AI Radar

Anthropic предложила стандарт MHS для управления лабораторным и промышленным оборудованием

Anthropic представила исследовательскую версию Model Hardware Standard — общего интерфейса, через который ИИ-агенты могут обнаруживать и управлять лабораторным и промышленным оборудованием. Первые пилоты охватывают микроскопы, дозаторы жидкостей, роботизированные манипуляторы и лазерные системы квантовых компьютеров.

28 августа 2026 г.3 мин чтенияИсточник: Zhidx (智东西) · Ars Technica +4
02

Что изменилось

MHS можно условно представить как аналог MCP для физического мира, но на нижнем уровне он ближе к унифицированной системе драйверов. Сегодня у микроскопа, камеры, нагревателя или манипулятора обычно есть собственный API, формат данных и набор управляющих команд, поэтому совместный эксперимент требует отдельного программного «переводчика». MHS сводит взаимодействие к простым примитивам вроде чтения температуры или задания нового значения и позволяет устройствам находить друг друга и обмениваться данными по сети в общем формате. Anthropic рассчитывает сократить интеграцию, которая занимала недели или месяцы, до часов или минут.

Одних команд недостаточно: агенту нужно понимать, с каким объектом он имеет дело и где проходят безопасные границы. Поэтому драйвер содержит метаданные о возможностях и физических свойствах устройства — например, что оно измеряет, какие параметры допускает изменять и какие ограничения обязано принудительно соблюдать. Описание можно задать естественным языком или сформировать в диалоге с агентом, после чего MHS создаёт справочный файл для машины. Управление доступно через MCP, командную строку и программный API; несколько операций можно объединить в детерминированный скрипт, чтобы оборудование не ожидало нового шага модели в каждом быстром цикле.

Такое разделение особенно важно для продолжительных и чувствительных ко времени процессов. Агент может на верхнем уровне упорядочивать этапы эксперимента, отслеживать показания и корректировать параметры, а освоенную последовательность затем упаковать в обычный код. В одном опыте Claude наблюдал через камеру за движением лазерного луча, повторял регулировки, чтобы понять реакцию системы, а затем написал воспроизводимый сценарий калибровки. У квантовой компании QuEra автоматическое восстановление «захвата» лазера прошло с заявленной успешностью 99,3% без вмешательства человека.

MHS создавался совместно с исследовательским кампусом HHMI Janelia, где возникла исходная идея объединить вращающиеся лазеры, микроскопы, камеры и другие компоненты нейробиологического эксперимента. Стандарт уже испытывали организации из биотехнологий, робототехники и квантовых вычислений. В Genentech, например, Claude с его помощью автоматизировал BCA-анализ для измерения общей концентрации белка, координируя лабораторные устройства. При этом спецификация не привязана к Claude: Anthropic заявляет совместимость с другими агентными фреймворками и оборудованием, имеющим программный интерфейс.

Пока это не общедоступный зрелый стандарт, а исследовательский preview для отобранных лабораторий и предприятий передового производства. Anthropic признаёт ограничения пространственного и физического понимания современных моделей и намерена провести дополнительные оценки безопасности до полноценного открытия проекта. Риски здесь заметно серьёзнее, чем при неверном вызове программного API: ошибочная команда может повредить образец, оборудование или причинить вред человеку, а универсальный интерфейс теоретически способен облегчить опасные биологические и промышленные операции. Поэтому модельные защитные механизмы должны дополняться аппаратными блокировками, разграничением прав и контролем оператора.

Почему это важно

MHS может убрать значительную часть заказной интеграции, из-за которой автоматизация экспериментов сегодня остаётся дорогой и медленной. Единый интерфейс позволит агенту координировать установки разных производителей, а исследователям — быстрее менять протоколы и повторять эксперименты. Но внедрять такую систему придётся как промышленную автоматику: с независимыми ограничителями, журналированием, минимальными правами и возможностью немедленной остановки.

Первоисточники и подтверждения

Подборку проверяет редакция DSML. AI помогает дедуплицировать сигналы и готовить текст, но опубликованный выпуск остаётся редакционным продуктом, а не лентой отдельных каналов.

28 августа 2026 г.
  1. 01Tencent открыла Hy4-preview на 770 млрд параметров и с контекстом в миллион токенов
  2. 02Скрытые рассуждения GPT, Claude и Gemini удалось прочитать через совместимые модели
  3. 03OpenAI раскрыла первые результаты чипа Jalapeño для инференса моделей
  4. 04Meta открыла мультимодального агента Muse Glimmer для локального запуска на 24 ГБ VRAM