גרענעץ־ראַמען ווערן געהאַלטן, אומאָפּהענגיק פֿונעם אינטערוואַל, און צווישן זיי ווערט גענומען יעדן n-טן ראַם. |
| `alpha_blend_onto` |  | enum (string) | no | `white` | `keep`, `white`, `black`, `mean` | די באַהאַנדלונג פֿונעם אַלפֿאַ־קאַנאַל אָפפערט פֿיר ברירות: 'keep' נעמט אַראָפּ אַלפֿאַ אָן ענדערן די אָריגינעלע פּיקסל־ווערטלעך; 'mean' קאָמפּאָזירט קעגן דעם ImageNet mean RGB. פֿאַר אַ פֿעסטן הינטערגרונט קלייבט 'white' אָדער 'black' צו קאָמפּאָזירן קעגן דער פּאַסיקער קאָליר. |
| `export_prediction_data` |  | boolean | no | `true` |  | עקספּאָרטירט רויע פֿאָרויסזאָגן ווי באַזונדערע JSON פֿײַלן פֿאַר יחיד ראַמען. יעדער פֿײַל נעמט אַרײַן טיפקייט און איר צוטרוי, אַ מאַסקע און די קאָדירטע קאַמעראַ־פּאָזע. |
| `export_depth_maps` |  | boolean | no | `true` |  | עקספּאָרטירט טיפקייט־ראַסטערס מיט אַ לינעאַרער מאַפּירונג פֿון `depth_range` צו פּיקסל־ווערטלעך 0–65535. יעדער ראַם באַקומט אַ באַזונדערן גרייסקײַל PNG מיט 16-ביט־פּינקטלעכקייט. |
| `export_point_cloud` |  | boolean | no | `true` |  | עקספּאָרטירט דעם פֿוזירטן קאָליריקן פּונקט־וואָלקן אין GLB פֿאָרמאַט, מיט געשאַצטע קאַמערעס רעפּרעזענטירט דורך יחיד קאַנוס־מעשעס אין דער סצענע. |
| `array_encoding` |  | enum (string) | no | `base64` | `base64`, `list` | אַרריי־סטאָרידזש־פֿאָרמאַט פֿאַר prediction JSON פֿײַלן, וווּ 'list' נעמט אַ סך מער אָרט ווי 'base64'. קלייבט 'list' פֿאַר נעסטעד JSON רשימות אָדער 'base64' פֿאַר אָביעקטן וואָס אַנטהאַלטן {data, shape, dtype}. |
| `exclude_keys` |  | array of enum (string) | no |  |  | שליסלען וואָס ווערן אויסגעלאָזן פֿון יעדן prediction JSON פֿײַל. |
| `confidence_percentile` |  | number | no | `50` | 0 – 100 | צוטרוי־באזירטע פֿילטער־פּראָצענט פֿאַר אויפֿבויען דעם פּונקט־וואָלקן: 0 שטעלט פֿילטערונג אָפּ, בשעת אַנדערע ווערטן לאָזן אויס דעם פּראָצענט פֿון פּונקטן, אָנהייבנדיק מיט די ווייניקסט־זיכערע. |
| `max_points` |  | integer | no | `250000` | 1,000 – 5,000,000 | GLB גרענעץ פֿאַר דער צאָל פּונקטן, סטאַנדאַרטמעסיק 250,000. כּדי צו רעדוצירן סיריאַליזאַציע און ופּלאָד־לאַטענץ, ווערט געשריבן אַן יוואַנמעסיק סאַמפּלד אויסקלײַב ווען דער וואָלקן גייט איבער דעם בודזשעט. |
| `enable_safety_checker` |  | boolean | no | `true` |  | באַשטעטיקונג־קאָנטראָל פֿאַר זיכערהייט פֿון אַרײַנגעגעבענע בילדער און ווידעא. |

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 | פּונקט־וואָלקן־עקספּאָרט וואָס ווערט צוריקגעגעבן ווען `export_point_cloud` איז true; זײַן GLB סצענע קאָמבינירט דעם פֿוזירטן וואָלקן מיט קאַמעראַ־קאָנוסן. |
| `depth_maps` | array of object {url, content_type, file_name, file_size, width, height} | טיפקייט־מאַפּע־עקספּאָרט, בנימצא ווען `export_depth_maps` איז true. די איינטרעטן פֿאָלגן די מקור־ראַם־סיקוואַנס, און יעדער ראַם ווערט רעפּרעזענטירט דורך אַ גרייסקײַל PNG ראַסטער מיט 16-ביט טיפקייט. |
| `prediction_data` | array of object {url, content_type, file_name, file_size} | רויע פֿאָרויסזאָגן־עקספּאָרט: ווען `export_prediction_data` איז true, האָט יעדער ראַם זײַן אייגענעם JSON פֿײַל, און די פֿײַלן פֿאָלגן די ראַם־סיקוואַנס. |
| `num_frames` | integer | גאַנץ צאָל רעקאָנסטרויִרטער ראַמען, אַרײַנגערעכנט בילדער און ראַמען וואָס ווערן גענומען פֿון ווידעא. |
| `depth_range` | array of number | טיפקייט־גרענעצן [min, max] געניצט פֿאַר `depth_maps` קוואַנטיזאַציע. רעקאָנסטרויִרט די טיפקייט ווי min + pixel * (max - min) / 65535. |
| `extrinsics` | array of array of array of number | עקסטערנע מאַטריצעס camera-from-world, אין גרייס 3x4, פֿאַר יעדן ראַם; OpenCV אַקסן ווײַזן רעכטס לענגאויס x, אַראָפּ לענגאויס y און פֿאָרויס לענגאויס z. |
| `intrinsics` | array of array of array of number | פּינהאָול־ינטרינזישע מאַטריצעס, אין גרייס 3x3, פֿאַר יעדן ראַם, אויסגעדריקט אין פּיקסל־קאָרדינאַטן פֿון דעם מאָדעלס 518x518 ראַם. |
| `timings` | object | פֿאַרבײַגאנגענע וואַנט־זייגער־צײַט פֿאַר יעדער בינע, אין סעקונדעס. |

## 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