Pika H3 Flex: открытая видеомодель делает 15-секундный ролик со звуком за секунды и стоит от цента за секунду

Студия Pika выложила Pika H3 Flex — видеомодель с открытыми весами, которая рисует 15-секундный ролик со звуком быстрее, чем он длится. На табло DesignArena она стала лучшей открытой моделью для text-to-video. Разбираем, что умеет модель, сколько стоит генерация и что нужно, чтобы запустить её у себя.

Что выпустила Pika

По данным Apply Coding, 31 октября Pika представила H3 Flex в X как модель номер один среди открытых на доске text-to-video DesignArena. На странице модели студия уточняет: в общем зачёте по качеству видео Flex на седьмом месте — выше базовой H3, H3Max и Seedance 2.5, и это лучший результат среди моделей с открытыми весами.

Технически это не новая архитектура, а дообученная MiniMax H3. Pika научила её генерировать за шесть шагов денойзинга вместо 50, а потом отдельно подтянула качество и управляемость. Отсюда главный маркетинговый тезис: 15-секундный клип 768p со звуком можно получить примерно за семь секунд. Но у этой цифры есть звёздочка, и Pika сама её ставит: семь секунд — это время работы трансформера в контролируемом тесте, а не полная задержка запроса. Референсы, апскейл, разделение звука и загрузка сервиса добавляют время.

Что умеет Pika H3 Flex

Если коротко — это инструмент для быстрых итераций, а не для одного «вау-ролика». Возможности по официальной странице:

• режимы: текст в видео, видео по первому и последнему кадру, видео по набору референсов и редактирование готового ролика по промпту;
• до 12 референсов за раз: до 9 картинок, 3 видео и 3 аудио, включая скетч, лист персонажа, фото товара или образец голоса;
• длительность от 5 до 15 секунд, соотношения сторон от 21:9 до 9:21, на выходе MP4;
• нативная генерация в 480p или 768p, а затем апскейл до 1080p, 2K или 4K в том же задании;
• до пяти отдельных аудиодорожек в WAV: диалоги, музыка, эффекты, фоли и фон — их удобно доводить в любом редакторе.

Схема работы задумана так: черновик делаешь дёшево в 768p, а финальную версию отправляешь в 4K и доплачиваешь только разницу.

Сколько стоит и где взять веса

Цены в API считаются за секунду готового видео. Стартовые расценки вдвое ниже обычных: 480p — $0,01 вместо $0,02, 768p — $0,02 вместо $0,04, 1080p — $0,035, 2K — $0,04, 4K — $0,08 вместо $0,16 за секунду. Если используешь видео как референс, оплачиваются и входные секунды, а картинки и аудио в качестве референсов бесплатны. Участникам Pika API Club до 5 ноября дают 15 бесплатных генераций в день.

Веса открыты на Hugging Face, код инференса — на GitHub. Но «открытые веса» не значит «запущу на ноутбуке». В репозитории написано: нужен Python 3.12 и видеокарта NVIDIA, типовые запросы проверяли на одной H100 с 80 ГБ памяти, а скачать придётся около 210 ГБ базовых файлов плюс 5,5 ГБ адаптера. Для тяжёлых запросов есть выгрузка весов в оперативку, но она требует много RAM и замедляет работу. И важная деталь про лицензию: код примеров идёт под Apache 2.0, а сами веса — под MiniMax H3 Community License Agreement. Прежде чем делать на них коммерческий продукт, прочитай её условия.

Открытые веса для видео — это не «бесплатно», а «можешь арендовать H100 и не зависеть от чужого API».

Что это значит для тебя

Для крипто-аудитории тут два слоя. Первый — практический. Короткие ролики со звуком для Telegram-канала, X или промо проекта теперь стоят центы за секунду, а референсы позволяют держать один и тот же персонаж или товар в разных сценах. Pika H3 Flex удобна там, где нужно быстро перебрать десяток вариантов и выбрать один.

Второй слой — безопасность. Чем дешевле и быстрее реалистичное видео со звуком и голосом по образцу, тем проще клепать фейковые «обращения основателей» и поддельные интервью для схем с раздачами. Если видишь ролик, где известный человек зовёт на «эксклюзивный клейм», проверяй его через официальный аккаунт, а не верь картинке. Мы уже писали, как быстро растёт качество генеративного видео, на примере Genie 4 от DeepMind, а про открытые модели от MiniMax — в тексте о MiniMax M3.1 Flash.

FAQ

Можно ли запустить Pika H3 Flex дома? Формально да, веса открыты, но тестировали её на H100 с 80 ГБ памяти, а файлы весят больше 200 ГБ — на обычной игровой видеокарте рассчитывать не на что.

Правда ли, что модель генерирует 4K? Нативно она рисует 480p или 768p, а 1080p, 2K и 4K получаются апскейлом внутри того же задания в API.

Сколько стоит минута видео? По стартовым ценам минута в 480p обойдётся в $0,60, а в 4K — в $4,80.

Можно ли использовать веса в коммерции? Веса распространяются по MiniMax H3 Community License Agreement; условия нужно читать до запуска продукта.

Итог: Pika H3 Flex — быстрая и недорогая открытая видеомодель для черновиков и роликов до 15 секунд, но «открытость» здесь для тех, у кого есть серверная видеокарта. Остальным проще платить центы за секунду в API и помнить, что такие же ролики уже умеют делать и мошенники.

Материал не является инвестиционной рекомендацией. Крипта — высокий риск, решения принимаешь сам.