Model Hardware Standard od Anthropic: ako MHS umožňuje AI agentom ovládať hardvér a čím sa líši od MCP

Dňa 27. augusta 2026 Anthropic spustil research preview Model Hardware Standard (MHS), spoločnej špecifikácie, ktorá má AI agentom umožniť bezpečnejšie objavovať, opisovať a ovládať programovateľné fyzické zariadenia.^[1]

MHS vznikol pôvodne v spolupráci Anthropic s HHMI Janelia Research Campus. Prvé piloty prepájali mikroskopy, liquid handlery, robotické ramená, plate readery a časti laserového systému kvantového počítača.^[1]

Doteraz väčšina populárnych AI agentov pracovala najmä v digitálnom prostredí:

súbory
repozitáre
terminál
API
prehliadač
databázy
SaaS systémy

MHS sa snaží štandardizovať ďalšiu vrstvu:

senzory
kamery
mikroskopy
laboratórne roboty
robotické ramená
lasery
meracie zariadenia
výrobné zariadenia

Oznámenie však neznamená, že „Claude teraz dokáže ovládať každý stroj“. MHS je v súčasnosti obmedzený research preview, prístup je na základe žiadosti a štandard ešte nebol verejne vydaný ako open source. Anthropic uvádza, že ho chce otvoriť po preview a ďalších bezpečnostných prácach, ale k 30. augustu nezverejnil dátum ani licenciu budúcej otvorenej verzie.^[1][2]

MHS tiež nie je nový AI model a nenahrádza Model Context Protocol (MCP). Anthropic ho označuje ako model-agnostic. MCP je jedným z troch spôsobov, ktorými môže agent ovládať hardvér opísaný MHS; ďalšími sú CLI a súbory kódu/API.^[1]

Hlavný záver: MHS nie je „MCP 2.0“ ani robot. Je to pokus vytvoriť spoločnú vrstvu driverov, opisu zariadení a fyzických bezpečnostných limitov, cez ktorú môže agent používať rôzne stroje konzistentnejším spôsobom.

Stav informácií: 30. augusta 2026.

TL;DR

Otázka	Overená odpoveď
Čo Anthropic oznámil?	Research preview Model Hardware Standard
Kedy?	27. augusta 2026
Čo je MHS?	Spoločná špecifikácia a vrstva driverov pre programovateľný hardvér
Je MHS nový model Claude?	Nie
Je MHS už open source?	Nie
Plánuje Anthropic open source?	Áno, po preview a bezpečnostných prácach
Poznáme dátum?	Nie
Poznáme budúcu licenciu?	V overených oficiálnych materiáloch nie je uvedená
Nahrádza MHS MCP?	Nie
Ako využíva MCP?	MCP je jedným z mechanizmov ovládania MHS hardvéru
Ďalšie mechanizmy	CLI a code/API files
Funguje MHS iba s Claude?	Nie, je model-agnostic
Aký hardvér?	Zariadenia s programovateľným rozhraním; piloty zahŕňajú laboratóriá a robotiku
Najsilnejší verejný pilotný výsledok	QuEra: 695/700 úspešných relockov lasera, 99,3 %
Je to nezávislý benchmark?	Nie, výsledok partnerského pilotu
Najväčšie riziko	Chyba agenta môže mať fyzické následky
Kľúčové bezpečnostné pravidlo	Limity a interlocky musia byť vynútené mimo samotného modelu

Čo presne je Model Hardware Standard?

Anthropic opisuje MHS ako shared specification for AI agents to safely operate physical devices.^[1]

Problém je známy. Laboratórium alebo výrobná linka používa zariadenia rôznych výrobcov a každé má vlastné SDK, API, dátový formát, desktopovú aplikáciu, dokumentáciu a model chýb.

Prepájanie viacerých zariadení do jedného workflow preto často vyžaduje individuálny glue code.

