El 27 de agosto, Anthropic publicó una vista previa de investigación del Model Hardware Standard (MHS), un protocolo de comunicación que permite a los agentes de IA controlar directamente dispositivos físicos, entre ellos microscopios, manipuladores de líquidos, brazos robóticos, centrífugas, espectrómetros e incubadoras, es decir, el tipo de equipos que se usan en laboratorios y en manufactura avanzada. El indicador central que ofrece la empresa tiene que ver con el costo de integración: antes, conectar un instrumento a un flujo de automatización tomaba semanas o meses; con MHS son horas, incluso minutos.
El enfoque no tiene nada de misterioso. En la capa de controlador, MHS abstrae las capacidades del equipo en dos primitivas: read, para leer un valor (por ejemplo, la temperatura actual), y write, para escribir un valor (por ejemplo, fijar una temperatura); los dispositivos se presentan en un formato unificado, de modo que el modelo ya no tiene que escribir un traductor específico para cada máquina. El estándar también deja espacio para etiquetas en lenguaje natural, donde se registran directamente en texto legible para el modelo las características del equipo, los límites de seguridad y los límites de capacidad. Por encima hay tres puntos de entrada: MCP, línea de comandos y una API de archivo de código; según Anthropic, es posible orquestar varios equipos con una sola línea de código.
Los números que aportaron los socios
Genentech lo usó para una cuantificación de proteínas por el método BCA: Claude coordinó simultáneamente un manipulador de líquidos, un brazo robótico y un lector de microplacas, y descubrió por sí mismo velocidades de transferencia distintas según el líquido: alrededor de 140 µL/s para el agua (RMSE de 0,016) y solo 10 µL/s para la solución de BSA, más viscosa (RMSE de 0,181); ante fallos al recoger la punta o errores en la detección del nivel de líquido, el sistema retrocedía y volvía a intentarlo por su cuenta.
Carnegie Mellon realizó un experimento de dosis-respuesta con diluciones en gradiente: la ejecución fue 3 veces más rápida, la integración tomó solo 8 horas y se manejaron simultáneamente tres interfaces de computadora incompatibles entre sí. Un detalle adicional: cuando la curva ajustada no alcanzaba un R² de 0,98, el agente ajustaba los parámetros por su cuenta y repetía la ejecución.
Las cifras de QuEra son las más llamativas. Cuando fallaba el bloqueo láser de la computadora cuántica, antes la recuperación tomaba en promedio 150 segundos, con una tasa de éxito del 58%; tras conectar el controlador de IA, se redujo a 6 segundos con un 96% de éxito, y más tarde llegó a 99,3% sin intervención humana. De paso, también se reajustaron los parámetros PID, con lo que el ruido residual bajó de 15,7 mV a 1,55 mV, casi un orden de magnitud menos. Además, los laboratorios Baker y Pinglay de la Universidad de Washington conectaron seis instrumentos en una semana, de modo que las curvas de qPCR pueden seguirse en tiempo real y detenerse automáticamente en el punto óptimo de amplificación; HHMI Janelia lo usó para encadenar el software de un microscopio de dos fotones proveniente de siete fabricantes distintos.
El valor está en la capa de controladores
En el fondo, MHS traslada al hardware la lógica de MCP de "darle al modelo una interfaz de herramientas unificada", antes limitada al software. Un cálculo aproximado: un laboratorio húmedo de tamaño mediano suele tener entre veinte y treinta instrumentos; siguiendo la solución de cada fabricante, a dos semanas por equipo, solo conectar las interfaces tomaría más de un año de trabajo; al ritmo de 8 horas, una persona lo resuelve en un mes. Es solo una estimación aproximada, y la situación real depende de si el equipo cuenta o no con una interfaz programable, que es precisamente la barrera más dura de MHS por ahora.
La lista de quienes ya anunciaron su apoyo es amplia: Strands Robots de AWS, la plataforma LINQ de Automata, Danaher, Doosan Robotics, QIAGEN, el manipulador de líquidos Fluent de Tecan, Universal Robots, además de la biblioteca LeRobot de Hugging Face y Raspberry Pi. Que un estándar de software se consolide o no siempre depende de si los fabricantes de hardware están dispuestos a adaptarse por su cuenta, y esta lista muestra que ya se ha superado la mitad de esa barrera.
Los límites están más detallados que la promoción
Las limitaciones que la propia Anthropic enumera son bastante concretas: al modelo le falta intuición física, y cuestiones como la formación de burbujas todavía requieren indicaciones de expertos; solo pueden conectarse equipos con interfaz programable; y el costo computacional de mantener a un agente vigilando un equipo de forma continua todavía no está del todo claro. En materia de seguridad, los límites de seguridad del equipo son impuestos de forma obligatoria por el controlador de MHS, la evaluación de seguridad se está realizando junto con socios de investigación, y la hoja de ruta de seguridad física debe quedar definida antes de abrir el código.
El estándar terminará siendo de código abierto, siempre que se complete la evaluación de seguridad, se consoliden las mejores prácticas y se publiquen las conclusiones de la vista previa de investigación. Por ahora funciona mediante un sistema de solicitud, con una lista de espera oficial. Para quienes trabajan en laboratorios húmedos, la ganancia está en el ciclo: por primera vez, un experimento, desde el diseño hasta su ejecución, puede medirse en horas.
Fuentes: anuncio oficial de Anthropic, CocoLoop, modelhardwarestandard.com; los datos experimentales de los socios, la lista de fabricantes de equipos y los planes de código abierto se verificaron conforme al anuncio oficial.