AI / LLM Engineer: рынок
Данные на 19 ноября 2026: открытых вакансий AI / LLM Engineer — 4 167, удалённых — 30% среди вакансий с указанным форматом работы; медианная зарплата в объявлениях — $10 833/мес (по 541 вакансиям с указанной зарплатой). Источник — Zorky, обновляется ежедневно.
AI / LLM Engineer — самая молодая, но самая громкая роль внутри AI/ML/DS направления, выделившаяся в 2023 на волне ChatGPT / GPT-4 / Claude / Llama 2. Focus: integration больших языковых моделей (LLM) в продукт — НЕ обучение foundation-моделей с нуля (это Research), НЕ classical ML pipelines (это ML Engineer / Data Scientist), а прикладной LLM engineering: prompt engineering + RAG (Retrieval-Augmented Generation) + fine-tuning через LoRA / QLoRA + agent architectures + tool use + evaluation. Семейство ролей: AI Engineer (general — LLM integration в одну продуктовую feature: chatbot / summarization / classification / Q&A), LLM Engineer (LLM-deep — оптимизация серверной части: vLLM / TGI / SGLang serving, KV cache tuning, quantization, speculative decoding), Generative AI Engineer (broader — включает image / video / audio: Stable Diffusion / Flux / Suno / ElevenLabs), AI Agent Engineer (rising 2025–2026 — autonomous agents с tool calling, multi-step reasoning, LangGraph / AutoGen / CrewAI / Microsoft Semantic Kernel), Senior AI Engineer (multi-product LLM architecture + cost optimization). Стек 2026: Python (монопольно). Vector databases: Pinecone (managed leader — premium), Weaviate (open-source — modular), Qdrant (Rust — fast self-hosted), Milvus (enterprise scale), Chroma (lightweight dev), pgvector (Postgres extension — production-friendly), Elasticsearch dense_vector + Redis Stack (hybrid). Fine-tuning: LoRA + QLoRA (PEFT библиотека Hugging Face), full fine-tuning rare (cost prohibitive). RLHF / DPO: TRL library (Hugging Face). Serving: vLLM (PagedAttention — рекорд throughput), TGI (Text Generation Inference — Hugging Face), SGLang (programming model для serving + caching), Ollama (local), llama.cpp (CPU + edge). Evaluation: RAGAS, DeepEval, lm-evaluation-harness, Inspect AI (UK AISI), Promptfoo, LangSmith (LangChain trace + eval — best UX). Observability: Helicone, LangSmith, Langfuse (open-source), Arize Phoenix, Datadog LLM Observability. Cost: per-token tracking + prompt caching. Топ-стек: python, llm, cloud, aws, agile. Среди вакансий с указанным форматом работы 30% — удалённые.
Данные на:
Главные цифры рынка AI / LLM Engineer: открытые вакансии, медианная зарплата, наблюдаемый пул специалистов и доля удалёнки.
На рынке AI / LLM Engineer сейчас 4 167 открытых вакансий, из них 3 594 со свежим наблюдением. Медианная зарплата $10 833/мес.
Среди вакансий с указанным форматом работы 30% — удалённые. AI work fully cloud-based (LLM APIs + vector DBs + cloud GPUs). Аутсорсеры — почти всегда remote. Международные frontier-AI labs — full-remote standard для exceptional candidates. Big Tech AI — гибрид-standard. Y Combinator AI-startups — premium full-remote.
⚠ зарплата известна у 541 из 4167 вакансий; доля удалёнки — от 3515 с указанным форматом; свежими наблюдениями считаются 3594; тренд и сложность найма не показываются
Динамика: вакансии и источники
Сколько вакансий AI / LLM Engineer появлялось каждую неделю с 1 июн. и из скольких источников они пришли. Нижний график нужен, чтобы отличать рост рынка от роста нашего охвата: скачок вакансий в неделю, когда подключились новые источники, — это мы стали видеть больше, а не рынок вырос.
Новые вакансии за неделю
Данные графика
| Период | Новые вакансии за неделю |
|---|---|
| 2026-06-01 | 190 |
| 2026-06-08 | 141 |
| 2026-06-15 | 113 |
| 2026-06-22 | 326 |
| 2026-06-29 | 306 |
| 2026-07-06 | 351 |
| 2026-07-13 | 463 |
| 2026-07-20 | 436 |
| 2026-07-27 | 254 |
| 2026-08-03 | 354 |
| 2026-08-10 | 219 |
| 2026-08-17 | 262 |
| 2026-08-24 | 235 |
| 2026-08-31 | 272 |
| 2026-09-07 | 278 |
| 2026-09-14 | 307 |
| 2026-09-21 | 1 096 |
| 2026-09-28 | 666 |
| 2026-10-05 | 752 |
| 2026-10-12 | 1 640 |
| 2026-10-19 | 888 |
| 2026-10-26 | 967 |
| 2026-11-02 | 928 |
| 2026-11-09 | 1 041 |
Активных источников за неделю
Источников всего за период: 278. ▲ — неделя, когда подключилось много новых источников.