Anthropic tvrdí, že takéto integrácie môžu trvať týždne alebo mesiace a MHS môže časť práce skrátiť na hodiny alebo minúty.^[1] Ide o tvrdenie výrobcu, nie o nezávislý benchmark celého trhu.

MHS nie je robot ani model

MHS nie je:

• nový model Claude,
• operačný systém pre roboty,
• nový typ robota,
• náhrada firmware,
• samostatný algoritmus motion planning,
• priemyselný sieťový protokol nahrádzajúci všetky existujúce riadiace systémy.

Najlepšie ho možno chápať ako interoperabilnú vrstvu medzi agentom a programovateľným fyzickým hardvérom.

Agent stále potrebuje model, harness alebo aplikáciu, oprávnenia, driver zariadenia, skutočné hardvérové rozhranie a nezávislé fyzické ochrany.

Ako MHS funguje?

3.1. Štandardizovaný driver

MHS zavádza štandardizovaný driver, ktorý prekladá operácie medzi počítačom a zariadením.^[1]

Anthropic uvádza jednoduché primitívne operácie:

read
write

napríklad:

read temperature
write temperature

Neznamená to, že zariadenie má iba dva príkazy. Zložitejšie funkcie možno stavať nad malou konzistentnou sadou základných operácií.

3.2. Štandardný opis zariadenia

MHS má zariadenie sprístupniť v jednotnom discoverable formáte, aby agenti a iné systémy vedeli zistiť jeho schopnosti.^[1]

Opis môže zahŕňať:

• čo zariadenie meria,
• ktoré parametre sa dajú meniť,
• fyzické vlastnosti,
• dôležité obmedzenia,
• vynútené bezpečnostné hranice.

Anthropic uvádza ako príklad hmotnosť robotického ramena.^[1]

3.3. Tagy v prirodzenom jazyku

Používateľ môže dôležité vlastnosti opísať natural-language tagmi, priamo alebo cez agenta, ktorý sa pýta na setup.^[1]

Driver potom vytvorí referenčný súbor s vlastnosťami zariadenia, meraniami, nastaveniami a safety limits.

Verejný článok nie je kompletnou špecifikáciou schémy. Kým je MHS v obmedzenom preview, nemali by sa vymýšľať názvy polí alebo syntax a prezentovať ich ako oficiálne.

Tri spôsoby ovládania hardvéru

Anthropic opisuje tri mechanizmy:^[1]

1. MCP
2. CLI
3. code files / APIs

MCP

Agent môže pristupovať k hardvéru cez Model Context Protocol. MCP servery môžu vystavovať tools, teda spustiteľné funkcie, ktoré model objaví a zavolá.^[4][5]

CLI

Zariadenie možno ovládať aj priamo cez príkazový riadok, čo je užitočné pre operátorov, scripting, debugging a integračné testy.

Kód a API

Agent môže kombinovať príkazy viacerých zariadení do bežného programu. Anthropic to zdôrazňuje pri rýchlych, opakovateľných alebo dlhodobých operáciách, kde LLM nemá rozhodovať o každom mikrokroku.^[1]

Agent sa môže procedúru naučiť a potom opustiť riadiacu slučku

Generatívny model nemusí hardvér riadiť každú milisekundu.

V jednom príklade Claude:

1. menil nastavenie lasera,
2. sledoval výsledok kamerou,
3. opakoval experiment,
4. učil sa vzťahy,
5. zapísal procedúru ako deterministický kód.^[1]

Potom mohol skript fungovať bez priebežného reasoning modelu.

