En un coup d'œil
- Missions: Optimisez notre pile d'inférence pour des performances maximales et un coût réduit.
- Entreprise: Kimchi, une entreprise innovante en pleine croissance avec une équipe mondiale.
- Avantages: Salaire compétitif, environnement de travail flexible, budget de formation et événements d'équipe.
- Autres infos: Travaillez sur des projets stimulants avec des opportunités de croissance rapide.
- Pourquoi ce job: Rejoignez une équipe passionnée par l'innovation et le développement de technologies de pointe.
- Qualifications: 5 ans d'expérience en systèmes ML, expertise en Python et optimisation d'infrastructure.
Le salaire estimé est compris entre 61650 - 75350 € par an.
Why Kimchi?
Great models are raw ingredients.
Kimchi is what happens when you ferment them with good engineering.
We started inside CAST AI helping companies run LLMs on their own Kubernetes clusters; today we run our own coding harness on any model you pick, and we run the models underneath it ourselves.
Kimchi Inference
One API line and a customer's existing client just works: Deep Seek, GLM, Kimi, Mini Max, Nemotron served serverless from our own GPU fleet (Open AI- and Anthropic-compatible, pay per token, spend visible per user, team, and key).
When control matters, the same models run on the customer's own cluster instead.
Behind that one line sits the machinery you'll own: SGLang and v LLM engines, B300 nodes, a shared cluster filesystem that holds every checkpoint exactly once, KV caches riding coding traffic with heavy prefix reuse, and the benchmark harness that gates every change we ship.
Made by Cast AI — a Miami-headquartered, globally distributed team across 34 countries that hit unicorn status in January 2026 with a $50B+ backed investment pushing its valuation past $1 billion.
About The Role
Throughput. Latency. Cold starts. Cost per token.
Move those four numbers in the right direction and two things happen: customers get faster, cheaper inference, and our margins improve.
That's the entire thesis of this role.
Every loader you tune, every scheduler decision you land, every kernel you stare at shows up in a customer's p99 and on our P&L.
Your mandate is the inference stack's optimization, whatever it takes, and the technical direction of how we optimize it is yours to argue with data.
The problem
The checkpoints run 0.3-1.5 TB, and the "right" serving configuration depends on traffic shape, sequence-length distribution, batch dynamics, GPU SKU, memory bandwidth, and quantization tolerance, all variables that shift week to week.
Most teams pick a configuration once, over-provision GPUs, and absorb the cost.
We don't: we took Kimi-K3 (1.5 TB) from over an hour cold-to-serving to under twelve minutes with a shared filesystem, O_DIRECT weight loaders, and node-local JIT caches, and we're nowhere near done.
Prefill/decode disaggregation and tiered KV caches are next.
Stack
- Python; SGLang; v LLM; Tensor RT-LLM; Py Torch; fastsafetensors; CUDA-adjacent tooling; Kubernetes; virtiofs shared filesystems; Click House; Open Telemetry; Prometheus; Grafana; Git Lab CI.
Requirements
- You've built real ML systems for 5+ years, and your portfolio shows depth in inference or training infrastructure, not just model training notebooks.
- Your Python is production-grade: services, not scripts.
- You've run v LLM, SGLang, or Tensor RT-LLM for real, and you have a working mental model of why an engine performs the way it does on a given GPU.
- You've measured quantization regressions, not just compression ratios.
- Multi-GPU and multi-node setups hold no fear: tensor and expert parallelism, collective communication, and their practical failure modes.
- You know where the bytes live (page caches, O_DIRECT, network filesystems under terabyte-scale reads) and how fast they move.
- You instrument before you optimize, and you can tell a real win from a benchmark artifact.
- A wide mandate excites you more than it unsettles you.
- Nice to haves
- You've worked on LLM routing specifically: Router Bench-class evals, cost/quality/latency Pareto fronts.
- Calibration, abstention, or conformal methods in production decision systems.
- You've run online A/B loops with drift monitoring on a model that touches real money.
Responsibilities
- Push throughput.
Continuous batching, chunked prefill, speculative decoding with draft models, CUDA-graph capture, and scheduler tuning across the engine fleet.
Find the ceiling on each GPU SKU, then raise it.
- Cut latency.
Attack TTFT and inter-token latency separately; profile to find the actual bottleneck (compute, memory bandwidth, scheduling, storage, or network) and fix it, not the one you assumed.
- Get more out of the KV cache.
Hierarchical and paged attention, prefix caching on heavy-reuse coding traffic, eviction policies, quantized KV.
A lot of the unrealized throughput lives here, and you'll own it.
- Kill cold starts.
Weight loaders (O_DIRECT, fastsafetensors-class), JIT and compile caches, shared-filesystem read paths.
A 1.5 TB checkpoint has no business taking an hour to reach serving.
- Quantize without regressing quality. INT8/INT4, FP8/FP4 across weights, activations, and KV, measured on real workloads, not just perplexity benchmarks.
- Scale across nodes.
Distributed inference topologies, network-aware placement, prefill/decode disaggregation, checkpointing strategies that don't bottleneck on storage or interconnect.
- Set the technical direction. Decide what we benchmark, what we adopt, and what we build ourselves. Bring the team along with strong writeups and reproducible experiments.
What’s in it for you?
- Competitive salary (depending on the level of experience).
- Enjoy a flexible, remote-first global environment.
- Collaborate with a global team of cloud experts and innovators, passionate about pushing the boundaries of Kubernetes technology
- Equity options.
