Pika H3 Flex 是什么：价格、能力，以及和 MiniMax H3 Max 的区别

一句话： Pika H3 Flex 是 Pika 在 2026 年 10 月 29 日发布的模型：一个经过后训练的 MiniMax H3，用 6 步采样生成 5 到 15 秒、带立体声的视频，一次最多接收 12 个参考文件，并以开放适配器的形式发布在 Hugging Face 上。Pika 的 API 从 480p 每输出秒 0.01 美元起收费。Cicadas 没有提供 Flex，这里运行的是 fal 托管的 MiniMax H3 Max 版本，5 秒 63 积分起，按首次购买的积分包约 0.62 美元。

我们是 Cicadas 的制作方，一个独立网站，和 Pika、MiniMax 都没有关系。我们没有在任何地方跑过 Flex：没进过 Pika 的 App，没调过它的 API，也没在自己的 GPU 上部署。下文关于 Flex 的内容，都来自 2026 年 11 月 3 日 Pika 自己的博客、API 文档、价格页和 Hugging Face 模型卡，每一条出处都记在我们的调研笔记 docs/research/claude-pika-h3-flex-20261103/sources.md 里。Pika 自己几个页面说法不一致的地方，我们会直接指出。

1. Pika H3 Flex 是什么

• 后训练的 MiniMax H3。 Pika 的发布文把 Flex 称为“我们后训练的 MiniMax H3 模型”。Pika 把底座模型的 50 步采样压到 6 步，再针对画质调优。Hugging Face 上它登记为 MiniMaxAI/MiniMax-H3 的适配器，不是新架构。
• 两个适配器。 FL2VA 负责纯文本、首帧、尾帧或首尾帧；Ref2VA 负责混合参考。两者都是秩 128 的 LoRA 文件，加载在 MiniMax H3 底座上。
• 参考输入。 Ref2VA 一次最多 12 个文件：图片最多 9 张、视频最多 3 段、音频最多 3 段，且至少要有一张图片或一段视频。每段视频或音频需在 2 到 15 秒之间。
• 输出。 原生 480p 或 768p，5 到 15 秒（Pika 托管的文生视频页写的是 3 到 15 秒），每秒 24 帧，支持从 21:9 到 9:21 的 11 种画幅，32 kHz 立体声混在 MP4 里。提示词最长 8,000 字符。请求 5 秒实际返回 124 帧，约 5.17 秒，因为时长会对齐到模型的帧网格。
• 速度说法。 Pika 说一段 15 秒 768p 的视频，Transformer 计算“最快只要 7 秒”；它自己的脚注说明这是受控基准测试，不是一次 API 请求从发出到完成的时间。
• 排名说法。 发布时 Pika 称 Flex 在 DesignArena 文生视频榜上是开放权重模型第一、总榜第七。这是 Pika 10 月 29 日的截图，榜单会变。

2. “开放权重”包括什么，不包括什么

公开的是两个适配器、推理代码，以及一套 MiniMax H3 底座组件。适配器属于“MiniMax H3 的衍生模型”，因此适用 MiniMax H3 社区许可协议；代码仓库上的 Apache 2.0 只覆盖示例 Python 代码，不覆盖权重和示例素材。拿这些权重做产品之前，先读 MiniMax 的协议。

自己部署是数据中心级别的事。模型卡写明底座组件约 210 GB，GitHub 上的硬件说明写明代表性的 480p 和 768p 请求在 80 GB 显存的 H100 上跑通，一张卡同时只处理一个请求。有三样东西不会离开 Pika 的服务器：把视频收尾到 1080p、2K 或 4K 的放大器，音轨分离，以及可选的提示词改写。本地运行的 Flex 最高 768p，只有一条混合音轨。

3. 在哪里能用

• Pika API。 文生视频、图生视频、参考生视频、草稿升 4K、分轨和提示词改写，一个 API 密钥全部覆盖。发布文首先引导的是 Pika API Club。
• Pika 创作 App。 发布文说 Flex 将在“11 月 2 日上线 Pika 创作产品”。我们没有登录去确认是否已经上线。
• 自己的硬件。 权重在 Hugging Face（Pika-Labs/Pika-H3-Flex），代码在 GitHub，ComfyUI 有三个工作流模板（参考、首尾帧、文本），Hugging Face Diffusers 也有对应管线。
• fal.ai 和 Cicadas 上都没有。 2026 年 11 月 3 日 fal 的模型搜索里没有 Flex 端点，Pika 自己价格页上 Flex 的每一行也都写着“Only on Pika”。

