MiniMax
岗位信息
招聘岗位
训练框架实习生-多模态生成方向-2028 届实习
工作城市
上海、北京
是否笔试
未明确
招聘批次
2028届
截止日期
未公布（以企业官网为准）
发布日期
2026-11-07
📋 岗位职责 / 任职要求
【岗位职责】
- 更长的视频、更高的分辨率，以及多模态生成模型的 RL 后训练，都需要更高效的训练系统。
- 你将参与 MiniMax 多模态生成训练框架研发，深入分布式训练、GPU 性能优化和 RL 训推协同，让模型实验跑得更快、更稳，支持算法团队验证新的生成与对齐方法。
你将参与的工作
1. 训练框架研发：面向视频、图像、音频等多模态生成模型，开发和优化预训练、SFT 流程，支持长序列、高分辨率和变长输入，完善 dataloader、Checkpoint 与故障恢复。
2. 分布式训练优化：参与并行策略、重计算、混合精度与通信计算 overlap 的实现，优化显存占用和训练吞吐，提升多机多卡训练效率。
3. RL 训练框架研发：和算法团队一起实现 rollout、reward 计算、策略更新与评测流程，支持采样策略和 reward 组件的灵活接入，开展多模态生成模型的 RL 后训练。
4. 训推协同优化：优化 rollout 与 training 之间的权重同步、样本传输和资源分配，探索异步 rollout，减少采样与训练等待，提升 RL 训练的 GPU 利用率。
5. 性能分析与验证：通过 Profiling 定位 Attention 等关键 kernel、通信和 I/O 瓶颈，开展算子融合与执行优化，验证性能收益、数值正确性及训练效果。
【任职要求】
我们期待你
1. 计算机及相关专业在校生，算法与编程基础扎实，熟练使用 Python 或 C/C++。
2. 有 PyTorch 项目经验，理解 autograd、optimizer 和训练流程，愿意深入框架源码定位问题。
3. 了解 GPU 并行计算、内存访问或分布式计算，对训练加速和 RL Infra 有兴趣。
4. 熟悉 Linux，能阅读论文与源码，设计可复现的实验，验证性能收益和计算正确性。
加分项
1. 有多模态生成项目经验，了解 Diffusion、Flow Matching、DiT 等模型与方法。
2. 了解 PPO、GRPO 等 RL 方法，或参与过生成模型的 rollout、reward 接入、策略更新与评测。
3. 使用或优化过 FSDP、Megatron-Core、DeepSpeed 等分布式训练框架与工具。
4. 有 CUDA/Triton kernel 开发、通信优化或相关开源贡献。
5. 有 ICPC、NOI、ASC 等程序设计或超算竞赛经历。
你将收获
参与多模态生成模型从预训练、SFT 到 RL 后训练的系统研发，理解模型、训练算法和硬件效率之间的关系，通过框架和训推协同优化提升大规模训练效率。
🏢 企业简介
总部上海
MiniMax是国内领先的通用人工智能企业，专注于基础大模型研发与多模态AI应用落地，业务覆盖文本、语音、图像及视频等生成式AI方向，在国产大模型领域占据重要行业地位。公司总部位于上海，在北京设有研发与业务布局，团队汇聚众多顶尖算法与工程人才，持续投入大模型架构、推理优化与Agent等前沿技术。作为快速成长的民营科技企业，MiniMax为应届生提供参与核心模型训练、产品打磨与技术创新的机会，技术氛围开放、成长路径清晰，依托上海与北京的双重区位优势，助力年轻人站在AI产业最前沿，获得广阔的职业发展空间。
📍 主要办公地点
投递方式
投递入口需登录后查看，登录 / 注册 即可使用🏢 该企业正在招聘的其他岗位
校招宝当前收录 MiniMax 在招校招岗位 145 条，工作地点覆盖 上海、北京、旧金山、深圳，学历要求含 博士、本科、本科及以上应届毕业生。以下为最近发布的部分岗位，可一并比较投递。
