InferQuest es una aplicación web gratuita, abierta y sin ánimo de lucro orientada a formar ingenieros de inferencia y de entrenamiento de modelos de lenguaje grandes. Su diseño parte de un análisis del mercado laboral y se estructura en torno a dos itinerarios —despliegue rápido y económico de LLMs en producción, y entrenamiento de modelos en hardware limitado— organizados en 'quests' y tareas con sistema de experiencia, niveles y rachas.
A diferencia de plataformas que solo permiten marcar casillas, InferQuest verifica automáticamente los hitos principales: sondea en vivo puntos de conexión compatibles con OpenAI (comprobando streaming, latencia, corte por max_tokens y formas de error), ejecuta en local un arnés que califica núcleos de GPU (atención, caché KV, softmax en Triton, FlashAttention, cuantificación, ring all-reduce) y entrena con presupuestos de tokens fijos; además contrasta con la API de GitHub que las pull requests enviadas a repos como vLLM, SGLang, FlashInfer, TRL, torchtitan o nanochat existan, estén fusionadas y no sean simples correcciones tipográficas. Los simulacros de entrevista (dimensionamiento de KV-cache, roofline, decodificación especulativa, leyes de escala, paralelismo) se califican en servidor y nunca llegan al navegador.
Todos los usuarios comienzan en una base común sobre internos del transformer, arquitectura GPU y kernels, y luego se bifurcan hacia los títulos de Inference Engineer o Training Engineer. El plan completo suma 182 tareas en 38 quests con 21.740 XP; un ingeniero de software a tiempo parcial necesita entre seis meses y un año por itinerario. Las fases de kernels exigen una GPU NVIDIA moderna, pero el resto funciona en CPU o en notebooks gratuitas. Cada hito verificado deja una 'receipt' pública con métricas y pruebas, configurando un portafolio verificable en lugar de un certificado en papel.