说不清条件？直接问一句 →（例：合肥的BMS要几年经验）
已筛选： MiniMax 清除
税务合规管理：负责日常税务管理，包括纳税申报、税务核算、年度汇算清缴及发票管理，确保税务合规与申报准确、及时，识别税务优化机会并推动解决潜在风险。 业务税务支持：围绕国内外 AI 产品、模型 API、软件订阅及技术服务等业务场景，参与交易方案评估、合同涉税审核和税负测算，提供切实可行的税务建议。 投融资支持：根据海内外业务及投融资需求，开展相关涉税事项评估，协调税务顾问完成税务尽职调查、交易架构设计及搭建，推动相关商业实质要求的落实。 研发税务管理：协同研发与财务团队，完善研发费用归集及资料管理，推进研发费用加计扣除、高新技术企业等适用税收优惠的评估、申报与后续维护。…
MiniMax 上海 香港 北京 新加坡 旧金山 1-3年 本科
我们在做什么 大模型的商业化规则仍在形成。 Token 计费、订阅制、Agent、行业解决方案、生态分成……今天的主流模式，一年后可能就会被重新定义。 这个团队的使命，是站在模型能力、市场需求与产业生态的交汇处，与模型、产品和生态团队一起，从 0 到 1 找到下一种可规模化的商业模式，并真正把它跑通。这不是一个按照既有 Playbook 执行的传统 BD 岗位，你需要发现机会、设计模式、验证假设、推动签约，并将成功实践沉淀为可以全球复制的增长路径。 你将负责 1. 探索并验证新的商业模式 围绕大模型能力识别新的商业化机会，包括渠道合作、Coding Plan、订阅产品、行业解决方案、联合产品…
About the Role We are looking for a hands-on Research Lead to own and advance a key technical area within our large language model team. You will define the technical roadmap for your area, lead a focused team through complex research and engineering challenges, and work closely with other technica…
1. 在大模型领域一个或多个方向有深厚积累与突破性成果，具备带领团队攻坚复杂问题的能力。 2. 主导过基座模型的完整迭代，对算法原理与工程实现均有极致掌控力。 3. 对技术驱动现实变革有强烈热情，能在未知的环境中保持清晰的技术判断与执行力。
连接公司核心模型与快速发展的 AI 产业生态，负责模型服务、芯片及相关基础设施领域的合作伙伴研究、商业评估、合作设计与运营管理。将覆盖从机会识别、技术验证和商务谈判，到合作上线与持续运营的完整周期。 1. 合作机会研究与判断 - 持续研究国内外模型服务、芯片及 AI 基础设施生态，关注新兴团队、技术路线和商业模式的变化。 - 分析合作伙伴的技术能力、产品规划、成本结构、交付能力及发展诉求，判断合作价值、潜在风险和优先级 - 面对信息有限、缺少成熟标准的合作机会，快速梳理关键问题，形成分析结论和推进建议。 2. 合作设计与商务谈判 - 协同技术团队推进产品测试、模型适配和效果验证，将技术结果转…
打通虚拟与现实的边界！与顶尖科学家/架构师并肩，用顶级人才重构世界模型（World Models）与 Omni 生成式音视频时代。 关于这个角色 从文本生成到世界模型（World Models），从扩散模型（Diffusion/DiT）到 Omni 全模态与拟真物理世界的重构——AGI 的下一场硬仗，正在音视频与多模态战场全面打响！ 我们不需要一个死板的“简历搬运工”，我们寻找的是一位“懂技术演进、有极客追求、人际敏感度极高”的 Talent Architect（人才架构师）。你将作为技术团队的杠杆，帮我们把全球最聪明的脑细胞，聚集到最前沿的音视频与世界模型战场上。…
