TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Pika H3 Flex 開放權重，把六步影片模型搬回自己伺服器
Pika 在 2026 年 10 月 29 日開放 H3 Flex 權重：以 MiniMax H3 後訓練、把 50 步生成蒸餾成 6 步，原生輸出止於 480p 與 768p，4K 放大、五音軌與極速服務留在代管側按秒計費。權重掛 MiniMax 社群授權，排除歐盟英韓美四地，台灣在適用範圍內可自架。
用 AI 摘要這篇文章：
Pika 在 10 月 29 日發布 Pika H3 Flex，官方 X 貼文與 GitHub 推論倉庫都落在台北時間 10 月 30 日凌晨 1 時前後。這款模型同樣蓋在 MiniMax H3 上，但與十月底前三週內出現的HeyGen 影片端點、Pruna 對嘴影片 API和VideoGen Model 1不同：前三家賣的是代管服務，Pika 這次連後訓練出來的權重都開放下載；在官方刊出的比較矩陣上，H3 系產品中開放權重的只有基礎版 MiniMax H3 與這次的主角。下載之前值得先看清楚三件事：開放包裝的是生成器本體，原生輸出止於 480p 與 768p；宣傳主打的 4K 放大、五音軌分離與極速服務全部留在 Pika 代管側；而權重掛的授權是 MiniMax 的社群條款，排除歐盟、英國、韓國與美國，台灣在適用範圍內。
把 50 步蒸餾成 6 步，才是這次的核心工程
MiniMax H3 原本產生一段影片要跑 50 次去噪步驟。Pika 的做法可以想成讓一個快學生盯著慢老師的成品反覆練習，官方深度文章把路徑攤成三段：先在自家的影音資料集上做監督微調，資料橫跨日常活動、表演、敘事、技術與風格化內容；再用投影分布匹配蒸餾（PDMD）把 50 步的取樣壓縮進 6 步的學生模型，官方試過標準的 DMD 蒸餾但訓練不穩定，換成 PDMD 才穩下來；最後用兩種獎勵方法做對齊，ReFL 用可微分的獎勵回饋顧美感與清晰度，DPO 從離線偏好資料學指令遵循、寫實感與視覺品質，兩者各訓練成低秩轉接器（LoRA）再合併，不增加推論步數。產出的成品是兩個 FP32、rank 128 的轉接器，分別負責文字與首尾畫面生成（FL2VA）和多模態參照生成（Ref2VA）。
步數從 50 到 6，官方換算成約 8 倍的去噪步數差距，這對反覆改版本的創作流程影響比表面更大。影片創作很少一次到位，同一個鏡頭調整角色、運鏡或聲音再跑一輪是常態，每輪的等待時間乘上重做的次數，才是真正的時間成本。把單輪生成的核心運算壓到接近播放長度以下，改變的是「試一個方向」的單位成本，而不是把整個後製流程變快，腳本、參照挑選與剪輯仍然照舊。
「快過即時」的行銷字眼需要對準官方自己的註腳。七秒生成指的是 15 秒 768p 片段在受控基準下的變壓器（DiT）運算時間，官方明寫這不含端到端 API 延遲，參照輸入、高解析度完成、音軌分離與硬體條件都會拉長完成時間。官方自己量到的完整推論數字更保守：在 8 張 B300 上，5 秒 768p 含聲音的生成從 3.409 秒壓到 2.129 秒，這 1.6 倍的提速來自快取時間步相關的調製、融合核心、FlashAttention-4 與區塊稀疏注意力等工程，與模型本身無關。與 Fal 上的 H3 Max 相比，官方在文字、圖片與 10 秒參照生成的平均比較中量到去噪運算快約 1.8 倍，10 到 15 秒的文字與圖片生成路線差距接近 2 倍。拿七秒去估算整條工作流的等待，會低估每一輪反覆的實際成本。
下載包裝了什麼，原生能力到哪裡為止
Hugging Face 上的模型卡把開放範圍寫得很白：兩個任務轉接器、推論程式碼，加上釘選版本的 MiniMax H3 基礎元件，基礎元件合計約佔 210GB 儲存空間，單一工作流程只載入對應的分割。命令列工具提供五種生成模式：純文字、首畫面、尾畫面、首尾畫面與多模態參照。原生輸出是 480p 或 768p、24fps、11 種畫面比例、5 至 15 秒、32kHz 混合立體聲，封裝成 H.264 影片加 AAC 聲音的 MP4，附 JSON 生成中繼資料。提示最長 8,000 字，支援種子控制。有個容易忽略的細節：時長會進位到模型的影格網格，5 秒的請求實際產出 124 格（約 5.17 秒），15 秒的請求產出 362 格（約 15.08 秒）。
