跳至正文

DeepSeek(深度求索)2026 最新大规模招聘全信息

一、招聘基础概况

2026 年 6 月 25 日官方发布成立以来最大规模扩招,目标全部门人员规模至少扩充一倍,33 类岗位全开,全职 + 实习同步开放

DeepSeek招聘官网首页

  1. 工作地点:北京、杭州(算力运维配套乌兰察布 IDC)
  2. 招聘人群:社招、26/27 届校招、在校生实习,所有岗位均可实习
  3. 用人理念:不唯学历、不刻意寻找天才,看重真实项目、动手能力、独特专长;新人直接参与大模型预训练、Agent 智能体等核心业务,不做边缘打杂工作

二、7 大岗位大类(33 类岗位)

岗位分类列表

1. 深度学习研究员(4 岗,核心高薪岗)

  • AGI 深度学习研究员、多模态算法研究员、Agent 算法研究员、NLP 预训练研究员
  • 薪资:月薪 8–11K,14 薪,最高年薪 154W;博士优先,顶尖硕士 / 本科可投实习
  • 要求:精通 PyTorch/TensorFlow,有大模型预训练、顶会论文、竞赛成果加分

2. 全栈开发 / 算法(8 岗,招聘量最大)

服务端、前端 / 客户端、测试开发、AI 搜索架构、Agent Infra 研发、Harness 全栈工程师等

  • 薪资:4–7W / 月,14 薪,年薪最高 98W
  • 重点团队:Agent Harness(代码智能体),对标 Claude Code,研究员 / 产品 / 工程师全招,北京办公

3. AI 核心系统研发(4 岗)

高性能算子、编译器、分布式训练框架、大模型推理底层研发

  • 薪资:6–9W / 月,校招年薪最高 126W
  • 需求:C++、CUDA、高性能计算、超算集群优化经验

4. 运维(4 岗)

超算网络研发、IDC 规划、集群运维、数据中心架构工程师

面向大模型万亿参数训练算力基建

5. 模型数据策略(5 岗)

预训练数据工程师、Agent 数据标注策略、评估算法、数据产品、标注平台研发

6. 产品部门(2 岗)

AI C 端产品经理、Agent 智能体产品经理,负责对话、代码智能体、开放平台

7. 职能 + 特色岗(8 岗)

  • 职能:HR、财务、法务、商务采购、行政、AGI 核心业务管培生
  • 特色岗:AI 跨界技术人才(不限专业)无专业限制,医学、法律、硬件、创业背景均可;加分项:领域深耕、独特项目、创业经历

三、薪资与福利

  1. 正式员工:统一 14 薪,核心研发岗年薪普遍 50W–150W
  2. 实习生:日薪 500–1000 元,外地实习生每月 3000 元住房补贴
  3. 作息:9:00–18:00,不鼓励无效加班;配套技术培训、顶尖论文 / 项目资源、核心业务参与权

四、官方投递渠道

  1. 官网入口:deepseek.com 首页「查看职位」image官网招聘入口
  2. 公众号:DeepSeek 官方公众号,获取岗位详情与投递链接
  3. 直达链接:http://t.cn/AXisN0RS(全岗位统一投递页)
  4. 第三方平台:猎聘、BOSS 直聘同步上架岗位

五、重点招人方向

  1. Agent 智能体全链路(Harness 代码智能体团队大量缺人)
  2. 大模型底层预训练、推理、算子高性能研发
  3. 超算 / IDC 算力基础设施运维
  4. 多模态、搜索、代码专用大模型算法
  5. 跨行业复合型 AI 人才(医疗、法律、工程)

DeepSeek 核心算法 & 研发岗完整任职要求(2026 最新扩招版)

一、深度学习研究员(4 个细分岗,杭州 / 北京,博士优先,顶尖硕士可投)

通用硬性要求

  1. 扎实数学基础:线性代数、概率统计、优化理论、深度学习理论
  2. 编程:熟练 Python + PyTorch,至少掌握一门底层语言(C/C++)
  3. 有大规模 LLM / 多模态预训练、SFT、RLHF、MoE 完整实操经验
  4. 英文论文阅读无障碍,能独立设计实验、搭建评测体系

细分方向专项要求

1. AGI 大模型研究员(基座预训练 / 对齐)

  • 负责通用大模型架构创新、长上下文、MoE、预训练数据分布优化、OPD 自对齐
  • 加分:NeurIPS/ICML/ICLR/ACL 顶会一作;有开源大模型贡献;百亿 / 千亿参数训练实操

2. Agent 算法研究员(Harness 代码智能体团队,北京为主)

Agent Harness研究员JD

  • 职责:多智能体、工具调用、记忆机制、代码执行、规划推理、Agent 评测体系
  • 硬性:2 年以上 AI 科研经验,硕士及以上;精通 LLM、Prompt 工程、工具链、上下文管理
  • 加分:做过代码智能体、RAG、多 Agent 项目;独立产出可落地 Agent 方案