关于这个角色 从 Scaling Law 到深度推理（Reasoning），从 Pre-training 到 Post-training & RL（强化学习），大语言模型（LLM）正从简单的文本续写，迈向具备慢思考、自我修正与复杂逻辑推演的“智能大脑”时代！ 我们不需要一个死板的“简历筛选器”，我们寻找的是一位“懂算法演进、有极客追求、人际敏感度极高”的 Talent Architect（人才架构师）。你将作为研发团队的“Talent Co-pilot”，帮我们把全球最顶尖的算法大脑、系统专家与研究天才，聚集到通用大模型与文本推理的主战场上。…
分布式 Kubernetes 云原生 后端与架构 AI / 大模型
- 我们正在构建面向下一代大模型的 AI 基础设施。 - 你将深入超大规模 GPU 集群的核心调度链路，解决异构算力管理、复杂工作负载编排、资源效率与系统稳定性等关键问题，为模型训练、推理和持续迭代提供高性能、高弹性、高可用的算力底座。 - 这不是一个以 Kubernetes 运维为主的岗位。我们期待你能够深入调度系统，定义架构、设计机制，并将复杂的基础设施能力沉淀为简单、可靠的工程系统。 职位描述 1. 主导 MiniMax 大模型推理平台与机器学习平台的核心架构设计及演进，构建统一、高效、可扩展的 AI 计算基础设施；…
我们致力于提升大模型在代码领域的核心能力，让模型更好地理解、生成和分析代码，并通过执行、验证与环境交互解决复杂问题。你将参与代码方向的后训练研发，探索高质量数据、强化学习与反馈驱动的训练方法，持续拓展模型的能力边界。你将负责： 1. 研发面向代码能力的后训练方法，提升模型在代码理解、生成、推理、调试与验证等任务中的表现。 2. 面向复杂代码任务构建训练数据与交互环境，探索高质量数据合成、任务生成与难度控制方法。 3. 研究基于执行结果、工具调用及环境反馈的强化学习方法，优化奖励机制与训练策略，提升模型解决复杂问题的能力。…
大模型 分布式 PyTorch 算法与AI AI / 大模型
训练顶尖大模型不仅依赖算法创新，也依赖稳定、高效、可扩展的训练系统。随着模型规模和训练复杂度持续提升，训练效率、并行策略、通信开销、显存管理、Checkpoint、容错恢复、大规模数值正确性保证和系统稳定性，都会直接影响模型迭代速度和能力上限。 我们正在建设 MiniMax 大模型训练框架，支撑更大规模、更高效率、更稳定的训练任务。你将与算法团队在模型架构设计和训练方案制定阶段深度协作，从系统视角参与技术判断，识别潜在瓶颈，并推动训练系统持续优化。 你会参与： - 建设和优化大规模训练框架，支撑千卡/万卡级别训练任务； - 优化数据并行、张量并行、流水线并行、专家并行等并行策略；…
大模型 分布式 PyTorch 算法与AI AI / 大模型
职位描述 RL 正在成为提升大模型能力的重要方向。大规模 RL 的效率和上限，不仅取决于算法设计，也高度依赖底层系统能力，包括 RL 框架、Rollout、推理 serving、调度策略、环境交互和系统稳定性。 MiniMax 自研强化学习训练系统 Forge，支撑大规模 RL 训练和 Rollout。Rollout 往往占据 RL 循环中的大量 wall-clock time，其生成效率、稳定性和灵活性，会直接影响算法迭代速度、实验规模和策略探索空间。 我们关注 RL 训练链路中的核心系统问题：如何更高效地生成轨迹，如何支持多轮交互、工具调用和复杂环境，如何降低长尾延迟，如何提升推理吞吐和…
算力决定着模型迭代的速度和能力边界，也是基础模型公司最重要的战略资源之一。 你将直接参与公司海外算力布局，围绕数据中心投资建设、算力容量、GPU及相关基础设施，发现机会、判断价值、设计交易并推动项目落地。一个项目最终可能形成一座海外数据中心、一批支撑模型训练的GPU集群，或一项影响未来数年算力供给的长期合作。 核心职责 1. 判断全球算力机会 - 持续研究全球数据中心、云计算、GPU、半导体、能源及相关基础设施市场。 - 跟踪不同区域的资源供给、技术路线、建设条件、资本流向和竞争变化，寻找尚未被充分认识的机会。…
