Anthropic wil dat Claude stopt met een chatbot zijn die beperkt is tot een browsertab en in plaats daarvan rechtstreeks machines gaat bedienen. Op 27 augustus introduceerde het AI-bedrijf de Model Hardware Standard, een nieuwe softwarespecificatie die is ontwikkeld om AI‑agenten fysieke apparaten te laten ontdekken, ermee te communiceren en ze te besturen — van robotarmen op fabrieksvloeren tot precisie-instrumenten in onderzoekslaboratoria. Het is een van de duidelijkste signalen tot nu toe dat Anthropic‑AI‑hardwarebesturing uitgroeit tot een echte productcategorie, en niet alleen een onderzoeksbegrip.
Summary
Belangrijkste punten
- Anthropic lanceerde op 27 augustus de Model Hardware Standard (MHS) als onderzoeksvoorvertoning, met plannen om deze uiteindelijk open source te maken.
- MHS stelt AI‑modellen zoals Claude in staat om hardware zoals robotarmen en labinstrumenten te ontdekken, ermee te interfacen en ze te besturen, en werkt met elk apparaat dat een programmeerbare interface heeft.
- Vroege partner QuEra rapporteerde een succespercentage van 99,3% bij laser‑relock‑taken, tegenover een eerdere benchmark van slechts 58%.
- Taken die vroeger weken aan maatwerk‑engineering kostten, zouden nu uren duren.
- Anthropic voert veiligheidsevaluaties uit met geselecteerde partners — waaronder HHMI Janelia, Genentech en Carnegie Mellon University — voordat er sprake is van een bredere uitrol.
Anthropic lanceert Model Hardware Standard om AI te verbinden met fysieke apparaten
De Model Hardware Standard is een softwarespecificatie die is ontworpen om de kloof te overbruggen tussen het redeneren van een AI‑agent en de fysieke beweging van een machine. Anthropic beschrijft het in eenvoudige bewoordingen: denk aan een USB‑C‑kabel, een gestandaardiseerde manier waarop informatie tussen apparaten wordt uitgewisseld, behalve dat de apparaten aan de andere kant hier robotarmen, labapparatuur en productiehardware zijn in plaats van laptops en telefoons.
Elizabeth Kelly, hoofd van gunstige implementaties bij Anthropic, vertelde CNBC dat het bedrijf de standaard in de eerste plaats met wetenschap in gedachten heeft ontwikkeld. “We hebben dit gebouwd voor de wetenschap om de belofte van AI te laten zien, maar er zijn hier ook enorme voordelen voor ondernemingen en voor de industrie,” zei Kelly.
Kernfuncties van de Model Hardware Standard
Onder die pitch ligt een vrij technische toolkit. MHS biedt een gemeenschappelijke driverinterface, apparaatlabels in natuurlijke taal waarmee een model hardware in gewone taal kan beschrijven en lokaliseren, en ingebouwde compatibiliteit met Anthropics bestaande Model Context Protocol. Dat laatste detail is belangrijk omdat MCP nu al bepaalt hoe AI‑modellen met softwaretools en databronnen praten; MHS breidt in wezen diezelfde communicatielogica uit naar de fysieke wereld, waardoor Claude en andere modellen op een consistente manier machines kunnen vinden en bedienen zonder voor elk apparaat aparte integratiecode nodig te hebben.
Model-agnostisch ontwerp dat brede AI-compatibiliteit mogelijk maakt
Anthropic heeft MHS gebouwd om verder te werken dan alleen de eigen modellen. De standaard is model‑agnostisch, wat betekent dat bedrijven die hem adopteren niet specifiek aan Claude vastzitten — elk AI‑systeem dat compatibel is met de specificatie kan hem in theorie gebruiken om dezelfde hardware te bedienen. Dat is een bewuste positioneringskeuze: in plaats van te proberen de volledige relatie tussen hardware en AI te bezitten, gokt Anthropic erop dat het waardevoller is om op de lange termijn de standaard verbindingslaag te worden dan om de standaard te beperken tot het eigen ecosysteem.