Данные графика
| Период | Активных источников |
|---|---|
| 2026-06-01 | 25 |
| 2026-06-08 | 24 |
| 2026-06-15 | 21 |
| 2026-06-22 | 49 |
| 2026-06-29 | 68 |
| 2026-07-06 | 58 |
| 2026-07-13 | 85 |
| 2026-07-20 | 75 |
| 2026-07-27 | 66 |
| 2026-08-03 | 66 |
| 2026-08-10 | 40 |
| 2026-08-17 | 44 |
| 2026-08-24 | 47 |
| 2026-08-31 | 49 |
| 2026-09-07 | 49 |
| 2026-09-14 | 50 |
| 2026-09-21 | 75 |
| 2026-09-28 | 71 |
| 2026-10-05 | 82 |
| 2026-10-12 | 73 |
| 2026-10-19 | 83 |
| 2026-10-26 | 85 |
| 2026-11-02 | 82 |
| 2026-11-09 | 107 |
Подключение новых источников: 22 июн. +28 · 29 июн. +36 · 6 июл. +22 · 13 июл. +26 · 20 июл. +19 · все недели (23) — в таблице
| Неделя | Новых источников | Новых вакансий |
|---|---|---|
| 8 июн. | +7 | 141 |
| 15 июн. | +5 | 113 |
| 22 июн. | +28 | 326 |
| 29 июн. | +36 | 306 |
| 6 июл. | +22 | 351 |
| 13 июл. | +26 | 463 |
| 20 июл. | +19 | 436 |
| 27 июл. | +5 | 254 |
| 3 авг. | +6 | 354 |
| 10 авг. | +2 | 219 |
| 17 авг. | +4 | 262 |
| 24 авг. | +5 | 235 |
| 31 авг. | +5 | 272 |
| 7 сент. | +7 | 278 |
| 14 сент. | +8 | 307 |
| 21 сент. | +10 | 1 096 |
| 28 сент. | +6 | 666 |
| 5 окт. | +8 | 752 |
| 12 окт. | +8 | 1 640 |
| 19 окт. | +14 | 888 |
| 26 окт. | +3 | 967 |
| 2 нояб. | +9 | 928 |
| 9 нояб. | +10 | 1 041 |
Текущая неделя ещё не закончилась и не показана: неполная неделя выглядела бы как спад.
Неделя — по дате появления вакансии, все статусы; отбор вакансий — то же правило, что у счётчика этой страницы. Источники — различные каналы сбора, их имена не публикуются.
Данные графика
| Неделя | Новые вакансии за неделю | Активных источников |
|---|---|---|
| 2026-06-01 | 190 | 25 |
| 2026-06-08 | 141 | 24 |
| 2026-06-15 | 113 | 21 |
| 2026-06-22 | 326 | 49 |
| 2026-06-29 | 306 | 68 |
| 2026-07-06 | 351 | 58 |
| 2026-07-13 | 463 | 85 |
| 2026-07-20 | 436 | 75 |
| 2026-07-27 | 254 | 66 |
| 2026-08-03 | 354 | 66 |
| 2026-08-10 | 219 | 40 |
| 2026-08-17 | 262 | 44 |
| 2026-08-24 | 235 | 47 |
| 2026-08-31 | 272 | 49 |
| 2026-09-07 | 278 | 49 |
| 2026-09-14 | 307 | 50 |
| 2026-09-21 | 1 096 | 75 |
| 2026-09-28 | 666 | 71 |
| 2026-10-05 | 752 | 82 |
| 2026-10-12 | 1 640 | 73 |
| 2026-10-19 | 888 | 83 |
| 2026-10-26 | 967 | 85 |
| 2026-11-02 | 928 | 82 |
| 2026-11-09 | 1 041 | 107 |
Зарплаты во времени
Медиана зарплат в вакансиях AI / LLM Engineer по неделям, в долларах США в месяц.
Медиана зарплаты, $ в месяц
Данные графика
| Период | Медиана | Сколько вакансий с зарплатой за неделю (n) |
|---|---|---|
| 2026-08-31 | 7 355 | 11 |
| 2026-09-07 | — | 5 |
| 2026-09-14 | — | 5 |
| 2026-09-21 | 8 406 | 25 |
| 2026-09-28 | 9 036 | 49 |
| 2026-10-05 | 8 333 | 79 |
| 2026-10-12 | 8 578 | 84 |
| 2026-10-19 | 9 457 | 156 |
| 2026-10-26 | 10 833 | 165 |
| 2026-11-02 | 10 625 | 161 |
| 2026-11-09 | 11 417 | 167 |
Ряд начинается с 31 авг.: раньше данных нет.
Только вакансии с зарплатой в долларах и известным периодом (месяц или год), от $500 до $50 000 в месяц. Недели, где таких вакансий меньше 10, пропущены — это «нет данных», а не ноль.
Данные графика
| Неделя | Медиана |
|---|---|
| 2026-06-01 | — |
| 2026-06-08 | — |
| 2026-06-15 | — |
| 2026-06-22 | — |
| 2026-06-29 | — |
| 2026-07-06 | — |
| 2026-07-13 | — |
| 2026-07-20 | — |
| 2026-07-27 | — |
| 2026-08-03 | — |
| 2026-08-10 | — |
| 2026-08-17 | — |
| 2026-08-24 | — |
| 2026-08-31 | 7 355 |
| 2026-09-07 | — |
| 2026-09-14 | — |
| 2026-09-21 | 8 406 |
| 2026-09-28 | 9 036 |
| 2026-10-05 | 8 333 |
| 2026-10-12 | 8 578 |
| 2026-10-19 | 9 457 |
| 2026-10-26 | 10 833 |
| 2026-11-02 | 10 625 |
| 2026-11-09 | 11 417 |
Удалённая работа во времени
Какая доля вакансий AI / LLM Engineer предлагала полностью удалённую работу — по неделям.
