Pika H3 Flex 上手指南：网页版、API 与 ComfyUI 接入，以及该怎么选

Pika H3 Flex 是 MiniMax H3 的六步采样开源后训练版本，能在生成画面的同时输出同步立体声，官方共提供四条接入路径：Pika 网页版、Pika API、ComfyUI 和 Diffusers。想先在浏览器里试效果就选网页版；需要 1080p 到 4K 精修和可拆分的音频分轨就选 API；想在自己的 GPU 上跑开源权重（原生 480p/768p）就用 ComfyUI 或 Diffusers。和它所基于的 MiniMax H3 基础版相比，Flex 把采样从 20–50 步压缩到 6 步；在 Pika 官方模型页展示的 DesignArena 文生视频榜单上，它是排名最高的开源权重模型。这篇指南把每条接入路径的真实门槛和价格讲清楚，再给你一套「什么时候该选它」的判断框架。

Pika H3 Flex 到底是什么

Pika H3 Flex 于 2026 年 10 月 29 日发布，是基于 MiniMax H3——MiniMax 在 2026 年上半年发布的开源视频+音频模型——做的后训练衍生版本。严格说它不是新架构：官方以两个 LoRA 适配器的形式发布，加载在 MiniMax H3 基础模型之上。FL2VA 适配器负责文本提示加首帧、尾帧或首尾帧控制；Ref2VA 适配器负责多模态参考输入。据 ComfyUI 官方文档介绍，Pika 在精选的多任务语料上微调 H3，把 50 步的生成器蒸馏到 6 步，再用奖励反馈和偏好优化做精修。

这个模型家族最特别的一点是：音频和画面在同一次生成中完成——32 kHz 同步立体声直接混进导出的 MP4——而不是事后用另一条管线配音。

商用前有一件事必须核对：两个适配器按 MiniMax H3 Community License Agreement 分发，Pika 的模型卡和 ComfyUI 教程都明确提醒先审阅其中的地区与商用条款。捆绑的 Qwen 文本编码器和示例代码是 Apache 2.0，但代码的开源许可不覆盖模型权重。

它能做什么

下表整理自 Hugging Face 官方模型卡。

能力	Pika H3 Flex（本地权重）	经 Pika API
生成模式	文生视频+音频、首帧、尾帧、首尾帧、参考生视频	相同，另加云端精修
原生分辨率	480p / 768p，11 种画幅（21:9 到 9:21）	经 draft-to-video 可到 1080p、2K、4K
时长	5–15 秒（5 秒请求实际渲染 124 帧约 5.17 秒；15 秒渲染 362 帧约 15.08 秒），24 fps	同一条片子，更高分辨率输出
音频	32 kHz 立体声，随画面同步生成	另加五条可拆分分轨：对白、配乐、音效、拟音、环境声
参考输入	最多 12 个文件：≤9 张图、≤3 段视频、≤3 段独立音频	相同
输出格式	MP4（H.264 + AAC）+ JSON 元数据	相同
提示词	1–8,000 字符	另加提示词增强

参考输入系统是「Flex」这个名字的核心。一次 Ref2VA 生成可以按顺序接收最多 12 个参考——草图、照片、视频片段、声音样本、情绪板——其中每段视频或音频参考须为 2–15 秒，视频参考总时长和独立音频参考总时长各自不超过 15 秒，且至少要有一张图或一段视频。Pika 把它的定位更多放在「精确编辑」上：加一个或删一个角色、换配音、通过替换参考来改运镜或画风，而不是重写整段提示词。官方展示的强项类型包括复杂运镜、带硬切和台词的多镜头叙事、动态图形、产品片和动画短片。

四条接入路径

1. Pika 网页版 — 最快上手

在 Pika 网页 studio 里可以直接把 H3 Flex 选为视频模型（官方模型页的「Try Now」入口）。这是唯一零设置的方式，并且天然带平台侧能力：1080p/2K/4K 精修、音频分轨、提示词增强。想判断这个模型合不合你的内容，先用它试成本最低。

2. Pika API — 功能上限最高

托管 API 是唯一 documented 全功能集的路径，因为三项能力只以云端服务存在：高分辨率 draft-to-video 精修、音频分轨、提示词增强。提示词改写器在 Pika 托管生成时免费包含；自己部署权重的话，调用它是另一项独立（付费）API。计费按输出视频秒数算——下一节的表格有完整拆解。另有 Pika API Club 会员（$10/月，返还 $10 API 额度）；发布窗口期内官方宣传会员每天 15 次 H3 Flex 免费生成。

3. ComfyUI — 自己 GPU 上的本地控制

ComfyUI 官方教程在 Template Library → Video 里提供了三个模板工作流：Text to Video（需 ComfyUI 0.43.2+）、Reference to Video 和 First and Last Frame（均需 0.30.0+）。三者都跑在 MiniMax H3 基础模型加一个适配器上。如果你本地已经在跑基础版 H3，新增下载只有两个 BF16 LoRA 适配器（pika_h3_flex_fl2va_v1_bf16、pika_h3_flex_ref2va_v1_bf16）；如果没有，还需要按模式下载对应的 INT8 剪枝扩散模型、Qwen3-VL 文本编码器和两个 VAE（视频 INT8、音频 FP32），放进标准 models/ 目录。

教程里有三处设置，忽略任何一处都会直接毁掉输出。模板自带 Pika 发布的六步采样表——lcm 采样、ManualSigmas、经 BasicGuider 的 CFG 1.0——sigma 列表要保持原样，适配器强度保持 1.0，并且绝不要再叠一个 turbo 或 Lightning LoRA：适配器本身已经蒸馏过，第二个加速 LoRA 会把输出打坏。

