Le 29 octobre 2026, Pika a lancé Pika H3 Flex, un modèle de génération vidéo post-entraîné sur MiniMax H3 et conçu pour la façon dont les créateurs professionnels itèrent réellement : esquisser vite d'abord, puis affiner vers la version qu'ils veulent garder. Pika a ramené l'échantillonnage de 50 à 6 étapes et affirme que le modèle accéléré égale ou dépasse son enseignant à 50 étapes sur plusieurs dimensions de qualité mesurées.
Sept secondes, c'est du temps de calcul du transformeur, pas la durée totale
Selon Pika, Flex peut générer un clip de 15 secondes en 768p avec audio synchronisé en à peine sept secondes de calcul du transformeur. Une note officielle précise qu'il s'agit d'un temps de calcul dans un banc d'essai contrôlé, et non de la latence de bout en bout de l'API, et que les entrées de référence, la finition haute résolution, la séparation des stems audio et le matériel influent sur le temps réel d'achèvement. Au lancement, Flex se classait premier parmi les modèles à poids ouverts et septième au classement général de DesignArena pour le texte-vers-vidéo — un instantané de lancement, pas nécessairement une position durable.
Jusqu'à 12 fichiers de référence, et cinq stems audio livrés séparément
Flex accepte jusqu'à 12 fichiers de référence en une génération, en mélangeant croquis, fiches de personnage, photos de produit, planches d'ambiance, échantillons de voix et vidéos de mouvement, et les créateurs peuvent indiquer ce que chaque référence doit apporter : l'une pour le personnage, l'une pour le monde, l'une pour le mouvement. L'édition guidée par référence peut remplacer une tenue, un accessoire ou tout le décor tout en préservant la performance et le rythme d'origine. Côté son, Flex génère une vidéo avec audio stéréo synchronisé et peut aussi exporter, via l'API Pika, cinq stems distincts — Dialogue, Musique, Effets sonores, Bruitage et Ambiance — afin de travailler chaque partie du mix séparément.
Les poids ouverts ont des limites, la finition haute résolution reste hébergée
Pika a aussi publié les poids ouverts de Flex : les adaptateurs du générateur et le code d'inférence sont sur Hugging Face et GitHub, et couvrent le texte-vers-vidéo, la génération à partir de la première et de la dernière image, ainsi que la génération multimodale par référence, avec audio synchronisé en 480p et 768p en local. L'upscaler 1080p, 2K et 4K, la séparation des stems audio, l'amélioration facultative des prompts et la pile de diffusion accélérée restent des fonctionnalités hébergées par Pika, et les performances locales dépendent du matériel. Flex arrivera aussi dans le produit de création Pika le 2 novembre, de sorte que les créateurs ne dépendront pas de la seule API.