Produkčný vzorec:

AI skúma
   ↓
AI vytvorí procedúru
   ↓
ľudia / testy overia
   ↓
deterministický kód vykoná

QuEra tento princíp použila pri laserovom relock controlleri. Agent pomohol kód vyvinúť a overiť, ale finálna logika je inspectable deterministický software bez online modelu v runtime.^[7]

MHS vs MCP: hlavný rozdiel

Prvok	MCP	MHS
Hlavný cieľ	Prepojiť AI aplikácie s tools, dátami a systémami	Štandardizovať opis a riadenie fyzického hardvéru
Typický cieľ	Software, API, dáta, tools	Programovateľné fyzické zariadenia
Model	Host, client, server, JSON-RPC	Driver + opis hardvéru + riadiace mechanizmy
Tools	Áno	Môžu byť vystavené cez MCP
CLI	Nie je hlavným modelom protokolu	Jeden dokumentovaný spôsob MHS
API/code files	Môžu existovať za MCP	Jeden dokumentovaný spôsob MHS
Fyzické limity	Nie sú hlavná scope MCP	Súčasť MHS semantiky
Open source dnes	Áno	Ešte nie
Stav	Otvorený protokol	Obmedzený research preview

Anthropic vydal MCP v roku 2024 ako otvorený štandard pre obojsmerné spojenia medzi AI systémami, dátovými zdrojmi a nástrojmi.^[4] Dokumentácia MCP opisuje host-client-server, capability negotiation, tools, resources a prompts.^[5][6]

MHS túto vrstvu nenahrádza.

Koncepčný stack:

MODEL / AGENT
      │
      ├── MCP
      ├── CLI
      └── CODE / API
             │
          MHS DRIVER
             │
       DEVICE INTERFACE
             │
        PHYSICAL HARDWARE

Ide o diagram POLPROG, nie oficiálny diagram Anthropic.

Je MHS „MCP pre fyzický svet“?

Ako skratka je to užitočné, technicky však príliš jednoduché.

Oba projekty znižujú počet bespoke integrácií a vytvárajú spoločné rozhranie.

Zásadný rozdiel: MCP je komunikačný protokol pre AI systémy a tools. MHS pridáva sémantiku fyzického zariadenia, jeho stav, schopnosti a limity.

MHS navyše môže MCP používať.

Presnejšie:

MHS dopĺňa MCP o vrstvu určenú pre fyzický hardvér.

MHS je model-agnostic

Anthropic výslovne uvádza, že MHS je model-agnostic a môže ho používať ľubovoľný agent harness cez štandardné protokoly, napríklad MCP.^[1]

Nie je teda formálne obmedzený na Claude alebo Claude Code.

Verejné case studies sa sústreďujú najmä na Claude, pretože pochádzajú od Anthropic a partnerov preview. Zatiaľ neexistuje široký nezávislý benchmark viacerých modelov na rovnakom hardvéri s rovnakým driverom.

Bezpečnosť musí fungovať pod vrstvou modelu

Vo svete software môže zlý tool call zmazať súbor. Vo fyzickom svete môže spôsobiť kolíziu, rozliať vzorku alebo poškodiť zariadenie.

Prompt v prirodzenom jazyku preto nemôže byť jedinou ochranou.

MHS môže prenášať vynucované safety limits.^[1] QuEra navyše uvádza, že bounds, interlocky a emergency stops boli vynucované na hardvérovom rozhraní nezávisle od modelu.^[7]

Správny smer:

MODEL
navrhne akciu

POLICY / APPROVAL
povolí alebo odmietne

DRIVER / CONTROLLER
vynúti limity

HARDWARE INTERLOCK
ochráni aj pri chybe software

Genentech: fyzický problém, ktorý agent najprv nesprávne pochopil

Genentech testoval MHS pri BCA protein assay s liquid handlerom, robotickým ramenom a microplate readerom.^[1]

Pri miešaní vznikali bubliny a spôsobovali runtime errors. Claude problém najprv riešil ako software a opakoval operáciu v rovnakom well s inými parametrami, čím vytváral ďalšie bubliny.^[1]

Ľudia museli vysvetliť fyzickú príčinu, potrebu čistého well a jemnejšieho miešania. Tím potom znalosť preniesol do reusable liquid-handling skills.^[1]

Dôležitý záver:

Model môže správne chápať error message, ale nesprávne chápať fyziku za ním.

