Anthropic представила MHS: как AI автоматизировал лазер квантового компьютера
27 августа 2026 года Anthropic открыла ограниченное исследовательское превью Model Hardware Standard (MHS) — спецификации, через которую AI-агенты могут обнаруживать, читать и управлять программируемым лабораторным и промышленным оборудованием. Одним из первых примеров стала система QuEra: Claude помог разработать программу, восстанавливающую точную частоту лазера квантового компьютера в 99,3% тестов.
Новость важна не только для квантовых вычислений. MHS предлагает общий программный слой между агентом и физическим устройством — микроскопом, дозатором жидкостей, камерой, роботизированной рукой или измерительным прибором. Это попытка перенести агентные системы из браузеров и корпоративных приложений в реальные лаборатории и производство.
Как устроен Model Hardware Standard
У приборов разных производителей обычно собственные интерфейсы и протоколы. Для объединения нескольких устройств инженерам приходится писать отдельные интеграции. По описанию Anthropic, MHS вводит стандартизированный драйвер и небольшой набор понятных операций — например, чтение температуры или изменение заданного параметра.
Драйвер также публикует описание возможностей оборудования, измеряемых величин, регулируемых параметров и физических ограничений. Агент получает эту информацию как справочный файл и может обращаться к устройствам через Model Context Protocol, командную строку или программный API. Стандарт заявлен как независимый от конкретной модели и агентной оболочки.
- Обнаружение: прибор сообщает сети, что он умеет измерять и изменять.
- Управление: агент использует единые команды вместо уникальной интеграции для каждого устройства.
- Контроль безопасности: допустимые диапазоны, блокировки и аварийная остановка задаются на уровне оборудования.
- Воспроизводимость: найденный агентом способ можно оформить как обычный проверяемый скрипт.
Что произошло в лаборатории QuEra
Квантовые компьютеры QuEra используют нейтральные атомы, которыми управляют лазеры с чрезвычайно точной частотой. Температура, вибрация и давление могут вывести лазер из требуемого режима. Тогда вычисление останавливается, а специалисту обычно требуется от пяти до десяти минут, чтобы восстановить «захват» частоты.
До эксперимента команда QuEra создала традиционный сценарий восстановления. Он выполнял фиксированную последовательность действий, занимал около 150 секунд и срабатывал примерно в 58% случаев. Проблема заключалась в изменчивости среды: пока скрипт проходил цепочку шагов, условия могли снова поменяться.
Claude получил через MHS доступ к испытательному стенду и задачу написать самостоятельную Python-программу. В ночном цикле несколько экземпляров агента предлагали гипотезы, изменяли код, запускали его на реальном лазере и анализировали журнал. К утру время восстановления сократилось примерно до шести секунд, а успешность на этапе разработки достигла 96%.
Затем готовый детерминированный скрипт проверили без участия модели. В 700 испытаниях он вернул лазер к правильной частоте 695 раз — 99,3%. Простые нарушения устранялись за 0,9–5,4 секунды, наиболее сложные — за 10–14 секунд. В течение пилота система также автоматически обработала все 43 естественных сбоя, возникших в работающей лаборатории.
AI разработал программу, но не управляет лазером постоянно
Это принципиальное уточнение. Claude использовался для исследования, написания и проверки логики восстановления. В рабочем режиме выполняется обычная инспектируемая программа, а не языковая модель, принимающая решение при каждом движении регулятора. Инженеры определяли область эксперимента, критерии успеха и проверяли действия.
При оптимизации 12 взаимосвязанных параметров контура агент всё же оставался в цикле. По данным QuEra, после тысяч измерений остаточный частотный шум сократился в пять раз, а за примерно 19 часов испытания не произошло ни одного срыва захвата против 1,6 случая в час при ручной настройке. Компания отдельно сообщает, что примерно 12 500 проверок выполнялись внутри жёстких безопасных границ и не вызвали перехода лазера в неправильный режим.
Что это меняет для лабораторий и промышленности
MHS может снизить стоимость интеграции разнородного оборудования и превратить опыт узкого специалиста в повторяемую автоматическую процедуру. Для предприятий Узбекистана наиболее реалистичные сценарии — контроль измерительных стендов, диагностика оборудования, автоматизация испытаний, лабораторная робототехника и круглосуточный мониторинг инфраструктуры.
Однако сегодня это не готовый массовый стандарт. MHS доступен по заявке в рамках исследовательского превью и пока не опубликован как открытый проект. Он работает только с устройствами, имеющими программный интерфейс. Anthropic признаёт, что языковые модели ограничены в пространственном и физическом понимании, поэтому экспертный надзор остаётся обязательным.
Результаты QuEra также нельзя автоматически переносить на любой завод или медицинскую лабораторию: это один пилот на выделенном стенде, а основные цифры опубликованы самими участниками проекта. Перед реальным внедрением потребуется независимая валидация на конкретном оборудовании.
Чек-лист для пилотного проекта
- Выбрать задачу с измеримым результатом, повторяемыми сбоями и понятной стоимостью простоя.
- Изолировать испытательный стенд от производственной линии и критичных данных.
- Задать аппаратные пределы, блокировки, аварийное отключение и журнал всех команд.
- Разделить исследовательскую фазу с AI и рабочее выполнение проверенного детерминированного кода.
- Проверить сценарий на неизвестных сбоях и предусмотреть безопасный отказ без ложного сообщения об успехе.
Оговорка по безопасности: подключение генеративной модели к физическому оборудованию создаёт риск повреждения техники, образцов и людей. Такие эксперименты допустимы только под контролем профильных инженеров, с независимыми аппаратными ограничителями и заранее утверждённым планом аварийной остановки.
