Anthropic presentó el 27 de agosto la vista previa de investigación del Model Hardware Standard (MHS), una especificación para que agentes de inteligencia artificial operen equipos físicos de laboratorio y manufactura con seguridad. El estándar introduce un controlador único que traduce entre el sistema operativo y cada dispositivo mediante comandos simples, "leer" y "escribir", y expone las capacidades de cada equipo en un formato uniforme que un agente puede descubrir por su cuenta.
El problema que ataca es concreto: integrar un laboratorio o una planta de manufactura toma hoy semanas o meses, porque la mayoría de los instrumentos no se comunican entre sí y cada conexión exige una integración a medida hecha por un especialista. Según Anthropic, MHS reduce ese trabajo a horas o minutos.
Cómo opera
MHS es agnóstico de modelo: cualquier agente accede a un dispositivo compatible a través del Model Context Protocol (MCP, el protocolo abierto que Anthropic usa para conectar modelos con herramientas externas), de una interfaz de línea de comandos, o directamente por código y API. La lista de equipos soportados incluye manipuladores de líquidos, brazos robóticos, lectores de placas, microscopios, centrífugas, instrumentos de qPCR, sistemas láser, mesas de traslación y cámaras de monitoreo, siempre que el dispositivo exponga una interfaz programable.
El desarrollo arrancó como una colaboración entre Anthropic y el HHMI Janelia Research Campus. Arco Bast, investigador posdoctoral en Janelia, había construido un diccionario de memoria compartida para coordinar instrumentos que no se hablaban entre sí; esa herramienta interna se convirtió en la base de MHS.
Los números de la fase de prueba
Anthropic publicó resultados de cuatro laboratorios que probaron el estándar, cada uno con su métrica y su condición:
| Laboratorio | Resultado |
|---|---|
| Genentech | Caudal optimizado a 140 µL/s en agua (RMSE 0,016) y 10 µL/s en proteína BSA (RMSE 0,181) |
| Carnegie Mellon | Diluciones seriadas 3 veces más rápidas; integración en 8 horas contra las "varias semanas" habituales |
| QuEra Computing | Recuperación de calibración láser: de 150 s con 58% de éxito a 6 s con 96% (99,3% en 700 pruebas ciegas) |
| Tetsuwan Scientific | Precisión de predicción 12% mejor que la especificación del fabricante, en 9.143 dispensados evaluados |
700 pruebas ciegas fue el tamaño de muestra con el que QuEra midió la mejora en la calibración láser, la validación más amplia entre los cuatro casos publicados.
Lo que Anthropic reconoce que todavía falla
La empresa documentó también los límites del sistema: Claude tiene dificultades con restricciones físicas y químicas propias de cada proceso, necesita supervisión experta para el razonamiento específico de cada dominio, y el estándar todavía no funciona con hardware que carece de interfaz programable. Como salvaguarda, cada controlador de MHS aplica límites de seguridad a nivel de dispositivo: etiquetas en lenguaje natural describen qué puede medir o ajustar cada instrumento y sus umbrales, y el sistema bloquea una operación insegura antes de que el equipo se mueva.
De qué tamaño es la apuesta
Amazon Web Services, Automata, Danaher, Doosan Robotics, MBF Bioscience, QIAGEN, Tecan, Universal Robots, Hugging Face y Raspberry Pi ya anunciaron soporte para el estándar. La fase actual queda limitada a un grupo de laboratorios científicos y fabricantes avanzados; Anthropic dijo que usará ese período para completar evaluaciones de seguridad y buenas prácticas antes de liberar MHS como código abierto, sin fecha fijada todavía.
MHS llega semanas después de que la compañía alcanzara una valuación de 65.000 millones de dólares y cerrara un pago de US$250 millones por chips, dos señales previas de una expansión que, hasta ahora, se había quedado del lado del software.