University of Washington: šesť zariadení za menej ako týždeň

Laboratóriá Baker a Pinglay používali MHS na vzdialený monitoring, agentom sledované qPCR a koordináciu robotického ramena s liquid handlerom.^[1]

Pri plate handoff liquid handler dokončil prácu, agent prijal signál a asi o desať sekúnd neskôr spustil rameno. Podľa opisu počas opakovaných testov nedošlo ku kolízii.

Pripojenie šiestich zariadení vrátane driverov údajne trvalo menej ako týždeň.^[1]

Ide o jeden pilot, nie všeobecnú garanciu času.

Carnegie Mellon: šesť zámerne vyvolaných bezpečnostných stavov

Tím Carnegie Mellon použil MHS na serial dilution dose-response experimenty.^[1]

Setup kombinoval liquid handler, plate reader, robotické rameno, kamery a tri počítače s nekompatibilným ovládaním.

Výskumníci vyvolali šesť stavov:

1. chýbajúca plate,
2. otočená plate,
3. reader busy,
4. odpojená kamera,
5. nedostupné zariadenie,
6. aktívny emergency stop.^[1]

Podľa reportu systém všetkých šesť zablokoval ešte pred pohybom zariadenia.

Je to dobrý proof of concept, nie formálna bezpečnostná certifikácia.

Autonómna korekcia experimentu

Prvý run mal:

R² < 0,9

Agent znížil maximálnu koncentráciu:

200 µg/mL
→
100 µg/mL

Druhý run dosiahol:

R² > 0,98

bez zásahu človeka.^[1]

Tím uvádza približne 8 hodín od pripraveného, ale neautomatizovaného vybavenia po hotovú krivku vrátane autonómneho rerunu a porovnáva to s týždňami typickej vendor integrácie.^[1]

HHMI Janelia: jedna stavová vrstva pre sedem programov

V jednom projekte Janelia musela výskumníčka predtým spúšťať sedem programov v presnom poradí.

MHS nahradil point-to-point spojenia zdieľaným state dictionary v shared memory.^[1]

Podľa case study:

• nová kamera sa pridala počas minút namiesto dní,
• štart experimentu sa zmenil zo siedmich krokov na jednu akciu,
• dátové streamy bolo možné analyzovať opakovane použiteľnými tools bez ohľadu na vendor aplikáciu.^[1]

MHS tiež vynucoval limity, napríklad maximálny výkon lasera, aby agent nemohol prekročiť bezpečný rozsah pre vzorku.^[1]

QuEra: 695 úspešných relockov zo 700

Najviac kvantifikovaný verejný pilot pochádza od QuEra Computing.

QuEra využila MHS, aby Claude získal prístup k časti laserového systému kvantového počítača.^[1][7][8]

Po experimentálnej fáze vznikol deterministický controller.

QuEra vykonala:

700 testov
7 tried porúch
100 testov na triedu

Výsledok:

695 / 700
=
99,3 %

^[7]

Jednoduchšie chyby:

0,9–5,4 s

najťažšie:

10–14 s

oproti:

5–10 minút

u ľudského experta.^[7]

Nie je to 99,3% benchmark Claude

V záverečnom blind teste agent neriadil laser online.

Správne:

Agent s MHS pomohol vyvinúť controller, ktorý následne dosiahol 99,3 %.

Nesprávne:

Claude ovláda hardvér s presnosťou 99,3 %.

Rozpor medzi zdrojmi

Anthropic opisuje starší ručne vytvorený QuEra skript ako prácu na „several months“.^[1]

QuEra uvádza približne 2–3 týždne.^[7]

Preto tento čas nepoužívame ako tvrdú porovnávaciu metriku.

Obmedzenia odhalené pilotom QuEra

Verejné opisy uvádzajú aj slabiny.

