视频生成开源生态工程负责人 / Video Model Open Source & Inference Lead

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； 2）推动量化、显存优化、模型加载优化及多卡推理方案； 3）解决不同 GPU、操作系统和推理后端中的兼容性问题； 4）建立可复现的 Benchmark 和性能评估体系。 3. 上游开源协作 1）与 ComfyUI、Diffusers 及其他基础设施项目 Maintainer 进行技术方案讨论； 2）编写符合上游要求的代码、测试、文档和 PR； 3）跟进 Code Review、CI、Release，推动官方支持落地； 4）Review 内部团队和外部 Contributor 提交的技术方案及代码。 4. 开发者技术交付 1）建设模型 Demo、部署指南、API 示例、FAQ 和故障排查文档； 2）处理开发者在推理、量化、部署和微调中的关键技术问题； 3）从真实使用场景中发现问题，并反哺模型和 Infra 团队。 【任职要求】 我们希望你： 1. 熟练使用 Python 和 PyTorch，具备扎实的模型工程能力； 2. 能够独立阅读和修改视频生成模型及推理框架代码； 3. 熟悉视频生成模型的 Text Encoder、VAE、DiT、Scheduler、Attention 等模块； 4. 实际使用或开发过 Wan、HunyuanVideo、CogVideo、LTX、Open-Sora 等模型； 5. 有 Diffusers、ComfyUI、量化、分布式推理或 GPU 性能优化经验； 6. 能独立定位 OOM、输出不一致、速度退化和框架兼容问题； 7. 有公开代码、技术文章、Benchmark 或开源贡献； 8. 英文能够满足开源技术协作需要。 【加分项】 1. 参与过视频模型从内部代码到公开发布的完整过程； 2. 做过原始 PyTorch 实现与 Diffusers/ComfyUI 实现之间的精度对齐； 3. 熟悉 FP8、INT8、INT4、Attention 优化及多 GPU 推理； 4. 在知名开源项目中担任过 Maintainer 或核心 Contributor； 5. 有大规模模型部署、性能分析或 GPU Infra 经验。