职位定位 - 这是一个面向大模型系统的架构岗位，不是传统的存储或数据库研发岗位。 - 我们希望寻找在数据库、分布式存储、数据系统等领域有深厚积累的架构师，将已有的系统认知迁移到大模型场景，重新思考模型训练、后训练和推理过程中的数据组织、状态管理、计算调度与系统性能问题。 - 我们不要求候选人已经具备完整的大模型从业经历。相比熟悉某个现有框架，我们更看重其是否真正理解复杂系统，能否从底层原理出发定义问题，并构建面向下一代大模型的新系统。 工作内容 1. 面向大模型训练、后训练和推理，参与核心系统的架构设计与从零到一建设；…
负责将 MiniMax 视频模型从内部研发实现转化为全球开发者可以直接使用、部署和二次开发的开源模型，并推动模型进入主流开源框架和开发者工作流。我们希望你既能完成关键工程工作，也能代表 MiniMax 与全球开源 Maintainer 和技术贡献者协作。你将负责： 1. 模型开源适配 1）理解模型架构和内部推理实现，设计对外开源与框架接入方案； 2）完成或推动 ComfyUI Node、Diffusers Pipeline、权重转换和标准 Workflow 开发； 3）确保不同框架与原始实现之间的输出效果、精度和性能一致。 2. 推理与部署优化 1）分析模型的计算、显存和通信瓶颈；…
岗位职责 负责采购订单全流程执行，包括收集采购需求、订单创建与下达、信息核对、系统录入及订单变更管理，确保采购信息准确、及时。 跟进供应商备货、发货、物流、到货及验收进度，维护交付计划，及时识别延期风险并推动问题闭环。 负责采购对账工作，核对订单、合同、收货、验收、发票及对账单等信息，处理数量、金额、税率和账期差异跟进。 发起并跟进付款流程，检查付款资料的完整性与准确性，协调供应商及财务团队，确保付款按约定节点完成。 协助合同审批、签署、盖章、归档及履约节点跟踪，协调业务、法务、财务等相关团队推进合同流程。 协助完善采购流程、操作规范和数据看板，提升采购执行效率及跨部门协同效率。…
Python 数据分析 机器学习 算法与AI AI / 大模型
围绕大语言模型预训练，探索并构建前沿的大规模预训练数据处理管线；研究不同数据源的数据处理方法，将有效策略落地为可规模化运行的生产方案，最终通过预训练实验完成模型效果验证；岗位工作覆盖数据算法与数据工程两个方向，既关注数据处理方法本身，也关注方法在真实数据规模上的可靠落地。 工作职责： 1. 面向网页、代码、PDF/文档、多语言等不同类型的数据，研究数据构造、提取、解析、清洗、去重、质量评估、过滤和数据选择等方法。 2. 分析不同数据源的数据特征和质量问题，通过统计分析、数据抽样、错误案例及必要的实验评估处理效果。…
一、一句话定位 负责建设面向大模型训练、推理及 Agent 在线业务的公司级稳定性治理体系与高可用架构能力，让核心系统可预防、可观测、可恢复、可持续演进。 二、为什么这个岗位重要 大模型训练、推理和 Agent 业务具有资源密集、链路长、依赖复杂、流量波动大等特点。训练任务中断、推理服务不可用、工具调用失败或上下游依赖异常，都会直接影响模型研发效率、产品体验和业务连续性。 随着 GPU 集群、模型服务、Agent 编排和在线业务规模增长，稳定性不能只依赖人工响应。我们需要通过架构设计、平台能力和治理机制，系统性识别风险、隔离故障、快速恢复，并持续提升核心业务的可靠性。…
C++ Python MySQL 后端与架构 AI / 大模型
1. 负责大模型链路核心业务系统的服务端架构设计、开发和维护 2. 参与技术和业务需求评审，输出技术方案，推动落地与上线 3. 负责端到端系统性能优化、稳定性建设、故障排查 4. 配合产品、前端、客户端完成联调与交付 5. 持续优化代码质量、研发效率和工程效能
关于这个岗位 MiniMax的算力底座将从“单一架构”演进至“队员算力架构”的格局。这是一次算力体系的重构：资源如何规划、如何调度、如何在架构差异中保住训推效率，目前都还没有答案。MiniMax希望你来定义这个答案，并对最终结果负责。 你将负责 1. 定路线。 基于数据支撑，建立公司的异构算力技术判断——什么卡用在什么场景、以什么代价、边界在哪里。包括那些尚无定论的问题：异构能否同集群、能否同任务。 2. 建底座。 主导统一资源平台的设计与落地，对上层业务屏蔽底层差异，让算力在不同架构间可规划、可计量、可调度。 3. 保交付。 对集群的可用性、稳定性与利用率负责，让异构算力平稳按期进入生产。…
