近日，Pika发布基于MiniMax H3的衍生模型Pika H3 Flex，并开放适配器权重与推理代码。该模型通过六步去噪联合生成画面和声音，支持文本、首尾帧和多模态参考输入，供创作者进行镜头设计、参考生成和视频编辑。
本次发布包含两套LoRA适配器，分别用于文本及首尾帧条件生成、多模态参考生成，同时提供MiniMax H3基础组件和本地推理工具。模型原生支持 480P、768P输出，可生成约5至15秒的视频及同步立体声音频。Pika提供ComfyUI工作流和Hugging Face Diffusers接入方式，方便开发者将其加入现有创作工具。
在本地生成之外，Pika可通过API提供1080P、2K和4K视频增强以及音频分轨功能。创作者可先以较低分辨率生成和筛选草稿，再对选定版本进行高分辨率处理；同步生成的声音可拆分为对白、配乐、音效、拟音和环境声五类独立音轨，方便后期分别调整。
技术方面，团队先在内部音视频数据集上对MiniMax H3进行监督微调，再采用投影分布匹配蒸馏（PDMD），将教师模型的50步去噪压缩至6步；随后通过奖励反馈学习和直接偏好优化训练LoRA适配器，改善美学质量、清晰度和指令遵循，适配器合并用于推理后无须增加生成步数。Pika还对托管推理服务做了加速，在保持模型权重和六步采样方案不变的测试中，使用8张NVIDIA B300 GPU生成一段5秒、768P音视频，合计耗时从3.409秒缩短至2.129秒，速度约为原来的1.6倍。
评测结果显示，H3 Flex在五项视觉和音频质量指标上均取得最高得分，并在DesignArena文生视频榜单上取得第八名，是该榜单下排名最高的开源视频模型。今年8月MiniMax H3开源后，多家合作企业围绕不同场景推出衍生模型，海外开发者还搭出了Twitch直播、24小时“AI电视台”等创新玩法。H3开源一个月内下载量已超过2400万次，产生超过300个公开衍生模型，成为2026年全球下载量最高的模型之一。
