Pika Enact라고 적힌 타이틀 카드에 “아직 사용할 수 없는 리서치 프리뷰”라는 부제가 붙어 있고, 세 개의 칩에는 각각 2026년 11월 18일 발표, Pika H3 Flex 기반, 재생보다 1.8배 빠름이라고 적혀 있으며, 추가로 H100에서 0.4초 미만의 응답 속도를 보이는 Live Staging과 8대의 B300에서 640x480으로 구동되는 Live Camera Control을 대조하는 두 개의 카드가 있습니다.
Guides & Insights

Pika Enact는 재생 속도보다 더 빠르게 생성한다 — 하지만 아직 사용할 수 없다

작성자

Elias Hawthorne

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

에 관한 Pika의 발표에서 중요한 문장은Pika Enact 마우스로 배우를 끌어다 놓는 내용에 관한 문장이 아니다. 바로 이것이다: "현재 Enact는 연구 미리보기 버전으로, 소비자용으로는 사용할 수 없습니다." 대기자 명단도, 가입 절차도, 가격 페이지도, 데모 빌드도 없다. 게시물에서 유일한 경로는 기업 상담용 이메일 주소뿐이다. 나머지 모든 것 — 세 가지 연출 모드, 지연 수치, 8-B300 노드 — 은 11월 19일에 읽을 수는 있어도 만질 수는 없는 것을 설명한다.

그래도 이건 충분히 쓸 만한 이야기입니다. Enact가 무엇 위에 세워졌는지를 따져보면 말이죠. 이 시스템을 떠받치는 것은 Pika H3 Flex, 즉 피카가 MiniMax H3를 후속 학습시킨 버전입니다. H3 Flex는 10월 29일부터 Hugging Face에 오픈 웨이트를 공개해 왔습니다. 그래서 이 데모의 밑바탕에 있는 모델 패밀리는 직접 살펴볼 수 있고, H3의 경우에는 오늘 당장 호출할 수도 있습니다. 문제는 Enact가 그렇지 않다는 점입니다. 다음은 피카가 11월 18일에 실제로 공개한 내용, 그 숫자들이 뜻하는 바, 그리고 그중 무엇을 측정치가 아닌 제품 주장으로 받아들여야 하는지입니다.

Pika가 공개한 것, 그리고 의도적으로 빠뜨린 것

Pika's own blog post Research Preview: Pika Enact, dated 18 November 2026, showing the headline, the summary line about talking to your cast and shaping scenes as they unfold, and the three named interaction modes Live Staging, Live Actor Direction and Live Camera Control.

두 자료 모두 2026년 11월 18일로 타임스탬프가 찍혀 있습니다. pika.art의 "Research Preview: Pika Enact"라는 제목으로 Research에 분류된 블로그 게시물과 18:53 UTC에 @pika_labs 계정에서 올라온 게시물입니다. 둘 다 같은 내용을 같은 순서로 말합니다: 이것은 실험이고, 촬영장에서의 연출을 모방하며, 이용할 수 없습니다.

이 글은 Enact를 모델이 아니라 "실험적인 라이브 스트리밍 환경"이라고 설명한다. 이 구분은 마케팅용 완곡한 표현이 아니라 정확한 설명이다. Enact는 증류된 생성기를 감싼 서빙 및 제어 시스템이다. 한 부분은 마우스나 음성으로 하는 행동을 조건화 신호로 바꾸고, 다른 부분은 장면 상태를 이어서 전달하면서 1초 미만의 청크로 비디오와 오디오를 내보낸다. 버전 번호와 컨텍스트 창을 가진 단일 "Enact 모델"은 존재하지 않는다. 비디오 모델, 스크립트 모델, 그리고 이들과 사용자 사이의 수많은 연결 장치가 있을 뿐이다.

게시물에 포함되지 않은 내용(11월 19일 확인 기준):

• 엔드포인트, 모델 ID 또는 API 참조가 없습니다. Pika의 문서는 로그인 뒤에 있으며, 공개 사이트 어디에도 Enact를 호출 가능한 모델로 노출하지 않습니다.

• 가격 없음. 초당 요금도, 크레딧 비용도, 엔터프라이즈 요금제도 없습니다. 유일한 상업적 세부 정보는 연락처 주소입니다.

• 대기자 명단이나 얼리 액세스 신청 양식이 없습니다. 거의 항상 이메일을 수집하는 일반적인 연구 프리뷰 플레이북과 비교해 보세요.

