Pika는 2026년 10월 29일 MiniMax H3를 후훈련한 영상 생성 모델 Pika H3 Flex를 공개했다. 전문 크리에이터가 반복 수정하는 작업 방식을 겨냥한 모델로, 먼저 빠르게 초안을 만든 뒤 원하는 버전으로 다듬어 가는 흐름이다. Pika는 샘플링 단계를 50단계에서 6단계로 줄였고, 일부 품질 지표에서는 50단계 교사 모델에 뒤지지 않거나 오히려 앞선다고 밝혔다.
7초는 트랜스포머 연산 시간이지 전체 소요 시간이 아니다
Pika에 따르면 Flex는 동기화된 오디오가 포함된 15초, 768p 클립을 최소 7초의 트랜스포머 연산 시간으로 생성할 수 있다. 공식 각주는 이것이 통제된 벤치마크에서의 연산 시간이며 종단 간 API 지연 시간이 아니고, 참조 입력과 고해상도 마무리, 오디오 스템 분리, 하드웨어가 실제 완료 시간에 영향을 준다고 덧붙인다. 출시 당시 Flex는 DesignArena 텍스트-투-비디오 순위에서 오픈 웨이트 모델 1위, 전체 7위를 기록했는데, 이는 출시 시점의 스냅샷이지 장기 순위를 의미하지는 않는다.
최대 12개의 참조 파일, 다섯 개의 오디오 스템은 따로
Flex는 한 번의 생성에서 최대 12개의 참조 파일을 받아들이며, 스케치와 캐릭터 시트, 제품 사진, 무드보드, 음성 샘플, 동작 영상을 섞을 수 있고 각 참조가 무엇을 담당하는지 지정할 수 있다. 하나는 캐릭터, 하나는 세계, 하나는 동작을 맡는 식이다. 참조 기반 편집은 원래 연기와 타이밍을 유지한 채 의상이나 소품, 장면 전체를 바꿀 수 있다. 사운드 면에서는 동기화된 스테레오 오디오가 포함된 영상을 생성하고, Pika API를 통해 대화와 음악, 효과음, 폴리, 환경음 다섯 개의 독립 스템으로 내보낼 수 있어 믹스를 부분별로 다듬을 수 있다.
오픈 웨이트에도 경계가 있고, 고해상도 마무리는 호스팅 쪽에 남는다
Pika는 Flex의 오픈 웨이트도 공개했다. 생성기 어댑터와 추론 코드는 Hugging Face와 GitHub에 있으며, 텍스트-투-비디오와 첫·마지막 프레임 생성, 멀티모달 참조 생성을 지원하고 로컬에서는 480p와 768p에서 동기화된 오디오를 생성할 수 있다. 다만 1080p와 2K, 4K 업샘플러와 오디오 스템 분리, 선택적 프롬프트 향상, 가속 서빙 스택은 Pika 호스팅 기능으로 남으며, 로컬 성능은 하드웨어에 달려 있다. Flex는 11월 2일 Pika 제작 제품에도 들어오므로 크리에이터가 API에만 의존할 필요는 없다.
