MiniMax2027届校招岗位

岗位职责 为什么加入我们 1. 参与 MiniMax 大模型训练与推理基础设施建设，让 CPU、GPU、NPU 等异构算力得到更高效、更稳定的利用。 2. 面向真实的大规模 AI 集群，深入解决资源调度、硬件故障、跨系统协同和自动化运维等系统级问题。 3. 在导师和资深工程师指导下，参与核心后端系统从设计、研发到上线运

本科 · 查看完整岗位与申请入口 →

岗位职责 我们是视频生成模型Hailuo系列的研发团队（https://x.com/Hailuo_AI）， 我们的愿景是持续研发世界顶级视频生成模型，并以统一视角思考多模态理解和生成任务，深入数据、系统工程、模型等方面，持续定义下一代多模态系统的核心能力，并将这种能力deliver给世界范围的用户。 岗位要求 1.

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 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

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 我们希望你在某个领域有真正的深度——推理加速、GPU 性能优化、分布式系统、RL 工程，都行——同时对算法前沿保持真实的好奇心。你不需要什么都懂，但你应该知道自己不懂的东西在哪，并且想去弄懂它。 1. RL Rollout：推理是 RL 循环的发动机，我们使用Forge作为我们的RL框架。Rollout占据整

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 我们正在寻找对大模型底层能力建设真正感兴趣的算法工程师，一起参与 MiniMax 通用大模型的预训练体系建设。 你会负责： - 参与大语言模型预训练 / mid-training 相关工作，包括数据构建、训练策略、模型能力分析与迭代； - 设计和优化高质量预训练数据体系，包括数据清洗、去重、配比、质量评估和数

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 我们在找聪明、好奇、能用 AI 提升自己的人。 不只是 HR，而是让组织变得更聪明的人。 你可能刚工作几年，也可能在参加校招、甚至还没毕业。 关键不是年限，而是——思考力、判断力和成长速度。 你将 与模型、研发、业务团队合作，推动顶尖人才的招聘与成长 用 AI 优化招聘与评估机制，提高决策效率与判断质量

本科 · 查看完整岗位与申请入口 →

岗位职责 关于我们 我们是一家AI大模型公司。训练一个模型需要读多少数据、Checkpoint 存到哪里、几千张卡同时读同一份数据集会发生什么——这些问题最后都会落到存储上。存储平台团队负责公司 PB 级数据的存与取，建设从底层数据结构到上层服务化的自研系统。 你可能会做什么： 1、在以下一到两个方向上深入，并在实习

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 1. 参与 MiniMax CPU 资源调度平台建设，面向大规模 K8s 集群提升资源利用率和任务运行效率。 2. 参与 kube-scheduler、Volcano、Koordinator 等调度体系的优化与二次开发。 3. 建设在线 / 离线任务混部、优先级调度、资源画像、弹性伸缩、负载感知调度等能力。

本科 · 查看完整岗位与申请入口 →

岗位职责 1. 参与 MiniMax 大规模 Kubernetes 集群平台建设，支撑训练、推理和在线业务运行。 2. 参与 Kubernetes 控制器、Operator、调度、网络、存储、资源隔离等核心能力研发。 3. 建设多集群管理、集群稳定性、故障自愈、容量治理和可观测能力。 4. 深入生产环境复杂问题，持续提

本科 · 查看完整岗位与申请入口 →

岗位职责 1. 参与 MiniMax 云原生 DevOps 平台建设，支撑研发、训练、推理、业务服务的高效交付。 2. 建设 CI/CD、GitOps、环境管理、发布系统、配置管理和自动化运维工具链。 3. 基于 Kubernetes、ArgoCD、Tekton / GitLab CI、Helm 等技术提升交付效率和发

本科 · 查看完整岗位与申请入口 →

岗位职责 1. 参与 MiniMax 面向大模型训练、推理和 Agent 场景的新一代可观测平台建设。 2. 参与指标、日志、Trace、事件等数据采集、存储、查询和分析链路开发。 3. 建设硬件、网络、存储、训练作业、推理服务等多层信号的统一观测能力。 4. 参与故障归因、异常检测、成本分析、链路回放等 AI Inf

本科 · 查看完整岗位与申请入口 →

岗位职责 1. 参与 MiniMax 核心业务数据库体系建设，支撑大模型产品、训练平台、推理平台等业务稳定运行。 2. 参与数据库高可用、备份恢复、容量治理、性能优化和自动化运维平台建设。 3. 建设数据库监控、告警、巡检和故障诊断工具，提升数据库问题发现和恢复效率。 4. 参与 MySQL / PostgreSQL