岗位背景 大规模训推场景下, 存储系统的容量边界、吞吐能力与稳定性水平, 已成为制约算力效能释放的关键因素。数据资产规模持续以 PB 量级扩张, 模型检查点的读写吞吐直接关系到 GPU 集群的有效利用率, 元数据规模亦不断逼近既有系统的设计边界。为此，MiniMax寻求能够定义公司存储基础设施的中长期目标形态、主导其架构演进路径、并对最终结果承担端到端责任的技术负责人。 岗位职责 1. 技术战略与架构演进。 定义存储基础设施的目标架构与演进路径,主导核心技术选型与关键架构决策,并对决策的长期影响承担责任。 2. 容量与性能。…
为什么加入我们 1. 你会直接参与大模型训练前最核心的数据生产链路，数据质量、吞吐和覆盖度会影响模型能力上限。 2. 这里不是传统离线数仓，而是面向预训练数据构建的大规模分布式数据基础设施。 3. 你会在真实海量数据场景中使用 Spark 等分布式计算技术，解决解析、清洗、过滤、去重、质量评估和采样的工程问题。
我们正在寻找一位真正热爱开源、熟悉 AI 视频生成技术与开发者生态的 Open Source Ecosystem Lead，负责 MiniMax 视频模型的全球开源生态建设。 你将深入参与模型从研发、发布到社区增长的完整链路，与模型、推理、产品及市场团队紧密协作，将 MiniMax 视频模型打造为全球开发者社区广泛使用和持续贡献的开源项目。你将负责： 1. 视频模型开源生态整体策略 1）制定模型开源发布、社区建设及开发者生态发展策略； 2）围绕 GitHub、Hugging Face、ComfyUI、Diffusers 及主流推理框架建立完整生态。…
研发超大规模基础模型（LLM&MLLM），并进行极致的系统优化；
岗位职责： AI Agent 架构与策略落地：结合公司大模型能力，设计并开发面向金融场景的 AI Agent 系统。 数据策略与模型融合：制定并优化海量多模态/非结构化金融数据的数据策略，构建基于大模型理解与推理的全新特征和 alpha 信号。 策略研发与实盘管理：基于 Hedge Fund 投资逻辑，研发并优化多空（Long/Short）策略及多资产量化模型，并对投资业绩（P&L）负责。 技术与前沿攻坚：打通传统量化架构与 LLM Tool Use / Code Interpreter / Multi-Agent 协作流，提升 Agent 在真实金融环境下的鲁棒性与执行效率。
1. 负责增长业务的数据分析，围绕获客、激活、留存、付费、ROI等核心指标建立分析体系。 2. 监控投放、产品、商业化等数据表现，及时发现问题并提出优化建议。 3. 搭建业务看板及核心指标体系，推动数据产品化和自动化。 4. 与增长、投放、产品、研发等团队协作，通过数据驱动业务决策。 5. 参与AB实验设计、效果评估及用户行为分析，持续提升增长效率。 6. 支持业务预测、LTV、用户分层等分析项目，为增长策略提供数据支持。
1. 参与国内外用户运营，维护用户社群、开展用户沟通与调研，持续沉淀有效反馈； 2. 对接 Agent 生态合作伙伴及客户，推进合作落地； 3. 与产品、研发及市场团队紧密协作，共同推进 Agent 产品的更新迭代； 4. 围绕国内外目标用户的核心痛点，结合产品功能与 Feature，面向不同社交媒体平台策划并产出内容； 5. 挖掘产品能力，设计和制作有趣、有个性、有传播力的 AI 应用案例。
1. 负责公司AI应用产品在国内市场的广告投放增长，制定并执行买量策略，持续提升用户规模和商业化收入。 2. 负责主流国内投放渠道的全链路运营，包括但不限于巨量引擎、腾讯广告、百度、快手、小红书等渠道的投放管理与优化。 3. 根据产品目标制定投放策略，负责预算规划、ROI目标管理、账户结构搭建、素材测试及投放策略迭代。 4. 深入分析投放数据，包括获客成本（CAC）、付费率、LTV、ROI、留存等核心指标，持续优化投放效率。 5. 结合AI产品特点，挖掘用户需求和市场机会，协同产品、运营、设计团队产出高转化广告素材和营销方案。…
