Anthropic abre el Model Hardware Standard: agentes de IA que operan microscopios, brazos robóticos y láseres

Anthropic publicó el 27 de agosto de 2026 el research preview del Model Hardware Standard (MHS), una especificación abierta para que agentes de IA operen dispositivos físicos de forma segura: microscopios, manejadores de líquidos, brazos robóticos o los sistemas láser de una computadora cuántica. La promesa central es reducir a horas o minutos la integración de hardware que hoy toma semanas o meses, y exige programas traductor escritos a medida para cada dispositivo. Laboratorios científicos y fabricantes avanzados ya pueden postular en el sitio oficial del programa.

El problema: cada dispositivo habla su propio idioma

Integrar instrumentos de distintos fabricantes en un laboratorio o una línea de producción es lento y frágil, porque la mayoría de los dispositivos no interoperan entre sí y cada conexión requiere software puente bespoke. Hasta ahora no existía una forma estandarizada de que un dispositivo conectado compartiera datos con un agente de IA, ni de que este lo operara con límites de seguridad verificables.

El estándar nació fuera de Anthropic: Arco Bast, postdoctorando en el campus HHMI Janelia Research Campus, construyó un diccionario de memoria compartida para que su rig de imagen cerebral con instrumentos de múltiples fabricantes pudiera comunicarse. La colaboración con el equipo de Beneficial Deployments de Anthropic convirtió esa idea en una especificación general.

Cómo funciona el estándar

• Driver estandarizado: un software que traduce entre el sistema operativo y el hardware usando primitivas simples —read para consultar ("obtener temperatura") y write para actuar ("fijar temperatura")— más descubrimiento estándar de dispositivos en la red.
• Tags en lenguaje natural: las características de la máquina que no son visibles en el código, como el peso de un brazo robótico, se escriben en el driver; este genera automáticamente un archivo de referencia con lo que el dispositivo mide, qué es ajustable y qué límites de seguridad se aplicarán.
• Tres vías de control: MCP (Model Context Protocol), interfaz de línea de comandos y archivos de código (APIs), lo que permite orquestar múltiples dispositivos con una sola línea de código.
• Encadenamiento determinista: el agente puede compilar los procedimientos aprendidos en archivos de código, de modo que los dispositivos ejecuten tareas largas sin razonamiento paso a paso.

MHS es agnóstico del modelo: cualquier harness de agente puede acceder a él mediante protocolos estándar, no solo Claude.

Resultados del preview: de QuEra a Genentech

Participante	Resultado reportado
QuEra Computing	Relock láser de 58% a 99,3% de éxito (695/700 pruebas) en ~6 segundos; 363 experimentos en 16 horas desatendidas redujeron el ruido residual de 15,7 mV a 1,55 mV
Carnegie Mellon	Diluciones seriadas ~3 veces más rápidas; integración completa en ~8 horas frente a configuraciones típicas de semanas
Genentech	Ensayo BCA automatizado entre manejador de líquidos, brazo robótico y lector de placas, con optimización de caudales a nivel de experto
University of Washington	Seis instrumentos conectados en menos de una semana, tras intentos de automatización abandonados
HHMI Janelia	Siete programas de fabricantes unificados en un diccionario de estado; agregar una cámara pasó de días a minutos
Tetsuwan Scientific	9.143 dispensaciones y 1.508 condiciones medidas; predicciones de precisión ~12% más exactas que las especificaciones del fabricante

El caso QuEra: 99,3% de éxito donde un script lograba 58%

El resultado más citado del preview viene de la computación cuántica. En QuEra, un ciclo multiagente nocturno reescribió un script de re-enganche láser con 58% de éxito y 150 segundos de duración en un controlador basado en árboles de decisión que logra 99,3% de éxito (695 de 700 pruebas) en unos 6 segundos, frente a los 5–10 minutos que tarda una persona. En un experimento separado, 363 corridas durante 16 horas desatendidas redujeron el ruido residual del láser de 15,7 mV a 1,55 mV —una mejora de unas 10 veces— manteniendo el enganche estable durante 19 horas, frente a los ~1,6 desenganchos por hora del ajuste experto.

El equipo de QuEra resumió la filosofía de seguridad del programa en una frase: un agente excesivamente cauteloso es preferible a uno que no es suficientemente cauteloso.

Ecosistema y límites actuales

Varios fabricantes ya construyen soporte nativo: AWS (a través de Strands Robots), Automata (LINQ), Danaher, Doosan Robotics, MBF Bioscience (ScanImage), QIAGEN (QIAsymphony Connect), Tecan (Fluent) y Universal Robots. Para la siguiente fase, Hugging Face (LeRobot) y Raspberry Pi (driver de cámara MHS) figuran como adoptantes tempranos.

Los límites también están declarados. Claude aprende del mundo físico a través de texto e imágenes, por lo que el razonamiento espacial sigue requiriendo supervisión experta. MHS no puede controlar hardware sin interfaz programable, y el estándar aplica límites de seguridad a nivel de dispositivo —por ejemplo, topes de potencia láser para no dañar muestras—. Anthropic construye evaluaciones de seguridad junto a sus socios y una hoja de ruta de seguridad física contra usos indebidos; los hallazgos acompañarán la publicación del estándar como open source después del preview.

Preguntas frecuentes

¿Quién puede participar del research preview?

Laboratorios de investigación científica y fabricantes avanzados, mediante postulación en el sitio oficial del programa.

¿Funciona solo con Claude?

No. MHS es agnóstico del modelo y cualquier harness de agente puede acceder a él mediante protocolos estándar como MCP.

¿Qué pasa con la seguridad física?

El estándar aplica límites de seguridad por dispositivo declarados en el driver, exige supervisión experta para razonamiento espacial, y Anthropic desarrolla evaluaciones de seguridad y una hoja de ruta contra usos indebidos junto a los socios del preview.

¿Cuándo se publica como open source?

Después del periodo de preview; la publicación incluirá guía de despliegue basada en los hallazgos del programa.