El Model Hardware Standard (MHS) es una especificación compartida, presentada por Anthropic el 27 de agosto de 2026, para que agentes de IA operen dispositivos físicos de laboratorio y de manufactura. Estandariza la comunicación con primitivas elementales de lectura y escritura —«leé la temperatura», «fijá la temperatura»— y hace que los dispositivos se describan en un formato común, así el agente no necesita un programa traductor hecho a medida para cada equipo. Anthropic dice que baja la integración de hardware de «semanas, si no meses» a «horas o minutos».
Es la misma jugada que MCP, pero con máquinas en lugar de software. Está en research preview: se comparte con socios de ciencia, robótica, electrónica y manufactura antes de abrirlo como estándar libre, y el acceso se pide por formulario. Funciona con cualquier dispositivo que tenga una interfaz programable y es agnóstico del modelo. Para una industria argentina no es algo que se compre este trimestre: es la señal de hacia dónde va la automatización, y un filtro muy concreto para saber si tu planta llegaría a la fila.
¿Qué es el Model Hardware Standard y qué problema resuelve?
El problema es viejo y cualquiera que haya intentado conectar dos equipos de distinta marca lo conoce: cada instrumento habla su propio idioma. Para que un software controle un lector de placas, una centrífuga y un brazo robótico hay que escribir un traductor por equipo, y ese trabajo se repite completo cuando cambia el modelo, el firmware o el proveedor.
MHS ataca eso con la idea más simple posible: reducir todo a primitivas de lectura y escritura que el hardware pueda entender, y hacer que cada dispositivo se declare en un formato estándar para que el agente lo descubra solo. Es exactamente lo que hizo MCP con las herramientas de software: en vez de una integración por aplicación, una interfaz común. Si te sirve la analogía, MHS es el MCP de las máquinas (anuncio oficial de Anthropic).
Los equipos con los que ya se probó dan la escala de qué tipo de trabajo es: manipuladores de líquidos, brazos robóticos, lectores de placas, microscopios, máquinas de qPCR, centrífugas y sistemas láser. Dos aclaraciones del propio anuncio que importan para evaluarlo: funciona con cualquier dispositivo que tenga una interfaz programable y es agnóstico del modelo, o sea que no queda amarrado a Claude.
¿Qué resultados publicó y cuáles son citables de verdad?
Acá está lo que separa a este anuncio de un lanzamiento de humo: hay números con nombre y apellido, publicados por los socios que lo probaron.
| Quién | Qué hizo | Resultado publicado |
|---|---|---|
| QuEra Computing | Recuperar la estabilización de un láser de titanio-safiro en una computadora cuántica | De 58% de éxito y 150 s por intento a 99,3% de éxito en 0,9 a 5,4 s. Claude reescribió las secuencias lineales de recuperación como árboles de decisión. |
| Carnegie Mellon | Integración completa del hardware para curvas dosis-respuesta | 8 horas, contra las varias semanas que lleva un setup armado por el proveedor. |
| Universidad de Washington | Screening para diseño de proteínas (labs Baker y Pinglay) | Puesta en marcha de MHS en menos de una semana. |
| Genentech | Ensayo BCA de proteínas coordinando manipulador de líquidos, brazo robótico y lector de placas | Claude optimizó los caudales por su cuenta: ~140 µL/s para agua (RMSE 0,016) y ~10 µL/s para BSA viscosa (RMSE 0,181), valores que sus expertos en automatización confirmaron razonables. |
El de QuEra es el que mejor muestra el mecanismo, y no es “la IA hace magia”: el agente reescribió un procedimiento lineal como un árbol de decisión. Es lo que haría un buen ingeniero de procesos con tiempo disponible, ejecutado a velocidad de máquina. Los otros tres resultados son de tiempo de integración, que es justamente el costo oculto que hace que estos proyectos no arranquen.
¿Qué no puede hacer todavía? Los límites que Anthropic admite
Esta parte es la que conviene llevar a una reunión, porque es la que define si el proyecto se puede dejar solo o no. Anthropic dice que Claude sigue teniendo problemas con las restricciones físicas, químicas y biológicas, sobre todo al diagnosticar errores.
El ejemplo que dan es perfecto y vale más que cualquier advertencia genérica: en Genentech, el modelo no entendió al principio la formación de burbujas durante el manejo de líquidos, y hubo que guiarlo para que reconociera que los errores por espuma en las muestras eran fallas físicas y no bugs de software. Traducido a una planta: el agente sabe leer y escribir en la máquina, pero no tiene todavía la intuición de que algo está pasando en el mundo real. Ese es el trabajo que sigue siendo de una persona con oficio, y el motivo por el que estos sistemas van con supervisión y no sueltos.
El segundo límite es de alcance: MHS cubre solo dispositivos con interfaz programable. Un equipo de 1998 con perillas y un display de siete segmentos no entra, por buena que sea la especificación.
¿Qué significa esto para una industria o un laboratorio en Argentina?
Primero lo honesto: hoy no es algo que compres. Es un research preview que se comparte con socios seleccionados antes de abrirse como estándar libre, y el acceso se pide por formulario. Ninguna pyme industrial argentina va a implementar MHS este trimestre.