Claude:

• nedokázal diagnostikovať niektoré čisto fyzické poruchy,
• chápal rig najmä cez programovú reprezentáciu,
• potreboval veľa kontextu,
• niekedy experiment zastavil a čakal na ľudské potvrdenie aj pri mierne rizikovej akcii.^[1]

Pri fyzickom hardvéri môže byť takáto opatrnosť vhodnejšia než prehnaná istota.

Tetsuwan: jedno zariadenie problém deteguje, iné ho rieši

Tetsuwan spojil MHS s ResearchOS v qPCR workflow súvisiacom so San Pedro Creek.^[1]

Kamera detegovala bubliny. Robot držiaci vzorku ich nedokázal odstrániť.

Systém:

1. detegoval problém,
2. prehľadal MHS zariadenia,
3. našiel centrifuge,
4. Claude navrhol jej použitie,
5. po approval odoslal príkazy.^[1]

Ide o ukážku cross-device recovery namiesto úplne hard-coded workflow.

Partnerský ekosystém

Anthropic uvádza napríklad:^[1]

• Amazon Web Services,
• Automata,
• Danaher,
• Doosan Robotics,
• MBF Bioscience,
• QIAGEN,
• Tecan,
• Universal Robots,
• Hugging Face,
• Raspberry Pi.

AWS plánuje podporu cez Strands Robots, Hugging Face pracuje na LeRobot a Raspberry Pi na integráciách vybraných produktov.^[1]

To neznamená, že každá integrácia je dnes verejne production-ready.

MHS ešte nie je open source

Oficiálny web projekt označuje ako limited research preview.^[2]

Anthropic chce najskôr získať skúsenosti partnerov, vytvoriť safety evaluations, best practices a posilniť safeguards.^[1]

K 30. augustu 2026 nie sú v overených oficiálnych materiáloch:

• verejný dátum open-source vydania,
• finálna licencia,
• kompletná verejná špecifikácia s vyspelosťou MCP dokumentácie.

Preto je správne:

Anthropic plánuje MHS vydať ako open source.

Nie:

MHS už je open source.

Sú výsledky nezávislé benchmarky?

Nie.

Verejné hodnoty pochádzajú najmä od Anthropic a partnerov preview.

Reuters nezávisle potvrdzuje spustenie preview, všeobecný rozsah a plán neskoršieho open source.^[3]

Zatiaľ neexistuje benchmark s rovnakým hardvérom, rovnakými drivermi, viacerými modelmi, jedným harnessem a nezávislým gradingom.

Čísla ako:

99,3 %
3× rýchlejšie
8 hodín
menej ako týždeň

preto musia zostať priradené konkrétnym pilotom.

Threat model: čo sa môže pokaziť?

Chybné reasoning

Model môže zle vyložiť senzor, error code, obraz alebo fyzickú príčinu. Genentech ukazuje reálny prípad.^[1]

Chybný alebo škodlivý driver

Nesprávne jednotky, chybný stav alebo chýbajúca validácia môžu agentovi ukázať nepravdivý obraz reality.

Prompt injection

Text z kamier, dokumentácie alebo sieťových dát môže obsahovať škodlivé pokyny.

Confused deputy

Agent s prístupom k viacerým zariadeniam môže použiť správny tool na nesprávny účel.

Race conditions

Dvaja agenti môžu súčasne meniť rovnaký fyzický stav.

Strata spojenia

Systém musí mať safe state pri výpadku modelu, MCP, siete, drivera alebo senzora.

Bezpečnejšia produkčná architektúra

MODEL / AGENT
      ↓
POLICY + APPROVAL
      ↓
MCP / CLI / API
      ↓
MHS DRIVER
      ↓
DETERMINISTIC CONTROLLER
      ↓
HARDWARE INTERLOCK / E-STOP
      ↓
PHYSICAL HARDWARE

Ide o odporúčanie POLPROG, nie oficiálny diagram Anthropic.