參照一次最多 12 個檔案：9 張圖片、3 段影片、3 段獨立聲音，參照模式至少要有一張圖或一段影片，純聲音參照不支援；影片與聲音參照各限 2 至 15 秒，同一類參照合計上限 15 秒。官方也提醒這些是「可接受的輸入上限」，不代表最大組合一定塞得進顯示記憶體。參照的用法官方給了幾種明確角色：用圖片固定產品外觀、用影片提供動作與時間、用聲音樣本指定聲音方向，再由提示說明每份參照該貢獻什麼。編輯既有影片也走同一套機制，官方展示換服裝、換道具、換環境而保留表演與時間軸的用法，對只想改局部、卻得整段重做的處境是最直接的回應。
硬體門檻方面，官方在 H100 80GB 上跑通代表性的 480p 與 768p 命令列請求，大型請求可能需要 CPU 卸載與大量主記憶體。210GB 是儲存空間而不是顯示記憶體需求，但對照消費級顯卡的常見容量，這條自架路線顯然是為有運算資源的團隊準備的。模型卡也提醒，頁面上的展示影片屬於創作展示，不是釋出套件的驗證渲染，官方不保證逐一重現。不想碰命令列的人有兩條現成路：ComfyUI 有官方教學與三份工作流範本，Hugging Face Diffusers 也有官方管線文件與範例。
生成器開放，代管側收加值費用
模型卡把「可下載的轉接器」與「Pika 代管端點」明確畫成兩邊。生成器本身可以搬回家跑，解析度完成檔、五音軌分離（對白、配樂、音效、擬音、環境聲，交付 WAV）與提示改寫則是代管側的加購，代管生成的提示處理已內含在單價裡。
放大用的是一個獨立的 10 億參數模型，直接在畫素空間運作，單次前向就把 768p 草稿升上高解析度，支援 1 到 4 倍的放大倍率，官方量到的單卡首格 1080p 輸出只要 0.17 秒，處理時間隨片長線性增長。訓練方式是拿高品質素材（含原生 4K 影片）做合成降質，讓模型學會補細節而非重新發明內容，所以官方把它定位在「保存已生成內容」的完成步驟：草稿裡構圖錯了或標誌變形，放大救不回來，判斷要在低解析度階段完成。五音軌同樣不動生成器，而是在產出的混音之上做提示引導的分離，模型不需要以分軌標注的資料重訓，五軌隨影片與原混音一起交付，剪輯端可以壓低配樂而不動對白。草稿升級的計費設計對反覆修改友善：768p 草稿選定後升 4K，只補兩個檔位的差額，已付的草稿秒數不浪費。
文字、圖片與關鍵影格路線按輸出秒數計費，階梯如下：
| 輸出檔位 | 正式價（美元／秒） | 上市價（美元／秒） | 取得方式 |
|---|---|---|---|
| 480p | 0.02 | 0.01 | 原生生成 |
| 768p | 0.04 | 0.02 | 原生生成 |
| 1080p | 0.07 | 0.035 | 草稿放大 |
| 2K | 0.08 | 0.04 | 草稿放大 |
| 4K | 0.16 | 0.08 | 草稿放大 |
換算成整支影片比較有感：15 秒的 768p 片段用上市價是 0.30 美元，正式價 0.60 美元；同樣 15 秒直接完成 4K，上市價 1.20 美元。用到影片參照的生成走另一套單價，按輸入秒數加輸出秒數合計，768p 上市價每秒 0.06 美元，換句話說 3 秒參照加 5 秒輸出是 0.48 美元；圖片與聲音參照不收參照費。五音軌每秒 0.001 美元；自架者若想補上提示改寫，獨立 API 每次請求 0.02 美元。想先試手感的人有個期限明確的入口：API Club 會員在 10 月 29 日到 11 月 5 日每天有 15 次免費生成，11 月 2 日起 H3 Flex 也會進入 Pika 的創作產品。
授權不是 MIT：地區、年收與用途的三道門
