Kronos（shiyu-coder/Kronos）是一组面向金融市场「K 线语言」的开源 decoder-only 基础模型——号称首个针对金融 K 线（K-lines/Candlesticks）专门预训练的开源 foundation model。它在 45+ 全球交易所的数据上训练，用两阶段框架：① 专用 tokenizer 把连续多维的 OHLCV K 线量化为分层离散 token；② 在 token 上预训练大规模自回归 Transformer，作为各类量化任务的统一模型。论文 arXiv:2508.02739，被 AAAI 2026 接收；多种容量的预训练权重发布在 HuggingFace（NeoQuasar）；并有在线 Demo 展示 BTC/USDT 24h 预测。MIT 许可，约 28,340 stars，主语言 Python。重要前提：这是研究模型与代码，相关产出仅供研究，不构成投资建议；金融市场有风险。
来源：README.md（标题、Introduction、News、Live Demo、Model Zoo）；GitHub 仓库元数据（stars=28340、language=Python、license=MIT） 查看 GitHub 仓库 →「金融时间序列基础模型」是热点方向，但通用 TSFM 难处理 K 线的高噪声特性。Kronos 设计了专属 tokenizer 把 OHLCV 量化为分层离散 token，再用自回归 Transformer 预训练，并开源模型族与微调脚本，覆盖 45+ 交易所数据，加上 AAAI 2026 接收，论文+代码+权重+Demo+多语言文档齐全，因而 star 涨得快。需说明：金融预测有重大不确定性，论文/Demo 的结果不代表实盘表现；实盘使用需自行严格回测、风控与合规，相关产出不构成投资建议。截至数据采集约 28,340 stars。
来源：README.md（Introduction、News、Live Demo）；GitHub 仓库元数据（stars=28340、pushed_at 2026-04）把连续多维 OHLCV 量化为分层离散 token，更适合金融高噪声序列。
来源：README.md（Introduction 1）在 K 线 token 上预训练大规模自回归 Transformer，作为多任务统一基底。
来源：README.md（Introduction 2）训练数据来自 45+ 全球交易所；相关工作被 AAAI 2026 接收。
来源：README.md（介绍、News）HuggingFace 模型 zoo、微调脚本与 BTC/USDT 在线 Demo 公开。
来源：README.md（Model Zoo、Live Demo、News 2025-08）Kronos 用 Python/PyTorch 实现，核心是「分层离散 tokenizer + 自回归 Transformer」：tokenizer 把 OHLCV 连续多维 K 线数据量化为分层离散 token（兼顾不同尺度的市场结构），Transformer 在大规模 K 线 token 上做自回归预训练；得到的预训练模型可作为统一基底，应用于量化预测、趋势/形态分析等下游任务。仓库提供模型 zoo（HuggingFace NeoQuasar 上多种容量）、微调脚本（2025-08 释放）与在线 Demo（BTC/USDT 24h 预测）。文档与代码托管在 GitHub，并有多语言 README 入口（zdoc.app 自动翻译）。
来源：README.md（Introduction 的两阶段、News、Model Zoo）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
PyTorchHuggingFace 模型托管（NeoQuasar）OHLCV 数据源（多交易所）适合金融时间序列/量化研究者：在 K 线数据上做趋势/价格预测、形态识别、下游回归/分类任务的预训练基底；也适合作为「金融 foundation model」方向的可复现基线、对照实验或微调研究。所有产出仅供研究，不能替代专业意见；任何实盘使用都需自行严格回测、风控与合规，风险与盈亏自负。
来源：README.md（Introduction、Live Demo）本页未列固定版本号；关键节点：2026-AAAI 接收；2025-08 释放微调脚本；2025-08 论文上 arXiv；模型 zoo 持续在 HuggingFace NeoQuasar 更新。仓库最后更新约在 2026 年 4 月。
来源：README.md（News 时间线、Model Zoo）；GitHub pushed_atKronos 是首个开源面向金融 K 线的 decoder-only 基础模型：用 K 线专用分层离散 tokenizer + 自回归 Transformer，在 45+ 交易所数据上预训练，并开源模型族、微调脚本与 BTC/USDT 在线 Demo，被 AAAI 2026 接收，MIT、文档齐全，对金融时间序列研究者很对口。务必清楚金融预测高度不确定，论文/Demo 不代表实盘；实盘需严格回测、风控与合规、盈亏自负。商业引流：无，纯开源研究项目。
来源：综合 README.md 的研究定位、模型与开源资源、风险性质Kronos（shiyu-coder/Kronos）是一组面向金融市场「K 线语言」的开源 decoder-only 基础模型——号称首个针对金融 K 线（K-lines/Candlesticks）专门预训练的开源 foundation model。
Kronos 的核心功能包括：K 线专用 tokenizer、自回归 Transformer 预训练、45+ 交易所数据 + AAAI 2026、完整开源（模型/微调脚本/Demo）。
「金融时间序列基础模型」是热点方向，但通用 TSFM 难处理 K 线的高噪声特性。Kronos 设计了专属 tokenizer 把 OHLCV 量化为分层离散 token，再用自回归 Transformer 预训练，并开源模型族与微调脚本，覆盖 45+ 交易所数据，加上 AAAI 2026 接收，论文+代码+权重+Demo+多语言文档齐全，因而 star 涨得快。
适合金融时间序列/量化研究者：在 K 线数据上做趋势/价格预测、形态识别、下游回归/分类任务的预训练基底；也适合作为「金融 foundation model」方向的可复现基线、对照实验或微调研究。所有产出仅供研究，不能替代专业意见；任何实盘使用都需自行严格回测、风控与合规，风险与盈亏自负。