本地真正的硬约束是硬件。模型卡的实测配置里，代表性 480p/768p 请求是在 H100 80GB 上跑通的，大请求可用 --cpu-offload。ComfyUI 文档给出的速度更具体——5 秒 1344×768 片子单卡约一分钟——但这个级别的卡不是普通消费级硬件。不想买卡也可以用 Comfy Cloud 跑同样的模板。

4. Diffusers 与第三方托管

在 Hugging Face 上，documented 的 Diffusers 用法是两步加载：先拉 MiniMaxAI/MiniMax-H3 pipeline，再 load_lora_weights("Pika-Labs/Pika-H3-Flex")（Pika 示例固定了特定上游 Diffusers commit，照它的 requirements 文件装，别直接用最新 main）。权重也可以走第三方推理平台——模型卡的推理服务商面板列了 WaveSpeed——发布后一个月仓库显示约 633 次下载、18 个社区 Space（2026 年 11 月查询）。另一个值得知道的同类选项：FastH3 Omni 是 FastVideo 对同一个 MiniMax H3 基座做的另一个 8 步开源蒸馏。如果你的目标只是「H3 级视频、更少步数、开源权重、本地跑」，它和 Flex 在同一个位置竞争。

API 上要花多少钱

Pika 按输出视频秒数计费。下表来自 官方 H3 Flex 页面，2026 年 11 月 4 日查询，发布五折活动到 11 月 5 日：

输出分辨率	文本/图片/关键帧生视频	参考生视频（用到视频参考时）
480p	$0.02 → 活动 $0.01	$0.06 → 活动 $0.03
768p	$0.04 → 活动 $0.02	$0.12 → 活动 $0.06
1080p	$0.07 → 活动 $0.035	$0.15 → 活动 $0.075
2K	$0.08 → 活动 $0.04	$0.16 → 活动 $0.08
4K	$0.16 → 活动 $0.08	$0.20 → 活动 $0.10

两条规则让这张表比看上去便宜。第一，用到视频参考时输入秒数也计费——15 秒视频参考加 15 秒输出按该档位计 30 秒，而图片和音频参考免费。第二，draft-to-video 精修只收差价：可以先用 768p 起草，再把同一条片子（同样的运镜、同样的音频）精修到 4K，按档位差价付，而不是重新生成一条 4K。

算一笔账：10 秒 768p 草稿按活动价是 $0.20（$0.02/秒）。把它精修到 4K，镜头保留、只按费率差计费——明显低于重新生成 10 秒 4K 的 $0.80（活动价 $0.08/秒）。要五条分轨以 WAV 形式导出到剪辑软件的话，音频分轨加 $0.001/秒。

Pika H3 Flex 和竞品怎么比

先跟自家家族比。 对基础版 MiniMax H3，Flex 的优势是 6 步采样（ComfyUI 里基础版 H3 跑同类结果要 20–50 步），加上调校过的参考工作流和云端 4K/分轨扩展。在 2026 年 11 月 Pika 官方模型页展示的 DesignArena 文生视频榜单上，H3 Flex 得分 1293，基础版 H3 和 H3Max 都是 1277。Pika 自己的评估更进一步——声称是第一名开源文生视频模型、对竞品最高领先 91%、人体结构和艺术美学的人评第一——这些数字应读作厂商研究结论，而不是独立基准。

再看大榜。 同一张榜单把 Gemini Omni 1.1 Flash 排在第一（1360），Gemini Omni Flash 1343、HeyGen Video 1.0（1080p）1334、Wan 3.0 1324——都在 H3 Flex 的 1293 之上；Seedance 2.5 以 1256 落后。Pika 页面称 H3 Flex 是该榜单上开源权重模型的最高名次。所以诚实的结论是：H3 Flex 是这张榜上最好的开源权重选手，不是全场第一，而且榜单分数衡量的是文生视频偏好，不代表你的具体题材。

你的需求	合理选择
开源权重、本地快速迭代、原生音频	Pika H3 Flex（ComfyUI/Diffusers）
榜单最高分、托管	Gemini Omni 1.1 Flash 或 Wan 3.0
同一个 H3 基座的另一种开源蒸馏	FastH3 Omni（8 步）
没有 GPU 也要 4K 精修和音频分轨	Pika API（H3 Flex）或任意托管旗舰
基础版 H3 在线直接跑	托管平台——见下

没有 GPU？基础模型可以在线跑

如果上面的比较结论是「H3 家族适合我的内容，但我不想搞 H100 也不想接 API」，Flex 所基于的 MiniMax H3 基础版在多个平台都有托管。在 AI Fruit 的 MiniMax H3 模型页，它支持文生视频和图生视频，时长 4–15 秒，输出 768P 或 2K，带首/尾帧控制，生成前就能看到积分成本——适合在投入本地硬件或 Pika API 之前，先验证 H3 风格的提示词和音频优先工作流是否适合你的账号。注意和开头说过的区别：AI Fruit 托管的是基础版 H3，不是 Pika H3 Flex 本身。

证据与价格说明

汇总本篇适用的边界：接入步骤以官方文档为据（Pika 官方页面、Hugging Face 模型卡、ComfyUI 教程），非本站实测，具体渲染时间因环境而异；对 H3Max 的速度与质量对比是 Pika 报告的 DiT 时间均值；榜单数字反映 2026 年 11 月 Pika 模型页展示的 DesignArena 榜单；所有价格查询于 2026 年 11 月 4 日，发布活动 11 月 5 日结束。商用开源权重前，请先审阅 MiniMax H3 Community License 的地区与商用条款。

一句话总结

先在 Pika studio 里评估 H3 Flex，需要 4K 精修和可拆分分轨就上 API，看重本地控制和开源权重就进 ComfyUI 或 Diffusers——如果今天只想在浏览器里跑 H3 基础版，一个托管的 MiniMax H3 不用买卡就能到。