Доля удалённых вакансий, %
Данные графика
| Период | Удалённо |
|---|---|
| 2026-06-01 | 30,3 |
| 2026-06-08 | 26,1 |
| 2026-06-15 | 21,1 |
| 2026-06-22 | 27,6 |
| 2026-06-29 | 40,9 |
| 2026-07-06 | 39,5 |
| 2026-07-13 | 40,8 |
| 2026-07-20 | 43,1 |
| 2026-07-27 | 46,7 |
| 2026-08-03 | 27,7 |
| 2026-08-10 | 36,2 |
| 2026-08-17 | 30,8 |
| 2026-08-24 | 31,3 |
| 2026-08-31 | 22,9 |
| 2026-09-07 | 20,3 |
| 2026-09-14 | 17,6 |
| 2026-09-21 | 29,6 |
| 2026-09-28 | 33,5 |
| 2026-10-05 | 36,5 |
| 2026-10-12 | 34,5 |
| 2026-10-19 | 35,1 |
| 2026-10-26 | 34 |
| 2026-11-02 | 30,5 |
| 2026-11-09 | 30,5 |
Доля считается среди вакансий, где формат указан (удалённо, гибрид, офис). Недели, где таких меньше 10, пропущены.
Данные графика
| Неделя | Удалённо |
|---|---|
| 2026-06-01 | 30,3 |
| 2026-06-08 | 26,1 |
| 2026-06-15 | 21,1 |
| 2026-06-22 | 27,6 |
| 2026-06-29 | 40,9 |
| 2026-07-06 | 39,5 |
| 2026-07-13 | 40,8 |
| 2026-07-20 | 43,1 |
| 2026-07-27 | 46,7 |
| 2026-08-03 | 27,7 |
| 2026-08-10 | 36,2 |
| 2026-08-17 | 30,8 |
| 2026-08-24 | 31,3 |
| 2026-08-31 | 22,9 |
| 2026-09-07 | 20,3 |
| 2026-09-14 | 17,6 |
| 2026-09-21 | 29,6 |
| 2026-09-28 | 33,5 |
| 2026-10-05 | 36,5 |
| 2026-10-12 | 34,5 |
| 2026-10-19 | 35,1 |
| 2026-10-26 | 34 |
| 2026-11-02 | 30,5 |
| 2026-11-09 | 30,5 |
Технологии во времени
Как менялась доля вакансий AI / LLM Engineer, где упоминается каждая из главных технологий.
Доля вакансий с технологией, %
Данные графика
| Период | Python | llm | cloud |
|---|---|---|---|
| 2026-08-10 | 23,4 | 36,9 | 21,6 |
| 2026-08-17 | 39,3 | 46,2 | 17,9 |
| 2026-08-24 | 29,5 | 34,1 | 17,8 |
| 2026-08-31 | 35,7 | 46,2 | 10,5 |
| 2026-09-07 | 34,7 | 48,4 | 24,2 |
| 2026-09-14 | 32,8 | 40 | 26,4 |
| 2026-09-21 | 38,2 | 44,4 | 35 |
| 2026-09-28 | 56,9 | 55,7 | 41,8 |
| 2026-10-05 | 59,2 | 54,3 | 40,6 |
| 2026-10-12 | 50,3 | 50,7 | 41 |
| 2026-10-19 | 59,8 | 60,2 | 43,6 |
| 2026-10-26 | 59,5 | 56,3 | 50,6 |
| 2026-11-02 | 63,3 | 57,9 | 40,7 |
| 2026-11-09 | 61,4 | 55 | 44,9 |
Доля — среди вакансий с размеченным стеком; ряд начинается с 10 авг.: раньше метки стека ставились по-другому. Недели, где размеченных вакансий меньше 20, пропущены.
Данные графика
| Неделя | Python | llm | cloud | AWS | Azure |
|---|---|---|---|---|---|
| 2026-08-10 | 23,4 | 36,9 | 21,6 | 16,2 | 7,2 |
| 2026-08-17 | 39,3 | 46,2 | 17,9 | 12 | 12 |
| 2026-08-24 | 29,5 | 34,1 | 17,8 | 8,5 | 11,6 |
| 2026-08-31 | 35,7 | 46,2 | 10,5 | 10,5 | 8,4 |
| 2026-09-07 | 34,7 | 48,4 | 24,2 | 6,5 | 12,9 |
| 2026-09-14 | 32,8 | 40 | 26,4 | 5,6 | 8,8 |
| 2026-09-21 | 38,2 | 44,4 | 35 | 17,8 | 13,5 |
| 2026-09-28 | 56,9 | 55,7 | 41,8 | 29,4 | 33,6 |
| 2026-10-05 | 59,2 | 54,3 | 40,6 | 26 | 27,5 |
| 2026-10-12 | 50,3 | 50,7 | 41 | 23,9 | 22,2 |
| 2026-10-19 | 59,8 | 60,2 | 43,6 | 28,2 | 25,4 |
| 2026-10-26 | 59,5 | 56,3 | 50,6 | 31,9 | 28,6 |
| 2026-11-02 | 63,3 | 57,9 | 40,7 | 26,7 | 24,5 |
| 2026-11-09 | 61,4 | 55 | 44,9 | 26,3 | 28,6 |
Страны во времени
Как менялась доля вакансий AI / LLM Engineer в каждой из главных стран — по неделям.
