Pika · 研究文章 2026-10-29 · 阅读于 2026-11-01
Pika H3 Flex：加在 MiniMax H3 上的六步 LoRA
Pika H3 Flex 是 Pika 对 MiniMax H3 的后训练：两个六步 LoRA 适配器 FL2VA 与 Ref2VA，跑在 ComfyUI 里已有的 H3 底模上。
本页不是 Pika。它不加载 Pika H3 Flex LoRA，不调用 Pika API，成片是 Hailuo 02 Standard，60 积分，6 秒。
时长
比例
生成的视频
暂无视频
填写表单并点击生成视频，创建你的第一个 AI 视频。
提示：使用详细描述可获得更好的效果
- 开发方
- Pika
- 发布时间
- 2026年10月29日
- 本站可用
- Hailuo 02 Standard · 每条视频 60 积分起
- 页面更新
- 2026年11月1日
信息来源: pika.art
Pika H3 Flex 是什么
Pika H3 Flex 是 MiniMax H3 的后训练版本。2026-11-01 读到的 ComfyUI 教程说，Pika 在一份自行整理的多任务语料上微调了 H3，语料包含视频、音频和参考例子，把 50 步生成器蒸馏到六步，再用奖励反馈和偏好优化做了精修。它以两个 LoRA 适配器的形式放在 MiniMax H3 底模上，通过 LoraLoaderModelOnly 加载。教程说没有新的模型架构。Pika 的研究文章日期是 2026-10-29。
同样在 2026-11-01 读到的 Hugging Face 模型卡，把本地开放权重和托管 API 分开。本地推理是原生 480p / 768p，混合 32 kHz 立体声，24 fps，请求时长 5-15 秒。5 秒请求是 124 帧，约 5.17 秒；15 秒请求是 362 帧，约 15.08 秒。模型卡列出 11 种宽高比：21:9、16:9、3:2、4:3、5:4、1:1、4:5、3:4、2:3、9:16 和 9:21。输出是带 H.264 视频和 AAC 音频的 MP4，外加 JSON 元数据。提示词为 1 到 8000 个字符。托管 API 另有 1080p、2K 和 4K 的草稿到成片、音频分轨和提示词增强。这些不在可下载的适配器里。模型卡页眉写着 33B 参数。底模组件合计约 210 GB，适配器是 FP32 LoRA，rank/alpha 128。Qwen 编码器和示例代码是 Apache 2.0；该代码许可不覆盖权重。
Nano AI 不运行这些适配器，也不调用 Pika API。本页表单运行 Hailuo 02 Standard，这是本站已经定价的另一个 MiniMax 片段模型：6 秒，60 积分。符合条件的新账号获得 64 积分，够一条这样的片段。迷你包 $6.99，含 400 积分。开放的 H3 底模里少了什么，见本站的 MiniMax H3 页面。
Pika H3 Flex 一览
- 厂商
- Pika，后训练自 MiniMax H3
- 研究文章
- 2026-10-29
- 阅读日期
- 2026-11-01
- 适配器
- FL2VA 与 Ref2VA LoRA
- 本地画面
- 原生 480p / 768p；11 种比例：21:9, 16:9, 3:2, 4:3, 5:4, 1:1, 4:5, 3:4, 2:3, 9:16, 9:21
- 本地音频
- 32 kHz 混合立体声，MP4 里是 H.264 和 AAC
- 采样
- 6 步：lcm、ManualSigmas、CFG 1.0、强度 1.0
- ComfyUI
- T2V 需要 0.43.2+；Ref2VA 与 FL2VA 需要 0.30.0+
- 在 Nano AI
- Hailuo 02 Standard，6 秒，60 积分
ComfyUI 文件放在哪里
文件名和文件夹来自 2026-11-01 读到的 ComfyUI Pika H3 Flex 教程。H3 底模文件与 MiniMax H3 模板共用。新文件只有两个适配器。教程没有列出单个文件的字节大小，所以本页不编一个。这里的任何东西都不会下载到 Nano AI 上。
- 1
让 ComfyUI 版本对上模板
文生视频需要 ComfyUI 0.43.2 或更新。参考生视频和首尾帧需要 0.30.0 或更新。三个都在 Template Library > Video 下面。教程把这个家族叫做 video_pika_h3_flex_*。
- 2
放上共用底模和两个适配器
扩散模型、两条 LoRA、文本编码器和两个 VAE 使用下面的文件夹。如果想直接加载模板而不是亲手放文件，可以搜索 Pika H3 Flex: Text to Video、Pika H3 Flex: Reference to Video 或 Pika H3 Flex: FL2VA。