3. 多模态算法研究员

  • 熟悉 CLIP/SigLIP/VLM 架构,大规模图文 / 视频预训练、图文生成、文档图表解析
  • 需搭建多模态自动化数据管线,面向办公、GUI 多模态 Agent 迭代模型

4. NLP / 代码数学研究员

  • 专攻代码大模型、数学推理、逻辑对齐、代码执行环境优化
  • 加分:竞赛(OJ / 数学建模)、代码生成相关论文、开源代码模型项目

研究员统一加分项

  • 顶会论文、Kaggle/AI 竞赛金奖、高质量 GitHub 开源项目
  • 独立完成过从 0 到 1 模型训练、全流程调优
  • 可长期实习(≥6 个月)优先录用转正

二、AI 核心系统研发(底层高性能岗,高薪主力,北京)

1. 高性能算子 / 通信 / 编译器工程师

  • 职责:CUDA/Ascend C 算子开发(GEMM/Attention)、NCCL 集合通信优化、TileLang DSL 编译器、GPU/NPU 软硬协同设计
  • 必备:精通 C/C++;理解计算机体系结构、内存、流水线;熟悉 Git 工程规范
  • 加分:CUDA 底层开发、高性能计算赛事、算子开源项目、RDMA 分布式通信经验

2. 分布式训练 / 推理框架工程师

  • 职责:模型并行、MoE、KV Cache、长上下文推理、RL 训练集群、多模态训练基建
  • 必备:Python/C++/Rust 任选其一;熟悉 PyTorch 底层;懂分布式系统、Linux 内核
  • 加分:开源框架(Megatron-LM、vLLM、DeepEP)深度二次开发;大规模 GPU 集群调优经验

三、全栈开发 / 算法工程师(8 岗,招聘量最大,杭州 / 北京)

1. 大模型全栈工程师

  • 定位:算法 + 工程复合型,衔接研究员与底层系统
  • 要求:
    1. Python/C++ 双精通,熟练 PyTorch,能独立复现前沿论文并工程化
    2. 做过 LLM 训练、微调、推理部署完整流程,掌握分布式并行基础
    3. 能独立搭建数据处理、评测、训练自动化管线
  • 加分:参与开源大模型、自有训练框架、Agent 工具链开发

2. Harness Agent 研发工程师(代码智能体专属)

  • 职责:把 Agent 研究方案落地,开发工具调用、沙箱执行、终端交互、长记忆底层服务
  • 要求:扎实后端开发;熟悉 LLM API、上下文缓存、文件 / 终端执行环境;能快速迭代调试复杂链路
  • 加分:做过 IDE 插件、代码沙箱、RAG 服务、多轮对话系统

3. AI 搜索架构工程师

  • 负责检索增强生成 RAG、向量库优化、混合检索、搜索 - 模型联动架构
  • 要求:熟悉向量数据库、倒排索引、召回排序;懂 LLM 与检索融合优化

四、模型数据策略核心岗

预训练数据工程师

  1. 搭建大规模文本 / 图文清洗、去重、质量过滤、数据合成自动化流水线
  2. 设计预训练数据分布策略,支撑基座、代码、多模态模型迭代
  3. 要求:Python 数据工程、大规模文本处理、数据质量评估方法论
  4. 加分:拥有 TB 级以上数据集处理经验,自研数据清洗工具

五、通用基础门槛(所有技术岗通用)

  1. 学历:
    • 研究员:硕士起步,博士优先;顶尖本科 + 顶级项目 / 论文可破格
    • 工程师:本科及以上,名校 / 竞赛 / 开源项目突出可放宽
  2. 能力偏好:
    • 不唯学历,极度看重GitHub 项目、实操经验、独立解决问题能力
    • 英文能流畅阅读 AI 论文,不需要高分四六级
    • 拒绝只会调包,要求理解底层原理,能定位性能瓶颈
  3. 实习要求:所有岗位开放实习,需线下到岗,优先 6 个月以上长期实习
  4. 工作地点:研究员多杭州;底层算子、Agent Harness 团队主要北京

六、薪资区间参考(14 薪)

  1. 深度学习研究员:年薪 60W–154W,顶尖博士 / 资深研究员上限 150W+
  2. 底层系统 / 算子工程师:年薪 50W–126W,校招优秀者最高 126W
  3. 全栈 / Agent 开发工程师:年薪 45W–98W
  4. 实习生:日薪 500–1000 元,异地每月 3000 住房补贴

七、投递渠道

  1. 官网:deepseek.com 首页「职位」入口
  2. 统一投递链接:http://t.cn/AXisN0RS
  3. 平台:猎聘、BOSS 直聘搜索「DeepSeek 深度求索」
👀 阅读量:5175
标签:

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

分享
扫码分享

扫码分享本文