公開下載與自由商用是兩件事，這次的授權條款值得逐條看。權重掛的是 MiniMax H3 Community License，授權日期回到 MiniMax H3 發布的 2026 年 8 月 2 日，由 MiniMax（Nanonoble Pte. Ltd.）出具。Pika 的轉接器屬於條文定義裡的模型衍生作品，所以開放下載的檔案繼續受這份條款約束。對台灣讀者最實際的一條：適用地區排除歐盟、英國、韓國與美國，台灣不在排除清單上。商業產品與服務年收入超過 2,000 萬美元，要先取得 MiniMax 書面授權；用到這個模型的商業介面，必須顯著標示「MiniMax H3」字樣；條文也禁止把模型或其輸出拿去改進其他 AI 模型（MiniMax H3 自家與其衍生模型除外），想用生成影片來訓練自家模型的團隊要先停下來看這條。
條款裡有一個對創作者相對友善的定義：模型輸出本身不屬於模型衍生作品，生成出來的影片不會自動落進轉接器那層的授權限制，但授權另有條文禁止把輸出用於改進其他 AI 模型，兩者要分開讀。另外要分清楚檔案的授權層：Qwen3-VL-32B 編碼器與範例程式碼是 Apache 2.0，但程式碼授權明寫不含權重與示例媒體。爭議由香港法院管轄。放大模型（10 億參數、直接在畫素空間運作）官方預告將另行開源，但這次沒有跟著釋出，也沒給日期。
把這些條件整理成自架前的確認清單，其實就是四個問題：團隊與部署所在地是否落在排除地區外；商業產品與服務的年收入是否在 2,000 萬美元以下；產品介面是否願意放上「MiniMax H3」標示；有沒有把生成輸出拿去訓練其他模型的計畫。四題都過，這份授權對台灣團隊就只是使用條件；任何一題不確定，直接問 MiniMax 或改走代管，會比自行解讀條文穩當。
排名與品質的誠實讀法
Pika 產品頁刊出的 DesignArena 文字生影片榜單快照上，H3 Flex 以 1293 分排第七，是榜上開放權重模型裡分數最高的一個，高於同為 1277 分的 MiniMax H3 與 H3 Max、1256 分的 Seedance 2.5，低於 1360 分的 Gemini Omni 1.1 Flash 等閉源模型。公告同時註明排名反映發布當時的快照，這種社群對測榜會持續變動，把今天的名次當永久標籤會誤導。
品質宣稱方面，官方自辦的評測給了值得參考的兩面。對 MiniMax H3、Fal H3 Max 與 HeyGen Video 的對比中，四個模型用同一組提示在 768p 生成，五項視聽品質指標（畫面技術、畫面美感、影片品質、通用品質、聲音美感）H3 Flex 都最高；跨模對齊的兩項則與對手在伯仲之間，Fal H3 Max 略高。盲測人類偏好方面，H3 Flex 在人體結構、複雜構圖、音訊同步（文字與圖片生成）以及視覺風格、取景與運鏡（參照生成）類別領先。但同一份文件也明寫：物理合理性、多場景敘事、光線材質，以及動作重或需要對照影片控制的任務，其他系統仍然勝出。這等於官方自己給了驗收清單，採用前拿自己的素材優先測這幾類，會比看展示影片準。
三條路線怎麼選
想比較版本方向的創作者，用 API Club 的免費額度跑低解析度草稿最划算，選定版本再放大，只補差價。需要把聲音交給剪輯師的團隊，五音軌的價值在進後製軟體之後才會顯現，這點與ElevenLabs Studio 那種把模型排進時間軸的剪輯思路可以對照著看。已經在跑 ComfyUI 工作流的團隊多了一個新選擇：權重放在 Hugging Face、工作流範本現成，不必開 Pika 帳號就能把生成器接進既有管線，這是代管產品給不了的整合彈性。有 H100 級硬體、而且產品年收入在門檻之下的團隊，自架拿到的是生成器與全部執行控制，代價是約 210GB 的基礎元件、版本相依與授權標示義務；若只是要做少量生成，代管的帳單恐怕遠比自建便宜。
還沒確定的事項就留在還沒確定的位置：放大模型的開源時點官方只說會做、沒給日期；DesignArena 排名會隨對測浮動；代管與本機的生成品質是否一致，官方只說速度會因硬體與實作而異。11 月 5 日促銷結束前，是驗證這些問題成本最低的時機。
