Ask HN：大家在以下场景中常用哪些大语言模型？
一位用户分享了自己在三大场景中使用的模型方案：编程使用 qwen3-coder-next，文本转语音用 Fish Audio S2 Pro，语音转文本用 Whisper，图像分析用 Gemma，图像生成用 Flux。该用户在一台配备 Apple M5 Max 芯片（18核CPU、40核GPU、16核神经网络引擎）和128GB统一内存的16英寸MacBook Pro上本地运行这些模型。
背景速读
- 这是一位开发者/爱好者在 Hacker News 上发起的话题帖，询问大家在三个具体 AI 领域（编程辅助、语音合成/识别、图像生成/分析）各自用哪些模型。帖子本身是一个开放式讨论的引子，不是新闻事件或技术发布。
- 楼主自用的模型代表了当前开源/本地可运行的热门选择：Qwen3-Coder-Next 是阿里通义千问系列的编程专用版本；Fish Audio S2 Pro 是一款注重语音自然度的开源 TTS 模型；Whisper 是 OpenAI 开源的语音识别模型；Flux 是黑森林实验室（Black Forest Labs）的图像生成模型，常被视为 Stable Diffusion 的下一代竞争者；Gemma 是 Google 的开源轻量级语言模型系列，用于图像理解。
- 楼主特别注明硬件配置（M5 Max 芯片、128GB 内存），说明这些模型是在本地而非云端运行的。这反映了近年 AI 领域的一个趋势：越来越多高质量开源模型能在消费级个人电脑上运行，用户无需依赖 API 或订阅服务即可拥有完全的隐私和控制权。