Доля вакансий в стране, %
Данные графика
| Период | США | Великобритания | Польша |
|---|---|---|---|
| 2026-06-01 | 50,8 | 2,2 | 17,3 |
| 2026-06-08 | 51,9 | 7,8 | 10,9 |
| 2026-06-15 | 58,8 | 2 | 13,7 |
| 2026-06-22 | 29,7 | 0,7 | 34,7 |
| 2026-06-29 | 27,7 | 4 | 16,6 |
| 2026-07-06 | 31,4 | 5,2 | 10,8 |
| 2026-07-13 | 33,3 | 5 | 11,8 |
| 2026-07-20 | 34,1 | 17 | 18,7 |
| 2026-07-27 | 29,6 | 11,3 | 18,8 |
| 2026-08-03 | 35,3 | 18,5 | 4,8 |
| 2026-08-10 | 28,2 | 27,6 | 3,1 |
| 2026-08-17 | 37,3 | 20,1 | 1,4 |
| 2026-08-24 | 32,1 | 22,3 | 4,3 |
| 2026-08-31 | 37,6 | 24,5 | 1,7 |
| 2026-09-07 | 40,9 | 17,5 | 3,2 |
| 2026-09-14 | 37,7 | 20 | 1,1 |
| 2026-09-21 | 35,9 | 12,2 | 4,1 |
| 2026-09-28 | 37,5 | 11,9 | 11,9 |
| 2026-10-05 | 31,7 | 11,7 | 15 |
| 2026-10-12 | 22,2 | 9,2 | 10,9 |
| 2026-10-19 | 26 | 11,2 | 13,3 |
| 2026-10-26 | 27,8 | 12 | 7 |
| 2026-11-02 | 28,6 | 12,6 | 7,4 |
| 2026-11-09 | 28,4 | 11,4 | 7,5 |
Доля — среди вакансий, где страна известна; на графике пять стран с наибольшим числом вакансий за полгода. Недели, где вакансий с известной страной меньше 20, пропущены. Рост доли страны может означать подключение нового источника в этой стране, а не рост рынка.
Данные графика
| Неделя | США | Великобритания | Польша | Индия | Германия |
|---|---|---|---|---|---|
| 2026-06-01 | 50,8 | 2,2 | 17,3 | 12,3 | 1,1 |
| 2026-06-08 | 51,9 | 7,8 | 10,9 | 13,2 | 7,8 |
| 2026-06-15 | 58,8 | 2 | 13,7 | 6,9 | 4,9 |
| 2026-06-22 | 29,7 | 0,7 | 34,7 | 7 | 3,7 |
| 2026-06-29 | 27,7 | 4 | 16,6 | 7,5 | 3,2 |
| 2026-07-06 | 31,4 | 5,2 | 10,8 | 13,6 | 4,9 |
| 2026-07-13 | 33,3 | 5 | 11,8 | 12,1 | 3,7 |
| 2026-07-20 | 34,1 | 17 | 18,7 | 4,7 | 2,5 |
| 2026-07-27 | 29,6 | 11,3 | 18,8 | 3,8 | 5,9 |
| 2026-08-03 | 35,3 | 18,5 | 4,8 | 6,8 | 1,7 |
| 2026-08-10 | 28,2 | 27,6 | 3,1 | 6,1 | 3,7 |
| 2026-08-17 | 37,3 | 20,1 | 1,4 | 7,7 | 1,9 |
| 2026-08-24 | 32,1 | 22,3 | 4,3 | 8,2 | 2,2 |
| 2026-08-31 | 37,6 | 24,5 | 1,7 | 8,3 | 2,2 |
| 2026-09-07 | 40,9 | 17,5 | 3,2 | 7,9 | 1,2 |
| 2026-09-14 | 37,7 | 20 | 1,1 | 12,1 | 0,4 |
| 2026-09-21 | 35,9 | 12,2 | 4,1 | 7 | 4,1 |
| 2026-09-28 | 37,5 | 11,9 | 11,9 | 7,4 | 5,2 |
| 2026-10-05 | 31,7 | 11,7 | 15 | 5,7 | 7,5 |
| 2026-10-12 | 22,2 | 9,2 | 10,9 | 9,2 | 10 |
| 2026-10-19 | 26 | 11,2 | 13,3 | 6,6 | 7,8 |
| 2026-10-26 | 27,8 | 12 | 7 | 8,6 | 5,3 |
| 2026-11-02 | 28,6 | 12,6 | 7,4 | 7,2 | 6,1 |
| 2026-11-09 | 28,4 | 11,4 | 7,5 | 8,6 | 6,4 |
Чистый рынок: индекс найма
Одни и те же 7 505 досок вакансий работодателей; число вакансий берётся с самой доски. Подключение новых источников этот индекс не двигает — он показывает рынок, а не наш охват. Это весь рынок по панели, а не только AI / LLM Engineer.
Индекс найма, 16 окт. = 100
Данные графика
| Период | Индекс найма |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Цепной индекс: каждый день сравниваются только доски, опрошенные и в этот, и в предыдущий день; выбросы и сбои опроса целой платформы исключаются. Дни без сопоставимых пар пропущены.
Данные графика
| День | Индекс найма |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Сколько открытых вакансий AI / LLM Engineer и сколько подходящих специалистов видит Zorky.
