Яндекс·Москва·30 сент.
Разработчик инфраструктуры LLM
Ориентир по рынку≈ 250 000 – 425 000 ₽наша приблизительная оценка по 10 вакансиям этой роли и грейда, у работодателя вилка не указана
≈ 3,1 тыс.–5,3 тыс. $
ОфисMiddleПолная занятость
≈ 250 000 – 425 000 ₽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». Объявление живое, и что за работа, понятно из текста.
3 из 4 в норме
Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться
Деньги
Вилку работодатель не назвал. Ориентир на созвон: столько платят в 10 похожих вакансиях ML Engineer уровня Middle.
Живость
Открыта 28 дней, и признаков фиктивного найма у неё нет. Раньше не выкладывалась.
- Опубликована 29 сентября 2026 г., 28 дней назад
- Текст сверяли с источником: с тех пор как мы её нашли, он не менялся
- У источника её видели сегодня
В Pro вся история: 1 копия на других сайтах
Считается по истории наблюдений за вакансией: сколько раз её переоткрывали, меняли ли текст, как долго висит. За вакансиями с hh.ru следим каждую ночь: выдачу и архив, а полный текст карточки сверяем по очереди, каждую раз в несколько дней. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Обязанности: 1, требования: 7. Главное перечислено по пунктам.
Что требуют
ОбязательноLLMC++PythonCUDAMLOps
Надбавка к зарплате на этом уровне: Python +49%.
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
8 вопросов именно к этой вакансии: что спросить на первом созвоне
Когда откликаться
Стоит ли спешить: за сколько дней Яндекс обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Наша компания
Инференс LLM в масштабе — это сложная инфраструктурная задача: GPU работают на пределе, возникают сетевые задержки, возможны сбои оборудования. Мы создаём решения, чтобы эти события минимально влияли на доступность и latency нашего сервиса инференса.
Чем предстоит заниматься
Оптимизация инференсных движков
Наши требования
Владеете C++ и Python: имеете уверенные навыки низкоуровневого программирования и оптимизации
Работали с GPU (NVIDIA) и CUDA: понимаете архитектуру GPU, разрабатывали или оптимизировали алгоритмы под CUDA
Глубоко понимаете архитектуру Transformer: знакомы с внутренними механизмами (attention, FFN, нормализацией) и их реализациями
Знаете подходы к параллелизации: понимаете Data Parallel, Tensor Parallel, Pipeline Parallel (желательно ещё Expert Parallel) для распределённого инференса или обучения
Интересуетесь LLM и MLOps: понимаете задачи и вызовы, связанные с эксплуатацией больших моделей в продакшне
Умеете эффективно работать в команде и делиться знаниями
Работали с современными решениями для оптимизации инференса: vLLM, TensorRT-LLM (TRT-LLM) или sglang
Дополнительно
Развитие инструментов диагностики
Вы будете создавать и улучшать инструменты для быстрого выявления и устранения инфраструктурных проблем, которые влияют на стабильность и скорость инференса
Исследование и внедрение
Вам предстоит работать с методами оптимизации инференса (квантованием, прунингом) и современными подходами к параллелизации
Если вас просят заплатить, продиктовать код или установить непонятное приложение, прекратите общение и напишите нам в чат с основателем или через форму обратной связи.