• 라이브 스테이징 또는 라이브 액터 디렉션에 대한 해상도 수치는 없습니다. 카메라 모드만 해당 수치가 있으며, 이는 아래에서 논의되는 숫자입니다.

• 독립적인 평가 없음. 게시물의 모든 수치는 Pika 자체 측정치로, Pika 하드웨어에서 측정되었으며 공개된 평가 하네스나 프롬프트 세트가 없습니다.

대기자 명단이 없다는 점을 이번 발표 전체에서 가장 강력한 신호로 받아들이세요. 외부인을 곧 들여보낼 생각이 있는 회사는 보통 문을 만들어 두는 법입니다.

세 가지 모드, 전혀 다른 세 가지 컴퓨팅 비용

이 글은 Enact를 세 가지 인터랙션으로 구분하는데, 이들은 같은 기능을 세 가지 관점에서 본 것이 아니다. 각각은 고유한 하드웨어 프로파일과 고유한 속도 배율, 고유한 학습 파이프라인을 갖고 있으며, 이는 이 셋이 독립적으로 만들어져 나중에 급히 이어 붙여졌음을 잘 보여주는 정황이다.

Live Staging은 마우스로 드래그하는 모드입니다. 재생 중인 영상 속 배우나 사물을 붙잡아 움직이면 포즈, 조명, 그림자가 따라옵니다. Pika에 따르면 단일 서버에서 '재생 속도보다 1.8배 빠르게' 생성되며, 디코딩을 포함해 H100에서 '0.4초 이내'에 화면이 반응한다고 합니다. 이 방식은 24fps 마우스 상태, 공간적 그랩 히트맵, 손대지 않은 원본 영상이라는 세 가지 프레임 정렬 신호를 제로 초기화된 모듈을 통해 주입하는데, 이는 고정된 생성기에 새로운 제어 채널을 덧붙이면서 기존 기능을 망가뜨리지 않는 표준적인 요령입니다.

Live Actor Direction은(는) 발표에서 가장 먼저 내세우는 기능이며, 세 가지 중 가장 복잡합니다. 노트를 타이핑하거나 말하면 배우가 캐릭터에 맞춰 이를 인지하고 활용하며, 대사는 “그대로 기록”되어 나중 노트가 이전 노트를 참조할 수 있습니다. 그다음 “Action”이라고 말하면 리허설은 “첫 프레임부터 새로 촬영한 한 번의 깔끔한 테이크”로 압축됩니다. 내부적으로는 두 개의 모델이 루프를 이룹니다. 음성 노트를 도구 호출을 통해 구조화된 비트로 바꾸는 스크립트 모델과, 그 비트를 연기하는 실시간 비디오 모델입니다. Pika는 생성 속도를 “재생 속도보다 1.75배 빠르다”고 설명합니다.

Live Camera Control 모드는 가장 돋보이지 않아 오히려 가장 유용한 수치를 보여 주는 모드입니다. 생성 중에 가상 카메라를 궤도 회전, 패닝 또는 돌리할 수 있으며, Pika에 따르면 외관 이미지와 가벼운 3D 모션 프록시만 있으면 됩니다. 텍스처가 없는 Blender 뷰포트로도 충분합니다. 이는 "8×NVIDIA B300 노드"에서 "640×480 @ 24 fps"로 실행되며, 초기 프레임을 0.51초에 렌더링한 다음 "0.708초 청크당 0.473초, 즉 실시간 대비 1.50배"로 렌더링합니다.

저 세 가지 배율을 순서대로 읽어 보세요: 1.8×, 1.75×, 1.50×. 이것들은 효과를 위해 고른 여유 수치가 아닙니다. 스트리밍 시스템이 클록보다 앞서 유지되는 여유폭이며, 카메라 모드는 그중 가장 얇은 여유를 가집니다. 소비자가 기대하는 프레임 크기의 4분의 1에서 8-GPU 노드를 유지하는 모드이기도 하기 때문입니다.

왜 "재생되는 것보다 빠르다"가 전체 트릭인가

비디오 모델은 일반적으로 스트리밍하지 않습니다. 전체 클립의 노이즈를 제거한 뒤 완성된 결과물을 넘겨줍니다. 그런 방식에서는 상호작용적 연출이 불가능합니다. 장면이 보기도 전에 이미 결정되어 있기 때문입니다. Pika의 해결책은 점진적 개선이 아니라 구조적이며, 해당 게시물은 이에 대해 이례적으로 구체적으로 설명합니다:

• 청킹 — 출력은 "표준 0.7초, 저지연 0.17초"의 인과적 청크로 내보내집니다. 0.17초라는 수치가 스테이징에서 0.4초 미만 응답을 가능하게 하는 요소입니다. 청크가 더 크면 드래그가 보이기까지 더 오래 기다려야 합니다.

