Ingeniero Senior de Fiabilidad de Sitios — Token Factory (Plataforma de Inferencia)

Token Factory forma parte de Nebius Cloud, una de las nubes de GPU más grandes del mundo, con decenas de miles de GPUs en funcionamiento. Estamos construyendo una plataforma de inferencia que hace que todo tipo de modelos fundacionales —texto, visión, audio y arquitecturas multimodales emergentes— sean rápidos, fiables y fáciles de desplegar a escala masiva. Para cumplir esa promesa, necesitamos un ingeniero que pueda hacer que la plataforma se comporte de manera impecable bajo carga extrema y se recupere graciosamente cuando ocurra lo inesperado.

Si la idea de salvaguardar la infraestructura que impulsa la IA multimodal del mañana te energiza, nos encantaría escuchar tu historia.

Movimiento rápido — Pensamiento audaz — Crecimiento constante — Impacto significativo — Confianza y propiedad real — Oportunidad de dar forma al futuro de la IA

En este puesto, serás responsable de la fiabilidad, el rendimiento y la observabilidad de toda la pila de inferencia.

Tu día comienza diseñando y refinando pipelines de telemetría —métricas, logs y trazas que convierten cientos de terabytes de señal en información clara y accionable. A partir de ahí, podrías ajustar los autorescaladores de Kubernetes para exprimir más eficiencia de las GPUs, crear módulos de Terraform que incorporen resiliencia en cada nuevo clúster, o endurecer nuestra lógica de enrutamiento de peticiones y reintentos para que incluso los fallos transitorios pasen desapercibidos para los usuarios. Cuando surjan incidentes, confiarás en la automatización y los runbooks que ayudaste a crear para detectar, aislar y remediar problemas en minutos, y luego impulsarás la cultura de post-mortem que previene recurrencias. Todo este esfuerzo apunta a un único objetivo: escalar la plataforma sin problemas mientras se alcanzan objetivos agresivos de coste y fiabilidad.

El éxito en el puesto requiere una profunda fluidez con Kubernetes, Prometheus, Grafana, Terraform, y el arte de la infraestructura como código. Escribes scripts cómodamente en Python o Bash, entiendes los matices del diseño de alertas y SLOs para APIs de alto tráfago, y has pasado suficiente tiempo en producción para saber cómo fallan las back-end distribuidas en el mundo real. La experiencia guiando cargas de trabajo con uso intensivo de GPU —ya sea con vLLM, Triton, Ray u otra pila de aceleradores— te será útil, al igual que una formación en MLOps o plataformas de alojamiento de modelos. Sobre todo, te importa construir sistemas de autocuración, disfrutas depurando el rendimiento desde el kernel hasta la capa de aplicación, y te gusta colaborar con ingenieros de software para convertir la fiabilidad en una característica en la que los usuarios nunca tengan que pensar.

Los solicitantes deben estar autorizados para trabajar en el país en el que solicitan y se les exigirá que proporcionen prueba de elegibilidad de empleo como condición de contratación.

• Compensación competitiva *

• Oportunidades de crecimiento profesional y aprendizaje *

• Flexibilidad y propiedad *

• Cultura colaborativa e innovadora *

• Oportunidad de trabajar en proyectos de IA de impacto *

• Entorno internacional y equipos talentosos

Nebius es un empleador que ofrece igualdad de oportunidades. Estamos comprometidos a fomentar un entorno de trabajo inclusivo y diverso y a proporcionar igualdad de oportunidades de empleo en todos los aspectos del empleo. No discriminamos por motivos de raza, color, religión, sexo (incluido el embarazo), origen nacional, ascendencia, edad, discapacidad, información genética, estado civil, condición de veterano, orientación sexual, identidad o expresión de género, o cualquier otra característica protegida por la ley aplicable.

Si necesita adaptaciones durante el proceso de solicitud, por favor háganoslo saber.