996的大公司和965的小公司,你怎么选?

互联网行业的996工作制一直是热议话题。大公司通常提供更高薪资与福利,完善的制度和丰富的资源,有助于个人成长,但也伴随着高强度的工作。小公司则可能提供更多的成长挑战和快速学习的机会,个人职责广泛,有利于锻炼综合能力。对于应届生而言,选择取决于个人需求——追求专业成长还是寻求工作与生活的平衡。重要的是考虑公司能带来的长期价值和个人技能的积累,以及是否有助于培养行业通用能力。
部署运行你感兴趣的模型镜像

说起互联网行业
弹性工作、大牛出没、千变万化、
薪资诱人、福利众多
这些标签就会浮现在人们脑海里,
因为前景一片辉煌,无数大学生想跻身而入,
但其知名的加班时长和频率
让多数同学在毕业前都面临一个抉择:
965的小公司还是996的大公司怎么选?

#关于“996”#

1、996:早上9点上班,晚上9点下班,一周六天工作日;

2、965:早上9点上班,下午6点下班,一周五天工作日(有双休日)。
在这里插入图片描述

其实,很多大公司都会实行996工作制度,高薪在很多公司往往意味着高强度,高责任,需要付出更多的工作时间。

甚至有些厉害的校招求职者,一入职评级就比老员工高,但随之而来的压力也是非常大的。

那么互联网公司加班现象有多严重呢?

大多数人默认加班,没加过班,别说在互联网公司呆过。

曾有人在社交平台上说自己晚上九点下班以显示自己工作勤奋,结果遭到一众互联网大佬鄙夷。

九点下班也叫勤奋?那叫"早退"好吗?

在这里插入图片描述

在这里插入图片描述

“996大公司”or“965小公司”?

01
996大公司的优势

除了更高的薪资和更好的福利,大公司完善的公司制度和规范的工作流程,都能让初入职场的应届生养成良好的工作习惯,快速的掌握一套完整的做事思维方法。

在这里插入图片描述

再者,大公司有较强的资本后盾和人脉资源,对于员工的眼界,格局的提升会有比较大的帮助。

这样的第一份工作能学到的东西比小公司多得多!

02
965小公司的优势

小公司有时人员不是很充足,往往一个人要负责很多方面的事情,因此个人能够在这样的环境里迅速成长,学会多种本领。

小公司资源虽然不比大公司,有时并非缺点,有限的资源也许能最大限度激发大家的能力。

在这里插入图片描述

跟大公司相比,小公司往往更注重于效率而非规则,这就表明小伙伴们可以在工作中遇到更大的成长挑战和成长空间。

小公司的很多程序流程比较简化,有利于快速的展开工作,而且人际关系相对也比较简单。

自己有机会比较快的介入核心的工作内容之中,管理也相对扁平化,接触老板等高层的机会较多,一旦公司可以快速的发展,自己也会快速的得益。

03
想清楚自己想要什么

当然,去大公司是一个更被推荐的选择,也往往是大部分人的首选,但去小公司是不是真的就输在起跑线上了呢?

其实未必,更重要的是要想清楚自己想要什么。

在这里插入图片描述

04
学习的机会or展现的舞台

刚刚开始工作,其实不用过多考虑薪酬待遇的因素,也未必刚入职就证明自己有多优秀。

不管是大公司还是小公司,相应的能力决定成绩,所以这个时候更应该从个人的角度去考虑,哪里的学习机会比较多?

05
私人定制技能or行业价值?

“私人定制技能”是指,这项技能只适用于这一家公司,能够在这里产出价值,但是离开这里,就失去了市场竞争力,很少甚至没有别的企业需要你这项能力。

而“行业通用价值”意味着,你在这家企业做的事情,经验值也可以挪用到其他企业里,给自己的经历加分。

这样即使离开了这家公司,你的价值依然被市场认可。这样的能力,就是每个人的核心竞争力。
在这里插入图片描述

即使平台再好,如果不能给自己锻炼核心技能的机会,那也要多上点心,趁早想好解决方案。

06
公司为你打工
你为公司打工?

选择公司,要考虑清楚这家企业能带来什么?哪些东西是可以转化成个人资源的?离开之后哪些经验能给自己带来更多增值?

