Anthropic MHS: исследовательское превью стандарта для управления физическим оборудованием
Конец эпохи "цифровых тюрем" для ИИ
До сих пор агентный ИИ жил исключительно в мире битов и пикселей - перебирал текст, генерировал код, кликал по интерфейсам браузера. Физический мир оставался для него закрытой дверью. Anthropic решила эту дверь приоткрыть. 27 августа 2026 года компания объявила о запуске исследовательского превью Model Hardware Standard (MHS) - унифицированного стандарта драйверов, который дает ИИ-агентам возможность управлять реальным оборудованием с программируемым интерфейсом.
Идея проста, но последствия - колоссальные. Вместо того чтобы каждый раз писать "переводчик" между конкретным прибором и конкретной моделью, MHS создает единый язык, понятный любому устройству с программируемым интерфейсом. Микроскоп, жидкостный дозатор, робот-манипулятор, лазерная установка - все это теперь может говорить с Claude (и не только с ним) через общий протокол.
Откуда растут ноги: история из нейронаучной лаборатории
История MHS началась не в конференц-зале, а в исследовательском кампусе HHMI Janelia в Вирджинии. Технический сотрудник Anthropic Алек Кемени - по образованию квантовый физик - наблюдал, как нейробиолог Арко Баст вручную состыковывал вращающиеся лазеры, микроскопы и камеры ради одного эксперимента по формированию памяти. На создание этой "самодельной" интеграции ушли недели. Кемени подумал: а что, если весь этот процесс автоматизировать так, чтобы ИИ мог запустить любой научный эксперимент в мире?
Эта мысль и стала отправной точкой. По данным Anthropic, настройка и интеграция оборудования в лаборатории или на производстве сейчас занимает от нескольких недель до нескольких месяцев. MHS обещает сократить это время до часов или минут.
Как это работает технически
MHS вводит стандартизированный драйвер - программный слой между операционной системой и физическим устройством. В основе лежит минималистичный набор примитивов: команды вроде `read` ("получить температуру") и `write` ("установить температуру"). Ничего лишнего - и именно в этой простоте сила.
Каждое устройство становится "обнаруживаемым" в сети в едином формате, без необходимости писать бесконечные "переходники". Дополнительно MHS поддерживает систему тегов - метаданных, описывающих физические характеристики железа: вес роботизированного манипулятора, диапазон движений, пределы безопасности, доступные параметры. Раньше все это хранилось в бумажных мануалах или в голове у инженера. Теперь - в машиночитаемом файле, который агент получает при первом подключении к устройству.
Управлять оборудованием через MHS можно тремя способами: через Model Context Protocol (тот самый MCP, который Anthropic открыла в 2024-м), через командную строку, и через API-скрипты. Последнее особенно важно: агент может не переосмысливать каждый шаг заново, а написать сценарий и адаптировать его по ходу эксперимента.
Реальные кейсы уже есть
Anthropic не просто анонсирует концепцию - уже есть работающие примеры. Биотехнологическая компания Genentech использовала MHS для запуска эксперимента по поиску лекарств с обработкой ошибок в реальном времени. Квантовая компания QuEra применила стандарт для стабилизации лазеров - и успешность восстановления laser lock выросла с 58% до 99,3%. В демо-видео Anthropic показала, как Claude управляет роботизированной рукой, подбирая алюминиевую банку, - причем модель не была специально обучена этому действию, а рассуждала самостоятельно.
Среди партнеров, планирующих интегрировать MHS: AWS (через библиотеку Strands Robots), Automata (платформа LINQ), Danaher, Doosan Robotics, Qiagen, Tecan и Universal Robots. Список говорит сам за себя - это не стартап-пузырь, а реальная индустриальная экосистема.
Открытый стандарт и вопрос безопасности
MHS пока доступен только избранному кругу лабораторий и производителей - именно как исследовательское превью. Anthropic прямо говорит: стандарт планируется открыть, но сначала нужно выработать протоколы безопасности. Это разумно. Одно дело, когда агент ошибается в тексте. Совсем другое - когда он управляет центрифугой или лазером.
Сама Anthropic признает: языковые модели пока лишены "физической интуиции" - они обучались на текстах и изображениях, а не на реальном взаимодействии с материальным миром. Встроенные теги безопасности в MHS-драйверах - это первый уровень защиты, но не последний.
Примечательно, что стандарт заявлен как model-agnostic: Claude здесь не обязателен. Любой агент, использующий MCP или стандартные API, может работать с MHS. Это стратегически умный ход - Anthropic строит инфраструктуру, а не замкнутую экосистему.
Что это значит для индустрии
MHS - это прямой ответ на движение, которое уже несколько лет набирает обороты: автоматизация научных открытий через ИИ-агентов. Стартапы вроде Periodic Labs, LILA Sciences и Edison Scientific строят системы, где ИИ выдвигает гипотезы и проверяет их в рекурсивном цикле. MHS дает этому движению стандартизированный "позвоночник".
Конкуренты не спят: OpenAI и Amazon вложили миллиарды в аппаратные проекты. Anthropic идет другим путем - не строит свое железо, а создает универсальный язык для чужого. Это напоминает историю USB-C: тот, кто задает стандарт, в итоге выигрывает больше, чем тот, кто делает конкретное устройство.
Для российских исследователей и инженеров доступ к исследовательскому превью потребует заявки на сайте Anthropic - и, скорее всего, VPN, поскольку прямой доступ к сервисам компании в РФ ограничен. Но сам факт планируемого открытого исходного кода означает: рано или поздно MHS станет доступен всем.
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.