10月29日，Pika 开源了 Pika H3 Flex——一个在 MiniMax H3 基础上后训练得到的全模态生成模型。官方给的关键数字是：6 步去噪，而它的“老师”需要 50 步，约等于 8 倍的采样效率提升。
技术路线：蒸馏出来的效率
扩散类视频模型的生成时间基本和采样步数成正比。50 步意味着几十秒到几分钟一条，6 步意味着几秒到十几秒。H3 Flex 用的是步数蒸馏的思路：让学生模型在极少的采样步里逼近教师的输出分布。
难点在于，“步数越少画质越崩”是这个领域的常识。Pika 的声明是压缩到 6 步而不牺牲视觉保真度——这个说法需要自己验，但至少权重是公开的，谁都可以拿同一批 prompt 跑对照。
规格一览
- 输出：最长 15 秒，视频与立体声音频同步生成；
- 参考能力：最多 12 张参考图、5 条独立音轨；
- 成片规格：可到 4K；
- 开放范围：权重 + 推理代码，直接发布给社区。
“同步生成音频”这一点值得单独说。多数方案是先生成视频再配音，口型和音效对不上就得反复重做。原生同步生成省掉了一整道匹配工序，对做广告和短剧的人是刚需。
和闭源方案比，优势在哪
不是画质。闭源旗舰在极端场景下的画面质量仍然领先。开源的真实价值是三点：
- 可微调：你可以拿自己品牌的产品图、角色做 LoRA，一致性问题的解法从“反复抽卡”变成“训练一次”。
- 可私有化：素材不出内网，这对品牌方和影视公司是硬门槛。
- 成本可预测：按 GPU 时长算钱，不按条数算。批量出片时账目清楚得多。
短板也别回避
- 6 步蒸馏的代价通常出现在细节纹理和长时序稳定性上：皮肤质感、织物纹理、15 秒末尾的人物一致性，这三处最值得先测。
- 部署门槛不低：视频模型的显存需求远高于语言模型，消费级显卡基本只能玩短片段低分辨率。
- 许可条款要看：开源不等于无条件商用。
如果你更关心“开箱即用”的成片效果，可灵 Kling 4.0 开放 API 是更省事的路；做国内短剧批量生产，可以对比 即梦短剧工作室。工具入口见 可灵AI。
适合谁
有 GPU 资源、需要角色一致性的内容团队；想把视频生成能力嵌进自有产品的开发者；以及做生成模型研究的实验室。个人创作者短期内还是用托管平台更现实。
值得关注的信号
Pika 10 月 16 日刚把 40 多个创作应用接进 ChatGPT 插件，月底就开源自己的模型权重——一边做入口，一边做上游供给，这个组合在视频生成赛道里还不多见。