5月11日，MiniMax公开了一项名为“10x Team”的全球人才合作计划，同步上线了“10x Team研究员”岗位。计划的核心目标很直接，把大模型在编程领域已经实现的十倍级效率提升，复制到更多垂直产业中去。
MiniMax的算盘算得清楚，过去一年，Cursor、Claude Code这类AI编程工具已经证明了，大模型在特定领域可以带来数量级的生产力跃迁，但这个领域的红利正在见顶，基础设施层面的竞争也基本结束。
下一个产生类似效应的领域会在哪里？MiniMax的答案是工业软件、游戏引擎、芯片设计、金融、财务，以及更底层的经济学、生命科学、材料化学。
其实锚定这些方向是有道理的，这些领域有几个共同特点，专业知识密度极高、工作流程复杂、尚未形成标准化的AI打法。
单靠模型团队闭门优化根本推不动，必须由领域顶尖专家介入，共同定义问题、搭建评测体系、设计工作流。这大概是MiniMax把10x Team称为“产业研究合伙人机制”的原因，本质上要和传统招聘做切割。
为了吸引真正有分量的专家进来，MiniMax给出的条件不算吝啬。合作方可以使用完整的模型能力、研发环境和算力资源。
合作模式也比较灵活，可以全职入职，也可以参与至少四个月的Fellowship项目，工作地点选了上海、北京、香港、旧金山、伦敦等几个AI人才密度较高的城市。
参与者的科研成果可以联合署名，相关评测基准也会对外开源，同时还设有股权激励和高竞争力薪酬。
从更宏观的格局来看，大模型厂商之间的竞争正在从通用能力的比拼，转向垂直领域价值的挖掘。“通用大模型+行业专家共建”这条路径其实早就是全球头部公司的主流打法了。
Anthropic一直在吸纳学术和行业研究者，OpenAI把医疗、法律、金融明确列为重点方向，Google DeepMind则长期在结构生物学、材料科学等领域深耕，Alpha Fold、GNoME都是现成的例子。
从这个角度看，MiniMax这个动作并不新鲜，它只是在用一套完整的人才机制，完成一次方向上的确认和资源上的押注。
与此同时，这家公司的底子也确实能支撑这样的动作。2026年1月，MiniMax在港交所上市，开盘首日市值就突破了千亿港元。今年年初，MiniMax还增发了40亿元新股，为其招股书披露的大模型升级和AI原生产品开发提供资金支持。
年初至今，智谱、Kimi等竞品也都在密集推进融资和新一代模型发布。大模型行业的人才大战更是一触即发，市场数据显示高性能计算工程师的人才供需比低至0.15，平均1个求职者面前站着7家公司。
MiniMax这次把视野拉到了经济、生命科学、材料化学这些更底层的学科领域，姿态很大，但OpenAI、Google DeepMind早就开始做类似的事了，而且都做了相当长时间。
MiniMax的玩法具体能走到哪一步，取决于它到底能从这些国际竞品手中抢到多少真正顶尖的领域专家。
匿名用户