Спрос и наблюдаемый пул
Данные графика
| Показатель | Значение |
|---|---|
| Открытый спрос | 4 167 |
| Открытый спрос | 4 167 |
| Наблюдаемый пул | — не публикуется |
AI Engineer — fastest-growing AI/ML sub-niche (выделилась в 2023 после ChatGPT boom). Реальный рынок шире виден pool — many AI roles classified как general ML Engineer / Backend в нашем matcher'е (titles типа «Senior Backend Engineer with AI focus»). Драйверы 2026: LLM adoption в всех продуктах (chatbots / summarization / Q&A / code-assist), RAG-applications для enterprise knowledge bases, agentic workflows (rising 2025–2026), Foundation Model startups race. International remote через frontier-AI labs + Y Combinator AI-startups — премиум сегмент.
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
Как распределены зарплаты в вакансиях AI / LLM Engineer, в долларах США в месяц.
Распределение зарплат
Данные графика
| Показатель | Значение |
|---|---|
| <$1k | 4 |
| $1–2k | 10 |
| $2–3k | 11 |
| $3–4k | 11 |
| $4–5k | 11 |
| $5–6k | 30 |
| $6–7k | 32 |
| $7–8k | 37 |
| $8–9k | 45 |
| $9–10k | 34 |
| $10–12k | 80 |
| $12–15k | 81 |
| $15–20k | 113 |
| $20k+ | 42 |
- пригодна для расчёта: 541 (13%)
- указана, но не приведена к $/мес: 543 (13%)
- не указана: 3 083 (74%)
В каждой десятой вакансии вилка ниже $5 411, в каждой десятой — выше $19 166. Половина вакансий предлагает от $7 699 до $15 625. Выборка: 541.
Данные графика
| Показатель | Нижняя граница | Верхняя граница | Количество |
|---|---|---|---|
| <$1k | 0 | 1 000 | 4 |
| $1–2k | 1 000 | 2 000 | 10 |
| $2–3k | 2 000 | 3 000 | 11 |
| $3–4k | 3 000 | 4 000 | 11 |
| $4–5k | 4 000 | 5 000 | 11 |
| $5–6k | 5 000 | 6 000 | 30 |
| $6–7k | 6 000 | 7 000 | 32 |
| $7–8k | 7 000 | 8 000 | 37 |
| $8–9k | 8 000 | 9 000 | 45 |
| $9–10k | 9 000 | 10 000 | 34 |
| $10–12k | 10 000 | 12 000 | 80 |
| $12–15k | 12 000 | 15 000 | 81 |
| $15–20k | 15 000 | 20 000 | 113 |
| $20k+ | 20 000 | — | 42 |
В каких странах больше всего открытых вакансий AI / LLM Engineer.
География спроса
| страна | вакансий | доля |
|---|---|---|
| Соединенные Штаты | 1 050 | 30,3% |
| Великобритания | 329 | 9,5% |
| Польша | 308 | 8,9% |
| Индия | 284 | 8,2% |
| Германия | 214 | 6,2% |
| Канада | 124 | 3,6% |
| Франция | 110 | 3,2% |
| Сингапур | 107 | 3,1% |
| Испания | 65 | 1,9% |
| Россия | 60 | 1,7% |
| Остальные страны | 819 | 23,6% |
Лидер по числу AI Engineer-вакансий — США (1050 позиций) — но pool молодой нишы небольшой, не репрезентативен в полную меру. Польша — AI-friendly EU-хаб (Варшава / Краков). Германия — Berlin AI-cluster (Aleph Alpha + Black Forest Labs). Франция — Paris (Mistral + Hugging Face HQ). UK — London. США — Bay Area (крупнейший AI hub).
⚠ только число вакансий: зарплата по странам не публикуется
Данные графика
| Страна | Вакансии |
|---|---|
| US | 1 050 |
| GB | 329 |
| PL | 308 |
| IN | 284 |
| DE | 214 |
| CA | 124 |
| FR | 110 |
| SG | 107 |
| ES | 65 |
| RU | 60 |
Какие технологии чаще всего требуют в одной вакансии с AI / LLM Engineer.
С чем используется вместе
Доля — сколько из 4 167 вакансий рынка «AI / LLM Engineer» упоминают эту технологию. Порядок — по числу вакансий, не по «силе связи». Обобщения вроде cloud не равны конкретному облаку (AWS, Azure).
Данные графика
| Название | Количество |
|---|---|
| python | 1 562 |
| llm | 1 535 |
| cloud | 1 331 |
| aws | 847 |
| azure | 790 |
| docker | 477 |
| langchain | 441 |
| langgraph | 425 |
| gcp | 401 |
| mlops | 356 |
| embeddings | 355 |
| fine-tuning | 333 |
Сколько вакансий AI / LLM Engineer на каждом уровне — от junior до principal.
Спрос по уровням
| уровень | вакансий |
|---|---|
| senior | 1 284 |
| principal | 316 |
| lead | 312 |
| junior | 201 |
| middle | 184 |
Junior — typical entry Backend Senior / ML Engineer Middle + LLM portfolio (RAG + LangChain experience demonstrable). Career-flow: Backend Senior / ML Middle (2-3 года) + LLM interest → AI Engineer Junior (1-2 года) → Middle (2-3 года) → Senior → либо Staff / Principal AI Engineer, либо AI Tech Lead / Engineering Manager, либо переход в frontier-AI lab, либо AI startup founder. Если данных мало по grade'ам — обращайтесь к страницам ml-engineer + research для broader benchmarks.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Данные графика
| Уровень | Количество |
|---|---|
| senior | 1 284 |
| principal | 316 |
| lead | 312 |
| junior | 201 |
| middle | 184 |
Кто больше всех нанимает по AI / LLM Engineer и насколько спрос сосредоточен у крупных компаний.
