Pika H3 Flex можно запустить локально в ComfyUI. Но шесть шагов не превращают одну RTX 4090 в генератор реального времени: в тесте Rossy Laboratory пятисекундный ролик занимал 162–182 секунды. Автор больше всего отметил, как модель следует сложному промпту.
Тут есть нюанс для тех, кто выбирает модель под свой рабочий процесс. Pika называет H3 Flex быстрой и рассчитанной на творческие итерации. Однако цифры компании и локального теста получены в разных условиях, напрямую их сравнивать нельзя.
Pika H3 Flex на RTX 4090 заняла до трёх минут на короткий клип
Автор японской лаборатории Rossy Laboratory проверил модель на RTX 4090 через ComfyUI и сделал три ролика: с белой кошкой, гигантской золотой рыбкой и офисным сотрудником с зонтом. В описанном замере длина видео составляла пять секунд, а генерация занимала 162–182 секунды. Это примерно 32–36 секунд на секунду ролика.
В официальном анонсе Pika пишет о генерации быстрее реального времени. Компания приводит такой пример: для 15-секундного ролика с синхронизированным звуком может потребоваться около семи секунд вычислений трансформера на её сервисе. В японском материале отдельно сказано, что официальный замер проводили на оптимизированной инфраструктуре с B300×8. Это другой сценарий, чем запуск ComfyUI на одной RTX 4090.
Фразу «быстрее реального времени» нужно читать вместе с условиями замера. Для локального автора результат Rossy Laboratory означает, что короткое видео сгенерировать можно, но готового ролика всё равно придётся подождать.
Для запуска нужны базовая MiniMax H3 и адаптер примерно на 2 ГБ
Pika H3 Flex — дообученная версия MiniMax H3. Согласно техническому описанию Pika, модель сократили с 50 шагов denoising до шести и дополнительно обучали на качество изображения и следование инструкциям. Если MiniMax H3 уже установлена, достаточно примерно 2 ГБ адаптера — базовую модель скачивать заново не нужно.
В тесте использовали официальный T2V workflow от Comfy-Org. T2V — генерация видео из текста. В конфигурации, по описанию автора, есть базовая модель, текстовый энкодер, видео- и аудио-VAE, а также LoRA Pika H3 Flex. Адаптер работает вместе с базовой MiniMax H3 и не заменяет её.
- Проверьте, что в ComfyUI уже установлены компоненты базовой MiniMax H3.
- Скачайте адаптер Pika H3 Flex: pika_h3_flex_fl2va_v1_bf16.safetensors. В тесте он занимал около 2 ГБ.
- Откройте официальный workflow Comfy-Org для Pika H3 Flex T2V и проверьте, что в нём назначены нужные модели.
- Не ищите отдельное поле для ручного ввода шести шагов: в проверенном workflow расписание уже задано через ManualSigmas.
- Для первого прогона оставьте конфигурацию близкой к официальной и не накладывайте на неё другую Turbo LoRA.
В workflow Rossy Laboratory увидела семь значений sigma. Между ними — шесть интервалов sampling, отсюда и 6-step. Шаги заданы самой схемой, а не привычным полем Steps в KSampler. Поэтому отсутствие отдельной настройки «6» в workflow не обязательно означает ошибку.
Промпт с последовательностью событий оказался сильнее списка тегов
Самая показательная сцена в тесте — с офисным сотрудником. Он смотрит в камеру, говорит по-японски, достаёт и раскрывает зонт, поднимается вверх и роняет бумаги, а камера следует за ним. Автор оценил эту последовательность как особенно убедительную.
Для промптинга отсюда есть практичная подсказка: описывайте порядок действий, а не только объекты и стиль. Вместо набора вроде «офис, сотрудник, зонт, полёт, бумаги» задайте хронологию: кто что делает сначала, что происходит дальше и как движется камера. Точного результата это не гарантирует, но в тесте такой подход лучше совпал с сильной стороной модели.
С золотой рыбкой вышло иначе. Кошка, торговый автомат, вылетающая рыба и брызги воды — модель пыталась собрать всё в цельный кадр, но сцена выглядела как CG и VFX. Автор пробовал добавить live-action и переписать запрос с учётом prompt guidance Pika, однако ощущение компьютерной графики осталось. По одному примеру судить о всей модели рано: сюжет сам по себе фантастический.
Скоростной скачок зависит от того, с чем сравнивать
До этого теста Rossy Laboratory уже запускала MiniMax H3 с ускорениями: SageAttention, Veda Sparse Attention и 4-step Turbo LoRA. Автор отдельно отмечает, что не сравнивал прежнюю конфигурацию с Pika H3 Flex в одинаковом бенчмарке. Поэтому вывод о скорости основан на впечатлении от привычной работы, а не на контролируемом измерении.
«Скорость сама по себе не стала для меня причиной перейти на Pika H3 Flex» — так автор Rossy Laboratory передаёт своё впечатление от сравнения с уже ускоренной средой MiniMax H3.
Для тех, кто впервые запускает MiniMax H3, шесть шагов могут стать удобным способом получить более быстрый рабочий вариант. А если у вас уже настроен ускоренный workflow, повод менять основную сборку менее очевиден. Думаю, здесь интереснее проверить, как модель следует промпту, чем ждать гарантированного прироста скорости.
Pika H3 Flex стоит проверять на последовательных сценах
Тест даёт понятный ориентир для локального запуска: RTX 4090 справилась с генерацией, но на пятисекундный ролик уходило почти три минуты. Эти цифры нельзя переносить на другие GPU и сборки. Сравнение с ускоренной MiniMax H3 у автора тоже не было строгим бенчмарком.
Если у вас уже есть базовая MiniMax H3, начать можно с адаптера примерно на 2 ГБ и официального workflow. Первые промпты я бы строил как короткую цепочку действий, отдельно описав движение камеры. Потом сравнил бы время рендера и количество удачных дублей.
По тесту Pika H3 Flex не даёт мгновенного ролика на локальной RTX 4090. Зато модель показала интересный результат в сцене, где важно точно передать последовательность действий.
Мои тесты моделей и генеративные видео — в разделе работ
Источники
Pika H3 Flex Technical Deep Dive — Pika Blog
Introducing Pika H3 Flex — Pika Blog
Источникnote.com
