Pika H3 Flex Turbo : LoRAs H3 en 2, 4 et 8 étapes dans un seul fichier

Pika a livré Flex sous forme de deux adaptateurs LoRA par-dessus la base H3, et l'écosystème few-step disposait déjà de distillations turbo pour la même base. Empilez les deux et vous obtenez ce que l'auteur voulait : le mouvement post-entraîné de Pika à moitié moins d'évaluations. Empiler deux LoRAs dans un graphique ComfyUI fonctionne, mais cela demande deux chargeurs, deux widgets de force et un dossier de fichiers là où un seul suffirait ; chaque fichier ici est donc un adaptateur unique déjà fusionné.

Aucun nœud personnalisé et aucun patch de modèle. Déposez un fichier dans ComfyUI/models/loras, chargez-le avec LoraLoaderModelOnly à une force de 1.0 sur votre flux de travail H3 existant, et choisissez le nombre d'étapes pour lequel le fichier a été construit.

Adaptateur officiel Pika, six étapes	LoRA turbo à quatre étapes, même graine

Un prompt issu du clip comparatif du projet sur H3 int8 standard, découpé en ses deux panneaux : officiel six étapes à gauche, LoRA quatre étapes à droite.

Cinq prompts, même graine, 848x480 avec audio stéréo : officiel six étapes (gauche) contre LoRA quatre étapes (droite).

Un fichier par vitesse

La gamme se répartit par Transformer et par nombre d'étapes, car les deux Transformers vidéo de H3 n'ont pas le même rôle. Les fichiers de référence-vers-vidéo servent aux flux de travail de référence et aux fusions de qualité, les fichiers FL2VA aux parcours standard texte et image.

La moitié 4 étapes repose sur lightx2v v1.2 768p pour FL2VA et sur ref2v v0.1 pour Ref2VA, choisis explicitement plutôt que v1.3, que l'auteur qualifie de régression d'empilement reconnue. Le fichier 2 étapes fusionne quant à lui pDMD 2-NFE. Le style Flex est intégré à 0.5 pour les fichiers 2 et 4 étapes et à 0.6 pour la paire HD 8 étapes, la plage de force sur laquelle la communauté H3 s'est accordée pour empiler un adaptateur de style sur une distillation few-step.

Les deux fichiers lite_r32 sont une version compressée en rank 32 : une troncature exacte par produit QR qui conserve 96,1 % de l'énergie spectrale fusionnée dans 0,31 GB, soit 12,6 fois plus petit que l'adaptateur complet de 3,9 GB.

Une fusion exacte, pas une fusion approximative

La fusion additive naïve de deux LoRAs entre en collision dans la matrice B côté sortie, ce que l'auteur cite d'un article de 2026 sur la composition de LoRAs. La concaténation ne peut pas entrer en collision : chaque fichier est donc une concaténation de rangs couche par couche :

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

Le fichier fusionné est ainsi fonctionnellement identique au chargement des deux adaptateurs empilés, par construction et non par ajustement. L'auteur l'a vérifié numériquement couche par couche avant le téléversement, avec une erreur relative maximale d'environ 2,6e-7 après un aller-retour en bf16, puis l'a revérifié de bout en bout sur GPU avec les clips ci-dessous.

Vitesse mesurée

Même base, même graine, même prompt, CFG 1, 848x480 sur 121 frames avec audio stéréo :

Le coût par étape est identique sur une même carte, environ 7 s/étape sur H200 et 12,5 s/étape sur A100 : tout le gain vient donc du nombre réduit d'évaluations, et non d'une étape moins coûteuse.

Où ça casse

• Le fichier 2 étapes est un outil de brouillon. Dans le premier lot de tests de l'auteur, 4 promotions sur 5 ont tenu. Utilisez-le pour itérer le cadrage et le mouvement, puis rendez les versions finales à 4 ou 8 étapes.
• L'audio se dégrade en dessous de six étapes, ce qui vaut pour toutes les versions turbo de H3. C'est pire à 2 étapes : rendez à 4 étapes ou plus si la bande-son compte.
• Les nombres d'étapes ne sont pas interchangeables. Les fichiers 4 étapes sont réglés pour exactement 4 étapes et la paire HD 8 étapes donne le meilleur d'elle-même entre 6 et 8.
• N'empilez pas d'autres adaptateurs forts par-dessus. Ajouter des LoRAs de style ou de mouvement puissants à forte intensité sur les fichiers 2 et 4 étapes annule l'intérêt de la fusion.

L'auteur les utilise aussi sur des fusions de qualité comme Singularity, où le fichier Ref2VA 4 étapes est l'association recommandée, et rapporte que la combinaison est à la fois plus rapide et plus belle que le Pika officiel à six étapes dans le clip ci-dessous.

Le test de stress à forte action : arts martiaux et descente en skateboard, officiel six étapes (gauche) contre LoRA quatre étapes (droite). Les modèles few-step sont les plus faibles sur les mouvements rapides, c'est donc le clip à examiner.

Dans ComfyUI

1. Copiez le fichier correspondant à votre Transformer dans ComfyUI/models/loras. Les fichiers Ref2VA pour les flux de travail de référence et les fusions de qualité, les FL2VA pour le texte et l'image vers vidéo standard.
2. Chargez votre flux de travail MiniMax H3 habituel et ajoutez LoraLoaderModelOnly à une force de 1.0.
3. Échantillonnez à 2, 4 ou 8 étapes selon le fichier, CFG 1.0, avec euler, lcm ou res_multistep et le scheduler simple. Flow shift 6.0 pour FL2VA et 12.0 pour Ref2VA, audio shift 3.0.

Le référentiel fournit aussi un dossier scripts/ avec les scripts de rendu cinq-en-un et de balayage d'échantillonneur utilisés pour produire les comparaisons, plus sampler_sweep_results.json si vous voulez reproduire un panneau précis. Les fichiers se chargent via n'importe quel chargeur compatible H3, donc Diffusers fonctionne aussi, et les mêmes adaptateurs tournent sur les builds H3 int8 et GGUF.

Disponibilité

• akhaliq/Pika-H3-Flex-Turbo-LoRA sur Hugging Face, avec les sept adaptateurs, six clips de comparaison et les scripts de rendu
• Construit sur Pika H3 Flex, lightx2v/Minimax-h3-Turbo et pDMD 2-NFE par-dessus la base MiniMax H3
• Les images de cet article sont tirées des clips de comparaison du projet