Работодатели
Спрос распределён между 2 497 работодателями. На крупнейшего приходится 1.1%, на десятку — 5.0%; остальные 95.0% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 1.1% |
| топ-3 | 2.3% |
| топ-10 | 5.0% |
| длинный хвост | 95.0% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
С каких сайтов компаний и досок Zorky собирает вакансии AI / LLM Engineer.
Откуда Zorky видит этот рынок
Наблюдение идёт из 128 источников; на крупнейший приходится 11.5% — рынок не держится на одном канале.
Данные графика
| Класс | Название | Название на английском | Количество | Доля |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & career sites | 2 530 | 0,6072 |
| board | джоб-борды и агрегаторы | job boards & aggregators | 1 392 | 0,3341 |
| telegram | Telegram | Telegram | 222 | 0,0533 |
| community | сообщества и публичные профили | community & public profiles | 23 | 0,0055 |
Самые новые вакансии AI / LLM Engineer с сайтов компаний.
Свежие вакансии
- AI Engineer I/II/III · INT
- Lead AI Engineer · INT
- Applied AI Engineer · AT
- AI Engineer — стажёр · KZ
- AI Engineer - Simulation Environments · DE
- AI Engineer / LLM Engineer · NL
- AI Engineer Intern (x/f/m) - Paris · FR
- AI Engineer Intern (x/f/m) - Nantes · FR
Свежие открытые AI Engineer-вакансии — последние позиции в выборке (молодая ниша, sample небольшой). Полный список — в нашем CRM или по ссылке «смотреть все» ниже. Для broader view посмотрите ml-engineer + research страницы.
Соседние рынки
AI Engineer пересекается с ML Engineer (production ML overlap — но AI focuses на LLM-based features), Data Scientist (LLM-aware DS — prompt engineering для analysis), Research Engineer (deeper LLM science — papers + Foundation Model training), Backend (production-grade integration depth), MLOps (LLM serving infrastructure overlap). Сравнение с ml-engineer/data-scientist/research/mlops — в SiblingSubnichesChart выше.
⚠ соседние рынки для сравнения ещё не определены
Как это посчитано
- Вакансия
- открытая вакансия, прошедшая гейт качества и содержащая не менее двух технологий
- Наблюдаемый кандидат
- кандидат, чей стек содержит эту технологию; агрегат, без единой записи наружу
- Подходящий кандидат
- пока не считается
- Окно
- открытые вакансии на момент сборки снимка
О данных
- Некоторые разрезы скрыты: по ним пока недостаточно полноты данных.
- Статистика строится только там, где выборка проходит порог качества.
- Отсутствие блока не означает нулевое значение.
Сейчас скрыто разрезов: 8.
Направление: AI / ML / DS
Соседние специализации
Внутри AI / LLM Engineer: AI Engineer (general — LLM integration в одну продуктовую feature), LLM Engineer (LLM-deep — vLLM / TGI serving + KV cache + quantization + speculative decoding), Generative AI Engineer (broader — image / video / audio: Stable Diffusion / Flux / Suno / ElevenLabs), AI Agent Engineer (rising 2025–2026 — autonomous agents с tool use + multi-step reasoning), Senior AI Engineer (multi-product LLM architecture + cost optimization). Сравнение с ml-engineer/data-scientist/research/mlops — в баре ниже.
Частые вопросы
Самые частые вопросы про AI / LLM Engineer: зарплаты (премиум-сегмент за rare-skill), AI Engineer vs ML Engineer vs Data Scientist (3-way comparison), RAG vs Fine-tuning vs Prompt Engineering (decision tree + cost reality), AI Agent Engineer (rising 2025–2026 sub-specialization), удалёнка, как стать (2-4 месяца из Backend Senior — fastest entry в ML world), Senior skills (LangChain + RAG advanced + agent architectures + cost optimization + open-source contributions). Ответы пересчитываются автоматически.
Какой стек чаще всего требуют от AI Engineer?
Топ-5: python, llm, cloud, aws, agile. Python deep (монопольно — async / typing / FastAPI). Каждый provider имеет свои quirks (rate limits + retry strategies + cost per token + features support). LLM Frameworks: LangChain mastery — самый ёмкий job market (LCEL — LangChain Expression Language, callbacks, agents, retrievers), LlamaIndex (RAG-focused — data ingestion + indexing strategies), Haystack (deepset), Semantic Kernel (Microsoft for .NET shops), LangGraph (DAG-style agent orchestration — LangChain), AutoGen + CrewAI (multi-agent — rising), DSPy (Stanford — declarative LLM programming, growing). Vector databases mastery: Pinecone (managed leader), Weaviate (open-source modular), Qdrant (Rust-based — fast self-hosted), Milvus (enterprise scale), Chroma (lightweight dev / prototyping), pgvector (Postgres extension — production-friendly для existing Postgres shops), Elasticsearch dense_vector + Redis Stack (hybrid full-text + vector). Fine-tuning: LoRA + QLoRA через PEFT library (Hugging Face — standard 2026), Unsloth (faster LoRA training), Axolotl (config-driven fine-tuning). Full fine-tuning rare (cost prohibitive). RLHF / DPO / KTO: TRL library (Hugging Face — Direct Preference Optimization рост 2024+). Evaluation: RAGAS (RAG-specific — faithfulness + answer relevancy + context precision), DeepEval, lm-evaluation-harness (academic benchmarks), Inspect AI (UK AISI safety-focused), Promptfoo (regression testing для prompts), LangSmith (LangChain trace + eval — best UX). Observability + tracing: Helicone (LLM-specific APM), LangSmith, Langfuse (open-source), Arize Phoenix, Datadog LLM Observability (2024+ feature). Cost optimization: prompt caching, prompt compression (LLMLingua), model routing (small model for easy queries, large для complex — through providers like Martian / OpenRouter).
