11 月 1 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，可生成约 5 至 15 秒的视频并附带同步立体声音频。
六步怎么来的
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 做监督微调，再采用投影分布匹配蒸馏，把教师模型的 50 步去噪压缩到 6 步。之后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时无须增加生成步数。
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 与 768P 输出。创作者可以先用较低分辨率生成并筛选草稿，再对选定版本做高分辨率处理。
推理加速与音轨拆分
在对托管推理服务做加速后，团队在保持模型权重和六步采样方案不变的测试中，用 8 张 NVIDIA B300 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 秒缩短到 2.129 秒，处理速度约为原来的 1.6 倍。同步生成的声音可拆分为对白、配乐、音效、拟音和环境声五类独立音轨，高分辨率增强视频和音频分轨由 Pika API 提供。
评测方面，H3 Flex 在五项视觉和音频质量指标上均取得参评模型最高分，并在 DesignArena 文生视频榜单上排到第八，是该榜单下排名最高的开源视频模型。MiniMax H3 自 8 月开源以来一个月内下载量已超 2400 万次，产生超过 300 个公开衍生模型，英伟达与 MIT 联合开发的 Open-H3-Regenerate-2K 是其中之一。
延伸阅读
- MiniMax-M1 开源推理模型解析：4560 亿参数、100 万 Token 上下文，54 万美元完成训练1 月前
- MiniMax入驻天猫：首家官方旗舰店上线M Plan订阅套餐3 周前
- 可灵AI 4.0深度：8000 Token提示词容量、Omni Reference与多语言唇音同步2 周前
- Open-H3-Regenerate-2K 开源：4K 视频提速 3.9 倍4 天前
继续读
同一批更新里这几篇值得一看：
- 中国大模型周调用连续 27 周领跑：99.55 万亿 Token2026-11-02
- Open-H3-Regenerate-2K 开源：4K 视频提速 3.9 倍2026-10-31
- MiniMax M3.1 Flash 拿下 Agent 第一：智能指数 43 分2026-10-22