摘要2026 年百度职级体系已经正式调整。从 5 月 1 日开始中管层以下统一使用5—12 级数字职级过去大家熟悉的 T、P、E、Band、M 等字母标签不再沿用。([界面新闻][2])这篇不绕旧职级直接看三个大家最关心的问题百度现在怎么分级、技术岗薪资大概多少以及 2026 年百度测试开发到底在面什么。2026 年 4 月百度宣布调整职级体系从5 月 1 日开始中管层以下专业和管理发展通道统一职级改为5级—12级。百度给出的原因也很直接AI 时代需要同时具备专业能力和领导力、能够独当一面的人才。一、百度现在的职级怎么分目前统一采用5级、6级、7级、8级、9级、10级、11级、12级。过去技术研发使用 T 序列产品运营、管理、职能等又有各自的体系这一轮调整把中管层以下统一到了同一套数字职级里。对准备找工作的技术人来说这个变化其实很好理解同样是测试开发有人负责业务质量有人负责自动化平台有人负责性能稳定性还有人已经开始做大模型评测和 AI Agent 测试。岗位负责的问题越复杂、影响范围越大对人的要求自然越高。二、百度技术岗薪资大概是什么水平按照目前技术研发岗位的公开薪酬样本采用平均值整理大致如下。单位均为人民币税前职级折算月薪年度总包5级约 2.8 万约 39.9 万6级约 3.3 万约 44.9 万7级约 4.2 万约 61.4 万8级约 5.5 万约 100.6 万9级约 6.6 万约 155.8 万10级约 6.3 万约 235.7 万11级约 10.4 万约 394.6 万12 级目前不放数据。这里先强调一下这是一组公开薪酬样本平均值用来观察不同职级大致的收入量级不是百度官方统一工资表也不能直接当成今年新 Offer 的标准报价。比如表里会看到一个挺有意思的现象9 级月薪 6.6 万10 级反而是 6.3 万。别理解成“升职还降工资”。因为它们本来就是不同员工的薪资样本。三、百度高职级的收入差距主要出在股权看 9 级和 10 级就很明显。按照这组公开样本9 级年度工资约78.7 万年度股权约62.9 万10 级年度工资约76.1 万年度股权则达到约139.9 万。所以从 9 级到 10 级总包一下从约 156 万到了 236 万主要并不是月薪突然翻倍而是股权占比明显增加了。这也是看大厂薪资最容易踩的坑。看到年包 200 万不要自动理解成一年现金工资 200 万。总包通常要拆成固定工资 奖金 股权。尤其到了高职级两个看起来都是“年包 150 万”的 Offer现金部分完全可能差几十万。真到谈 Offer 的时候把三部分分别问清楚比单独记一个总包数字有用得多。四、百度现在需要什么样的测试开发这部分我觉得比单纯看职级表更值得测试同学关注。看百度目前还在招聘的测试开发岗位传统测开的底子依然非常扎实。比如百度用户产品方向的测试开发工作已经覆盖服务端测试、测试工具、自动化框架、持续集成、代码评审、问题定位和研发效率提升。岗位要求里也明确写了 Java/C、Python/Shell、数据结构、算法、Linux 和自动化测试框架。([百度校园招聘][4])换句话说百度测开的“开发”两个字一直都是真的。只会写测试用例肯定不够。代码、系统、数据库、网络、自动化、问题定位本来就是这类岗位的基本能力。但 2026 年还有一块变化非常明显AI 测试已经正式进入百度测试开发岗位。百度今年校园官方招聘的AI 测试开发工程师工作内容已经明确包括大模型输出准确性评测、多轮对话一致性、内容安全、鲁棒性、性能稳定性、AI Agent 测试、Benchmark、评测数据集以及利用大模型生成测试用例、构造测试数据和辅助缺陷定位。百度智能云的 AI 计算测试岗位也已经涉及模型训练、推理测试以及 AI 计算产品的功能、性能和自动化质量保障。所以今年准备百度测开传统能力不能丢但LLM、RAG、Agent 测试已经值得单独准备。五、2026 年百度测开面试开始明显问 AI 了我们最近整理百度测试开发面试反馈时有一个变化很直观。过去测开常见的项目、Java/Python、SQL、Linux、网络、性能、算法今年依然都在。