Deep Learning/CUDA Engineer (GigaChat)

Ориентир по рынку≈ 345 000 – 475 000 ₽наша приблизительная оценка по 16 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисSeniorПолная занятость

≈ 345 000 – 475 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 16 похожих вакансиях ML Engineer уровня Senior.

платят меньше345 000 – 475 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Открыта уже 82 дня. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.

Зарплата не указана

Открыта давно

Описание

Обязанности: 6, требования: 4. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноMLCUDALLMPython

Надбавка к зарплате на этом уровне: ML +43%, LLM +43%, Python +22%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

Мы — команда инференса GigaChat. Всё, что модель отвечает пользователю, проходит через наш движок — и наша работа в том, чтобы это происходило быстро, дёшево и не падало никогда. У нас нет опции «подождём, пока это появится в vLLM». GigaChat — это свои архитектуры и свои мультимодальные модели, и когда исследователи приносят новую архитектуру, именно мы делаем так, чтобы она летала на проде: пишем ядра, придумываем, как разложить её по GPU, выжимаем токены в секунду там, где, казалось бы, выжимать уже нечего. Это работа, где результат меряется в миллисекундах и мегаваттах: каждый процент ускор

Чем предстоит заниматься

Заставлять новые архитектуры GigaChat (включая мультимодальные) работать на проде быстро

Ускорять всё, что можно ускорить: кастомные CUDA-ядра, квантизация, speculative decoding, оптимизации KV-cache, continuous batching — и то, чему ещё нет устоявшегося названия

Придумывать, как разложить большую модель по GPU и по кластеру так, чтобы ни один FLOPS не простаивал: тензорный/пайплайн-параллелизм, disaggregated prefill/decode, шедулинг запросов

Профилировать честно и глубоко: находить, куда на самом деле уходят миллисекунды — в ядре, в раскладке памяти, в сети или в планировщике — и убирать это

Держать прод: движок, через который проходят все запросы к GigaChat, должен успешно переживать абсолютно всё

Читать свежие статьи и код лучших движков (vLLM, SGLang, TensorRT-LLM) не как пользователь, а как конкурент: понимать, что у них хорошо, и делать у себя лучше — с поправкой на наши архитектуры