在这方面往往是大企业收获会更多(优秀人脉、行业资源、项目经验)。

但不乏一些快速成长的小公司,在某个领域做得小有成就,而自己又更有话语权,这样的收获甚至会比在大公司更有光环。

而不管是人脉还是还是经验,做过的事情,待过的地方,最好都成为自己的能力证书,而不是当换个地方,就得一切从头开始。

在这里插入图片描述

对于刚刚毕业的应届生来说,最重要的就是自身的成长。

比如,在晚上9点下班的大公司,到家可能就该洗洗睡了,几乎没有自己的时间。

这个时候需要衡量大公司带给自己的价值是否能弥补这些损失。

视情况而定,毕竟自己的空闲时间是可以用来提升自己的。

假如在一个“螺丝钉”岗位上做着千篇一律的工作,可能就得不偿失了。

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

如下是DN_A类别的值,我需要为DN_A类推荐一个参数值,预估为六百多~七百多的样子 992 999 982 985 997 998 992 989 985 728 975 780 986 984 985 974 976 976 986 983 973 797 670 982 990 988 976 991 983 691 978 970 989 973 964 996 985 992 862 979 990 997 998 987 993 998 983 999 986 989 988 691 987 996 996 999 994 999 998 991 996 662 600 981 993 608 685 984 976 988 990 949 964 839 981 957 687 972 989 993 990 979 966 631 981 982 988 849 976 993 545 963 979 824 980 992 994 999 995 873 997 995 991 993 645 955 980 991 988 976 992 993 946 712 995 654 921 999 989 986 798 999 992 993 958 998 952 639 994 985 991 996 999 970 992 711 994 984 986 970 996 978 664 837 999 987 898 844 609 644 810 699 959 993 749 998 999 993 0 992 993 629 971 981 984 990 984 972 983 904 987 650 705 953 629 988 985 977 989 941 976 989 984 980 989 563 894 867 701 989 983 963 660 873 977 852 887 892 656 666 976 962 850 524 943 965 994 994 949 862 993 954 812 800 805 0 518 989 967 776 992 854 400 978 989 929 997 990 951 985 963 732 999 718 803 955 965 972 960 687 802 990 815 972 992 959 989 904 984 990 988 750 952 973 976 854 996 992 987 926 989 936 982 624 656 981 956 984 992 734 738 950 958 659 984 794 695 859 900 984 988 990 987 984 969 958 970 989 964 962 587 960 963 998 990 976 717 790 964 971 945 882 636 977 975 965 990 749 955 990 892 989 961 987 971 946 956 973 984 545 991 850 983 529 954 802 931 616 990 983 999 688 954 949 980 942 956 971 963 977 915 722 963 968 965 936 885 988 992 916 999 971 965 992 998 982 758 994 987 986 992 993 992 993 989 972 964 985 985 996 985 656 996 731 997 984 982 997 973 986 961 996 997 997 993 998 968 997 970 997 989 993 995 984 888 994 998 997 973 980 994 995 995 998 998 978 991 990 984 989 994 994 985 988 985 996 995 984 989 993 948 998 993 993 992 992 992 997 999 995 992 996 992 983 993 802 998 987 781 988 978 950 996 927 996 977 998 998 991 997 962 989 997 618 993 998 987 996 948 990 983 980 991 993 979 839 997 559 998 998 958 958 938 970 991 995 997 998 995 999 991 991 997 902 980 993 980 996 996 999 988 802 982 989 990 992 986 732 995 991 995 997 984 986 985 997 985 998 873 998 939 996 998 988 999 965 993 924 948 985 588 983 981 964 967 790 760 916 729 980 977 693 692 690 995 976 710 730 982 720 655 637 971 742 995 735 995 984 635 802 996 975 992 986 990 993 993 981 998 991 998 983 988 999 493 590 996 999 998 999 995 992 995 995 827 989 998 998 990 815 994 604 546 745 653 718 614 860 615 711 710 986 699 970 412 511 930 633 758 684 673 976 687 629 978 730 744 822 657 990 989 654 727 995 712 988 994 918 517 596 786 657 667 998 820 998 997 991 995 998 998 998 909 917 973 975 996 998 960 976 921 980 957 949 956 981 982 998 953 996 998 932 983 993 877 822 965 908 980 991 880 947 972 964 998 945 993 728 869 932 998 997 957 990 997 995 699 959 817 996 868 907 915 839 843 988 972 999 865 895 985 951 997 997 998 995 995 790 993 0 996 978 933 997 995 966 590 999 997 960 960 998 997 980 943 997 997 903 967 961 881 456 998 998 885 970 997 996 996 999 998 