1. 负责公司与高校、科研院所、国家级及地方级实验室的产学研合作对接，推动合作模式由人才引进导向升级为深度研究合作导向； 2. 与公司内部博士、院士、博导团队紧密协同，牵头对外的技术合作、成果转化及联合研究项目； 3. 在算法团队不便直接出席的政府会议或行业论坛等场合，代表公司完成基础技术层面的对外表达； 4. 拓展多维度合作模式，包括研究领域合作、股权合作、芯片研发、数据合作及算法顾问网络等； 5. 搭建并持续完善公司科技生态版图，输出可持续的外部合作策略。
岗位职责 配合团队负责人，统筹承接市场监管、数据安全、网络安全、通信管理等主管部门的日常对接与合规协调工作。 牵头承接相关部门的专项行动、现场检查、投诉处理、资质办理等关键事项，制定方案并闭环落地，保障业务合规平稳运行。 紧跟AI 行业最新政策法规（涵盖数据安全、网络安全、模型安全等），输出可落地的内部合规规范与操作指引。 参与AI 原生产品线的全生命周期安全护航，确保业务在高速迭代的同时符合合规要求，防范监管与法律风险。
岗位职责 1. 主导核心业务系统的整体架构设计、技术选型与演进规划 2. 负责高并发、高可用、可扩展分布式系统的方案设计与落地 3. 参与关键技术决策，关注架构级难题（性能、数据一致性、稳定性等） 4. 关注端到端业务场景，基于场景完成最佳技术实践 5. 推动架构治理、技术规范、稳定性体系建设等长期工程效能工作
Python Java C++ 后端与架构 AI / 大模型
一、一句话定位 参与建设服务大模型训练、推理与在线业务的 Kubernetes 集群管理平台，用自动化和软件工程手段解决集群创建、升级、扩缩容、节点管理与稳定性问题，让大规模集群可标准化交付、可观测、可恢复。 二、为什么这个岗位重要 Kubernetes 是承载训练、推理和在线业务的核心基础设施，集群稳定性直接影响业务连续性与研发效率。 随着集群规模和异构资源类型增长，依靠人工操作无法支撑稳定交付，需要把集群生命周期管理做成平台和控制系统。 你将深入 Kubernetes 控制面、节点生命周期与集群可靠性，在真实生产环境中理解大型分布式系统如何运行和演进。…
Python C++ Java 后端与架构 AI / 大模型
一、一句话定位 参与研发面向大模型训练、推理和在线业务的 Kubernetes 资源调度系统，让 CPU、GPU 等异构资源被更合理地分配和使用，在保障业务 SLO 的同时提升资源利用率、任务启动效率与集群吞吐。 二、为什么这个岗位重要 大模型训练和推理消耗大量昂贵算力，资源等待、碎片和错误的拓扑分配都会直接造成业务延期与成本浪费。 调度不是简单地“找一台空闲机器”，而是在配额、公平性、优先级、拓扑、性能和稳定性之间持续做工程权衡。 你将把调度算法落到真实的大规模异构集群中，用指标验证策略效果，直接参与 AI Infra 的核心资源效率建设。…
负责香港地区行政管理工作,包括不限于： 独立承接公司日常文档、合规及公文处理，善用 AI 工具提高效能; 场地与设施管理：负责办公选址、租赁对接、办公场地日常运维及相关行政手续办理; 商务接待与支持：负责重要客户及合作伙伴的来访接待、会议筹备及行程安排。
- 参与大模型基模评测体系建设，主攻文本方向，建设包括但不限于code、agent、cowork等多场景评测集合，统筹全方位评测集合建设，公正正确科学地观测模型能力； - 主导开发自动化、可扩展、可靠的评测系统和benchmark 搭建流程，提高自动评估的占比，缩短评测周期； - 针对阶段性迭代重点、行业变化，构建和动态调整评测集，持续探索模型/Agent能力边界； - 对模型/Agent能力深度分析，明确当前版本的优势与缺陷，拦截能力下限问题； 持续追踪大模型行业发展，对重点版本模型/Agent进行横向对比评测,量化行业能力水平。
1、负责全球顶尖基座模型（含全栈算法、大规模分布式算力系统、系统架构等）研发人才的招聘全流程。有组织地统筹与实施高壁垒技术人才的搜索和寻访计划，包括但不限于精准定位、深度寻访、跨文化面试协调、高壁垒 Offer 谈判及国际化待入职管理。 2、与大模型、系统架构等核心业务/科学家团队保持紧密有效的技术共建与沟通，深刻理解多模态、强化学习、万卡集群分布式训练等前沿业务用人标准；持续追踪全球 AI 行业动态、大厂实验室（如 OpenAI、Google DeepMind 等）人才流向，输出高价值的全球 AI 人才 Mapping 与市场分析报告。 3、负责全球多元化招聘渠道的拓展与高效运营。…