- Get quick feedback with a fast-paced workflow. Most feature projects are completed in 1 to 4 weeks.
- Spend 10% of your work time on personal projects or self-improvement.
- Learning budget for professional and personal development - including access to international conferences and courses that elevate your skills.
- Annual hackathon to spark new ideas and strengthen team bonds.
- Team-building budget and company events to connect with your colleagues.
- Equipment budget to ensure you have everything you need.
- Extra days off to help maintain a healthy work-life balance.
- Hiring process
- Screening call with Recruiter
- Hiring Manager interview
- Technical interview (system design)
- Live coding
- Culture Check interview with an executive
As part of our standard hiring process, we would like to inform you that a background check may be conducted at the final stage of recruitment through our third-party provider, Checkr.
Please note that Cast AI does not provide any form of visa sponsorship/work permit.
#J-18808-Ljbffr
Senior ML Engineer | Kimchi (Inference Stack Optimization) employeur : Cast AI
Cast AI est un employeur exceptionnel qui valorise l'innovation et la collaboration à distance, offrant à ses employés des opportunités de croissance dans un environnement dynamique et en pleine expansion. Avec une culture axée sur l'autonomie et le travail d'équipe, les Account Executives bénéficient d'une formation continue et d'un soutien pour exceller dans leur rôle tout en contribuant à des solutions qui optimisent les coûts et améliorent les performances des clients. Rejoindre Cast AI, c'est faire partie d'une entreprise soutenue par des investisseurs de premier plan, où chaque membre de l'équipe a un impact significatif sur le succès global.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Senior ML Engineer | Kimchi (Inference Stack Optimization)
✨Construire ton réseau tech
Connecte-toi avec des professionnels de l'ingénierie et du développement logiciel via des meetups tech ou des conférences comme DevFest. C'est un excellent moyen d'apprendre sur les dernières tendances et de te faire connaître dans le milieu.
✨Contribuer à des projets open-source
Montre tes compétences en rejoignant des projets open-source sur GitHub. Non seulement cela renforce ton portfolio, mais ça te permet également de collaborer avec d'autres développeurs et de bâtir ta réputation dans le monde tech.
✨Préparer un excellent entretien
Pour décrocher un emploi à plein temps, il est crucial de préparer des réponses aux questions techniques et comportementales. Fais des simulations d'entretiens avec des amis ou en utilisant des plateformes dédiées pour te sentir plus à l'aise.
✨Postuler sur notre site
N'oublie pas de consulter notre site pour des opportunités chez Cast AI. Postuler directement peut te donner un accès privilégié à nos offres et montrer ton intérêt spécifique pour notre entreprise. Allez, fonce !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Senior ML Engineer | Kimchi (Inference Stack Optimization)
Quelques conseils pour ta candidature 🫡
Démarre avec un CV percutant:Pour un poste d'ingénieur en développement logiciel, mets en avant tes compétences techniques comme les langages de programmation que tu maîtrises. N'hésite pas à inclure les projets sur lesquels tu as travaillé, surtout ceux qui montrent ton impact dans des situations concrètes. Les employeurs adorent voir ce que tu es capable de créer !
Valorise tes projets personnels:Si tu as des projets personnels ou des contributions sur GitHub, assure-toi de les inclure dans ta candidature. Cela te permet de montrer non seulement tes compétences techniques, mais aussi ta passion et ton engagement pour le développement logiciel. C'est un excellent moyen de te démarquer des autres candidats !
Personnalise ta lettre de motivation:Prends le temps de personnaliser ta lettre de motivation pour Cast AI. Explique pourquoi tu es attiré par cette entreprise et comment tes compétences peuvent répondre à leurs besoins. C'est l'occasion de montrer un côté plus humain de ta candidature et d'expliquer ce qui te motive !
Soigne la mise en page:Une mise en page claire et concise est cruciale pour les candidatures dans le domaine de l'ingénierie logicielle. Utilise des sous-titres et des listes pour rendre ton CV et ta lettre plus facile à lire. Cela montre aussi que tu as un sens de l'organisation, ce qui est super important dans notre domaine !
Comment te préparer à un entretien d'embauche chez Cast AI
✨Maîtrise des Outils de Développement
Assure-toi d'être à l'aise avec les outils et les langages de programmation que privilégie Cast AI. Par exemple, si tu sais qu'ils utilisent beaucoup Java ou Python, revisite tes concepts clés et sois prêt à discuter de tes projets antérieurs qui mettent en avant ces compétences.
✨Prépare des Exemples de Projets Concrets
Rassemble des exemples concrets de projets sur lesquels tu as travaillé, surtout ceux qui mettent en avant des défis techniques. Sois prêt à expliquer tes choix, tes erreurs et comment tu as résolu des problèmes - cela montre ton process de réflexion et ta capacité à apprendre.
✨Sois Prêt pour des Tests Techniques
Il est fréquent d'avoir des tests techniques lors des entretiens dans l’ingénierie logicielle. Prépare-toi à résoudre des problèmes de codage en direct. Pratique sur des plateformes comme LeetCode ou HackerRank pour rester affûté et confortable face à la pression.
✨Montre Ton Intérêt pour l’Innovation
Dans le cadre d'un poste à temps plein, les employeurs cherchent des passionnés qui se tiennent à jour avec les dernières tendances technologiques. N’hésite pas à parler de tes lectures récentes, de conférences auxquels tu as assisté ou même de projets open-source que tu pourrais avoir suivis ou rejoints.