Pika H3 Flex in ComfyUI: video e audio in 6 passi (e la licenza)

Il 29 ottobre Pika ha pubblicato Pika H3 Flex, e la parte che interessa a chi usa Pika H3 Flex in ComfyUI è semplice da dire: video con audio sincronizzato in 6 passi invece di 50, con pesi aperti e tre workflow pronti nella libreria dei template. Chi genera video con l'AI conosce bene il problema: ogni prova costa minuti (o crediti), e la scena giusta arriva dopo dieci tentativi. Un modello che accorcia ogni tentativo cambia il modo di lavorare, non solo i tempi.

Ti raccontiamo come la pensiamo noi. Lavoriamo con l'AI generativa dal 2024 e oggi usiamo ComfyUI su una normalissima RTX 3060 da 12 GB, quindi quando leggiamo "open source" la prima domanda è sempre: posso usarlo davvero, qui, sulla mia scheda e per i miei lavori? Con Pika H3 Flex la risposta onesta ha due parti. La tecnica è promettente. La licenza, per chi lavora dall'Italia, è il vero ostacolo, e nessuno degli articoli che abbiamo letto lo dice chiaramente. Non l'abbiamo ancora provato: qui trovi i dati ufficiali, controllati sulle fonti.

Scheda rapida

Cos'è Pika H3 Flex e cosa cambia rispetto a MiniMax H3?

Pika H3 Flex è MiniMax H3 ri-addestrato da Pika per generare in 6 passi invece dei 50 del modello originale, mantenendo video e audio nella stessa generazione. Secondo l'annuncio ufficiale, crea clip da 5 a 15 secondi a 480p o 768p, 24 fotogrammi al secondo, con audio stereo sincronizzato.

In pratica non è un modello nuovo da zero: sono due LoRA (piccoli file che modificano il comportamento di un modello già esistente) da applicare sopra MiniMax H3, che abbiamo già raccontato nell'articolo su MiniMax H3 Singularity V2 in ComfyUI. Le due LoRA sono:

• FL2VA: video da testo, da un primo fotogramma, da un ultimo fotogramma o da entrambi;
• Ref2VA: video da riferimenti, fino a 12 file (9 immagini, 3 video, 3 clip audio), utile per mantenere un personaggio, trasferire un movimento o cambiare un soggetto.

Il documento tecnico spiega che la riduzione dei passi è stata ottenuta con una tecnica di distillazione chiamata PDMD, poi rifinita con altre due LoRA "di gusto" (ReFL e DPO) già fuse nel risultato. Su DesignArena, una classifica basata sui voti degli utenti, Pika H3 Flex è entrato al 7° posto nel text-to-video ed è il primo tra i modelli a pesi aperti. I confronti pubblicati sul blog, invece, li ha fatti Pika stessa: vanno presi come dati del produttore. Pika ammette anche i limiti: fisica, coerenza tra più scene e controllo dei riferimenti complessi sono ancora da migliorare.

Davvero genera "più veloce del tempo reale"?

Sì, ma solo in condizioni da laboratorio e solo per una parte del calcolo. La frase che gira sui social, "15 secondi di video in 7 secondi", in una nota dell'annuncio si riferisce al solo calcolo del transformer (il "cervello" del modello) per una clip a 768p, misurato su server con otto GPU B300. Non è il tempo totale, e non è il tempo che vedrai sul tuo PC.

Il dato più vicino a una scheda "da creativo" è quello del tutorial ufficiale di ComfyUI: una clip di 5 secondi a 1344×768 in circa un minuto "su una singola scheda", senza dire quale. Un tester citato da ComfyUI Wiki ha ottenuto un video a 2560×1440 in 3 minuti e 17 secondi, con una prima passata a 6 passi, un ingrandimento e una seconda passata a 4 passi, ma senza indicare l'hardware.

Attenzione anche a cosa resta sul server di Pika: l'ingrandimento a 1080p, 2K e 4K, la separazione dell'audio in cinque tracce (dialoghi, musica, effetti, foley, ambiente) e il miglioramento automatico del prompt non sono nei pesi aperti. In locale hai 480p e 768p con audio stereo unico.

Come si usa Pika H3 Flex in ComfyUI?

Si usa con i tre template ufficiali nella sezione Video della libreria dei template di ComfyUI: video_pika_h3_flex_t2v (solo testo), video_pika_h3_flex_fl2va (primo e ultimo fotogramma) e video_pika_h3_flex_ref2va (riferimenti). Il template da testo richiede ComfyUI 0.43.2, versione uscita il 30 ottobre; gli altri due funzionano dalla 0.30.0. Se sei all'inizio, la nostra guida introduttiva a ComfyUI spiega come aggiornare e caricare un template.

I file sono gli stessi dei template MiniMax H3 già esistenti, più le due LoRA nuove (circa 2 GB l'una in BF16): il modello base ridotto in INT8 (un formato compresso che dimezza circa il peso rispetto al BF16) va in models/diffusion_models, le LoRA in models/loras, il codificatore di testo Qwen3-VL in models/text_encoders e i due VAE (i decodificatori che trasformano il risultato in immagini e suono) in models/vae.

Le impostazioni non vanno toccate a caso: sampler LCM con sigma manuali, CFG 1.0, forza della LoRA a 1.0. Il tutorial avverte che aggiungere un'altra LoRA di accelerazione (Turbo o Lightning) "rompe" il risultato, e che un normale sampler impostato a 6 passi non riproduce lo schema di Pika. Un'altra nota onesta: nel README Pika scrive di aver verificato la conversione dei file, ma non un render completo in ComfyUI. Qualche differenza rispetto al loro motore è possibile.

