2026 年 10 月 30 日，Pika 发布 MiniMax H3 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。

创作者可以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；同步生成的声音则可拆分为对白、配乐、音效、拟音和环境声五类独立音轨，方便在后期分别调整。高分辨率的增强视频和音频分轨则由 Pika API 服务提供。

Pika 在技术博客中介绍，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，团队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，条件编码、去噪和解码的合计耗时从 3.409 秒缩短至 2.129 秒，处理速度约为原来的 1.6 倍。

在视觉与音频表现上，Pika 公布的对比评测结果显示，H3 Flex 在五项视觉和音频质量指标上均在参评模型中取得最高得分，并在 DesignArena 文生视频榜单上取得第八名成绩，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，MiniMax 与合作企业围绕不同的使用场景，继续训练和优化模型，并在社区中开放，包括与 Running Hub 打造 MiniMax H3 480P；与 fal 选择面向实时生成做后训练和推理优化，推出了 H3 Max 768P、H3 Max 480P；以及 FastVideo 通过稀疏化和硬件适配推出的 FastH3 等，海外开发者围绕 H3 Max 搭出了 Twitch 直播、24 小时“AI 电视台”和 AI 短视频直播软件等创新玩法。

H3 开源一个月内下载量已经超过 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。

此外，英伟达与麻省理工学院研究人员还基于 MiniMax H3 开源了视频增强项目 Open-H3-Regenerate-2K。该项目通过 3 步去噪，将低分辨率视频草稿重新生成为高清视频，最高支持原生 4K（3840×2160）输出。测试数据显示，在单张 NVIDIA B200 GPU 上，经过推理优化，一段 5 秒视频的 2K 重生成耗时从 87.26 秒缩短至 22.45 秒，处理速度达到未优化版本的 3.89 倍。