Dicho eso, hay tres cosas que sí sirven ahora:
- El filtro de la interfaz programable. Es una pregunta que podés contestar esta semana: de los equipos críticos de tu planta o tu laboratorio, ¿cuáles exponen una interfaz por la que un software pueda leer y escribir? Ese inventario es el que define si la próxima ola de automatización te alcanza o te pasa por al lado, y es exactamente la misma pregunta que ordena un proyecto de datos de proceso como la IA premiada en la refinería de YPF.
- La lección del estándar, que ya vimos en software. Lo que hizo escalar a los agentes en software no fue un modelo mejor: fue dejar de escribir una integración por aplicación. Si tu planta tiene cinco equipos con cinco protocolos y una planilla haciendo de puente, el cuello de botella es la interfaz, no la inteligencia. Es el mismo razonamiento con el que conviene mirar las integraciones por MCP en una empresa.
- El encuadre para presentarlo adentro. Los cuatro resultados publicados son de tiempo de integración y de consistencia de una rutina, no de reemplazo de personas. Es el encuadre que hace que un proyecto así se apruebe y que el equipo técnico no lo sabotee.
Y una nota de oportunidad para el que mira más lejos: si tu negocio es fabricar o integrar equipamiento con interfaz programable, adoptar temprano un estándar abierto es una ventaja comercial, no un gasto de I+D. Pasó con MCP y los productos de software que se volvieron conectables primero.
Preguntas frecuentes sobre el Model Hardware Standard.
Es una especificación compartida, presentada el 27 de agosto de 2026, para que agentes de IA operen dispositivos físicos de laboratorio y de manufactura de forma segura. Estandariza la comunicación con primitivas elementales de lectura y escritura —por ejemplo “leé la temperatura” o “fijá la temperatura”— y hace que cada dispositivo se declare en un formato común, así el agente lo descubre sin necesidad de un programa traductor escrito a medida. Anthropic lo plantea como el equivalente de MCP para las máquinas físicas: en lugar de una integración por equipo, una interfaz única.
Las primeras implementaciones cubren manipuladores de líquidos, brazos robóticos, lectores de placas, microscopios, máquinas de qPCR, centrífugas y sistemas láser. Anthropic aclara dos cosas importantes: funciona con cualquier dispositivo que tenga una interfaz programable y es agnóstico del modelo, o sea que no queda atado a Claude. El corolario es el límite: un equipo sin interfaz programable queda afuera.
Anthropic afirma que baja el trabajo de integración de “semanas, si no meses” a “horas o minutos”. Los casos publicados: Carnegie Mellon completó la integración completa del hardware en 8 horas, contra las varias semanas que lleva un setup armado por el proveedor, y la Universidad de Washington puso MHS en marcha en menos de una semana.
QuEra Computing lo usó para recuperar la estabilización de un láser de titanio-safiro. Pasó de un 58% de éxito con 150 segundos por intento a un 99,3% de éxito en 0,9 a 5,4 segundos. El mecanismo no es mágico: Claude reescribió las secuencias lineales de recuperación como árboles de decisión, es decir hizo lo que haría un buen ingeniero de procesos con tiempo disponible, pero ejecutado a velocidad de máquina.
Anthropic admite que Claude sigue teniendo problemas con las restricciones físicas, químicas y biológicas, especialmente al diagnosticar errores. El ejemplo que publican es de Genentech: el modelo no entendió al principio la formación de burbujas durante el manejo de líquidos y hubo que guiarlo para que reconociera que los errores por espuma en las muestras eran fallas físicas y no bugs de software. Por eso estos sistemas van con supervisión humana y no sueltos.
MHS no es todavía un producto abierto: Anthropic lo está compartiendo con socios de ciencia, robótica, electrónica y manufactura antes de liberarlo como estándar de código abierto, y el acceso se solicita por formulario en modelhardwarestandard.com. Entre los socios tempranos hay laboratorios y empresas como Genentech, los laboratorios Baker y Pinglay de la Universidad de Washington, Carnegie Mellon, HHMI Janelia, QuEra Computing y Tetsuwan Scientific.
Tres cosas, ninguna de las cuales implica comprar nada. Primero, el inventario que define todo lo que viene: de los equipos críticos de la planta o el laboratorio, cuáles exponen una interfaz por la que un software pueda leer y escribir. Segundo, aplicar la lección del estándar que ya se vio en software: si hay cinco equipos con cinco protocolos y una planilla haciendo de puente, el cuello de botella es la interfaz y no la inteligencia. Tercero, el encuadre para presentarlo adentro: los resultados publicados son de tiempo de integración y de consistencia de una rutina, no de reemplazo de personas. Y para quien fabrica o integra equipamiento con interfaz programable, adoptar temprano un estándar abierto es una ventaja comercial, como pasó con MCP en software.
Última actualización: · Versión 1.0 · Todos los datos, resultados y límites citados salen del anuncio oficial de Anthropic del 27 de agosto de 2026 sobre el research preview del Model Hardware Standard. Opinión, análisis y el marco de aplicación local: Diego Ceredi, consultor certificado por Anthropic (Claude) y Google (Gemini).
Claude ya tiene un manual oficial para armar un agente de compra: qué necesita tu e-commerce antes de copiarlo
11 min de lectura
Claudeforce: Salesforce metió a Claude adentro de su CRM — qué significa si tu empresa ya paga Salesforce
9 min de lectura