Pika H3 Flex

Pika 对 MiniMax H3 做的六步后训练版本,能从文字、帧或 12 个参考生成带声音的视频,但沿用了 H3 的地区限制。

一句话概括. Pika H3 Flex 是视频公司 Pika 为开放的 MiniMax H3 视频模型做的附加适配器。它只需六个采样步骤,而不是 50 步,就能根据文字、首尾帧,或最多 12 个参考图片、视频和音频,生成 5 到 15 秒、带匹配立体声的片段。你仍然需要体积庞大的 MiniMax H3 基础文件,而且许可证沿用了 H3 的限制:不覆盖美国、欧盟、英国和韩国。

概述

Pika H3 Flex 是 Pika 在 2026 年 10 月 29 日发布的 MiniMax H3 后训练版本。你下载到的是一对 LoRA 适配器,秩为 128,FP32 格式,每个约 2.8 GB,对应同一个视频加音频模型:FL2VA 负责文字以及首帧、尾帧条件,Ref2VA 负责参考素材。Ref2VA 最多接受 9 张图片、3 段视频和 3 段音频,总共不超过 12 个文件。仓库里还有 Hugging Face 贡献的 Diffusers 格式 MiniMax H3 基础组件,合计约 211 GB;一个工作流只加载自己的那份 Transformer,所以加上适配器,一套环境大约占 147 GB。这些适配器是 H3 的模型衍生品,采用 MiniMax H3 Community License,其中的 Qwen3-VL 文本编码器是 Apache 2.0。

Pika 说明了三个后训练阶段。它先在内部精选的、注重美感的音视频数据集上微调 H3,再用投影分布匹配蒸馏把采样从 50 步减到六步,最后训练了奖励反馈和偏好优化两个适配器,并合并成一个。开源包生成 5 到 15 秒、每秒 24 帧、32 kHz 立体声的片段,原生 480p 或 768p,支持 11 种画幅,提示词最长 8,000 个字符。Pika 的博客还提到 1080p、2K 和 4K 输出、独立音轨和提示词增强,但它们是托管 API 的功能,不在下载内容里。

Pika 称它在开源文生视频模型中排名第一。在 Pika 自己的测试中,768p 下与官方 H3、Fal H3 Max 和 HeyGen Video 比较,它在五项画面和声音质量指标上得分最高;文字和图片输入时,人类偏好在人体结构、复杂构图和音画同步上领先,参考输入时在视觉风格和镜头运动上领先;物理效果、多场景叙事、光影和动作密集的参考任务上,其他系统仍然更受青睐。Pika 称 Transformer 的去噪时间低于片段时长,并测得在八张 B300 GPU 上生成一段五秒 768p 片段的完整推理耗时 2.129 秒。开源包则不同:每个请求在一张 GPU 上运行,只在 80 GB 的 H100 上测试过,默认的 480p、5 秒请求占用约 66 到 69 GiB。768p、15 秒的请求需要 CPU 卸载,此时 GPU 上约 29 到 32 GiB,主机内存约 94 GiB,Pika 说明这些并不是最低要求。H200 和 B300 尚未针对该包完成验证。

许可证就是 H3 的,所以地区限制也一并带上:授权不包含欧盟、英国、韩国和美国,年收入超过 2000 万美元的产品需要 MiniMax 书面授权。仓库里附带了 ComfyUI 工作流、Comfy 格式的 LoRA 和 Diffusers 示例。

适合做什么

  • 在本地生成带同步语音和声音的短片,在许可证覆盖的地区内,比 50 步的 H3 基础模型更快
  • 多镜头叙事和有镜头设计的提示词,按时间分镜来写,这是 Pika 列在首位的用途
  • 参考引导的动画、动态图形和产品短片,最多可用 12 个参考文件
  • ComfyUI 和 Diffusers 流程,因为附带了工作流和加载示例

