O novo padrão da Anthropic deixa agentes de IA operarem equipamentos de laboratório
A Anthropic abriu em 27 de agosto de 2026 uma prévia de pesquisa do Model Hardware Standard, que dá aos agentes um único jeito de operar microscópios e braços robóticos.
3 min de leitura

Em números
- to connect hardware at Carnegie Mellon, down from weeks
- 8 hours
- QuEra laser recovery rate, up from 58%
- 99.3%
- for that recovery, down from 150 seconds
- 6 sec
A Anthropic abriu em 27 de agosto de 2026 uma prévia de pesquisa do Model Hardware Standard. É uma especificação comum que permite a um agente de IA operar máquinas físicas, incluindo microscópios, dosadores de líquidos e braços robóticos. O objetivo é cortar a fiação sob medida que cada laboratório monta hoje na mão.
A Anthropic é a empresa por trás do Claude. Até agora seus agentes atuavam sobre software: arquivos, navegadores e APIs. Este é o primeiro passo dela rumo a equipamentos que se movem.
O que o padrão realmente faz
O MHS dá a todo dispositivo o mesmo vocabulário reduzido. Segundo o anúncio da Anthropic, ele padroniza a comunicação por meio de primitivas simples como "read" e "write". Um microscópio e um braço robótico passam então a responder ao mesmo tipo de instrução, em vez de cada um exigir seu próprio adaptador.
Não é um substituto do Model Context Protocol, o padrão aberto que a Anthropic publicou em 2024 para ligar modelos a ferramentas de software. O MHS fica ao lado dele. Nas palavras da Anthropic: "MHS works with any device that has a programmable interface. It is also model-agnostic, and any agent harness can access it using standard protocols, such as the Model Context Protocol."
Ser independente de modelo é a parte que os desenvolvedores devem anotar. A Fortune relata que o padrão funciona com qualquer modelo de linguagem grande, incluindo os da OpenAI e os de código aberto. A Fortune também cita Jonah Cool, da Anthropic, sobre o problema que se quer resolver: a área "suffers from proprietary solutions that are very brittle", sofre com soluções proprietárias muito frágeis.
O que os primeiros testes mediram
A Anthropic publicou números de seus parceiros de lançamento em vez de um vídeo de demonstração.
| Local | Resultado |
|---|---|
| Carnegie Mellon University | A integração do hardware levou 8 horas, contra as semanas habituais |
| QuEra | A recuperação do laser teve 99,3% de sucesso, ante 58% |
| QuEra | Essa recuperação levou 6 segundos, ante 150 |
| Tetsuwan | Em 9.143 dosagens, a previsão de precisão superou em 12% a especificação do fabricante |
O número de integração é o destaque. A Anthropic diz que um laboratório costuma gastar semanas ou meses para fazer os instrumentos conversarem. A maioria dos aparelhos simplesmente não conversa, então um especialista precisa construir cada ponte à mão.
A segurança fica no dispositivo, não no prompt. A Anthropic afirma que os pesquisadores mantêm a supervisão e que os agentes param para confirmação humana antes de passos arriscados. A empresa também admite um limite real: especialistas ainda precisam avisar o sistema sobre falhas físicas que não são óbvias a partir dos dados.
Quem está testando e como entrar
A Fortune lista entre os primeiros parceiros Genentech, Carnegie Mellon, QuEra, Universal Robots, Amazon Web Services, Doosan Robotics, Danaher e Hugging Face. O HHMI Janelia Research Campus participou do desenvolvimento.
O padrão ainda não é de código aberto. A Anthropic diz que pretende liberá-lo depois de construir avaliações de segurança com esses parceiros. O acesso hoje passa por uma lista de espera da prévia de pesquisa em modelhardwarestandard.com.
O que isso significa para os desenvolvedores
A maioria dos desenvolvedores ainda não pode usar isso, e esse é o resumo honesto. Uma lista de espera somada a uma especificação fechada não é algo em torno do qual se planeja um trimestre. Trate o anúncio como um sinal de direção, não como uma ferramenta para instalar.
A ideia transferível é a interface, não os robôs. O MHS faz a mesma aposta do MCP: escolher um vocabulário mínimo, fazer todo dispositivo falá-lo e deixar o trabalho de integração desabar. Se você mantém uma API que agentes já chamam, a lição é que um conjunto de comandos pequeno e entediante vence um conjunto rico que o agente precisa aprender por fornecedor.
Fique de olho na licença quando ela abrir. Um padrão aberto cujas avaliações a Anthropic controla não é o mesmo que um padrão pertencente a um comitê. Se outros fornecedores de modelo adotarem o MHS, ou lançarem um rival, isso decidirá se ele vira encanamento ou continua um recurso do Claude.
Se você trabalha em laboratório, o número de integração é o que vale testar. Oito horas contra várias semanas é uma afirmação que dá para conferir nos seus próprios instrumentos durante a prévia. É o único número aqui que um leitor consegue refutar por conta própria.
Fontes
Artigos relacionados

GPT-6 Astra faz 95% numa tarefa robótica e 10% noutra
A Robocurve testou o GPT-6 Astra e o Claude Fable 5.1 em braços robóticos reais. O Astra acertou 19 em 20 na tarefa fácil e 2 em 20 na difícil.

Claude Fable 5.1 corta 75% no custo de leitura de cache
O Fable 5.1 mantém entrada e saída em 10 e 50 dólares por milhão de tokens e baixa a leitura de cache de 1,00 para 0,25 dólar. O Mythos 5.1 segue por convite.

Hugging Face abre pré-vendas do robô open source Microduck por US$ 399
A Hugging Face está aceitando pré-vendas de US$ 399 do Microduck, um robô que anda e tem 25 cm de altura. Toda a pilha de aprendizado por reforço sai sob Apache 2.0, então você pode retreiná-lo.