995 982 952 998 977 972 980 996 969 996 995 981 996 995 994 996 967 999 997 994 996 998 997 991 997 996 998 996 994 648 999 995 997 936 998 941 966 998 998 999 990 996 967 996 786 995 999 998 999 994 998 993 907 994 997 999 996 989 997 997 991 992 991 997 998 999 998 998 993 987 997 994 995 989 997 996 995 996 993 998 996 995 965 994 998 982 998 999 997 946 982 989 999 985 998 895 968 997 991 998 999 994 999 961 937 998 993 803 935 994 990 990 997 999 998 999 999 995 998 996 988 990 998 971 985 715 923 883 966 811 999 991 962 464 994 995 992 906 426 996 997 997 998 998 985 999 988 998 998 998 994 998 997 999 997 997 997 998 998 999 997 999 998 999 998 992 997 999 999 999 999 999 977 983 999 996 994 998 991 965 997 998 998 967 995 961 997 994 998 995 997 997 998 998 996 997 995 953 998 918 992 998 996 998 995 998 998 963 962 978 995 997 994 976 970 968 966 965 983 982 982 997 977 994 952 984 996 999 986 992 988 998 999 985 996 998 996 997 953 948 998 999 996 996 996 994 995 997 992 993 998 986 998 995 997 999 991 992 998 956 999 999 998 996 999 996 995 995 999 999 971 994 988 984 999 996 993 999 996 991 991 952 961 971 979 925 967 988 968 967 987 991 989 988 976 986 989 905 997 998 996 997 994 978 993 889 933 957 986 956 925 995 469 997 997 998 975 998 997 998 990 998 998 989 995 998 997 911 962 999 996 993 993 994 999 998 997 956 998 997 998 990 990 997 999 995 837 995 991 996 996 995 982 641 996 969 998 999 983 897 925 929 998 997 998 998 475 966 946 945 972 994 997 995 986 863 997 971 806 944 974 999 677 979 998 918 930 977 916 992 954 990 605 927 996 839 987 723 974 918 842 979 999 479 991 997 992 999 987 998 939 998 998 986 999 532 999 966 997 996 996 996 998 998 999 998 998 998 999 999 996 993 983 995 998 998 998 999 997 996 998 998 978 997 998 969 983 992 995 998 995 986 998 995 999 982 977 998 995 997 864 980 991 998 997 998 989 997 997 996 997 998 998 994 996 996 996 990 999 998 999 994 998 998 998 998 997 998 995 989 931 999 746 691 919 818 982 970 992 997 458 984 985 986 989 969 927 709 988 989 992 996 990 976 996 975 989 997 991 721 609 745 994 583 975 962 992 536 997 989 986 996 988 998 997 988 566 542 969 635 967 986 980 952 994 990 989 987 982 995 986 981 942 970 991 667 970 988 977 991 993 966 965 982 974 806 979 669 895 988 970 989 740 834 991 986 821 901 990 832 504 815 501 993 986 925 988 991 0 978 982 998 993 981 996 996 832 991 984 999 999 999 995 如下是UP_A类别的值,我需要为DN_A类推荐一个参数值,预估为六百多~七百多的样子 867 913 854 864 923 936 853 862 849 863 936 843 895 912 939 860 918 852 874 916 959 879 855 835 867 926 944 873 861 851 860 900 924 847 905 860 860 946 950 854 905 852 871 901 940 848 843 845 870 914 942 844 889 845 860 908 917 860 910 856 843 937 940 856 857 832 857 922 936 841 935 837 872 928 913 837 916 851 822 890 961 855 874 850 879 894 951 859 882 851 873 892 916 851 906 824 874 912 946 858 908 821 859 892 923 854 905 837 875 930 945 863 908 844 866 934 915 858 910 846 869 909 909 816 884 800 890 902 930 837 898 837 885 894 937 863 897 815 929 922 949 853 873 856 886 898 938 879 927 828 862 941 952 876 890 846 865 911 954 830 889 836 883 917 923 857 924 827 876 935 940 864 932 848 896 938 959 861 909 837 873 945 959 877 880 851 865 907 947 849 929 839 901 943 937 868 933 826 847 913 957 851 917 864 875 944 915 862 934 844 891 867 947 866 907 837 895 909 935 867 