一、一句话定位 为大模型「预训练 + 后训练」的基础设施稳定性与效率负总责的资深工程师——横向拉通 GPU 算力、RDMA 网络、通信库、高性能存储、集群调度、训练任务生命周期等多个技术域，确保大规模训练不中断 / 少中断，并持续把有效训练算力（MFU / ETTR）做上去。 二、为什么这个岗位重要 大模型训练是公司最核心、最烧算力的战役。训练稳定性直接决定旗舰模型能否按期炼成。 这是一个端到端 Owner 岗，不是分工到某个组件的螺丝钉——你对"训练能不能稳、跑得快不快"这个结果负责，向上直面算法 / 训练团队的真实诉求。…
一、一句话定位 专攻在线业务 CPU 性能的诊断与优化专家——解决线上各类资源争抢、性能瓶颈、长尾延迟问题，把在线服务的性能与资源效率做上去。 二、你将负责什么 1. 性能诊断：定位线上 CPU 相关的资源争抢（CPU / cache / 内存带宽 / 锁 / IO）、毛刺与长尾延迟、吞吐瓶颈，尤其是混部 / 高并发场景下的干扰。 2. 性能剖析与调优：用 perf / eBPF / 火焰图等做 profiling，找到内核态 / 用户态热点，给出可落地的优化（代码 / runtime / NUMA / 绑核 / 内核参数）。…
数据分析 SQL Python 后端与架构 AI / 大模型
一、一句话定位 用工程与数据手段做云资源成本运营优化的专家——建立多云成本的可见性与治理机制，把"降本"做成可量化的价值数字，以"帮业务省钱"的服务姿态守好公司算力预算。 二、你将负责什么 1. 成本可见性与归因：建立多云资源成本的账单 / 用量 / 分摊视图与成本建模，周期性向各业务方输出成本 insight，让钱花在哪儿一目了然。 2. 用量治理与利用率优化：识别闲置 / 低效资源（GPU / CPU / 存储 / 网络 / 带宽），推动利用率提升与降本手段落地（弹性、预留 / 节省计划、竞价、在离线混部等）。…
1. 中资机构覆盖与投资者策略 - 结合公司发展战略与股东结构，制定机构投资者覆盖计划，重点拓展公募基金、私募基金及保险资管等机构。 - 理解不同机构的投资框架、配置偏好与决策流程，识别重点覆盖对象，建立与核心投资决策人的长期沟通机制，持续评估覆盖效果。 2. 投资价值梳理与市场研究 - 深入理解公司技术、业务模式、商业化进展及财务表现，提炼并持续完善投资逻辑与核心沟通信息。 - 跟踪行业趋势、可比公司估值及市场预期，分析投资者认知与公司基本面之间的差异，向管理层提供有价值的反馈与建议。 3. 业绩沟通与投资者活动 - 统筹业绩发布会、投资者日、非交易路演、机构调研及券商投资者会议，负责策划…
职位描述 1、日常维护市区政府关系； 2、与市、区两级等部门建立沟通合作渠道；3、负责申报政府项目以及相关企业资质； 4、组织参与政府相关活动，包括日常接待、会议研讨等； 5、负责党工团相关工作。
1、负责公司开放平台海内外业务的数据分析工作，主动挖掘业务问题和增长点，量化商业化策略效果； 2、根据开发者/企业用户数据，搭建增长与商业化指标体系，建设并迭代数据可视化体系； 3、与产品、运营、销售等团队等紧密配合，推进结论落地带来业务全局提升； 4、设计 A/B 实验、因果推断、风控反作弊等分析方案，对业务优化和决策结论做验证或推演，提供高效的分析方法。
一、岗位定位 面向大模型训练与推理场景，研发高吞吐、低延迟、高可靠的全闪分布式存储系统，为 Checkpoint、海量训练数据和 KV Cache 提供稳定高效的数据基础设施。 二、你将负责 1. 面向大模型训练与推理场景，设计和研发全闪分布式存储系统。 2. 支撑大规模训练 Checkpoint 的并行保存与快速恢复、Dataloader 海量样本读取，以及 G3/G3.5 专属 KV Cache 的高性能存储与访问。 3. 根据个人技术方向，负责客户端、元数据服务、存储引擎或数据保护等核心模块的设计与研发。…