AI Engineer vs ML Engineer vs Data Scientist — в чём разница?
Data Scientist — focus statistical modeling + A/B testing + business problem framing. Стек: pandas + sklearn + XGBoost + Jupyter + SQL + Tableau. См. Data Scientist. ML Engineer — focus на production ML pipelines + deployment + scaling. Стек: PyTorch + sklearn + Kubernetes + MLflow + cloud-managed ML. Универсал — работает с recsys / fraud / ranking / classical ML. См. ML Engineer. AI Engineer (эта страница) — focus на LLM integration в продукт. НЕ обучает foundation модели (это Research), НЕ строит classical ML pipelines (это ML Engineer). Стек: Python + LLM providers + LangChain / LlamaIndex + vector DBs + vLLM serving + RAG patterns + LoRA fine-tuning + LLM evaluation tools. Key distinction 2026: AI Engineer reuses pre-trained LLM, ML Engineer часто trains models из scratch. AI Engineer работает с API/prompts/RAG; ML Engineer — с training loops + feature engineering. Career-pivots: Backend Senior → AI Engineer Junior — 2-4 месяца (быстрая ramp за счёт API-based work + LangChain learnable). ML Engineer Senior → AI Engineer Senior — 1-3 месяца (already знает stack basics, нужно deepen LLM-specific). DS Senior → AI Engineer Middle — 3-6 месяцев. AI Engineer Senior → Research — требует deeper math + paper-writing experience + 6-12 месяцев preparation.
RAG vs Fine-tuning vs Prompt Engineering — что выбрать?
Decision tree для LLM customization 2026: 1) Prompt Engineering — first try. Use case: zero-shot или few-shot ENOUGH для task. Pros: zero-cost (no training), instant iteration, model-agnostic. Cons: limited control, prompt fragility, context window pressure. 2) RAG (Retrieval-Augmented Generation) — best для knowledge-grounded tasks. Use case: chatbot, Q&A, document search, customer support, code documentation, internal knowledge bases. Architecture: query → embed → vector search → top-k documents → augment prompt с retrieved context → LLM generates answer. Pros: factual grounding (anti-hallucination), up-to-date (just update index, no retraining), source citation possible, cheaper чем fine-tuning. Cons: retrieval quality bottleneck, prompt size grows. RAG stack 2026: ingestion (LlamaIndex / LangChain document loaders) → chunking strategy (semantic vs fixed-size vs recursive) → embeddings → vector DB (Pinecone / Qdrant / Weaviate / pgvector) → retrieval (similarity + reranking via Cohere Rerank / BGE Reranker) → prompt augmentation → LLM generation. Advanced RAG: hybrid search (vector + BM25), HyDE (Hypothetical Document Embeddings), query rewriting, multi-hop retrieval, self-reflection (CRAG / Self-RAG). 3) Fine-tuning — use when prompt engineering + RAG не достаточно. Use case: a) domain-specific style / format (medical / legal — specific phrasing patterns), b) reduce token cost (smaller fine-tuned model заменяет larger general model), c) tasks requiring deep specialized knowledge (где RAG context window не помогает). LoRA обучает адаптеры при замороженных базовых весах. Доля обучаемых параметров зависит от модели, ранга адаптеров и выбранных модулей. LoRA. Stack: Hugging Face Transformers + PEFT + TRL + Unsloth (faster) + Axolotl (config-driven). Hardware: 24GB GPU (RTX 4090 / A6000) для 7-13B models, 80GB+ (A100/H100) для 70B+. Cost reality 2026: prompt engineering — minutes, $0. RAG setup — 1-2 weeks engineering, $100–1000/month API costs. 4) Combination: real production AI features typically use ALL three. Prompt engineering первое (system prompts + few-shot examples) → RAG для grounding → optional LoRA fine-tuning для style/format. 5) Agentic patterns (rising 2025–2026) — LLM + tool use + multi-step reasoning. Use LangGraph / AutoGen / CrewAI / DSPy.
Какая доля вакансий предполагает удалённую работу?
Среди вакансий с указанным форматом работы 30% — удалённые. Вакансии без указанного формата не входят в знаменатель; гибридная работа не считается удалённой.
С чего начинать в AI Engineering в 2026?