Quanta VRAM serve per Pika H3 Flex?

Nessuno lo ha dichiarato. Né Pika né ComfyUI indicano la VRAM (la memoria della scheda video) necessaria; la scheda del modello su Hugging Face parla di test su una H100 da 80 GB, e i componenti base in formato Diffusers occupano circa 210 GB su disco.

Possiamo solo fare due conti sui file: il modello base ridotto pesa circa 21 GB in INT8 e circa 16 GB nella versione w6a8, a cui si aggiunge il codificatore di testo. Su una scheda da 12 GB come la nostra, quindi, ComfyUI dovrebbe spostare parte del modello nella RAM di sistema (l'"offload"), con tempi più lunghi e la necessità di tanta memoria nel PC. Esistono progetti come FreeVideo che dichiarano di far girare MiniMax H3 con 8 GB, ma nessuno ha ancora mostrato una combinazione con le LoRA Flex. Se stai valutando un aggiornamento, nella nostra guida alle migliori GPU per l'AI trovi il ragionamento sulla memoria.

Pika H3 Flex si può usare in Italia per lavoro?

Con la licenza pubblica no, e nemmeno per uso personale in locale. I pesi sono distribuiti con la MiniMax H3 Community License, la stessa del modello base: nel testo incluso nel repository, i "territori esclusi" sono Unione Europea, Regno Unito, Corea del Sud e Stati Uniti, e l'uso dei pesi o dei loro risultati fuori dal territorio consentito "non è autorizzato".

Ci dispiace scriverlo, perché sulla carta è uno dei modelli video aperti più interessanti del momento. Ma "pesi aperti" non vuol dire "libero per tutti". La licenza prevede che chi si trova nei territori esclusi possa chiedere a MiniMax una licenza separata; fuori dai territori esclusi, invece, l'uso commerciale è permesso sotto i 20 milioni di dollari di fatturato annuo, mostrando la dicitura "MiniMax H3". Il servizio online di Pika ha condizioni proprie, che vanno lette a parte. Se il tema ti interessa, nel nostro articolo su video con l'AI in locale o online trovi pro e contro delle due strade.

Da provare subito

Prima di scaricare decine di gigabyte, ti consigliamo questi passi:

1. Leggi la licenza: apri il file LICENSE nel repository di Pika e controlla se il tuo caso d'uso è coperto. Dall'Italia, senza un accordo con MiniMax, non lo è.
2. Guarda il video di lancio "Introducing Pika H3 Flex" sul canale YouTube di Pika per farti un'idea della qualità reale prima di investire tempo.
3. Controlla lo spazio: tra modello base, codificatore di testo, VAE e LoRA servono diverse decine di GB liberi su un SSD.
4. Se puoi usarlo, aggiorna ComfyUI alla 0.43.2, apri il template video_pika_h3_flex_t2v e parti da una clip di 5 secondi a 480p: lascia invariati sigma, CFG e forza della LoRA, e cambia solo il prompt.

Per confrontarlo con le alternative senza vincoli territoriali, il nostro vademecum dei modelli AI per video in ComfyUI raccoglie licenze e requisiti dei principali modelli.

Le altre novità

• MiniMax H3 più veloce da decodificare: il 28 ottobre sono entrati nel codice di ComfyUI l'upscaler latente per H3 e il supporto a Sol-H3-VAE, che secondo la scheda del modello decodifica 5 secondi di video a 768p in 5 secondi invece di 12,5 su una RTX 5090 (GitHub). Le modifiche sono state unite dopo la versione 0.43.1.
• StableGen 0.4.0: l'add-on gratuito (GPL-3.0) che texturizza i modelli 3D in Blender usando ComfyUI, uscito il 28 ottobre, aggiunge la modifica di una zona dipinta, il rigging automatico e Qwen Image 2.1 (GitHub).

Domande frequenti

Pika H3 Flex è open source?

È più corretto dire "a pesi aperti". Pika ha pubblicato i file del modello e il codice di inferenza, ma i pesi seguono la MiniMax H3 Community License, che esclude alcuni territori e pone condizioni commerciali. Solo il codice d'esempio è in Apache 2.0. Upscale, tracce audio separate e prompt migliorato restano sul servizio a pagamento.

Che differenza c'è tra Pika H3 Flex e MiniMax H3?

Pika H3 Flex usa MiniMax H3 come base e aggiunge due LoRA che riducono i passi da 50 a 6, con un addestramento extra sulla qualità di video e audio. In ComfyUI i file del modello base sono gli stessi: cambiano le LoRA e le impostazioni del campionatore, che vanno lasciate come nei template ufficiali.

Pika H3 Flex arriva al 4K in locale?

No. In locale genera a 480p e 768p; l'ingrandimento a 1080p, 2K e 4K è un servizio di Pika. In ComfyUI si può ingrandire con altri strumenti, per esempio l'upscaler latente per H3 appena aggiunto al codice, ma il risultato non è quello del motore di Pika.

Quando arriva nell'app di Pika?

Secondo l'annuncio del 29 ottobre, Flex arriva nel prodotto di Pika dal 2 novembre, oltre che tramite API. I prezzi non sono indicati nell'annuncio e vanno controllati sulla pagina ufficiale. Il servizio online ha condizioni d'uso proprie, diverse dalla licenza dei pesi.

Se vuoi seguire le novità sui modelli che puoi usare davvero, trovi tutti i nostri articoli nella sezione ComfyUI e i video pratici sul canale YouTube @tutorial3d, con i workflow gratuiti da scaricare.