LLM by nikdy nemal byť jedinou komponentou rozhodujúcou, či je fyzická operácia bezpečná.

Čo má vynucovať deterministická vrstva?

Napríklad:

• teplotné rozsahy,
• maximálny výkon,
• rýchlosť ramena,
• pracovný priestor,
• poradie pohybov,
• collision zones,
• tlakové limity,
• stav ochranných krytov,
• emergency stop,
• maximálny čas operácie.

Požiadavka mimo povoleného rozsahu sa musí odmietnuť bez ohľadu na reasoning modelu.

Human-in-the-loop zostáva dôležitý

Špecifikácia MCP Tools odporúča, aby používateľ mohol tool invocation odmietnuť.^[5]

Pre hardvér:

READ
automaticky

LOW-RISK WRITE
automaticky v úzkom rozsahu

MEDIUM-RISK
policy + validácia

HIGH-RISK
human approval

EMERGENCY / UNSAFE
vždy zablokované

Prečo je deterministický fallback dôležitý?

QuEra ukazuje praktický pattern:

AI objaví riešenie
→ vytvorí sa kód
→ testy a ľudia ho overia
→ produkcia spúšťa deterministický software

To znižuje inference cost, latency, nondeterminism, závislosť od API a riziko nečakaných rozhodnutí.

MHS a priemyselné riadiace systémy

MHS nie je náhrada PLC, SCADA, OPC UA, safety PLC alebo real-time controllerov.

Realistickejšia pozícia:

agent
↓
orchestration
↓
MHS
↓
existujúce controllery
↓
hardware

Anthropic sám ukazuje, že rýchle alebo dlhé operácie možno zabaliť do kódu, takže LLM nemusí reasoning robiť pri každom kroku.^[1]

Kto by mal MHS sledovať už teraz?

Najmä:

• laboratóriá s multi-vendor vybavením,
• biotech a pharma,
• microscopy,
• robotika,
• quantum computing,
• advanced manufacturing,
• R&D tímy s množstvom bespoke integration code.

Kto by mal byť opatrný?

Ak:

• systém je safety-critical,
• potrebujete stabilnú verejnú špecifikáciu,
• požadujete známu open-source licenciu,
• sú nutné certifikované priemyselné štandardy,
• hardvér nemá automatizovateľné rozhranie,
• chýbajú nezávislé interlocky,
• tím nevie auditovať drivery.

Research preview nie je vyzretý priemyselný štandard.

Ako môže firma pripraviť infraštruktúru?

Krok 1: inventár

vendor
model
SDK/API/GUI
jednotky
stavy
príkazy
limity
E-stop
závislosti

Krok 2: oddeliť read a write

Definujte, čo sa môže čítať, meniť, automatizovať a čo vyžaduje approval.

Krok 3: bezpečnosť nesmie byť iba v prompte

Nespoliehajte sa na:

"nikdy neprekračuj 80°C"

Skutočný limit musí vynucovať kód alebo hardvér.

Krok 4: logovať všetko

Agent/model, operácia, parametre, stav pred/po, výsledok, timestamp, policy a approval.

Krok 5: najskôr simulácia

digital twin / mock driver

a až potom:

real hardware

Minimálny testovací plán

Driver

• jednotky,
• ranges,
• timeouts,
• reconnect,
• neplatné odpovede,
• restart.

Agent

• chybný sensor reading,
• konfliktné dáta,
• neznámy error code,
• prompt injection,
• chýbajúci kontext.

Hardware

• collision prevention,
• E-stop,
• power loss,
• network loss,
• mechanické blokovanie,
• out-of-range values.

Multi-agent

• súčasné writes,
• stale state,
• resource locking,
• retry po timeout.

