Pika H3 Flex：把 MiniMax H3 从 50 步压到 6 步，15 秒带声视频 7 秒出

Pika 2026 年 10 月 29 日发布 Pika H3 Flex：在 MiniMax H3 基础上做后训练，把采样从 50 步压到 6 步，768p、15 秒、带同步音频的片子最快 7 秒算完，官方称当时在 DesignArena 文生视频榜上排开放权重第一、总榜第七，一次能吃 12 个参考文件

工具界面

交互式工具即将上线

功能特点

✓ 官方原话：后训练把 MiniMax H3 的采样从 50 步压到 6 步，15 秒 768p 带音视频最快 7 秒算完，先把试错成本打下来
✓ 一次最多吃 12 个参考文件，图片、视频、音频可以混着给：角色从一张图来、世界从另一张图来、动作从一段视频来
✓ 官方称发布时在 DesignArena 文生视频榜排开放权重第一、总榜第七，测试口径是站长自己的榜单而不是通用跑分
✓ 多镜头叙事、镜头调度（俯拍开场、摇臂下压、甩镜、环绕）和硬切、对白、音效可以写在同一个提示里
✓ 支持参考引导的局部改片：场景里只换服装、道具或环境，其余部分按指令保留

使用步骤

先定创作意图：要一条连续镜头还是多镜头叙事，这决定你给参考文件的组合方式
准备参考素材：角色图、环境图、动作参考视频、声音样本，最多 12 个，并在提示里写清每个参考各管什么
镜头语言写具体：机位、运镜、切点、对白都单独说出来，别指望模型自己猜节奏
出片先跑低分辨率版本挑构图，定了再用参考引导编辑局部替换，避免整条重生成

常见问题

什么时候发布的？

2026 年 10 月 29 日。官方发布文：https://pika.art/blog/pika-h3-flex 。技术深潜文另有 https://pika.art/blog/pika-h3-flex-research 。

「7 秒生成 15 秒视频」是端到端时间吗？

官方原文限定得很清楚：as little as seven seconds of transformer computation，指 Transformer 计算时间，不等于你从点下按钮到拿到成片的总等待，排队、上传、后处理都不含在内。

是开放权重吗？

官方把 Flex 放在开放权重模型里比较（原文称其在 DesignArena 上为开放权重第一），权重下载入口与许可条款请以官方发布页和模型页为准，不要按「开放权重」四个字默认许可范围。

12 个参考文件怎么分配？

官方示例是图片、视频、音频混着给，最多 12 个，并用参考视频驱动舞蹈或运镜、用图片定角色与场景。具体上限与格式以官方文档为准。

和 MiniMax H3 原版什么关系？

Flex 不是新架构，是 Pika 在 MiniMax H3 上做的后训练：把采样步数从 50 压到 6，再针对画质和创作控制做精修，所以速度和可控性是主要卖点。