本科 · 查看完整岗位与申请入口 →

岗位职责 加入AI基础设施团队，你将在导师指导下参与核心平台系统的学习和实践： 1. 参与平台建设： 协助开发与维护CMDB、工单系统、流程引擎等AI Infra关键平台。 2. 开发实践： 参与功能模块开发、测试及基础性能调优，提升代码质量。 3. 数据链路学习： 协助整合资源编排、调度平台与CMDB/工单等系统数据

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 1. 与算法团队深度合作，推进数据清洗、样本生成等场景下多阶段复杂 pipeline 的分布式引擎设计和落地； 2. 支撑大模型数据的清洗/分类/采样等场景，持续完善 Ray/Spark 内核功能及性能 3. 通过云原生技术栈搭建多云多地域的混合计算底座, 参与 Ray/Spark 在 K8S 上的弹性 /潮

本科 · 查看完整岗位与申请入口 →

岗位职责 1. 参与 MaaS 平台的模型服务化能力建设，支持多模型、多版本的管理与发布流程 2. 参与模型部署工具链开发，包括上线流水线、灰度发布、回滚、配置管理等自动化能力 3. 参与推理服务链路的基础优化，协助分析延迟、吞吐、资源利用率等指标并推动改进 4. 参与平台可观测性建设（监控、日志、链路追踪、告警），提

本科 · 查看完整岗位与申请入口 →

岗位职责 你将参与： 1. 参与大规模模型的训练框架 设计与研发，优化核心模块性能与系统效率； 2. 进行 高性能算子的设计与实现，探索计算图与算子融合、内存布局优化等方向； 3. 推动分布式训练过程的优化，包括并行策略、混合精度、显存管理等体系设计； 4. 支撑并验证前沿方向，如 Agentic RL、长上下文建模、

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 我们在做什么 大模型推理的 KVcache 管理是当前 AI Infra 最前沿的挑战之一。MiniMax 正在构建面向大模型推理场景的分布式存储与缓存系统。 你将做什么 1. 参与面向大模型推理的 KVcache 存储系统设计与研发； 2. 研究并实现分布式缓存调度策略； 3. 参与存储软件的选型、测试与性

硕士 · 查看完整岗位与申请入口 →

岗位职责 我们在做什么 MiniMax 的 GPU 集群规模持续快速扩张。IaaS 团队从零构建面向 AI 负载的计算、存储、网络管控体系，让每一块 GPU 都能被高效利用。 你将做什么： 1. 参与 GPU 集群资源调度系统的设计与研发； 2. 开发服务器全生命周期管理工具； 3. 参与裸金属 / 虚拟化资源池管理平

本科 · 查看完整岗位与申请入口 →

岗位职责 我们在做什么： 在 MiniMax，基础设施不是支撑业务的后台，而是驱动 AGI 产品快速迭代的核心引擎。我们正在构建覆盖 AI 集群资源全生命周期的云原生平台。 你将做什么： 1. 参与基于 K8S 的容器化平台建设与优化； 2. 设计和实现 CI/CD 流水线，推动研发流程自动化； 3. 开发 CMDB

本科 · 查看完整岗位与申请入口 →

岗位职责 我们在做什么： MiniMax 的千节点 GPU 集群运行在 K8S 之上，容器网络是连接模型训练与推理服务的血管。我们深度定制和研发面向 AI 负载的高性能容器网络系统。 你将做什么： 1. 参与 K8S 容器网络方案设计与实现，覆盖 Underlay/Overlay 混合拓扑； 2. 参与 CNI 插件研

本科 · 查看完整岗位与申请入口 →

岗位职责 我们在做什么： MiniMax 运行着大规模 GPU 训练与推理集群，操作系统是所有上层系统的地基。我们的内核团队直接面对超大规模 AI 负载带来的调度、内存、IO、网络协议栈性能挑战。 你将做什么： 1. 参与 Linux 内核在 AI 集群场景下的性能分析与调优，覆盖 CPU 调度、内存管理、IO 子系统

本科 · 查看完整岗位与申请入口 →

岗位职责 我们在做什么： MiniMax 运行着大规模 GPU 训练与推理集群，操作系统是所有上层系统的地基。我们的内核团队直接面对超大规模 AI 负载带来的调度、内存、IO、网络协议栈性能挑战。 你将做什么： 1. 参与 Linux 内核在 AI 集群场景下的性能分析与调优，覆盖 CPU 调度、内存管理、IO 子系统

本科 · 查看完整岗位与申请入口 →