Anthropic abrió una vista previa de investigación del Model Hardware Standard (MHS), una especificación para que los agentes de IA puedan encontrar, entender y operar equipos físicos: microscopios, manejadores de líquidos, brazos robóticos o el sistema láser de una computadora cuántica. Si MCP le dio a Claude una forma común de conectarse a programas y datos, MHS busca hacer lo mismo con las máquinas de un laboratorio o de una fábrica. La empresa asegura que conectar un equipo pasa de tomar semanas o meses a tomar horas o minutos, aunque para eso cada instrumento necesita su propio driver MHS.
El anuncio salió el 27 de agosto y desde entonces no hubo cambios: la vista previa sigue abierta solo para un grupo reducido de laboratorios científicos y fabricantes, y el estándar aún no se libera. Esta nota explica qué es y cómo funciona, con los detalles de los casos que publicaron Anthropic y sus socios. El proyecto empezó como una colaboración entre Alek Kemeny, del equipo de Beneficial Deployments de Anthropic, y Arco Bast, investigador posdoctoral del campus Janelia del Howard Hughes Medical Institute. Bast hacía experimentos de imágenes del cerebro con un equipo que combinaba láseres, enfocadores motorizados y cámaras de distintos fabricantes sin una interfaz común; para acelerar su trabajo creó un diccionario de memoria compartida para que los instrumentos se comunicaran entre sí, y sobre esa base los dos integraron los modelos de IA.
El problema que ataca es viejo. En un laboratorio cada equipo trae su propio software y su propia forma de recibir órdenes, así que hacer que trabajen juntos exige integraciones a la medida, hechas por especialistas. Y aun conectados, no había una manera común de que compartieran datos con un agente de IA ni de que este los manejara con seguridad. En decodigo.com ya explicamos qué es MCP y cómo funciona; MHS se apoya en él, pero baja hasta el hardware.
Cómo funciona MHS
- Un driver por equipo, con la misma interfaz. Es el programa que traduce entre la computadora y el equipo. El driver MHS presenta al agente un juego mínimo de órdenes comunes, del tipo «leer» (por ejemplo, la temperatura) y «escribir» (fijarla), y las traduce a la interfaz propia de cada instrumento. Ese driver hay que escribirlo para cada equipo: MHS no vuelve compatibles las máquinas por sí solo. Lo que cambia es que basta hacerlo una vez y con un formato común. En la Universidad de Washington, conectar seis instrumentos tomó menos de una semana contando la escritura de los drivers; en Carnegie Mellon, unas ocho horas.
- Descubrimiento en la red. Cada equipo se anuncia en un formato estándar, así que los agentes y los instrumentos se encuentran entre sí sin un programa intermedio hecho a la medida.
- Una ficha que el agente puede leer. Mucho de lo que hace falta saber para operar una máquina no está en el código: el peso de un brazo robótico, por ejemplo. Hoy vive en manuales de papel o en la experiencia de quien la usa. MHS permite escribirlo en lenguaje natural, a mano o contestando las preguntas de un agente que entrevista al usuario, y con eso el driver genera una ficha de referencia: qué mide el equipo, qué se puede ajustar y qué límites de seguridad debe respetar. Esa ficha guía al agente, pero no es una garantía de que no hará una maniobra peligrosa: Anthropic todavía está probando cómo evaluar y reforzar la seguridad.
- Tres formas de control. MCP, la línea de comandos y archivos de código. Combinadas, permiten coordinar varios equipos con una sola línea de código.
- Tareas largas sin razonar a cada paso. Cuando una operación dura horas o necesita más velocidad de la que permite el razonamiento del modelo, el agente encadena órdenes de los drivers en un archivo de código y los equipos la ejecutan solos.
- No depende de Claude. El estándar es agnóstico al modelo: cualquier agente puede usarlo a través de protocolos estándar como MCP. Solo funciona con equipos que tienen una interfaz programable.
Anthropic cuenta que, en las pruebas, Claude trabajó con el hardware como lo haría un científico. Con un láser, hizo un ajuste, revisó con una cámara cuánto se movió el haz y repitió el ciclo hasta entender la relación entre causa y efecto. Después convirtió lo aprendido en un script determinista que alinea el láser con una sola orden.
Lo que lograron los primeros laboratorios
Son resultados de pruebas descritas por Anthropic y sus socios en el propio anuncio, no validaciones independientes.
