通用时序基础模型（TSFM）
同类中的对照组，README 明确将自己与通用 TSFM 区分
它面向通用时序，不针对金融高噪声与 K 线结构做专门 tokenizer；Kronos 的价值主张正是“不做通用 TSFM，只做金融语言”
自动排版把金融 K 线当成一门语言来建模：先量化成层级离散 token，再用自回归 Transformer 做统一预测。
项目介绍
Kronos 是作者称为“首个开源金融 K 线基础模型”的项目，训练数据来自 45 个以上全球交易所。它不用通用时序模型的做法，而是先把连续多维的 K 线数据（开高低收与成交量等）用量化器转成分层的离散 token，再让一个自回归 Transformer 在这些 token 上预训练，从而把“预测 K 线”变成类似语言模型的下一 token 预测。项目发布了一个模型家族：Kronos-mini（4.1M）、Kronos-small（24.7M）、Kronos-base（102.3M）三个规模与对应 tokenizer 均开源，Kronos-large（499.2M）未开源；权重放在 Hugging Face，用法是加载 tokenizer 与模型后交给 KronosPredictor，传入含 open/high/low/close 的 DataFrame 即可得到预测序列，也能批量预测多个标的。仓库还提供用 Qlib 准备 A 股数据、微调 tokenizer 与预测器、再跑简单回测的完整示例，但作者明确声明这只是演示，不是生产级量化系统。
主要应用领域
自有品种的价格趋势辅助判断；把模型预测作为多因子之一做策略研究；用作企业内部“时序基础模型”能力的对标基准。
关键技术
decoder-only 基础模型家族，两阶段：专用 tokenizer 把连续多维 K 线（OHLCV）量化成分层离散 token，再在 token 上预训自回归 Transformer；基于 45+ 全球交易所数据预训；提供 KronosPredictor 做单序列与批量预测，附 Qlib 数据准备的 A 股微调与简单回测示例；模型权重发布在 Hugging Face。以上为 README 阅读结论，未实际运行。
实用价值
把金融时序当作离散语言建模，提供了一个可微调、可本地部署的开放权重基底；对没有大模型团队的企业，这是少数能自己跑起来的垂直基础模型。
局限
README 明确说大模型（Kronos-large，499.2M）未开源，可用的是 mini/small/base（最大 102.3M）；上下文长度仅 512，长周期分析会被截断；作者自己强调回测脚本只是演示、不是生产级量化系统；金融预测本身噪声极大，不应直接当作交易信号；未实际运行。
开源协议
MIT
仓库标注 MIT，权重可自由下载与微调、允许商用；但需注意预训练数据来自公开交易所行情，实际用于交易决策时应自行评估数据授权与合规；README 未对模型输出做任何准确性担保。
协议解读供选型参考，不构成法律意见。
推荐理由
适合金融/大宗商品类企业做“趋势辅助判断”的实验底座，不建议直接接入交易决策；先用自有历史数据跑一遍微调与回测，确认样本外表现再谈使用。
观测
Star47300；观测时间：2026-11-08T08:19:38.000Z
暂无可比增长基线
开放权重
专业社区口碑
未找到可靠口碑
本轮仅检索 Hacker News 首页，未见讨论帖；issues 220、forks 7.8k，讨论量不小但未抽样阅读。
未做站内检索，也未查看 Issue 内容；模型预测效果只有作者提供的 demo 与回测脚本，本轮未独立验证。
类似项目推荐
模型知识参考，未在线核验；名称、维护状态和许可证需另行核实。