查看 MiniMax 全部在招岗位与笔面经 ›
🎯 AI校招画像 （来源：公开信息智能整理）
🏢 公司文化与工作氛围
团队核心成员来自全球知名高校和顶尖科技公司，1/3成员拥有世界顶尖技术实验室博士学位。公司内部文化被描述为“极度扁平化”“一切都很透明”，例如在M3模型发布期间，作者“几乎全程围观”并获得极高权限。内部存在激烈争吵，但争吵围绕具体技术参数或业务决策，吵完后“并没有个人恩怨”，事后成员会互相维护不在场的同事。公司面对外部批评时会快速陷入“小型危机”，但随之进行“争吵、和解、反思”，表现出“很杂乱，又有很强的生命力”的成长型组织特征。整体氛围开放、直接、高强度协作，但仍处于快速扩张和调整期。
⏰ 加班情况与工作强度
唯一可参考的细节是提到“全员熬夜兴奋完成模型发布”，说明在重大发布节点存在熬夜加班现象，但无法据此判断常态工作强度
💰 薪资待遇与年终奖
- 应届/初级（1–2年）：月薪35K–50K / 月
- 级（3–5年，有大模型项目）：月薪45K–70K / 月
- 高级/资深（5年+，主导过百亿/千亿参数训练）：月薪60K–80K+ / 月
- 技术负责人/专家：月薪80K–120K+ / 月
年薪构成：现金部分 = base × 16（即12个月工资 + 4个月年终奖）。股权激励：4年成熟期，1年悬崖（cliff）。
未按学历（本科/硕士/博士）细化薪资，也未区分算法以外岗位（如推理框架工程师、基础平台研发工程师）的具体薪酬。职位描述中仅列出“年终奖、股票期权”等福利，无具体数字。
🎁 福利体系
（AI推理框架工程师职位）列出福利：五险一金、定期体检、年终奖、股票期权、带薪年假、员工旅游、餐补、交通补助、包吃、节日福利、住房补贴、零食下午茶。
补充提到：六险二金、住房补贴、餐补、通讯补贴等。该来源还包含股权激励条款（4年成熟期，1年悬崖）。
注意：写的是“五险一金”，写的是“六险二金”，两者存在差异，可能因岗位或信息来源不同，具体以官方招聘说明为准。年假天数、餐补金额、住房补贴额度等细节均未在中给出。
📋 校招流程经验
- 一面（时间：2月27日）：被描述为“酣畅淋漓的八股盛宴”，主要考察计算机基础与中间件知识，包括：本地缓存防止缓存穿透、冷热数据、数据一致性、旁路缓存、binlog/undolog/redolog作用和区别、MVCC、可重复读和读已提交区别、MySQL锁、RocketMQ延迟消息原理、RocketMQ和Kafka技术选型、RocketMQ事务消息、Redis和Memcached区别、Redis持久化（RDB/AOF）原理、Redis主从同步。最后一道算法题为“k个一组反转链表”（LeetCode Hot 100原题）。
完整流程信息在中缺失。
🚀 投递建议与避坑指南
唯一可视为风险提示的是描述的M3模型定价风波：公司在发布新模型时同步调整收费方案，但缺乏用户通知和解释，引发外部批评。这体现了公司产品决策可能存在“重技术、轻沟通”的倾向，但这是针对公司产品的评价，并非针对求职者的投递建议。因此本维度无具体内容可供提取。
📈 热门岗位方向与招聘趋势
- 大模型算法工程师（2026届，）
- AI推理框架工程师（2026届，岗位已关闭）
- 大模型算法工程co-design（经验不限，）
- 基础平台研发工程师（3-5年，非应届）
- k8s开发工程师（经验不限，）
可见当前热门方向集中在大模型算法、推理框架、基础平台和K8s开发。的推理框架工程师岗位显示“职位已关闭”，可能意味着该岗位已招满或暂停，但无法推断整体趋势。
ℹ️ 信息来源
本条招聘信息由校招宝转载自 企业校招官网，版权归原发布方所有，校招宝仅作信息聚合与导航。
该来源未提供原文链接
招聘信息以官方原文为准，投递前请核实截止日期与要求。如涉侵权或信息有误，请邮件联系 kknee@qq.com，我们将在 24 小时内处理。