Prestatiewinst en efficiëntieverbeteringen aangetoond door vroege partners
De eerste resultaten van testpartners suggereren dat MHS niet alleen een theoretische verbetering is — hij verandert nu al hoe snel hardwaretaken worden uitgevoerd. Quantumcomputingbedrijf QuEra gebruikte met MHS geïntegreerde AI om lasers opnieuw te locken, een precisiekalibratietaak, en behaalde een succespercentage van 99,3%. Dat is een dramatische sprong ten opzichte van de benchmark van 58% die werd behaald met aangepaste scripts voordat MHS bestond.
Doorbraaksuccespercentage van QuEra bij laser-relock-taken
De sprong van 58% naar 99,3% is geen kleine afstemmingsverbetering — het is het soort sprong dat bepaalt of een taak betrouwbaar genoeg wordt geacht voor productiegebruik. Voor laboratoriumomgevingen waar mislukte precisiekalibraties hele onderzoeksruns kunnen ontsporen, is dat verschil net zo belangrijk als het ruwe percentage zelf.
Grote verkorting van tijdlijnen voor hardware-integratie
Naast de ruwe succespercentages lijkt de standaard tijdlijnen te verkorten die vroeger weken in beslag namen. Werk aan hardware‑integratie dat eerder weken aan maatwerk‑engineering vergde, kost nu naar verluidt slechts uren, aldus Anthropic. Voor fabrikanten en onderzoekslabs verandert zo’n snelheidsverschuiving de economie van het invoeren van AI‑gestuurde automatisering volledig — wat vroeger een engineeringproject van meerdere weken was, wordt iets dat meer lijkt op het aansluiten van een randapparaat.
Project Fetch Phase Two toont snelheidsvoordeel van programmeren met Claude Opus 4.7
MHS staat niet op zichzelf. Het sluit aan bij Anthropics bredere streven om Claude operationeel werk te laten doen in plaats van alleen tekst te genereren. De Phase Two van het Project Fetch van het bedrijf, gericht op AI‑ondersteunde robotica‑programmering, stelde vast dat Claude Opus 4.7 de programmeertaken uitvoerde met een snelheid die ongeveer 20 keer hoger lag dan die van menselijke teams. MHS is in feite de infrastructuurlaag die bedoeld is om dat soort snelheidsvoordeel herhaalbaar te maken over verschillende hardware‑opstellingen heen, in plaats van een eenmalig resultaat dat aan één enkele testomgeving is gebonden.
Integratie van veiligheid en strategische partnerschappen voorafgaand aan publieke release
Anthropic brengt MHS nog niet uit voor het grote publiek. In plaats daarvan is de standaard beschikbaar als onderzoeksvoorvertoning voor een geselecteerde groep organisaties in de wetenschap, robotica en productie, waarbij Anthropic aangeeft dat het uiteindelijk van plan is de standaard open source te maken zodat elke apparaatfabrikant in elke sector hem kan adopteren — volgens hetzelfde pad dat het volgde met het Model Context Protocol, dat in 2024 open source werd gemaakt.
Ingebouwde operationele beperkingen voor veilige hardwarebesturing
Veiligheid is hier geen bijzaak die later op de software wordt geschroefd. MHS is ontworpen om operationele beperkingen rechtstreeks in de standaard zelf in te bedden — zaken als snelheidslimieten en hoekbeperkingen voor robotsystemen — zodat een AI‑agent een apparaat fysiek niet kan instrueren om buiten vooraf ingestelde veilige parameters te bewegen. Dat is een betekenisvolle ontwerpkeuze: het plaatst de vangrails op protocolniveau in plaats van volledig te vertrouwen op het oordeel van het AI‑model op het moment zelf.