ComfyUI/models/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors ComfyUI/models/diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors ComfyUI/models/loras/pika_h3_flex_fl2va_v1_bf16.safetensors ComfyUI/models/loras/pika_h3_flex_ref2va_v1_bf16.safetensors ComfyUI/models/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors ComfyUI/models/vae/minimax_h3_video_vae_int8_convrot.safetensors ComfyUI/models/vae/minimax_h3_audio_vae_fp32.safetensors - 3
保持六步日程
采样器 lcm，调度器 ManualSigmas，经由 BasicGuider 的 CFG 1.0，适配器强度 1.0。不要叠 turbo 或 Lightning LoRA。不要把 sigma 列表降到 7 个值以下。
- 4
商业使用前先读许可
适配器属于 MiniMax H3 Community License，包含地域和商业使用条件。模型卡还在 NOTICE 里点名 Mellis, Inc. 的版权声明。
三个模板点名的文件
名称来自 2026-11-01 读到的 ComfyUI 教程目录。底模各行链到 Comfy-Org 的再打包，那里列出了这些扩散模型、文本编码器和 VAE 文件名。适配器各行链到 Pika-Labs/Pika-H3-Flex，模型卡说 Comfy 格式的 BF16 LoRA 在 comfy/loras/ 下。教程还说 Comfy 以相同文件名把它们再发布在 Comfy-Org/MiniMax-H3。
| 文件 | 文件夹 | 模板 | 作用 |
|---|---|---|---|
| minimax_h3_fl2va_pruned_int8_convrot.safetensors | ComfyUI/models/diffusion_models/ | T2V 与 FL2VA | 教程点名的 H3 扩散检查点 |
| minimax_h3_ref2va_pruned_int8_convrot.safetensors | ComfyUI/models/diffusion_models/ | Ref2VA | 教程点名的 H3 扩散检查点 |
| pika_h3_flex_fl2va_v1_bf16.safetensors | ComfyUI/models/loras/ | T2V 与 FL2VA | 教程里的 BF16 Flex 适配器文件名 |
| pika_h3_flex_ref2va_v1_bf16.safetensors | ComfyUI/models/loras/ | Ref2VA | 教程里的 BF16 Flex 适配器文件名 |
| qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors | ComfyUI/models/text_encoders/ | 三个模板 | 与 H3 模板共用的文本编码器 |
| minimax_h3_video_vae_int8_convrot.safetensors | ComfyUI/models/vae/ | 三个模板 | 视频 VAE |
| minimax_h3_audio_vae_fp32.safetensors | ComfyUI/models/vae/ | 三个模板 | 音频 VAE |
跑适配器之前
许可是 MiniMax 的
ComfyUI 教程和 Hugging Face 模型卡都说，适配器按 MiniMax H3 Community License 分发，其中包含地域和商业使用条件。模型卡称它们是 MiniMax H3 的模型衍生，并指向 NOTICE 里的 MiniMax 声明和 Mellis, Inc. 版权声明。商业使用输出之前先读那份文本。本网站不授予该许可。
不要再叠 turbo LoRA
教程附带 Pika 的六步日程：lcm，配合 ManualSigmas，以及经由 BasicGuider 的 CFG 1.0。sigma 列表和适配器强度保持 1.0。不要在上面再叠 turbo 或 Lightning LoRA。适配器已经蒸馏到六步，第二条加速 LoRA 会弄坏输出。把 sigma 列表降到 7 个值以下会破坏日程，把步数调高也不会增加细节。同一天读到的 Comfy-Org/MiniMax-H3 模型卡在 loras/ 里另列了 turbo 文件，包括 minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors、minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors 和 minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors。那些不是 Flex 适配器。
4K 和分轨是 API 扩展
