Pika 的 H3 Flex 是在 MiniMax H3 基础上做后训练,卖点是六步采样。步数从几十步降到六步,这不只是快,是成本结构变了。
采样步数为什么影响成本?
扩散模型的每一步都要跑一次网络。步数少,算力省,延迟低。
六步意味着单条视频的算力成本可能降到原来的几分之一。
少步数会损失什么?
损失细节和稳定性。步数太少,纹理容易糊,运动容易抖。
所以关键不是步数少,是少步数下还能不能保住质量。这靠后训练补。
后训练补的是什么?
补的是分布对齐。让模型在少步数的情况下,也能走到接近多步数的结果。
这相当于把一部分计算从推理阶段挪到了训练阶段。训练一次,推理一直省。
六步适合什么场景?
三类。批量生成,成本敏感。快速预演,看构图和节奏。短视频素材,时长短、容错高。
三类共同点:不需要极致细节。
不适合什么场景?
三类。大屏投放,细节要求高。慢镜头,抖动明显。精细产品展示,纹理不能糊。
三类都需要更多步数或后期修。
怎么测质量?
三步。第一,同提示词分别跑六步和三十步。第二,放大看纹理和边缘。第三,看运动段落的连贯性。
第三步最关键。少步数最容易在运动上出问题。
成本怎么算?
算单条成本和废片率。单条便宜但废片多,总成本未必低。
建议按有效成片算,别按调用次数算。
这类优化的趋势是什么?
趋势是把推理成本往下压,把训练成本往上加。因为训练是一次性的,推理是持续的。
对使用者来说,这意味着单价会继续降,但模型差异会更多体现在训练质量上。
这篇的核心结论是什么?
六步采样的意义不是快,是把成本从每次调用挪到一次性训练。省下来的是长期账单。
还有哪些需要留意的点?
具体步数配置与质量表现以官方为准。少步数方案建议先小批量验证。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论