Pika H3 Flex Turbo: LoRA для H3 на 2, 4 и 8 шагов в одном файле

Pika выпустила Flex как два LoRA-адаптера поверх базы H3, а в мире few-step уже были turbo-дистилляты для той же базы. Сложите оба, и получите то, чего хотел автор: движение, дообученное Pika, при вдвое меньшем числе вычислений. Стекирование двух LoRA в графе ComfyUI работает, но требует двух загрузчиков, двух виджетов силы и папки файлов там, где хватило бы одного, поэтому каждый файл здесь это единый объединённый адаптер.

Никаких пользовательских нод и никаких патчей модели. Поместите один файл в ComfyUI/models/loras, загрузите его через LoraLoaderModelOnly с силой 1.0 в вашем существующем рабочем процессе H3 и выберите число шагов, под которое собран файл.

Официальный адаптер Pika, шесть шагов	Четырёхшаговая turbo LoRA, тот же seed

Один промпт из сравнительного клипа проекта на стоковом int8 H3, разбитый на две панели: официальный шестишаговый вариант слева, четырёхшаговая LoRA справа.

Пять промптов, тот же seed, 848x480 со стереоаудио: официальный шестишаговый вариант (слева) против четырёхшаговой LoRA (справа).

Один файл на каждую скорость

Линейка делится по трансформеру и числу шагов, потому что два видео-трансформера H3 выполняют разные задачи. Файлы reference-to-video предназначены для рабочих процессов по референсу и качественных слияний, файлы FL2VA для штатных путей «текст в видео» и «изображение в видео».

Четырёхшаговая половина это lightx2v v1.2 768p для FL2VA и ref2v v0.1 для Ref2VA, выбранные намеренно вместо v1.3, которую автор называет признанной регрессией при стекировании. Двухшаговый файл вместо этого объединяет pDMD 2-NFE. Стиль Flex вшит с силой 0.5 для файлов на 2 и 4 шага и 0.6 для пары 8-step HD: это тот диапазон силы, к которому пришло сообщество H3 при стекировании стилевого адаптера поверх few-step дистиллята.

Два файла lite_r32 это сжатая сборка ранга 32: точное усечение QR-произведения, сохраняющее 96.1% спектральной энергии объединённого адаптера при 0.31 GB, что в 12.6 раза меньше полного адаптера на 3.9 GB.

Точное объединение, а не приблизительное слияние

Наивное аддитивное слияние двух LoRA конфликтует в выходной B-матрице, на что автор ссылается по статье 2026 года о композиции LoRA. Конкатенация конфликтовать не может, поэтому каждый файл это послойная конкатенация рангов:

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

Благодаря этому объединённый файл функционально идентичен загрузке обоих адаптеров вместе, по построению, а не по подгонке. Автор проверил это численно послойно до загрузки, с худшей относительной ошибкой около 2.6e-7 после bf16 round-trip, а затем перепроверил сквозным образом на GPU с помощью клипов ниже.

Измеренная скорость

Одна и та же база, тот же seed, тот же промпт, CFG 1, 848x480 при 121 кадре со стереоаудио:

Стоимость шага на одной и той же карте одинакова, около 7 с/шаг на H200 и 12.5 с/шаг на A100, значит вся экономия происходит от меньшего числа вычислений, а не от более дешёвого шага.

Где это ломается

• Двухшаговый файл это инструмент для черновиков. В первой тестовой партии автора 4 из 5 повышений выдержали проверку. Используйте его для перебора кадрирования и движения, а финальный рендер делайте на 4 или 8 шагах.
• Аудио деградирует ниже шести шагов, и это верно для любого turbo для H3. Хуже всего на 2 шагах, поэтому рендерите на 4 шагах и больше, если звуковая дорожка важна.
• Число шагов не взаимозаменяемо. Файлы на 4 шага настроены ровно на 4 шага, а пара 8-step HD лучше всего работает на 6-8 шагах.
• Не накладывайте сверху дополнительные сильные адаптеры. Добавление тяжёлых стилевых или motion-LoRA с высокой силой к файлам на 2 и 4 шага сводит на нет смысл объединения.

Автор также запускает их на качественных слияниях, таких как Singularity, где推荐的 пара это 4-шаговый файл Ref2VA, и сообщает, что в клипе ниже такая комбинация и быстрее, и выглядит лучше официального Pika на шести шагах.

Стресс-тест на высоком движении: боевые искусства и заезд на скейтборде, официальный шестишаговый вариант (слева) против четырёхшаговой LoRA (справа). Few-step модели слабее всего на быстром движении, так что судить стоит по этому клипу.

В ComfyUI

1. Скопируйте файл, соответствующий вашему трансформеру, в ComfyUI/models/loras. Файлы Ref2VA для рабочих процессов по референсу и качественных слияний, FL2VA для штатных путей «текст в видео» и «изображение в видео».
2. Загрузите ваш обычный рабочий процесс MiniMax H3 и добавьте LoraLoaderModelOnly с силой 1.0.
3. Выполняйте выборку на 2, 4 или 8 шагах в соответствии с файлом, CFG 1.0, с euler, lcm или res_multistep и планировщиком simple. Flow shift 6.0 для FL2VA и 12.0 для Ref2VA, audio shift 3.0.

Репозиторий также содержит папку scripts/ со скриптами пятистороннего рендера и перебора сэмплеров, использованными для создания сравнений, а также sampler_sweep_results.json, если вы хотите воспроизвести конкретную панель. Файлы загружаются через любой H3-совместимый загрузчик, так что Diffusers тоже подходит, и те же адаптеры работают на int8 и GGUF сборках H3.

Доступность

• akhaliq/Pika-H3-Flex-Turbo-LoRA на Hugging Face: семь адаптеров, шесть сравнительных клипов и скрипты рендера
• На основе Pika H3 Flex, lightx2v/Minimax-h3-Turbo и pDMD 2-NFE поверх базы MiniMax H3
• Кадры в этой статье взяты из собственных сравнительных клипов проекта