MHS bezpečnostný checklist

Architektúra

• Model neriadi actuatory bez validácie.
• Každý driver má explicitné limity.
• Hodnoty majú jednotky a rozsahy.
• Kritické hranice sú deterministické.
• E-stop funguje nezávisle od AI.
• Safe state po strate spojenia.
• Device state má timestamp.
• Retry je bezpečný.

Oprávnenia

• Agent vidí iba potrebné zariadenia.
• READ a WRITE sú oddelené.
• High-risk actions vyžadujú approval.
• Oprávnenia expirujú.
• Neexistuje jeden globálny admin token.

Monitoring

• Každý tool call sa loguje.
• Fyzické zmeny majú telemetry.
• Alarmy nie sú závislé len od modelu.
• Operátor vidí aktuálny stav.
• Je dostupný event replay.
• Chyby sú klasifikované.

Testy

• Mock hardware.
• Physical sandbox.
• Fault injection.
• Prompt injection.
• Race conditions.
• Network partition.
• Agent restart.
• Driver restart.
• Chybné jednotky.
• Out-of-range values.

Produkcia

• Rollout začína read-only.
• Potom low-risk writes.
• Safety-critical actions zostávajú mimo agenta.
• Deterministický kód nahrádza AI tam, kde je to možné.
• Drivery prechádzajú code review.
• Existuje rollback.
• Existuje ručné prevzatie riadenia.
• Tím pozná fyzické dôsledky každého príkazu.

Čo je potrebné, aby sa MHS stal skutočným štandardom?

Okrem iného:

1. verejná špecifikácia,
2. stabilný versioning,
3. model kompatibility,
4. verejné SDK,
5. open-source licencia,
6. reference drivers,
7. conformance tests,
8. security evaluations,
9. nezávislé implementácie,
10. vendor support,
11. validácia driverov,
12. jasný permission model.

MCP získal význam vďaka interoperabilnému ekosystému. MHS bude musieť prejsť podobnou cestou.

Zmení MHS robotiku?

Možno, ale je príliš skoro.

Najlepší krátkodobý fit je tam, kde je hardvér už programovateľný, integrácia je drahá a workflow sa často mení:

laboratóriá
R&D
biotech
microscopy
quantum
advanced manufacturing

MHS automaticky nerieši robot perception, motion planning, real-time control, safety certification ani fyziku manipulácie.

Môže však zjednodušiť rozhranie, cez ktoré agent používa existujúce riadiace systémy.

Verdikt POLPROG

Model Hardware Standard je jedným z najzaujímavejších agentných smerov roku 2026, pretože presúva interoperabilitu z digitálneho sveta do fyzického.

Čo je potvrdené?

• research preview od 27. augusta 2026.^[1][3]
• pôvod v spolupráci Anthropic + HHMI Janelia.^[1]
• model-agnostic.^[1]
• riadenie cez MCP, CLI a code/API files.^[1]
• driver opisuje zariadenie a safety limits.^[1]
• Anthropic plánuje neskoršie open-source vydanie.^[1][2]
• QuEra potvrdzuje 695 úspešných relockov zo 700 pre finálny controller.^[7]

Čo ešte nevieme?

• finálnu verejnú schému,
• dátum open-source,
• licenciu,
• stabilitu API,
• kompatibilitu implementácií,
• nezávislý benchmark,
• výkon rôznych modelov na rovnakom hardvéri.

Najsľubnejší pattern

Nie:

LLM neustále riadi všetko

ale:

agent chápe cieľ
→ skúma bezpečný priestor
→ koordinuje zariadenia
→ vytvorí alebo vyberie procedúru
→ systém ju overí
→ opakovateľná práca prejde do deterministického kódu

Ak Anthropic skutočne otvorí špecifikáciu, výrobcovia ponúknu znovupoužiteľné drivery a nezávislé tímy overia bezpečnosť a interoperabilitu, môže sa MHS stať dôležitou vrstvou physical AI.

Ešte tam nie sme.