Samenwerkingen met wetenschappelijke en industriële leiders voor veiligheidsevaluatie
Voorafgaand aan een bredere release voert Anthropic veiligheidsevaluaties uit met een zorgvuldig geselecteerde groep partners, waaronder HHMI Janelia, Genentech en Carnegie Mellon University. De keuze voor onderzoeks- en biotechinstellingen in plaats van consumentgerichte bedrijven voor deze eerste fase geeft aan dat Anthropic fysieke veiligheidstests met dezelfde voorzichtigheid benadert als doorgaans geldt voor modelgedrag — precisie-instrumenten en labapparatuur laten weinig ruimte voor fouten.
Waarom dit ertoe doet, gaat verder dan één enkele productlancering. Rivalen zoals OpenAI en Amazon hebben al miljarden dollars geïnvesteerd in AI‑native apparaten en productietools, en Anthropic bouwt afzonderlijk een siliciumteam op en werft hardwaretalent, waaronder een leidinggevende die eerder bij OpenAI, Meta en Apple werkte. MHS positioneert Anthropic om te concurreren om de verbindingslaag tussen AI‑redeneren en fysieke uitvoering — een markt die, als de standaard breed wordt aangenomen in productie en onderzoek, kan bepalen welk AI‑bedrijf de standaardkeuze wordt wanneer een onderneming een model daadwerkelijk iets in de echte wereld wil laten bewegen in plaats van alleen te beschrijven hoe dat moet.
FAQ
Wat is de Model Hardware Standard die door Anthropic is geïntroduceerd?
De Model Hardware Standard is een softwarespecificatie die is ontworpen om AI‑agenten zoals Claude rechtstreeks met fysieke apparaten te verbinden, waardoor besturing en integratie met hardware zoals robotarmen en labinstrumenten mogelijk wordt.
Hoe verbetert MHS de efficiëntie bij hardware-integratie?
MHS vereenvoudigt en versnelt hardware‑integratie door een gemeenschappelijke driverinterface en labels in natuurlijke taal te bieden, waardoor taken die weken aan engineering kostten worden teruggebracht tot slechts enkele uren.
Is de Model Hardware Standard beperkt tot de AI-modellen van Anthropic?
Nee, MHS is ontworpen om model‑agnostisch te zijn en kan werken met AI‑modellen buiten Anthropics Claude.
Welke veiligheidsfuncties bevat MHS?
MHS embedt operationele beperkingen zoals snelheids- en hoeklimieten om onveilige apparaatbediening te voorkomen, zodat AI‑besturing binnen veilige parameters blijft.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Wat is de Model Hardware Standard die door Anthropic is geïntroduceerd?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”De Model Hardware Standard is een softwarespecificatie die is ontworpen om AI-agenten zoals Claude rechtstreeks met fysieke apparaten te verbinden, waardoor besturing en integratie met hardware zoals robotarmen en labinstrumenten mogelijk wordt.”}},{“@type”:”Question”,”name”:”Hoe verbetert MHS de efficiëntie bij hardware-integratie?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”MHS vereenvoudigt en versnelt hardware-integratie door een gemeenschappelijke driverinterface en labels in natuurlijke taal te bieden, waardoor taken die weken aan engineering kostten worden teruggebracht tot slechts enkele uren.”}},{“@type”:”Question”,”name”:”Is de Model Hardware Standard beperkt tot de AI-modellen van Anthropic?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Nee, MHS is ontworpen om model-agnostisch te zijn en kan werken met AI-modellen buiten Anthropics Claude.”}},{“@type”:”Question”,”name”:”Welke veiligheidsfuncties bevat MHS?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”MHS embedt operationele beperkingen zoals snelheids- en hoeklimieten om onveilige apparaatbediening te voorkomen, zodat AI-besturing binnen veilige parameters blijft.”}}]}
Artikel geproduceerd met behulp van kunstmatige intelligentie en beoordeeld door de redactie.