4. Pika 怎么收费

以下是 2026 年 11 月 3 日 Pika 价格页上的 API 价格，按每秒输出计：

• 文生或图生视频： 480p 0.01 美元，768p 0.02 美元，1080p 0.035 美元，2K 0.04 美元，4K 0.08 美元。
• 参考生视频： 480p 0.03 美元，768p 0.06 美元，1080p 0.075 美元，2K 0.08 美元，4K 0.10 美元；作为参考的视频也按同样的每秒价格计费。
• 附加项： 分轨每秒 0.001 美元，提示词改写每次 0.02 美元。

算一下：文生 5 秒 480p 是 0.05 美元；15 秒 768p 是 0.30 美元；同样 15 秒收尾到 4K 是 1.20 美元。这些是写代码调用 API 的开发者价格。Pika 普通用户 App 里的套餐我们没有读；一些第三方文章引用的价格在 Pika 的价格页上看不到，我们没有采用。

Pika 自己有一处对不上：发布文列出五条音轨（对白、配乐、音效、拟音、环境声），而我们读到的 API 文档说分轨选项返回的是对白、音乐、效果三个文件。如果你要靠分轨干活，先实测这个端点，再按五条音轨做计划。

5. Flex 和 Cicadas 运行的 MiniMax H3 Max 对比

Cicadas 通过 fal 的 minimax/h3-max 端点在 MiniMax H3 页上运行 MiniMax H3 Max，海螺 AI 页也能进入。这是 fal 托管的 H3 Max 版本；Flex 是 Pika 对 MiniMax H3 做的后训练。同一家族、不同调法，而我们只实拍过其中一个。

那个页面上的 H3 Max 表单能做：文生视频或一张照片生视频；5、10 或 15 秒；480P 或 768P；文本提示词可选 16:9 或 9:16；每条都带声音，没有静音选项。它不提供分轨、4K，也没有混合图片、视频、音频的参考模式。报价按 9.90 美元 1,000 积分的首次积分包折算：

• 480P： 5 秒 63 积分（约 0.62 美元），10 秒 125 积分（约 1.24 美元），15 秒 188 积分（约 1.86 美元）。
• 768P： 5 秒 100 积分（约 0.99 美元），10 秒 200 积分（约 1.98 美元），15 秒 300 积分（约 2.97 美元）。

按秒算，Pika 的 API 更便宜，差距是真实的。但两者不是同一种东西：Pika 的价格是给写代码调 API 的开发者的批发价；Cicadas 的积分买的是网页表单里直接出的成片，私密保存在“我的视频”里，任务失败会退回积分。Pika 自己的对比表里还把 fal 的 H3 Max 列为每输出秒 0.0325 美元起、Flex 0.01 美元起；那是 Pika 给 fal 标的数字，我们没有拿它去和 fal 核对。

下面是一条实录的 H3 Max 样片，可以看看这个家族在 480P 下的样子。它不是 Flex。文生视频，5 秒，480P，竖屏，2026 年 9 月 29 日生成（fal 请求 01a0ef93-6ebd-70d1-b346-778ed6261de0）：

提示词要求从高处俯拍雨夜路口，有雨伞和车灯，固定机位，不要文字。人群和湿漉漉的路面都稳住了；店铺招牌上却出现了谁也认不出的字。Flex 的一些展示提示词会要求拼出 MOVE、SUNDAY 这样的单词，但 Pika 也注明展示片不是发布验证用的渲染，未必能复现，所以在亲眼看到之前，我们不会假定 Flex 解决了文字问题。

6. 该用哪个

• 选 Flex： 如果你用代码调用视频模型，想在一个镜头里塞最多 12 个参考，需要单独的对白和音乐轨，或者想要 4K 收尾；或者你有 GPU 跑开放权重，并接受 MiniMax 的许可条款。
• 选 Cicadas 上的 H3 Max： 如果你更想在表单里直接输入提示词，生成前看到准确的积分报价，不用配置 API 密钥就拿到 MP4。MiniMax H3 提示词指南里有从我们自己实录样片整理的模板，MiniMax H3 Max 指南讲了各项设置。

积分包和套餐见价格页。如果 Pika 的价格或上线情况有变化，我们会先记在调研笔记里。