DeepSeek наймає 150 інженерів, зосереджуючись на розробці бекенду та агентів

DeepSeek , одразу збільшив штат на 150 осіб!

Що за діло, вони всього лише 300–500 осіб, а це вже великий рух.

І ці 150 HC не стосуються напрямку AI-досліджень — вони зосереджені лише на двох посадах: інженер-розробник серверної частини, інженер-розробник еластичних обчислень для агентів, з акцентом на досвідчених бекенд-розробників з досвідом від 2 до 10 років.

Керівник Цуй Тяньї пояснив, що збільшення масштабу призводить до зростання складності, а складність, у свою чергу, вимагає подальшого збільшення масштабу.

Це… закон масштабування кількості людей у команді?

Цей раз інженер-дослідник у галузі еластичних обчислень Agent поділено на два напрямки: розробка платформи та нижчоуровневі системи.

Ця платформа — це гнучка обчислювальна платформа DSec, розроблена спеціально для агентів ( DeepSeek Elastic Compute), який був недавно опублікований DeepSeek Вперше розкрито у технічному звіті V4.

Згідно з описом у статті, DSec складається з трьох компонентів Rust: API-шлюзу Apiserver, Edge-агенту на кожному хості та монітора кластера Watcher, які взаємодіють між собою за допомогою власного RPC-протоколу та працюють у DeepSeek На основі власно розробленої розподіленої файлової системи 3FS.

Інформація про вакансії розкриває плани наступного розширення інженерної команди.

Щоб збільшити надійність та ефективність, DSec потребує зміни всього стеку системи: від операційної системи до віртуальної машини, а потім до рівнів мережі та сховища, і до сервісів планування та управління на рівні додатків.

Цей проект багато чого робить вперше, і немає готових відповідей, які можна було б скопіювати.

Напрямок розробки та підтримки платформи схожий на поєднання продукту та розробки: потрібно брати участь у розумінні вимог, а також особисто проектувати, розробляти та підтримувати систему.

Оптимізація на нижчому рівні та вирішення складних завдань — це перевага, якщо ви можете вичавити продуктивність деяких компонентів операційної системи до SOTA або навіть дотягнути до фізичних меж апаратного забезпечення.

Останнє речення «Ваша робота безпосередньо визначає різноманітність та ефективність навчання моделі Agent» — це не порожні слова.

через DeepSeek Ми зробимо це на рівні SOTA, а потім відкриємо код — це вплине не лише на майбутнє DeepSeek інфраструктура агента, а цілісна індустрія.

Інженери-розробники серверної частини охоплюють шість напрямків, що охоплюють повний ланцюжок від дослідження моделей до обслуговування користувачів:

Напрямки досліджень великих моделей, компоненти агентних фреймворків, інфраструктура для підвищення ефективності розробки, DeepSeek API, напрямки онлайн-сервісів, інженерія даних.

DeepSeek Опис місії цієї команди: бути достатньо близько до передових досліджень великих моделей, щоб отримувати негайні відгуки від дослідників на передовій. Надійність та зручність платформи безпосередньо впливають на ефективність досліджень великих моделей і швидкість підвищення меж інтелекту.

Основна задача платформи для дослідження великих моделей полягає у тому, щоб абстрагувати дослідницькі процеси у вигляді функцій платформи, необхідно «глибоко зануритися у сценарії роботи дослідників» та активно виявляти проблеми, а не пасивно виконувати запити. Кінцева мета — «скоротити цикл від формулювання, перевірки до ітерації дослідницьких ідей»

Відповідає за розробку єдиної платформи для підключення та виконання агентів.

Обов’язки у напрямку інфраструктури ефективності розробки охоплюють єдину систему CI/CD, системи спостереження та сповіщень, масштабну передачу та управління даними між кластерами, автоматизацію операцій тощо, а також чітко визначають необхідність «дослідження застосування агентів у автоматичній діагностиці та RCA».

Два напрямки для зовнішніх користувачів безпосередньо служать DeepSeek продукт.

DeepSeek Напрямок API має вирішувати виклики, пов’язані з надвеликим обсягом API-сервісів, забезпечуючи стабільну та ефективну доставку наукових досягнень передових моделей розробникам та мільйонам користувачів по всьому світу, а також спільно розвиватися з внутрішніми інференс-фреймворками.

Для онлайн-сервісів необхідно розробити архітектуру та здійснювати постійну ітерацію для підтримки застосунків великих моделей у масштабі десятків мільйонів щоденних активних користувачів.

Нарешті, напрямок інженерії даних охоплює всі етапи — від навчання моделей до онлайн-сервісів; стек технологій включає Spark, Flink, Kafka, ClickHouse, Iceberg тощо; вимагається, щоб кандидат міг самостійно виконати повний цикл моделювання даних — від логів трекінгу до бізнес-метрик.

Погляньте на ці напрямки як на повний ланцюжок: модель виконує завдання в ізольованому середовищі, платформа фіксує процес та результати, формуючи дані для навчання та оцінки, які потім використовуються для покращення моделі.

Всі посади, пов’язані з дослідженнями, підкреслюють одне й те саме: інженери мають «глибоко включатися в робочі процеси дослідників», активно виявляти проблеми та продовжувати рішення від визначення до реалізації, а не просто виконувати та доставляти вимоги.

Інформація про вакансію окремим абзацом описує ідеального кандидата, DeepSeek Очікується, що інженери, яких ми наймаємо, вже на повсякденній роботі глибоко використовують агентів для розробки.

Одним із вимог є «вміння ефективно використовувати інструменти AI Agent для розробки програмного забезпечення; за допомогою AI можна писати код з гарантією якості в галузях, де немає прямого досвіду».

Знову вимагається: «Коли агент надає проблемний варіант, ви здатні виявити це й оперативно втрутитися».

У цю еру агентів значення досвіду використання певних мов, інструментів або виконання певних типів проектів зменшується.

Розробка переходить від «Я знаю, як це зробити» до «Я знаю, що запитати, де може бути помилка та як довести, що це правильний шлях».

Посилання для довідки:

[1]https://x.com/tianyi/status/2096975270578139273?s=20

[2]https://app.mokahr.com/social-recruitment/

Цей текст з іншого каналу WeChat «Quantum Bit», автор: Мень Чень