团队简介 我们正在组建一支 AI 安全团队，使命是把顶尖的安全能力与大模型深度结合：一方面攻克高价值的安全难题，将专家经验沉淀为数据、Benchmark 与自动化框架，持续提升基础模型的网络安全能力；另一方面将这些能力落地到真实业务场景，守护公司安全水位，并用实战反哺模型迭代。 这是一支兼具研究深度与工程能力的团队，我们既欢迎在某一安全领域深耕多年的专家，也欢迎能够搭建安全平台与基础设施的资深工程师与架构师。 岗位职责 定义高价值的安全问题，沉淀标准化方法、数据集、Benchmark 与 Harness ，并与算法团队协作，将专家经验转化为基础模型的网络安全能力；…
为我们的生成模型，构建和管理高质量、多样化的数据集。你的工作将直接决定模型所见所闻的质量，进而影响模型生成效果的上限。 主要职责 1、数据标准制定： 参与定义和刻画用于模型训练的高质量数据标准，包括但不限于视频&音乐的审美品质、内容多样性、技术参数。 2、数据搜寻与获取： 基于既定标准，主动在全球范围内的视频&音乐平台、开源数据集及特定渠道中，寻找和发掘符合要求的数据。 3、数据标注与评估： 可能需要对视频数据进行标签化、排序或质量评估，以构建更精准的训练指令。 4、跨团队协作： 与算法研究员保持紧密沟通，理解他们的数据需求，反馈数据质量情况，并协同解决数据层面的问题。
作为 MaaS 架构师，你将全面负责大模型线上服务的全链路架构设计与质量保障，构建高性能、高可用、可弹性伸缩的模型服务平台，确保模型在生产环境中的 SLA、延迟、吞吐量达到业界领先水平。工作包括不限于： -负责 MaaS 平台架构设计，明确模型从产出到上线的全链路环节，对模型服务的 SLA、延迟、吞吐量等核心指标负责 -主导大模型推理网关的设计与建设，包括多模型路由、流量调度、优先级队列、多租户隔离与 Token 级计量能力 -设计 GPU 资源弹性伸缩策略，结合模型特征与负载信号实现智能调度与资源高效利用 -推动 KV Cache 感知调度的方案设计与落地，包括 Prefix Cachin…
支持AI企业客户业务，包括模型API、企业订阅、私有化部署及解决方案项目。作为销售团队的财务合作伙伴，参与业务规划、商机评估、报价审批、合同评审、经营分析及回款管理，帮助业务实现有质量的收入增长。 二、核心职责 1. 销售目标与经营分析 搭建客户、产品、区域及销售团队维度的收入和毛利分析，跟踪商机、签约、交付、消耗、收入确认及回款。识别增长偏差，并给出可执行的改进建议。 2. 定价与折扣管理 支持大客户报价、阶梯定价、资源包及折扣政策制定。结合客户用量、产品组合、服务承诺和成本，测算合同毛利、盈亏平衡点及折扣底线。…
- 负责公司统一账号体系的架构规划与技术演进，覆盖 C 端用户体系和 ToB 企业账号体系，是全公司用户侧的核心基础设施。 - 主导账号中台的架构治理与稳定性加固，建立统一、可靠的用户身份基座。 - 完善 ToB 账号能力，包括多租户架构、组织架构、角色权限体系，支撑开放平台企业客户服务。 - 推动 C 端与 B 端账号体系的统一治理，解决多产品线、多端之间的身份打通和权限隔离问题。 - 对账号域的长期健康度负责，识别并推动关键技术债偿还，建设质量保障和可观测性体系。
-围绕模型能力、推理资源、Token 服务质量与开发者体验，定义模型效果与稳定性保障系统，推动产品、研发、算法 、运营等多角色协同，提供高质量 Token 服务。 -建设开放平台质量保障体系，覆盖模型效果评估与度量、 稳定性、开发者体验等核心场景；持续建设 Test Agent，赋能研发与算法团队。 -建设 Agent Native 的质量保障团队。
- 负责开放平台商业化全链路的架构规划与技术演进，覆盖支付交易、订阅生命周期、财税合规、用户增长体系。 - 面向国内外多支付渠道，主导交易链路的稳定性治理、资金安全保障和对账体系建设。 - 规划并落地促销与增长体系，具备从商业目标反推技术方案的能力。 - 主导商业化域的领域建模和架构演进方向，推动系统架构的持续演进和治理，对系统长期健康度负责。