Pika开源MiniMax H3加速版 50步压到6步

时间：2026年10月29日，Pika 在官方博客公布 Pika H3 Flex 模型，同一天官方账号也发布推文宣布开放权重。 地点：美国旧金山（Pika 总部），模型通过 Pika 开发者平台 API、官方博客以及 Hugging Face 与 GitHub 分发。 人物：Pika Labs 团队，这家 AI 视频生成创业公司此前以 Pika 2.5、Pikaframes 等创作产品和 API 服务创意工作者；基座模型 MiniMax H3 由 MiniMax 开源提供，H3 Flex 的后训练由 Pika 完成。 事件详情：Pika 发布 Pika H3 Flex，这不是从零训练的新底模，而是在 MiniMax 开源的 H3 上做后训练得到的版本。Hugging Face 模型卡显示它的 base_model 是 MiniMaxAI/MiniMax-H3，base_model_relation 为 adapter，许可证为 minimax-h3-community-license-agreement。 后训练的核心是压缩采样步数。官方博客写明 Pika 把 H3 的去噪步数从 50 步压到 6 步，技术博客补充说是约 8 倍于其 50 步教师的步数压缩，模型被描述为 omni-generator，可在六个去噪步内生成最长 15 秒、带同步立体声的音视频。BlockBeats 的快讯给出的路径是：先用自建音视频数据微调 H3，再用模型蒸馏把去噪步数从 50 压到 6，随后用奖励与偏好训练把画质拉回来，并继续优化底层推理性能。 速度是这次发布的重点。官方称在受控基准下，生成一段 15 秒、768p、带同步音频的视频，最快只需约 7 秒 transformer（DiT）计算时间，并特别注明这不含解码与服务开销，不等于端到端的 API 延迟。 能力方面，H3 Flex 最多接受 12 个参考文件，图像、视频、音频可以混合输入；支持参考引导编辑，保留原有表演与时序，只替换服装、道具或场景；音频默认是同步立体声，经 Pika API 还能输出五条独立音轨，分别是对白、配乐、音效、拟音和环境声。分辨率上原生生成 480p 或 768p，1080p、2K、4K 由 Pika 的超分服务完成。 榜单与开源：官方称在 DesignArena 文生视频榜上，H3 Flex 位列开源权重模型第一、总榜第七，这是发布时的快照，高于原版 MiniMax H3 与 H3Max。Pika 同时放出了 Flex 的生成器适配权重与推理代码，可通过 Diffusers 或 ComfyUI 在自有硬件上运行，官方仓库与 Hugging Face 均已提供。官方还宣布 H3 Flex 将于 11 月 2 日进入 Pika 创作产品。 背景：视频生成真正的落地瓶颈是采样步数带来的延迟与成本。扩散模型生成一段内容要反复去噪，50 步意味着一次生成既长时间排队、又占用成倍的 GPU 时间，直接决定了 API 定价，也决定了创作者能不能反复试错。所以近两年视频模型的技术主线，一半在做画质与时序稳定性，另一半在做步数压缩与推理加速。 MiniMax H3 是国产开源视频大模型，此前已经有开源热度和 H3 Max 实时直播等话题。Pika 没有选择重训底模，而是在别人的开源底模上做后训练，这本身说明基座模型的可塑性正在成为竞争点：谁能在不重训底模的前提下把 50 步的能力塞进 6 步，谁就握住了产品定价权。Pika 此前已推出 Pika 2.5、Pikaframes 等产品，10 月 16 日还上线了 ChatGPT 插件，把四十多个创作应用接进对话。 从社区搜索看，MiniMax H3 相关的疑问长期集中在本地部署、是否支持参考视频、生成限制这几个方向上，H3 Flex 这一次把可下载权重、本地推理路径和参考输入能力同时摆了出来。 影响：最直接的影响是成本结构。采样次数降到 6 步，意味着同一段素材的推理时间与 GPU 占用大幅下降，创作者可以像搜索素材一样连续生成、比较、局部重生成，而不是提交一次任务后等几分钟。这种批量试错能力对电商素材、短视频模板、广告分镜这类需要比对多个版本的场景更有价值。 其次是二次开发的门槛被拉低。开源的是适配器权重与推理代码，本地可以直接挂到 Diffusers 或 ComfyUI 工作流，不必申请 API 权限，也不必把素材传到别人的服务器。同时它也给 MiniMax H3 带来一次外部背书：第三方后训练版本登顶开源文生视频榜，等于替基座做了一次公开验证。 需要说清楚的边界有三条。第一，官方口径的 7 秒是核心计算时间而不是端到端体验速度，实际还要加上解码、服务排队与高分辨率成片的时间。第二，4K 超分、音轨分离、提示词增强和加速推理栈都仍然是 Pika 托管服务，本地拿不到，本地原生上限是 768p。第三，榜单位置是发布时的快照，DesignArena 的名次会随其它模型更新而变化，把它当成长期结论并不稳妥。 总结：Pika H3 Flex 用一次后训练把 MiniMax H3 的采样步数从 50 压到 6，并把适配器权重和推理代码一并开源，同时给出最多 12 个参考文件、五条独立音轨和 768p 原生带声视频这些能力。对创作者来说，它的意义是把视频生成从一次性的昂贵动作变成可以反复试错的批量流程；对 MiniMax H3 来说，这是基座模型被外部团队改造后登顶开源文生视频榜的一次公开验证。 真正的检验在社区手里。六步采样在复杂运动、多主体长镜头场景下能不能复现官方展示的稳定性，开放权重能压到什么硬件，以及许可协议对商用和再分发的边界划在哪里，都还需要开发者自己跑一遍。 常见问题： 问：MiniMax H3 能本地部署了吗？ 答：能。Pika 放出了 H3 Flex 的适配器权重与推理代码，Hugging Face 与 GitHub 可获取，用 Diffusers 或 ComfyUI 加载，本地最高 768p 带声视频。 问：本地跑 H3 有什么限制？ 答：本地只支持 480p 与 768p，4K 要靠 Pika 超分服务，音轨分离与加速推理栈也只在 Pika 托管侧提供。 参考来源： Pika 官方博客 Introducing Pika H3 Flex https://pika.art/blog/pika-h3-flex Pika 官方技术博客 Pika H3 Flex Technical Deep Dive https://pika.art/blog/pika-h3-flex-research Pika 官方 GitHub 仓库（推理代码与安装说明） https://github.com/Pika-Labs/Pika-H3-Flex Hugging Face 模型卡（基座模型、适配器权重与许可证） https://huggingface.co/Pika-Labs/Pika-H3-Flex Pika 官方账号发布 H3 Flex 与开放权重的推文 https://x.com/pika_labs/status/2115860471215788262 BlockBeats 英文快讯（蒸馏压缩步数与榜单位次） https://en.theblockbeats.news/flash/374663 中文报道《Pika 基于 MiniMax H3 后训练并开源 Pika H3 Flex 视频生成模型》 https://www.lumevalley.com/article-15082.html WaveSpeed 解读（如何通过 Pika API 调用 H3 Flex） https://wavespeed.ai/blog/minimax-h3/pika-h3-flex-explained/