本地开放适配器是原生 480p / 768p，混合立体声。Hugging Face 模型卡说，1080p、2K 和 4K 的草稿到成片、音频分轨和提示词增强是托管端点，与可下载适配器分开。2026-10-29 的文章点名五条分轨：dialogue、score、SFX、foley 和 ambience。文章里的 4K 标记说的是产品家族，不是本地目录里的一个文件。
底模是开放的 MiniMax H3
ComfyUI 说 H3 底模文件与现有 MiniMax H3 模板共用，新文件只有两个适配器。那些模板用 res_multistep 和 BasicScheduler，也就是 20 步路径。本站 MiniMax H3 页面已经记下开放底模的限制：H3-Context-IR 和 H3-Regenerate-2K 不在开放权重里。本页没有重测那个底模。
本地适配器、Pika API、MiniMax H3，以及 Fal 被列出的价格
本地和 API 两列引用 2026-11-01 读到的 Hugging Face 模型卡和 ComfyUI 教程。Fal H3 Max 与 Fal H3 Turbo 只按 Pika 在日期为 2026-10-29 的研究文章 Table 1 和 Table 2 里印出的样子出现。Table 1 的价格是每输出秒的美元。Table 2 的表头写的是每秒美元；下面的格子按印出的样子抄写，没有另加美元符号。本站没有实测 Fal，也不出售那些费率。
| 本地 Comfy / 开放适配器 | Pika 托管 API | MiniMax H3 | Fal H3 Max | Fal H3 Turbo | |
|---|---|---|---|---|---|
| 画面 | Native 480p and 768p | 1080p, 2K and 4K by draft-to-video | 768p in the open base; 2K only through closed H3-Regenerate-2K | Table 1: 4K marked no | Table 1: 4K marked no |
| 采样 | 6 steps: lcm, ManualSigmas, CFG 1.0, adapter strength 1.0 | 6-step family; the faster stack is served through the API | Comfy H3 templates use a 20-step res_multistep path; Pika distilled a 50-step teacher | Not stated in Table 1 or Table 2 | Not stated in Table 1 or Table 2 |
| 音频 | 32 kHz mixed stereo in the MP4 | Stems endpoint; the post names dialogue, score, SFX, foley and ambience | 32 kHz stereo on the open card; Table 1 marks stems no | Table 1: stems marked no | Table 1: stems marked no |
| 文或图价格 | No hosted rate in these sources | Table 1: $0.01 per output-second | Table 1: $0.08 per output-second | Table 1: $0.0325 per output-second | Table 1: $0.01625 per output-second |
| 参考价格 | No hosted rate in these sources | Table 2: 0.03 per second | Table 2: 0.08 per second | Table 2: 0.05 per second | No Table 2 row; the post says no reference-to-video endpoint |
| 开放权重 | Two LoRAs: FL2VA and Ref2VA | Draft-to-video, stems and prompt enhancement are separate from the adapters | Open FL2VA and Ref2VA base; Table 1 marks open weights yes | Table 1: open weights marked no | Table 1: open weights marked no |
| 所引耗时 | Tutorial: about one minute for a 5-second 1344x768 clip on one card | Table 1 marks real-time yes | Table 1 marks real-time no | Table 1 marks real-time yes | Table 1 marks real-time yes |
