Pika H3 Flex ist ein Videomodell, das Pika am 29. Oktober 2026 veröffentlicht hat. Es wurde auf Basis von MiniMax H3 feinabgestimmt, die Sampling-Schritte sinken von 50 auf 6, und es erzeugt auf einmal Clips von 5 bis 15 Sekunden mit synchronisiertem Stereo-Audio. Normale Nutzer gehen direkt auf die Pika-Website (pika.art), seit dem 2. November ist es in der Haupt-App. Wer es lokal betreiben will, lädt die Gewichte bei Hugging Face herunter, sollte aber zuerst die Lizenz lesen.
So nutzen es normale Nutzer: zwei Wochen nach dem Start gibt es ein kostenloses Kontingent
Öffne die Pika-Website (pika.art), wähle H3 Flex, gib Text ein oder liefere Anfangs- und Endbilder, Referenzbilder, Referenzvideos und Referenz-Audio, maximal 12 Stück (9 Bilder, 3 Videos, 3 Audios), und erzeuge einen Clip von 5 bis 15 Sekunden. Der Referenzmodus ist sein Verkaufsargument: Mit einem Produktbild plus einem Referenz-Audio lässt sich ein Kurzfilm mit Dialog oder Musik erzeugen. In den ersten zwei Wochen nach dem Start gibt es täglich 15 kostenlose Generierungen und die Preise sind halbiert, das endet um den 12. November. Erst sichern, dann in Ruhe ausprobieren.
Lokal betreiben: erst Hardware und Lizenz prüfen
Die Gewichte liegen im Hugging-Face-Repository Pika-Labs/Pika-H3-Flex, der Inferenzcode auf GitHub unter Apache-2.0. Lokal handelt es sich um zwei LoRA-Adapter, die auf die MiniMax-H3-Basis aufgesetzt werden; die Basisdateien sind etwa 210 GB groß. Lokal liegt die native Auflösung bei maximal 768p, 4K-Finishing und fünf getrennte Audiostems sind Funktionen des gehosteten Dienstes von Pika. Zum Betreiben braucht man eine Grafikkarte der H100-Klasse, mit Consumer-Karten sollte man es nicht erzwingen. Noch wichtiger: Die Gewichte unterliegen der MiniMax-H3-Community-Lizenz, deren Standardlizenz lokale Deployments in den USA, der EU, dem Vereinigten Königreich und Südkorea nicht umfasst. Vor kommerzieller Nutzung also zuerst den Lizenztext selbst lesen, und wer unsicher ist, nimmt die gehostete API.
Was „7 Sekunden“ wirklich bedeuten
Die 7 Sekunden, von denen Pika spricht, sind die reine Rechenzeit des Modells auf den Servern, nicht die Gesamtzeit vom Klick auf „Generieren“ bis zum fertigen Clip. Warteschlange, Hochladen der Referenzdateien und Nachbearbeitung kommen noch hinzu. Die 6 Sampling-Schritte sind echt, und der Geschwindigkeitsvorteil ist es auch, aber plane deinen Workflow nicht mit 7 Sekunden. Wer 1080p oder mehr braucht oder Spuren einzeln mischen will, geht direkt zum gehosteten Dienst, statt lokal zu basteln.
