Pika H3 Flexは、Pikaが2026年10月29日に公開した動画モデルだ。MiniMax H3をベースに微調整したもので、サンプリングを50ステップから6ステップに圧縮し、同期したステレオ音声付きで5〜15秒のクリップを一度に生成する。一般の人はPikaの公式サイト（pika.art）に行けばよく、11月2日からメインアプリに入っている。ローカルで動かしたい人はHugging Faceから重みをダウンロードできるが、まずライセンスを読むこと。
一般の人の使い方：公開から2週間は無料枠がある
Pikaの公式サイト（pika.art）を開き、H3 Flexを選んで、テキストを入れるか、最初と最後のフレーム、参照画像、参照動画、参照音声を渡す。最大12個（画像9枚、動画3本、音声3本）までで、5〜15秒のクリップを生成できる。参照モードが売りだ。商品画像1枚と参照音声1本があれば、セリフや音楽付きの短編が作れる。公開から2週間は1日15回の無料生成があり、価格も半額で、11月12日ごろまで続く。まず確保してから、ゆっくり試すといい。
ローカルで動かす：ハードウェアとライセンスを先に確認する
重みはHugging FaceのPika-Labs/Pika-H3-Flexリポジトリにあり、推論コードはGitHub上でApache-2.0だ。ローカルでは2枚のLoRAアダプタをMiniMax H3のベースに載せる形で、ベースのファイルは合計およそ210GBになる。ローカルのネイティブ出力は最大768pで、4K仕上げと5トラックの分離はPikaのホスト機能だ。実行にはH100クラスのGPUが必要で、コンシューマー向けのカードで無理をするべきではない。さらに重要なのは、重みがMiniMax H3コミュニティライセンスの対象で、標準の許諾では米国、EU、英国、韓国でのローカル展開が含まれていないことだ。商用利用の前にライセンスの原文を読み、迷うならホストAPIを使うこと。
「7秒」とは結局どういう意味か
Pikaの言う7秒は、サーバー上でのモデル自体の計算時間であって、生成ボタンを押してから完成したクリップを受け取るまでの合計時間ではない。待ち行列、参照ファイルのアップロード、後処理は別途時間がかかる。6ステップのサンプリングは本物で、速度の優位性も本物だが、7秒を前提に作業の流れを組むべきではない。1080p以上が必要だったり、トラックを分けてミックスしたかったりするなら、ローカルでいじるのではなく、直接ホストサービスを使うこと。