| 在 Nano AI | Not loaded | Not called | Not run here | Not run here | Not run here; the button is Hailuo 02 Standard for 60 credits |
原始来源
本页没有引用的内容，去读这些页面。三者都在 2026-11-01 读过。研究文章的日期是 2026-10-29。
最短的 ComfyUI 路径：三个模板
- 1
文生视频
只有提示词，没有图像输入。在 Template Library > Video 里搜索 Pika H3 Flex: Text to Video。ComfyUI 0.43.2 或更新。文档把工作流家族叫做 video_pika_h3_flex_*。它加载 minimax_h3_fl2va_pruned_int8_convrot 和 LoRA pika_h3_flex_fl2va_v1_bf16，加上共用的文本编码器和两个 VAE。Hugging Face 模型卡把对应的 CLI 任务叫做 t2va。仅首帧和仅尾帧是模型卡上的 i2va 和 l2va；这个模板是只有提示词的那一个。
- 2
参考生视频
两张或更多参考图携带身份、道具和场景。提示词携带动作。搜索 Pika H3 Flex: Reference to Video。ComfyUI 0.30.0 或更新。它加载 minimax_h3_ref2va_pruned_int8_convrot 和 pika_h3_flex_ref2va_v1_bf16。模型卡上的 CLI 任务是 ref2va。教程和模型卡给出的上限：最多 9 张图像、3 段视频和 3 段音频，一共 12 个文件。每段视频或独立音频为 2-15 秒，每一类的合计时长不超过 15 秒。至少要有一张图像或一段视频。视频自带的音轨不算额外的音频文件。模型卡说这些是输入上限，并不保证每一种最大值都放得进显存。
- 3
首尾帧
两帧分别锚定开头和结尾。搜索 Pika H3 Flex: FL2VA。ComfyUI 0.30.0 或更新。它使用与文生视频相同的扩散文件和同一条 LoRA：minimax_h3_fl2va_pruned_int8_convrot 和 pika_h3_flex_fl2va_v1_bf16。模型卡上两端帧都有的 CLI 任务是 fl2va。三个模板都保持六步日程。不要再加 turbo 或 Lightning LoRA。
提示词习惯，然后是一条 6 秒的 Hailuo 片段
以下是 2026-11-01 读到的 ComfyUI 提示词说明的转述，不是那几段很长的展示提示词。T2V 和 FL2VA：先写风格，再写每个镜头及其运镜，然后是两路声音。Ref2VA 在该说明里的全参考字段是 subject_definitions、summary、retention_analysis、detailed_description、overall_soundscape 和 non_diegetic_music。运镜幅度只是建议：把运动写进镜头句子，并给一个停住的位置。写明的角度和切点时间可能偏差 0.2 到 0.3 秒，或者方向相反。只写 wide shot 往往会变成中景；要说主体在一间很大的空房间里显得很小。本该停在几厘米之外的手通常会碰上。道具上的短标签往往能保持可读。下面四行是给本页 Hailuo 02 Standard 用的。它们不是 Pika H3 Flex 的提示词。
空阔的水池
A small red paper boat sits in the middle of a large empty concrete basin, with a wide stretch of bare floor around it. The camera moves slowly closer and stops at the basin rim. Soft daylight, no people, no readable text, no logos.
灯笼，然后停住
A paper lantern hangs in a still stone courtyard. The camera arcs partway around the lantern and then holds still. Dusk, no people, no readable text, no logos.
球靠在杯子上
A wooden ball rolls across a table and comes to rest against a ceramic cup. Side light, the camera holds still, no hands, no readable text, no logos.
瓶子上的短标签
A matte black bottle on a white table, with a short label that reads OAK. The camera pushes in slowly and stops. No people, no other text, no logos.