928 822 841 921 953 876 897 855 852 889 944 870 919 830 905 918 940 845 918 847 905 901 937 859 913 828 865 924 923 870 922 824 870 923 919 839 911 757 883 913 934 851 906 840 872 931 955 877 898 843 874 941 948 870 929 852 874 928 955 850 923 831 878 933 948 854 907 829 854 924 956 828 913 831 803 928 911 865 936 837 917 916 867 846 910 851 863 876 932 843 911 839 875 927 920 877 912 815 874 904 945 859 923 846 864 932 948 873 923 843 894 868 952 863 903 852 832 921 929 833 898 827 883 932 945 881 901 853 861 894 948 856 919 844 870 915 953 873 901 857 880 944 925 841 882 834 866 936 923 846 930 858 859 892 932 864 921 845 874 907 913 841 918 826 869 921 957 860 918 837 877 904 965 878 905 857 874 922 958 863 903 839 877 907 953 875 884 842 895 941 950 874 844 848 865 920 961 866 876 853 869 915 937 875 925 829 870 920 930 873 922 864 882 929 972 856 901 830 897 931 941 859 879 838 879 930 949 855 941 853 873 923 938 872 917 833 864 931 942 867 865 853 880 922 945 861 927 824 900 911 953 850 872 844 910 921 950 823 913 851 865 917 950 873 880 845 858 939 942 837 899 845 875 945 963 867 931 856 906 918 950 871 943 868 851 909 955 856 855 823 889 925 924 871 910 843 875 915 958 863 932 839 853 918 943 861 899 818 895 925 934 822 900 851 863 932 944 876 914 804 844 932 945 863 899 845 911 931 970 872 919 762 890 934 953 866 889 835 910 882 953 864 910 838 889 897 930 846 882 839 882 901 920 855 881 850 893 903 906 812 901 870 881 928 950 859 907 844 904 910 978 821 891 847 884 942 941 845 927 852 882 917 966 879 883 848 855 935 944 887 881 849 853 875 942 869 923 831 885 937 931 843 897 835 860 928 936 722 681 643 709 657 703 688 726 699 674 627 728 678 703 669 694 725 686 653 723 709 676 673 719 723 687 640 692 709 668 709 703 700 694 632 722 636 710 705 734 700 693 663 721 649 708 703 730 695 704 650 687 719 708 720 711 724 691 652 691 687 710 704 717 686 689 637 711 687 691 720 741 708 660 608 720 649 672 680 683 695 659 640 704 680 722 713 731 711 699 679 709 654 727 712 705 708 708 661 687 619 663 676 714 689 711 662 730 664 711 674 694 679 708 682 697 689 689 689 701 660 699 638 706 689 722 702 689 729 704 681 710 710 713 675 710 687 668 667 665 687 731 685 707 672 688 656 673 715 731 705 682 714 695 648 709 639 727 704 694 683 691 634 689 673 715 675 685 690 713 635 684 693 701 704 699 673 705 688 711 704 716 664 693 668 676 638 717 706 696 706 687 696 694 662 698 725 674 727 694 717 721 685 683 701 658 697 664 674 679 673 688 688 674 701 710 714 689 687 693 671 690 694 699 690 691 640 678 665 645 712 703 713 703 671 709 669 707 661 699 724 705 643 698 647 665 652 687 731 710 661 635 677 670 715 691 706 706 639 695 699 709 653 704 702 687 633 726 693 605 699 694 724 673 628 644 668 729 668 693 717 690 637 663 645 712 701 699 696 706 670 685 630 696 675 701 708 699 655 681 651 672 696 694 720 675 653 685 659 670 716 705 716 687 630 688 631 682 716 706 721 705 673 713 662 714 627 716 712 706 644 692 664 673 707 707 665 687 668 687 668 679 705 706 709 706 661 679 656 689 705 706 700 717 701 683 747 712 659 679 679 674 659 710 727 704 630 688 698 683 721 696 639 694 627 651 663 693 696 674 713 699 621 641 679 701 698 716 716 707 642 691 721 710 704 688 677 680 661 700 668 702 724 695 710 请用模型帮我实现参数推荐,值在DN_A.CSV里面
07-20
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值