Лазер квантового компьютера вышел из калиброванного режима и раньше вернуть его в строй могла только команда из четырёх инженеров. На разработку сценария восстановления у них ушли бы месяцы, а сам сценарий срабатывал лишь в 58 случаях из 100. Агент Claude выполнил ту же задачу за одну ночь: в слепом тесте компании QuEra Computing, разрабатывающей квантовые компьютеры на нейтральных атомах, он восстановил работу лазера в 695 из 700 попыток.
Этот эксперимент — один из первых результатов Model Hardware Standard (MHS), нового стандарта Anthropic для управления физическим оборудованием с помощью ИИ-агентов. Его можно назвать продолжением Model Context Protocol (MCP): MCP подключает нейросети к программам, файлам и базам данных, а MHS должен связывать их с реальными устройствами — микроскопами, дозаторами жидкостей, лазерными установкам и роботизированными манипуляторами. Стандарт Anthropic разрабатывает вместе с исследовательским кампусом Janelia при Медицинском институте Говарда Хьюза, специализирующимся на нейробиологии. Код MHS компания планирует открыть позднее — после совместного тестирования с партнерами стандарта и правил безопасности.
Проблема, которую решает стандарт, знакома любой лаборатории. Микроскоп, дозатор и манипулятор обычно куплены у разных производителей, и у каждого прибора — собственный протокол и API (интерфейс, через который программы обмениваются командами). Чтобы связать такое оборудование в один конвейер, специалисты обычно неделями, а то и месяцами вручную пишут переводчики между парами устройств. MHS сводит эту работу к часам, а порой и минутам.
Работает это через единый драйвер — программную прослойку между операционной системой и прибором. Он сводит любую команду к двум простым действиям: read, то есть прочитать показание вроде температуры, и write — задать параметр, например скорость. Дополнительно устройство получает справочный файл: что оно умеет измерять, чем можно управлять и какие пределы нельзя нарушать — вес манипулятора, предельную температуру, допустимую скорость хода. Раньше эти сведения находились в бумажных инструкциях или в голове инженера, а теперь их можно просто надиктовать обычными словами — самому или в разговоре с агентом, который сам расспросит о характеристиках оборудования. Управлять устройствами дальше можно тремя способами: через MCP, через командную строку и через готовый программный код, который выполняет всю цепочку действий без участия нейросети на каждом шаге.
Джона Кул, который в Anthropic отвечает за партнерства с наукой, объясняет смысл новой технологии очень наглядно: лабораторное оборудование часто держит ученых в заложниках у фирменных и хрупких решений одного производителя, а новый стандарт должен снять эту зависимость.
В исследовательском кампусе Janelia работа с одним микроскопическим стендом раньше требовала по очереди запускать семь программ — строго в нужной последовательности. Теперь всё оборудование можно включить одной кнопкой на общей панели. Аспирант Университета Вашингтона за неделю подключил к такой системе шесть приборов, включая разработку драйверов с нуля. Раньше на подобную настройку могла уйти значительная часть времени, предназначенного для самого исследования.
В разработке лекарств биотех-компания Genentech поручила Claude автоматизировать анализ концентрации белка через дозатор, манипулятор и планшетный ридер. Агент сам провел серию пробных переливаний, сверил результат с эталонной пробой эксперта и подобрал скорость дозирования: около 140 микролитров в секунду для воды и всего 10 — для вязкого раствора белка. А вот когда в этом растворе начали появляться пузыри, агент несколько раз перезапускал процесс с новыми параметрами в той же пробирке, только ухудшая дело, — потребовалось объяснение человека, что причина не в программной ошибке, а в физике жидкости. Anthropic сама признает: пространственное и физическое понимание у Claude ограничено, ведь модель знает мир через текст и изображения, а не через реальный опыт.
Контроль качества и устойчивость процесса испытывали в Университете Карнеги-Меллон: там объединили дозатор, ридер, манипулятор и несколько камер на трех компьютерах с несовместимыми интерфейсами, причем один прибор вообще не имел программного интерфейса. На сборку конвейера ушло около восьми часов вместо привычных нескольких недель, а сами эксперименты с подбором дозы стали выполняться втрое быстрее. Заметив, что первый прогон дал слабую кривую, агент сам понизил концентрацию вещества и перезапустил тест, получив заметно лучший результат. Отдельно проверили и обратный сценарий: шесть намеренно смоделированных сбоев агент заблокировал еще до того, как хоть один прибор пришел в рабочее состояние.
Получается, что пока OpenAI и Amazon вкладывают миллиарды в собственное фирменное «железо» для роботов, Anthropic выбрала другую роль — не производителя, а переводчика между чужими устройствами.
