我在使用 mmx vision describe 搭配 MiniMax-M2.7-highspeed 模型做图片目标检测，希望返回图片中食物的 bbox 坐标。
整体识别结果大体是对的，模型能识别出图中的主要食物，但 bbox 边界普遍不够精准，很多框会明显超出目标物体本身，并包含附近无关物体。
例如下图中，卤味拼盘 的 bbox 明显偏大，几乎把旁边的 白米饭 也包含进去了。
执行命令：
mmx vision describe
--image 20260716-113552.jpeg
--prompt '请检测图片中所有可见食物，并以 JSON 格式返回 bbox 坐标。bbox 使用原图像素坐标，格式为 {"x1": number, "y1": number, "x2": number, "y2": number}。不要把盘子、碗、杯子、桌面算作食物。'
示例输出：
{
"foods": [
{
"id": 4,
"name": "卤味拼盘",
"bbox": {"x1": 339, "y1": 0, "x2": 762, "y2": 201}
},
{
"id": 5,
"name": "白米饭",
"bbox": {"x1": 316, "y1": 19, "x2": 450, "y2": 100}
}
]
}
实际表现：
bbox 大体位置正确，但边界偏大，不够贴合目标物体。
以 卤味拼盘 为例，bbox 覆盖范围明显超出了锅内食物区域，并接近覆盖到旁边的白米饭区域。类似情况在其他食物上也比较常见。
想确认的问题：
- MiniMax-M2.7-highspeed 当前是否适合做 bbox / grounding 这类精确定位任务？
我在使用
mmx vision describe搭配MiniMax-M2.7-highspeed模型做图片目标检测，希望返回图片中食物的 bbox 坐标。整体识别结果大体是对的，模型能识别出图中的主要食物，但 bbox 边界普遍不够精准，很多框会明显超出目标物体本身，并包含附近无关物体。
例如下图中，
卤味拼盘的 bbox 明显偏大，几乎把旁边的白米饭也包含进去了。执行命令：
mmx vision describe
--image 20260716-113552.jpeg
--prompt '请检测图片中所有可见食物，并以 JSON 格式返回 bbox 坐标。bbox 使用原图像素坐标，格式为 {"x1": number, "y1": number, "x2": number, "y2": number}。不要把盘子、碗、杯子、桌面算作食物。'
示例输出：
{
"foods": [
{
"id": 4,
"name": "卤味拼盘",
"bbox": {"x1": 339, "y1": 0, "x2": 762, "y2": 201}
},
{
"id": 5,
"name": "白米饭",
"bbox": {"x1": 316, "y1": 19, "x2": 450, "y2": 100}
}
]
}
实际表现：
bbox 大体位置正确，但边界偏大，不够贴合目标物体。
以 卤味拼盘 为例，bbox 覆盖范围明显超出了锅内食物区域，并接近覆盖到旁边的白米饭区域。类似情况在其他食物上也比较常见。
想确认的问题：