• 슬라이딩 KV 캐시 — 컨텍스트는 프롬프트, 소스 비디오, 첫 번째 청크 및 가장 최근 청크 4개를 유지합니다. 오래된 청크는 밀려나므로 세션 길이에 따라 증가하지 않고 청크당 비용이 일정하게 유지됩니다.

• 기준을 재설정한 위치 임베딩 — Pika의 표현은 “일정한 비용의 무한 세션”입니다. 같은 아이디어, 다른 메커니즘: 참조 프레임이 계속 이동하므로 모델은 위치 인덱스가 바닥나는 일이 없습니다.

• 증류 — 샘플러는 "20단계에서 단 몇 단계로" 줄어들며, 학습 가능한 크리틱과 전체 클립 교사를 갖춘 "자기 강제 분포 매칭 증류(DMD)"를 사용합니다. 20단계 모델은 24fps를 달성할 수 없지만, 3~4단계 모델은 가능합니다.

• 드리프트 가드 — 오프닝 앵커 프레임이 유휴 장면을 시작 지점 쪽으로 다시 끌어올 수 있고, "Real-Time Director"는 주기적인 홀드 비트를 조용히 주입합니다. 이는 이렇게 자기회귀적인 시스템이 그대로 두면 표류하기 때문이며, 해결책은 재학습이 아니라 살짝 밀어주도록 두는 것입니다.

그중 어느 것도 개별적으로 보면 이례적이지 않다. 이례적인 것은 그 모든 것이 출력 품질이 아니라 동일한 제약, 즉 생성을 재생보다 앞서 유지하는 것을 겨냥한다는 점이다. 바로 그렇기 때문에 샘플 클립은 아무리 좋아도 이 발표에서 흥미로운 부분이 아니다.

피카가 헤드라인에 넣지 않은 숫자

A scoreboard for Pika Enact listing six rows: what it is, an experimental live-streaming environment; base model, Pika H3 Flex; live staging, 1.8x real time with sub-0.4-second response on H100; actor direction, 1.75x real time with a script model and a video model in a loop; camera control, 640x480 at 24 fps on eight B300s at 1.50x real time; available today, no, research preview with an enterprise contact only.

카메라 모드 기준 수치는 B300 GPU 8대에서 640×480, 24fps입니다. Enact가 제품 출시였다면 그 수치는 묻혔을 것입니다. 이 글에서 가장 많은 정보를 주는 단 하나의 수치인데, 이는 상호작용성과 해상도 사이의 정직한 환율이기 때문입니다. 카메라를 조작하는 동안 재생보다 1.5배 앞서가려면, 시스템은 대부분의 스튜디오 전체 렌더 예산보다 더 비싼 노드에서 쿼터-VGA 스트림을 렌더링합니다.

그렇다고 해서 그 데모가 가짜가 되는 걸까? 아니다. 그것은 여유 성능을 보여주는 시연이 되게 하며, 최첨단 하드웨어에서의 여유 성능은 모든 인터랙티브 미디어 시스템이 첫 버전을 출시해 온 방식이다. 독자에게 중요한 질문은 640×480이 충분히 좋은지가 아니다. 빌려 쓸 수 있는 하드웨어에서 그 비율이 어떻게 보이는지이며, Pika는 그것을 말하지 않는다. 스테이징 모드의 H100 수치는 답에 가장 가까운 것이다 — GPU 하나, 0.4초 미만 — 그리고 스테이징은 카메라 작업보다 제어 문제가 훨씬 단순하다.

보고되지 않은 또 다른 측면은 세션이 실제로 얼마나 오래 일관되게 유지되는가이다. 최근 청크 네 개와 앵커 프레임 하나를 사용하는 슬라이딩 캐시는 일관성을 유지하기 위한 설계이지, 이를 보장하는 장치는 아니다. 이 글에는 세션 길이도, 시간 경과에 따른 드리프트 측정치도, 10분짜리 테이크의 예시도 없다. Pika 외부의 누군가가 실제로 실행해 보기 전까지 "무한 세션"은 아키텍처일 뿐 결과가 아니다.

