Kronos：清华团队开源金融 K 线基础模型，4.7 万星获 AAAI 2026 收录

语言模型读文字，Kronos 读 K 线。清华团队开源的 Kronos（MIT，截至 2026-11-05 有 46,904 星）自称是「金融市场语言的首个开源基础模型」：在 45 个全球交易所的数据上预训练，专门处理金融 K 线的高噪声特性。公众号文章《狂揽 39k Star》发布时是 39,000 星，一周内已涨到 46,904——学术侧它刚被 AAAI 2026 收录（2025-11-10 消息），论文在 arXiv（2508.02739）。

核心功能

• 两阶段框架：专用 tokenizer 先把连续多维 OHLCV 数据量化为层次化离散 token，再用大型自回归 Transformer 在这些 token 上预训练——把 K 线当成一种「语言」来建模。
• 模型动物园四档：Kronos-mini（4.1M 参数、2048 上下文）、small（24.7M）、base（102.3M）开源放 Hugging Face，large（499.2M）未开源。
• 实时预测演示：官网提供 BTC/USDT 未来 24 小时的预测可视化，可直接在线看输出。
• 微调脚本已开源（2025-08-17 起），可适配自己的任务与市场。
• 学术背书：AAAI 2026 收录，arXiv 论文可查。

典型使用场景

• 量化研究的起点：拿开源模型做基线，再用自己的数据微调对比。
• 行情理解的实验平台：K 线 token 化的思路可迁移到其他高噪声时序数据。
• 教学演示：Live Demo 直接展示预测输出，课堂与科普即用。

快速上手

Python 3.10+ 环境 pip install -r requirements.txt，从 Hugging Face 拉对应档位的模型与 tokenizer；BTC/USDT 的 24 小时预测在 shiyu-coder.github.io/Kronos-demo 可直接查看。仓库同时给出 Hugging Face 工作流示例：加载模型后输入历史 K 线 DataFrame，即输出未来若干根的 OHLCV 预测；微调脚本在 8 月开源后，自家数据接进去就能适配特定市场或周期。

小结

Kronos 适合量化研究者与金融数据工程师；把它的输出当交易信号直接实盘的请慎重——论文与仓库提供的是预测能力而非盈利保证，K 线预测的高噪声本质没有变。要点与边界：MIT、Python 3.10+；large 档未开源；模型训练截止后的市场结构变化需要微调来跟进。它代表基础模型路线向垂直数据语言的扩张：先给 K 线造 token，再让 Transformer 学这门「语言」——这一招现在有了学术认可的样板。对中文读者，项目源于清华团队、文档与社区讨论中文资料丰富，上手成本比多数海外量化开源更低。币种覆盖上训练集含加密、美股等多类市场，跨市场泛化是它与传统单标的模型的核心差异，具体边界以论文的消融实验为准。