Pika H3 Flex
3 节点1 篇6 来源
Pika Labs于2026年10月29日正式发布开源视频生成模型Pika H3 Flex。该模型基于MiniMax H3进行后训练，通过蒸馏将采样步骤从50步减少至6步，实现了比实时更快的视频生成速度（官方称7秒内可生成15秒768p带音频片段）。在DesignArena文本到视频排行榜中，Pika H3 Flex位列开源模型第一、总榜第七。其核心特性包括支持最多12个多模态参考输入、原生480p/768p分辨率输出以及通过API提供最高4K的超分能力。此外，该模型首次引入了五轨独立音频导出功能（对话、配乐、音效、拟音、环境声），旨在为专业创作者提供更高效的迭代工作流。目前模型权重已在Hugging Face和GitHub开源，并通过ComfyUI和Diffusers集成。
事情怎么走到这一步
Pika Labs发布博客文章《Introducing Pika H3 Flex》，正式推出基于MiniMax H3后训练的开源视频模型，宣称其在DesignArena榜单中开源排名第一。
pika.art ↗Pika Labs发布技术深度解析《Pika H3 Flex Technical Deep Dive》，详细说明六步生成机制、音频分离技术及与竞品（如HeyGen, Seedance）的价格和能力对比。
pika.art ↗第三方媒体或社区报道Pika H3 Flex发布，确认其支持多镜头故事构建及复杂运镜，并再次引用DesignArena排名数据。
youtube.com ↗
还没定论的部分
- 本地推理在消费级GPU上的实际显存占用和生成延迟表现如何？
- 五轨音频分离功能在非API托管环境下的可用性及质量稳定性？
- 相比基础版MiniMax H3，Pika H3 Flex在特定艺术风格或物理模拟场景下的具体优势边界在哪里？