需要注意

  • 许可证是 MiniMax H3 Community License,不覆盖欧盟、英国、韩国和美国,并带有营收和署名条件
  • “实时”速度是在八张 B300 GPU 上测得的,而开源包每个请求只用一张 GPU,且只在 80 GB 的 H100 上测试过
  • 1080p、2K、4K 输出、独立音轨和提示词增强是托管 API 的功能;本地输出是 480p 或 768p
  • 你需要 H3 基础组件,两份 Transformer 加编码器和自编码器约 211 GB,一套环境约占 147 GB 磁盘
  • 所有画质、偏好和速度结果都是 Pika 自己的,对比对象是 H3、Fal H3 Max 和 HeyGen Video

性能数据来自开发方,未经独立验证。

需要多少内存?

以下是 Pika H3 Flex 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。

版本 参数量 下载大小 所需内存 可运行于
FL2VA adapter (text and endpoint frames) on the MiniMax H3 base BF16 33.1B 147 GB 169 GB 大内存台式机
Ref2VA adapter (multimodal references) on the MiniMax H3 base BF16 33.1B 147 GB 169 GB 大内存台式机

下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。

许可证,用大白话说

一份社区许可证,允许你使用、修改和分发 MiniMax H3,但只限于“适用地区”:除欧盟、英国、韩国和美国之外的全世界。年营收超过 2000 万美元的商业产品需要 MiniMax 书面授权,所有商业产品都必须在界面中显示“MiniMax H3”,并且不得用该模型或其输出去训练其他 AI 模型。建议先咨询法律意见,尤其是你或你的用户位于被排除的地区时。

  • 需要署名或标明模型名称
  • 仅在营收低于上限时可免费商用
  • 部分地区不授权
  • 须遵守可接受使用政策
  • 输出内容须过滤或审核,并标注为 AI 生成

进一步了解 MiniMax H3 Community

延伸阅读

常见问题

Pika H3 Flex 是什么?
Pika H3 Flex 是视频公司 Pika 为开放的 MiniMax H3 视频模型做的附加适配器。它只需六个采样步骤,而不是 50 步,就能根据文字、首尾帧,或最多 12 个参考图片、视频和音频,生成 5 到 15 秒、带匹配立体声的片段。你仍然需要体积庞大的 MiniMax H3 基础文件,而且许可证沿用了 H3 的限制:不覆盖美国、欧盟、英国和韩国。
Pika H3 Flex 可以商用吗?
可以,但有条件。Pika H3 Flex 采用 MiniMax H3 Community 发布,允许商用,但附带额外规则:需要署名或标明模型名称; 仅在营收低于上限时可免费商用; 部分地区不授权; 须遵守可接受使用政策; 输出内容须过滤或审核,并标注为 AI 生成。产品上线前请阅读许可证原文。
Pika H3 Flex 是开源的吗?
Pika H3 Flex 是开放权重模型,但不是严格意义上的开源。你可以下载模型文件,但 MiniMax H3 Community 附带了开源促进会的定义所不允许的条件。
我能在自己的电脑上运行 Pika H3 Flex 吗?
只有大内存机器才行。最小版本 FL2VA adapter (text and endpoint frames) on the MiniMax H3 base 在 4 位精度下约需 169 GB。配备 128 至 512 GB 统一内存的台式机可以装下,但速度一般。
Pika H3 Flex 是什么时候发布的?
Pika H3 Flex 由 Pika 于 2026年10月29日 发布。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
MiniMax H3 MiniMax 33.1B – MiniMax H3 Community (附条件) 166 GB 大内存台式机
LTX-2.5 LTX (Lightricks) 22B – LTX-2.x Community (附条件) 16 GB 笔记本或手机
Wan 2.2 Alibaba Wan 5B – 27B 激活 14B – Apache 2.0 (宽松) 24 GB 游戏显卡
MiniMax H3-Image MiniMax 33.1B – MiniMax H3-Image Community (附条件) 155 GB 大内存台式机