A Anthropic está levando suas ambições de IA para fora da tela e para a bancada de laboratório, apostando que uma interface comum pode transformar instrumentos desconectados em sistemas coordenados que funcionam ininterruptamente. Sua tarefa mais difícil pode ser convencer os fabricantes de equipamentos a adotar o padrão de forma ampla o bastante para que essa promessa tenha importância.

Na quinta-feira, a empresa abriu uma prévia de pesquisa do Model Hardware Standard, ou MHS, desenvolvido com o HHMI Janelia Research Campus. A especificação foi concebida para permitir que agentes de IA operem com segurança dispositivos programáveis — de microscópios e manipuladores de líquidos a braços robóticos — ao mesmo tempo que possibilita que vários instrumentos trabalhem em paralelo.

O problema é conhecido em laboratórios e no chão de fábrica: cada máquina tende a vir com sua própria interface, obrigando especialistas a criar conexões personalizadas que podem levar semanas ou meses. A Anthropic afirma que o MHS substitui grande parte desse trabalho por um driver padrão e um pequeno conjunto de comandos, incluindo “ler” e “escrever”, reduzindo a configuração para horas ou minutos.¹

O argumento da empresa se baseia em automação com salvaguardas, não apenas em máquinas mais rápidas. As descrições dos dispositivos podem incluir detalhes em linguagem natural e limites de segurança aplicados, enquanto os agentes podem monitorar resultados, ajustar parâmetros e, em alguns casos, se recuperar de erros. A Anthropic está compartilhando o sistema inicial com laboratórios, empresas de robótica, grupos de eletrônica e fabricantes para desenvolver avaliações de segurança antes de disponibilizá-lo como código aberto.²

Os primeiros testes oferecem a versão otimista desse futuro. Pesquisadores da Carnegie Mellon teriam realizado experimentos de diluição seriada cerca de três vezes mais rápido; a QuEra afirmou que um agente restaurou uma trava de laser quântico 99,3% das vezes sem intervenção humana. Em outra demonstração, Claude ajustou um laser, avaliou o resultado por meio de uma câmera e então transformou o que aprendeu em um script repetível.

Ainda assim, o padrão não é um adaptador mágico: apenas equipamentos com interfaces programáveis podem usá-lo, e dispositivos mais antigos podem precisar de atualizações. O diferencial da Anthropic é que o MHS é agnóstico em relação a modelos, construído sobre seu Model Context Protocol em vez de ser reservado ao Claude. Como disse o chefe de parcerias Jonah Cool, os equipamentos científicos frequentemente “sofrem com soluções proprietárias que são muito frágeis”, e o objetivo é “evitar a dependência de fornecedores para os cientistas”.¹

Isso faz da prévia uma tentativa de definir a infraestrutura para a IA física — não apenas vender mais um modelo. Se ela se tornará agora a linguagem compartilhada do laboratório depende dos fornecedores cujas máquinas precisam aprender a falá-la.