Berk Kalelioğlu
Intereses de investigación
Berk se especializa en aprendizaje automático, herramientas de IA automatizada y modelos de lenguaje grandes y pequeños (LLM y SLM). Forma parte del equipo de evaluación comparativa de AIMultiple, donde realiza análisis y ofrece información para ayudar a los lectores a comprender las tecnologías emergentes y sus aplicaciones en el mundo real.Experiencia profesional
Comenzó su carrera como jefe de proyecto tecnológico en ODTU IVME-R, donde dirigió un proyecto para construir generadores cuánticos físicos y de números pseudoaleatorios. Tras su paso por IVME-R, cofundó una empresa de desarrollo de videojuegos y lanzó un juego en Steam. Posteriormente, orientó su carrera hacia la IA y se unió a AIMultiple como investigador.Educación
Berk posee una licenciatura en Matemáticas por la Universidad de Ankara.Últimos artículos de Berk
Comparativa de los programas LLM con enfoque en agentes: Los 13 mejores programas LLM son comparados
Realizamos pruebas comparativas de 13 modelos LLM en 10 tareas de desarrollo de software utilizando una herramienta CLI de Agentic. Ejecutamos aproximadamente 300 pasos de validación automatizados por modelo para medir el rendimiento en las capas de API e interfaz de usuario. Resultados de la prueba comparativa de Agentic LLM Comparación de la tasa de éxito Claude 4.5 Sonnet y GPT-5.
Alucinación por IA: Compare los principales LLM como GPT-5.2
Los modelos de IA pueden generar respuestas que parecen plausibles pero que son incorrectas o engañosas, lo que se conoce como alucinaciones de IA. El 77 % de las empresas están preocupadas por las alucinaciones de IA. Realizamos una evaluación comparativa de 37 modelos de aprendizaje automático (LLM) diferentes con 60 preguntas para medir sus tasas de alucinaciones: Resultados de la evaluación comparativa de alucinaciones de IA.
Herramientas CLI de Agentic: Codex vs Claude Code
Las herramientas Agentic CLI son herramientas de codificación con IA que pueden crear y eliminar archivos, ejecutar comandos, planificar y ejecutar la codificación de todo el proyecto.
Los mejores másteres jurídicos para ventanas de contexto extendidas en
Realizamos una prueba de conversación propia de 32 mensajes con 22 modelos de IA líderes para comprobar qué porcentaje de sus ventanas de contexto anunciadas funcionan realmente. La conversación incluye tareas de síntesis que requieren recordar información de mensajes anteriores, no solo repetir lo último que se dijo.
Memoria de IA: Modelos de IA más populares con la mejor memoria
Los modelos más inteligentes suelen tener peor memoria. Probamos 26 modelos de lenguaje complejos en una conversación empresarial de 32 mensajes para determinar cuáles retienen realmente la información. Resultados de la prueba de memoria de la IA: Probamos 26 modelos de lenguaje complejos populares mediante una conversación empresarial simulada de 32 mensajes con 43 preguntas.
Evaluación comparativa de modelos tabulares: Rendimiento en 19 conjuntos de datos
Evaluamos el rendimiento de 7 modelos de aprendizaje tabular ampliamente utilizados en 19 conjuntos de datos reales, que abarcan aproximadamente 260 000 muestras y más de 250 características en total, con tamaños de conjuntos de datos que oscilan entre 435 y casi 49 000 filas.
Prueba de rendimiento de VPS: Hetzner vs Digital Ocean
Realizamos pruebas comparativas de 6 proveedores de servidores virtuales privados (VPS) ejecutando aproximadamente 1200 pruebas automatizadas por servidor en CPU, memoria, E/S de disco y velocidad de red utilizando sysbench, fio y speedtest-cli. También documentamos la experiencia completa de registro a SSH para cada proveedor.
Entornos de aprendizaje por refuerzo: la infraestructura detrás de la IA agenica
Los entornos de aprendizaje por refuerzo son entornos controlados donde los agentes de IA realizan acciones, observan los resultados y reciben retroalimentación. Su utilidad aumenta a medida que los modelos pasan de respuestas puntuales a procesos de varios pasos en programación, tareas de navegador, atención al cliente y software empresarial. Empresas de entornos de aprendizaje por refuerzo: Algunas empresas venden entornos personalizados para programación, finanzas, flujos de trabajo empresariales o tareas informáticas.
Casos de uso y seguridad de OpenClaw (Moltbot/Clawdbot)
OpenClaw (anteriormente Moltbot y Clawdbot) es un asistente de IA de código abierto y autoalojado, diseñado para ejecutar tareas informáticas locales e interactuar con los usuarios a través de plataformas de mensajería estándar. A diferencia de los chatbots tradicionales que funcionan como asesores generando texto, OpenClaw opera como un agente autónomo capaz de ejecutar comandos de shell, administrar archivos y automatizar operaciones del navegador en la máquina anfitriona.
Moltbook: Redes sociales impulsadas por agentes
El rápido crecimiento de OpenClaw ha dado lugar a un experimento social inusual: Moltbook, una plataforma social similar a Reddit donde los agentes interactúan entre sí. Lanzada el 28 de enero de 2026, rápidamente captó la atención del público. En su primera semana, alcanzó más de 1,5 millones de agentes.
Boletín informativo de AIMultiple
Reciba un correo electrónico gratuito a la semana con las últimas noticias tecnológicas B2B y análisis de expertos para impulsar su empresa.