Roadmap: 1) Python deep + Backend basics — async / typing / FastAPI / pytest. Без Backend skill — не AI Engineer (just prompt-jockey). Книга: «Fluent Python» Ramalho. 2) LLM fundamentals understanding — transformer architecture basics (attention + tokenization + decoding strategies + context windows), но НЕ нужно implement from scratch. Курс: «Building LLMs from scratch» Karpathy YouTube (free — best для intuition). Книга: «Hands-On Large Language Models» Jay Alammar / Maarten Grootendorst (2024 — must-read). 3) OpenAI API mastery — chat completions + function calling + structured outputs + streaming + assistants. Build minimum 3 real apps. Free credits + cheap experimentation. 4) Anthropic Claude API mastery — лучший для coding + long-context use cases. Tool use + prompt caching + computer use (если AI Agent track интересен). 5) LangChain mastery — самый ёмкий job market требование. LCEL (LangChain Expression Language), chains, agents, retrievers, callbacks. Курс: «LangChain & Vector Databases in Production» DeepLearning.AI (free). 6) RAG architecture deep — document loaders + chunking strategies (semantic / fixed / recursive) + embeddings choice + vector DB selection + retrieval algorithms + reranking. Build production RAG app с advanced patterns (hybrid search + reranking + HyDE). 7) Vector DB mastery — minimum один deeply (Qdrant — best для self-hosted learning) + один managed (Pinecone). Understanding HNSW / IVF / PQ algorithms basics. 8) Fine-tuning hands-on — LoRA / QLoRA через PEFT library + Unsloth (faster). Fine-tune Llama 3.x 8B на own dataset. Hardware: Google Colab Pro+ ($50/month) или RunPod / Vast.ai (cheap GPU rental). 9) vLLM serving — deploy open model with vLLM + benchmark throughput + compare with OpenAI API. 10) Evaluation mastery — RAGAS + DeepEval + custom evaluation suite. Build regression test для prompts. 11) LangSmith / Langfuse observability — instrument production app + analyze traces + identify bottlenecks. 12) Agent frameworks — LangGraph + AutoGen + CrewAI + DSPy basics. Build multi-agent demo (research agent + writing agent + critic agent). 13) Pet-проект portfolio: production-grade AI feature (e.g. document Q&A для open dataset) с RAG + evaluation + observability + cost tracking. Document как portfolio (GitHub + blog post + demo video). Курсы РФ: Karpov.Courses «AI Engineer» track, Otus «LLM Engineering», Школа высшая ВШЭ ИИ, School21 (Сбер) AI Engineer track. Books-must: «AI Engineering» Chip Huyen (2024), «Hands-On Large Language Models» Alammar / Grootendorst, «Building LLMs for Production» Bouchard / Peng. Backend Senior + LLM interest → AI Engineer Junior — 2-4 месяца (fastest entry в ML world). ML Engineer Senior → AI Engineer Senior — 1-3 месяца. Data Scientist → AI Engineer Middle — 3-6 месяцев.
Сколько открытых вакансий в этой выборке?
В опубликованной выборке — 4167 открытых вакансий без перепубликаций. Это тот же показатель, что в верхнем блоке страницы. География выборки представлена в разделе географии; это не оценка всего рынка.
Какие навыки нужны Senior AI Engineer?
Senior AI Engineer владеет полным циклом LLM-product engineering + cost optimization + technical leadership. Python deep + Backend Senior level: async / typing / FastAPI / pytest mastery. Open LLM knowledge: Llama 3.x / Mistral / Qwen 2.5 / DeepSeek V3 + R1 / Phi 3 / Gemma 2 — performance / cost trade-offs, когда какую использовать. LangChain mastery: LCEL deep, callbacks, agents, retrievers, custom chain authoring, debugging through LangSmith. Or equivalent в LlamaIndex / Haystack / Semantic Kernel. RAG architecture mastery: advanced patterns (hybrid search BM25 + vector, reranking, HyDE, query rewriting, multi-hop retrieval, self-reflection patterns CRAG / Self-RAG), chunking strategies (semantic + recursive + hierarchical), embedding model selection. Vector DB mastery deep: один из Pinecone / Qdrant / Weaviate / Milvus / pgvector deeply — index tuning, sharding, replication, hybrid search implementation. Fine-tuning mastery: LoRA / QLoRA via PEFT + Unsloth + Axolotl, dataset preparation (instruction tuning + DPO data), hyperparameter selection, evaluation methodology. RLHF / DPO / KTO basics: TRL library для preference optimization. Serving mastery: vLLM advanced (PagedAttention + continuous batching + speculative decoding + KV cache optimization), TGI, SGLang. Agent architectures: LangGraph + AutoGen + CrewAI + DSPy mastery, MCP (Model Context Protocol) implementation, tool use design patterns, multi-agent orchestration. Evaluation mastery: RAGAS + DeepEval + custom evaluation suite design, LLM-as-judge methodology, regression testing для prompts, A/B testing для LLM features. Observability + tracing: LangSmith + Langfuse + Helicone + Arize Phoenix + Datadog LLM Observability mastery. Cost optimization mastery: prompt caching strategies (native + custom Redis), prompt compression (LLMLingua), model routing (small for easy / large для complex via OpenRouter / Martian), batch API for non-real-time. Safety / guardrails: NeMo Guardrails, Llama Guard, OpenAI Moderation API integration, prompt injection defense, output filtering. System design для LLM products: design RAG-based product на whiteboard под scale 100M+ queries/day, multi-region considerations, latency budgets (target P95 < 2s for chat). Soft: ADRs writing для LLM architecture decisions, technical writing (LLM feature design docs), cross-team collaboration (Product / Backend / DS / Research teams), mentoring Middle AI Engineers, paper-reading discipline (NeurIPS / ICLR / EMNLP — must follow). Английский для Senior+ MUST — AI community / docs / papers / conferences полностью англоязычные. Optional bonus: open-source contributions в LangChain / LlamaIndex / vLLM / Hugging Face — резко повышают market value для frontier-AI labs hiring. Twitter AI presence (regular posting about LLM experiments) — important для hiring through community connections.
Оставить заявку
Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.