- Genentech automatizó como prueba de concepto el ensayo BCA, que mide la concentración total de proteína en una muestra y exige coordinar un manejador de líquidos, un brazo robótico y un lector de placas.
- Carnegie Mellon reporta que hizo experimentos de dosis y respuesta por diluciones en serie unas tres veces más rápido que antes, con un agente de Claude Opus 4.8 que coordinó un manejador de líquidos, un lector de placas, un brazo robótico y cámaras repartidos en tres computadoras con interfaces incompatibles. Escribir los drivers y la capa de coordinación les tomó unas ocho horas, frente a las varias semanas que suele tardar una instalación hecha por el fabricante.
- Janelia unificó un montaje de microscopía que antes necesitaba siete programas de distintos fabricantes.
- QuEra, que construye computadoras cuánticas con átomos neutros, le dio a un agente control sobre parte del sistema láser. El agente escribió un script que recupera el «lock», la frecuencia ultraprecisa que deben mantener los láseres para interactuar con los átomos. Según QuEra, al probarlo ya sin el agente contra perturbaciones provocadas al azar, lo recuperó en 695 de 700 intentos (99.3 %), en 10 a 14 segundos en los casos más difíciles, contra 5 a 10 minutos de una persona. El script que había hecho a mano un equipo de cuatro especialistas funcionaba cerca del 58 % de las veces. No es la primera vez que Claude trabaja en el terreno cuántico: hace unas semanas contamos cómo diseñó circuitos cuánticos más eficientes.
- Universidad de Washington: un estudiante de los laboratorios Baker y Pinglay armó un tablero para vigilar sus instrumentos a distancia, una qPCR supervisada por un agente que detiene el proceso en el momento justo y una entrega de placas entre un brazo robótico y un manejador de líquidos sin choques.
- Tetsuwan Scientific lo integró en su plataforma de laboratorio automatizado para correr qPCR que ayudan a medir la contaminación del arroyo San Pedro, en California.
Del lado de los fabricantes, AWS lo soportará en Strands Robots, su biblioteca para conectar agentes con dispositivos físicos; Tecan lo está agregando a sus manejadores de líquidos Fluent; Doosan Robotics lo prueba con sus brazos robóticos; QIAGEN tiene una prueba de concepto en QIAsymphony Connect; MBF Bioscience prepara un driver para ScanImage, el software de microscopios láser de cientos de laboratorios de neurociencia, y Universal Robots, Automata y Danaher también participan. Hugging Face lo está sumando a LeRobot, y Raspberry Pi lo llevará a varios de sus productos después de probar un driver para su cámara.
Lo que cambia cuando la IA sale de la pantalla
Hasta ahora, los agentes de IA trabajaban casi siempre con texto y código. Darles acceso a máquinas reales cambia la escala del error: un fallo ya no es una respuesta equivocada, puede ser una muestra arruinada o un brazo robótico que choca. La ficha de cada equipo ayuda, porque le dice al agente qué límites debe respetar, pero no basta por sí sola. Por eso Anthropic presenta esto como una vista previa y no como un producto: quiere usar este periodo para crear evaluaciones de seguridad con sus socios y está preparando una hoja de ruta de seguridad física contra el mal uso.
La propia empresa reconoce los límites. Claude aprende sobre el mundo físico a través de texto e imágenes, así que su razonamiento espacial y físico todavía necesita supervisión experta. En Genentech, los investigadores tuvieron que explicarle que los errores causados por la espuma en las muestras de proteína eran fallas físicas que se corrigen en la mesa de trabajo, no errores de software.
Para los laboratorios, la promesa es clara: experimentos que corren día y noche, con un agente que ajusta parámetros sobre la marcha y, en algunos casos, se recupera solo de los errores del equipo. Para la industria, la apuesta de Anthropic es repetir la jugada de MCP: si los fabricantes adoptan el estándar, cualquier agente podrá operar sus equipos sin integraciones a la medida.
Por ahora el acceso es por lista de espera, en modelhardwarestandard.com, y MHS no funciona con equipos sin interfaz programable. Anthropic dice que lo liberará como código abierto cuando termine la vista previa, junto con lo que aprenda sobre cómo desplegarlo con seguridad, pero no puso fecha.
Fuente: Anthropic, «Previewing the Model Hardware Standard», 27 de agosto de 2026