如果跑出来的不是你以为的那个产品
- 在适配器上又叠了 turbo LoRA
- 把它拿掉。教程说 Flex 适配器已经蒸馏到六步，turbo 或 Lightning LoRA 会弄坏输出。保持 lcm、ManualSigmas、CFG 1.0 和强度 1.0。
- 你期望本地文件给出 4K 或分开的音轨
- 那些是 Pika API 扩展：草稿到成片覆盖 1080p、2K 和 4K，另有音频分轨端点。本地适配器是 480p / 768p 的混合立体声。
- H3 模板仍停在 20 步调度器上
- ComfyUI FAQ 说要加载 Pika 适配器，把采样器换成 lcm，并把 BasicScheduler 换成 ManualSigmas。res_multistep 加上 BasicScheduler 是 20 步路径，不是 Flex 的日程。
- 这个网站仍然写着 Hailuo
- 那就是按钮上已定价的模型：Hailuo 02 Standard，6 秒，60 积分。它不加载 Pika H3 Flex LoRA，也不调用 Pika API。
常见问题
Pika H3 Flex 问答
ComfyUI 教程、Hugging Face 模型卡和 2026-10-29 的文章说了什么，以及本页按钮实际调用什么。
Nano AI 会运行 Pika H3 Flex 吗？
不会。本页不是 Pika。它不加载 Pika H3 Flex LoRA，也不调用 Pika API。生成器运行 Hailuo 02 Standard，60 积分，6 秒。符合条件的新账号获得 64 积分，够一条片段。迷你包 $6.99，含 400 积分。
权重在哪里？
Pika 把它们发布在 Pika-Labs/Pika-H3-Flex。ComfyUI 教程说，Comfy 以相同文件名把 ComfyUI 可用的文件再发布在 Comfy-Org/MiniMax-H3，模板节点指向那份再打包。底模组件是 MiniMaxAI/MiniMax-H3。模型卡在 fl2va/ 和 ref2va/ 下列出 FP32 LoRA，rank/alpha 128，并在 comfy/loras/ 下列出 Comfy 格式的 BF16 LoRA。本网站不托管这些文件。
为什么是六步？
教程和 2026-10-29 的文章说，Pika 用分布匹配蒸馏把 50 步的 H3 生成器蒸馏下来，再用奖励反馈做了精修。六步是训练好的日程。提高步数不会增加细节。把 sigma 列表降到 7 个值以下会破坏日程。保持 lcm、ManualSigmas、经由 BasicGuider 的 CFG 1.0，以及适配器强度 1.0。不要叠 turbo 或 Lightning LoRA。
适配器能用在 MiniMax H3 模板上吗？
可以，依据 2026-11-01 读到的 ComfyUI FAQ。MiniMax H3 模板使用 res_multistep 和 BasicScheduler，那是 20 步路径。在模板的 LoRA 节点里加载 Pika 适配器，把采样器换成 lcm，把调度器换成 ManualSigmas。教程点名的节点是 LoraLoaderModelOnly。开放底模仍然不含 H3-Context-IR 和 H3-Regenerate-2K，本站 MiniMax H3 页面已经写过。
本地适配器会输出 4K 或分开的音轨吗？
不会。Hugging Face 模型卡说，本地开放权重推理是原生 480p / 768p，混合立体声。1080p、2K 和 4K 的草稿到成片、音频分轨和提示词增强是 Pika API 扩展。2026-10-29 的文章把五条分轨叫做 dialogue、score、SFX、foley 和 ambience，Table 1 给 Pika H3 Flex 标了 4K。把那个 4K 标记当成托管产品，而不是 ComfyUI 目录里的一个文件。
Nano AI 和 Pika 有隶属关系吗？
没有。Nano AI 与 Pika、MiniMax、Hailuo 或 Fal 没有隶属关系。按钮出来的成片是 Hailuo 02 Standard。
相关页面
Nano AI 是独立服务，与 Pika、MiniMax、Hailuo 或 Fal 没有隶属关系。Pika H3 Flex 的事实来自 ComfyUI 教程、Hugging Face 模型卡，以及日期为 2026-10-29 的 Pika 研究文章，阅读日期为 2026-11-01。生成器运行 Hailuo 02 Standard。