Pika H3 Flex Turbo: LoRAs H3 de 2, 4 y 8 pasos en un solo archivo

Pika lanzó Flex como dos adaptadores LoRA sobre la base H3, y el terreno de pocos pasos ya contaba con destilados turbo para esa misma base. Apila ambos y obtienes lo que el autor buscaba: el movimiento post-entrenado de Pika con la mitad de evaluaciones. Apilar dos LoRAs en un gráfico de ComfyUI funciona, pero exige dos cargadores, dos widgets de fuerza y una carpeta de archivos donde bastaría con uno, así que cada archivo de aquí es un único adaptador fusionado.

Sin Nodos Personalizados y sin parches de modelo. Copia un archivo en ComfyUI/models/loras, cárgalo con LoraLoaderModelOnly a fuerza 1.0 en tu flujo de trabajo H3 existente y elige el número de pasos para el que se creó el archivo.

Adaptador oficial de Pika, seis pasos	LoRA turbo de cuatro pasos, misma semilla

Un prompt del clip comparativo del proyecto sobre H3 int8 estándar, dividido en sus dos paneles: oficial de seis pasos a la izquierda, el LoRA de cuatro pasos a la derecha.

Cinco prompts, la misma semilla, 848x480 con audio estéreo: oficial de seis pasos (izquierda) frente al LoRA de cuatro pasos (derecha).

Un archivo por velocidad

La línea se divide por transformador y número de pasos, porque los dos transformadores de vídeo de H3 hacen trabajos distintos. Los archivos Reference-to-video son para flujos de trabajo con referencia y fusiones de calidad; los archivos FL2VA, para las rutas estándar de texto e imagen.

La mitad de 4 pasos es lightx2v v1.2 768p para FL2VA y ref2v v0.1 para Ref2VA, elegidos explícitamente en lugar de v1.3, que el autor califica como una regresión de apilado reconocida. El archivo de 2 pasos fusiona en su lugar pDMD 2-NFE. El estilo Flex está integrado a 0.5 en los archivos de 2 y 4 pasos y a 0.6 en el par HD de 8 pasos, el rango de fuerza que la comunidad de H3 adoptó para apilar un adaptador de estilo sobre un destilado de pocos pasos.

Los dos archivos lite_r32 son una compilación comprimida de rango 32: truncación exacta por producto QR que conserva el 96.1% de la energía espectral fusionada en 0.31 GB, 12.6 veces más pequeño que el adaptador completo de 3.9 GB.

Fusión exacta, no una mezcla aproximada

La fusión aditiva ingenua de dos LoRAs colisiona en la matriz B del lado de salida, algo que el autor cita de un artículo de 2026 sobre composición de LoRA. La concatenación no puede colisionar, así que cada archivo es una concatenación de rangos por capa:

B_fused @ A_fused  ==  s·(B_flex @ A_flex) + 1.0·(B_turbo @ A_turbo)

Eso hace que el archivo fusionado sea funcionalmente idéntico a cargar ambos adaptadores apilados, por construcción y no por ajuste. El autor lo verificó numéricamente capa por capa antes de subirlo, con un peor error relativo de aproximadamente 2.6e-7 tras una ronda bf16, y luego lo volvió a verificar de extremo a extremo en GPU con los clips de abajo.

Velocidad medida

Misma base, misma semilla, mismo prompt, CFG 1, 848x480 a 121 fotogramas con audio estéreo:

El coste por paso es idéntico en la misma tarjeta, unos 7 s/paso en H200 y 12.5 s/paso en A100, así que todo el ahorro proviene de necesitar menos evaluaciones y no de un paso más barato.

Dónde falla

• El archivo de 2 pasos es una herramienta de borrador. En el primer lote de pruebas del autor, 4 de 5 promociones se mantuvieron. Úsalo para iterar el encuadre y el movimiento y luego renderiza los finales a 4 u 8 pasos.
• El audio se degrada por debajo de seis pasos, algo cierto en todos los turbo de H3. Empeora a 2 pasos, así que renderiza a 4 o más si la banda sonora importa.
• Los recuentos de pasos no son intercambiables. Los archivos de 4 pasos están ajustados a exactamente 4 pasos y el par HD de 8 pasos rinde mejor entre 6 y 8.
• No apiles más adaptadores fuertes encima. Añadir LoRAs de estilo o movimiento pesados a alta fuerza sobre los archivos de 2 y 4 pasos anula el propósito de la fusión.

El autor también los ejecuta sobre fusiones de calidad como Singularity, donde el archivo Ref2VA de 4 pasos es el par recomendado, y reporta que la combinación es tanto más rápida como mejor visualmente que el Pika oficial a seis pasos en el clip de abajo.

La prueba de estrés de alta acción: una rutina de artes marciales y una de skate, oficial de seis pasos (izquierda) frente al LoRA de cuatro pasos (derecha). Los modelos de pocos pasos son más débiles en movimiento rápido, así que este es el clip con el que hay que juzgar.

En ComfyUI

1. Copia el archivo que coincida con tu transformador en ComfyUI/models/loras. Los archivos Ref2VA para flujos de trabajo con referencia y fusiones de calidad; los FL2VA para las rutas estándar de texto e imagen a vídeo.
2. Carga tu flujo de trabajo habitual de MiniMax H3 y añade LoraLoaderModelOnly con fuerza 1.0.
3. Muestrea a 2, 4 u 8 pasos según el archivo, con CFG 1.0, usando euler, lcm o res_multistep y el scheduler simple. Flow shift 6.0 para FL2VA y 12.0 para Ref2VA, audio shift 3.0.

El repositorio también incluye scripts/ con los scripts de renderizado de cinco vías y de barrido de muestreadores usados para producir las comparaciones, además de sampler_sweep_results.json si quieres reproducir un panel concreto. Los archivos se cargan mediante cualquier cargador compatible con H3, así que Diffusers también funciona, y los mismos adaptadores se ejecutan en compilaciones H3 int8 y GGUF.

Disponibilidad

• akhaliq/Pika-H3-Flex-Turbo-LoRA en Hugging Face, con los siete adaptadores, seis clips de comparación y los scripts de renderizado
• Construido sobre Pika H3 Flex, lightx2v/Minimax-h3-Turbo y pDMD 2-NFE sobre la base MiniMax H3
• Los fotogramas de este artículo provienen de los propios clips de comparación del proyecto