但与此同时大模型测试的问题明显进入了正式面试。比如 2026 年 8 月学生老学员百度测开面试中就出现了LLM-as-a-Judge 怎么设计大模型评测数据怎么处理LLM 测试和传统服务端测试有什么区别RAG 测试集怎么设计和迭代Agent 怎么找到正确的 SkillAgent 和 Skill 的匹配机制怎么验证到了 9 月题目还在继续往 Agent 工程层深入Agent 输出怎么评测并行节点冲突怎么处理Trace 怎么做Agent 结果不理想怎么定位Checkpointer、State、Skill、MCP 怎么理解怎么用 Codex 做自动化测试这就不是简单问一句“了解大模型吗”而是已经开始考你到底会不会测试一个真实的 AI 系统。六、AI 测试到底应该准备到什么程度这里不用一上来就研究模型训练公式。对测试开发来说先把几个最常见的问题搞明白。比如RAG 怎么测试至少不能只回答准确率、召回率。应该把链路拆开。用户问题进来以后检索到了什么正确资料有没有被召回来相关内容有没有排到前面模型最终回答是否基于检索内容有没有幻觉答案是否真的解决了用户的问题也就是说RAG 测试不是只测最后一句回答。检索和生成两段都要测。Agent 怎么测试Agent 比普通接口麻烦的地方就在于它不是一次调用。一个任务可能经历理解任务 → 制定计划 → 选择 Skill / Tool → 调用工具 → 获取结果 → 再判断 → 最终输出。中间任何一步都可能错。比如工具选错了参数错了调用失败无限重试上下文丢了结果明明错误Agent 却认为任务完成。所以测试 Agent 时需要看的已经不只是最终答案。还要看任务成功率、工具调用正确率、执行轨迹、失败恢复、上下文状态和最终结果。这也是今年百度测开面试里开始问 Trace、State、Skill、Checkpointer 的原因之一。七、传统测开基础一样不能丢AI 题多了不代表传统基础不考。2026 年百度测开面试里同样还能看到SQL数据库索引MySQL 与 RedisLinuxKubernetesTCP 三次握手、四次挥手Java 面向对象快速排序链表接口测试登录功能测试。所以准备百度测试开发我反而不建议把时间全部砸在“背 AI 名词”上。一个比较合理的能力结构应该是测试设计 编程 数据库 Linux / 网络 自动化 / 性能 AI 测试。AI 是今年新增的重要变量。但基本功仍然决定面试能不能往下走。八、百度测试开发这些题建议提前过一遍如果最近准备百度测试开发可以先看看下面这些问题能不能完整讲出来百度搜索、网盘下载或者登录功能你会怎么设计测试一个接口突然从 100ms 变成 2 秒你怎么定位MySQL 索引为什么能提升查询性能Redis 缓存和数据库不一致怎么办怎么测试MQ 出现重复消费、消息积压怎么验证UI 自动化元素经常定位失败框架层怎么解决大模型测试和普通接口测试最大的区别是什么RAG 怎么设计评测集检索和生成分别怎么评估LLM-as-a-Judge 怎么设计怎么验证 Judge 自己靠不靠谱Agent 怎么测试 Tool / Skill 选择是否正确Agent 执行到一半失败状态恢复和重试怎么测Python / Java、SQL、Linux 和常见算法题能不能现场写出来如果这些问题大部分只能讲两三句话准备还不算到位。如果能顺着一个问题继续往系统设计、异常场景、数据、性能、监控和故障定位往下讲面试的底气会完全不一样。写在最后从 2026 年 5 月开始百度已经进入5—12 级的新职级体系。对技术人来说数字只是最后贴在岗位上的标签。真正决定一个岗位能走多高的还是你能处理多复杂的问题。这点放在测试开发上尤其明显。刚开始可能是把功能测对。再往后是把自动化、性能和质量平台做好。而现在百度部分测试开发岗位面对的已经是大模型、RAG、Agent、模型评测和 AI 测试平台。技术一直在换。但测试开发最核心的几件事其实没有变代码能写系统能看懂问题能定位质量能评估。如果再往前一步——当测试对象从普通软件变成 AI Agent你依然知道该怎么判断它到底做对了没有。这可能就是接下来几年测试开发岗位新的分水岭。