이번 주에 실행할 수 있는 것

Enact는 아무것도 아닙니다. H3 Flex는 그렇습니다 — 가중치는 10월 29일에 Pika-Labs/Pika-H3-Flex로 Turbo LoRA와 함께 공개되었고, Hugging Face API에 따르면 11월 19일 기준 메인 저장소는 166,000회 이상 다운로드를 기록했습니다. 이는 정말 이례적인 상황입니다: 미출시 대화형 데모의 기본 생성기를 다운로드할 수 있으며, Pika가 공개하지 않은 부분은 오디오 스템 분리와 가속 서빙 스택입니다.

The OrcaRouter model page for MiniMax H3, showing the identifier minimax/minimax-h3, unified text, image, video and audio inputs feeding video output, a video-generation endpoint, and per-second pricing of 0.08 dollars per second at 768P.

Pika 포스트 트레인 대신 증류되지 않은 원조 모델을 원하신다면, MiniMax H3는 Enact의 전체 스택이 유래한 모델입니다 — 텍스트, 이미지, 비디오, 오디오 참조를 하나의 컨텍스트로 읽는 네이티브 스테레오 오디오를 갖춘 옴니모달 생성기입니다. OrcaRouter를 통해 초 단위로 제공되며, 768P에서 초당 $0.08, 2K에서 $0.13이고, 공급업체 정가로 청구되어 마크업이 추가되지 않으므로 공급업체 가격 변경은 발표되는 당일 여기에 반영됩니다. 이는 Enact와는 다른 제품이고 H3 Flex와는 다른 체크포인트입니다. 단순히 ‘실시간’의 비용에 대한 8-GPU 멘탈 모델을 확정하기 전에 H3 제품군 출력이 귀하의 영상에 적합한지 알아보는 가장 저렴한 방법입니다.

라우팅 레이어가 이 특정한 이야기에서 제 역할을 하는 이유는 지루하지만 분명합니다. 검증되지 않았고, 단일 벤더이며, 연구 등급인 역량은 바로 프로덕션 경로를 구축하고 싶지 않은 바로 그런 것이기 때문입니다. 공급자 간 페일오버가 있으면 한 엔드포인트가 바쁠 때 H3의 시험 실행이 장애로 이어지지 않으며, 다른 모든 모델이 같은 키 뒤에 있고 한 엔드포인트에서 200개 이상의 모델을 쓸 수 있다는 것은, 당신이 결국 하게 될 비교 — H3를 Kling과, Seedance와, 이번 주에 출시된 무엇과 비교하는 일 — 에 두 번째 계약이 필요하지 않다는 뜻입니다. 그 어느 것도 Enact를 제공하지는 않습니다. 그것은 Enact를 판단할 수 있는 정직한 기준선을 제공할 뿐입니다.

이것을 데모에서 의사결정으로 전환하려면 무엇이 필요할까요?

독자의 선택지를 바꿀 순서대로 네 가지:

• 하나의 문 — 대기자 명단, 베타 키, 크레딧 가격. 이 중 하나라도 Enact를 읽어볼 대상에서 계획할 대상으로 바꿔 놓는다.

• 카메라 제어를 위한 640×480 초과 해상도, 또는 사용 가능한 프레임 크기로 스테이징하기 위한 명시된 하드웨어 요구 사항. 단일 H100에서의 1.8× 여유는 그곳으로 가는 경로가 있음을 시사한다; Pika는 그것이 어디에 안착하는지 아직 공개하지 않았다.

• 세션 길이에 걸친 결과물, 이상적으로는 Pika가 아닌 사람의 것. 몇 분에 걸친 드리프트는 디렉팅 도구에서 승부를 가르는 전부이며, 하이라이트 릴로는 보여줄 수 없는 유일한 요소입니다.

• 공개 프롬프트 세트 또는 독립적인 지연 시간 측정 하네스. Pika의 수치는 내부적으로 일관되고 이례적으로 상세해서 좋은 신호이지만, 증류 모델을 만든 팀이 측정한 "실시간 대비 1.8×"는 벤치마크가 아니라 주장일 뿐이다.

그중 적어도 하나가 실제 성과로 이어지기 전까지, Pika Enact에 대한 정확한 설명은 좁고 매력 없습니다: 실제로 작동하는 연구 시스템이지만, 진짜 엔지니어링 세부 사항과 함께 공개되었음에도 제작자 스스로 사용할 수 없다고 말하는 시스템입니다. 그 엔지니어링은 읽을 가치가 있습니다 — 인과적 청킹, 슬라이딩 캐시, 증류 레시피는 내년에 다른 모든 이들이 인터랙티브 비디오를 구축하는 방식에 대한 그럴듯한 청사진입니다. 제품은 아직 존재하지 않으며, 1.8×라는 숫자로는 그것을 바꿀 수 없습니다.